Uji Asumsi Klasik 1.Uji Normalitas
mayoritas kinerja pegawai responden bekerja sesuai kulaitas yang diinginkan organisasi.
4.2.3. Uji Asumsi Klasik 4.2.3.1.Uji Normalitas
Tujuan uji normalitas adalah ingin menguji apakah dalam model regresi distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi
data dengan bentuk lonceng. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid. Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau
tidak, yaitu dengan pendekatan grafik dan pendekatan Kolmogorv-Smirnov a.
Pendekatan Grafik Salah satu cara untuk melihat normalitas adalah dengan melihat
grafik histogram dan grafik normal plot yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi normal.
Gambar 4.2 Grafik Histogram Uji Normalitas
Sumber: Hasil Pengolahan SPSS Mei 2011
Universitas Sumatera Utara
Gambar 4.3 Scatter Plot Uji Normalitas
Sumber: Hasil Pengolahan SPSS Mei 2011
Berdasarkan Gambar 4.2 dapat diketahui bahwa variabel berdfistribusi normal, hal ini ditunjukkan oleh gambar tersebut, dimana
tidak menceng ke kiri atau ke kanan, sedangkan pada Gambar 4.3 data juga berdistribusi normal ini dapat dilihat pada scatter plot terlihat titik
yang mengikuti data disepanjang garis diagonal. b.
Pendekatan Kolmogorv-Smirnov Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal,
padahal secara statistik tidak berdistribusi normal. Berikut ini pengujian normalitas yang didasarkan dengan uji statistik non-parametik
Kolmogorov-Smirnov K-S.
Universitas Sumatera Utara
Tabel 4.11 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 56
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 2.35692450
Most Extreme Differences Absolute
.106 Positive
.106 Negative
-.054 Kolmogorov-Smirnov Z
.791 Asymp. Sig. 2-tailed
.559 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Pengolahan SPSS Mei 2011
Berdasarkan Tabel 4.11, terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0.559, ini berarti nilainya diatas nilai signifikan 5 0.05. dengan
kata lain variabel tersebut berdistribusi normal. 4.2.3.2. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari suatu residual pengamatan ke pengamatan lain. Jika
varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model
regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Ada beberapa cara untuk mendeteksi ada atau tidaknya
heteroskedastisitas, yaitu:
Universitas Sumatera Utara
a. Metode Grafik
Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi
heteroskedastisitas.
Gambar 4.4 Scatter Plot Uji Heteroskedastisitas
Sumber: Hasil Pengolahan SPSS Mei 2011
Berdasarkan Gambar 4.4 dapat terlihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y,
maka berdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi.
Universitas Sumatera Utara
b. Uji Glejser
Tabel 4.12 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant -2.682
2.634 -1.018
.313 KompetensiKomunikasi
.075 .106
.120 .706
.483 KecerdasanEmosional
.025 .066
.083 .378
.707 BudayaOrganisasi
.022 .068
.067 .318
.752 a. Dependent Variable: absut
Sumber: Hasil Pengolahan SPSS Mei 2011
Berdasarkan Tabel 4.12 dapat diketahui bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi
variabel dependen absolute Ut absUt. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5 jadi disimpulkan model
regresi tidak mengarah adanya heteroskedastisitas. 4.2.3.3. Uji Multikolinearitas
Uji Multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik
seharusnya tidak terjadi korelasi di antara variabel independen. Berikut ini disajikan cara mendeteksi multikolinierritas dengan menganalisis matrik korelasi
antar variabel independen dan perhitungan nilai Tolerance dan Variance Inflation Factor VIF.
Universitas Sumatera Utara
Tabel 4.13 Uji Nilai Tolerance dan VIF
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
7.692 4.158
1.850 .070
KompetensiKomunikasi .380
.168 .237
2.271 .027
.626 1.598
KecerdasanEmosional .139
.104 .179
1.330 .189
.376 2.663
BudayaOrganisasi .420
.108 .497
3.881 .000
.414 2.416
a. Dependent Variable: KinerjaPegawai
Sumber: Hasil Pengolahan SPSS Mei 2011
Berdasarkan Tabel 4.13 dapat dilihat bahwa:
a. Nilai VIF dari nilai lebih kecil atau dibawah 5 VIF 5, ini berarti
tidak terkena multikolinieritas antara variabel independen dalam model regresi.
b. Nilai Tolerance dari lebih besar dari 0.1, ini berarti tidak terdapat
multikolinieritas antar variabel independen dalam model regresi.