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.

4.2.4. Analisis Regresi Linier Berganda