69
c. Pendekatan Kolmogorov-Smirnov
Tabel. 4.8
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parameters
a
Mean .0000000
Std. Deviation 1.86906533
Most Extreme Differences Absolute
.145 Positive
.092 Negative
-.145 Kolmogorov-Smirnov Z
.795 Asymp. Sig. 2-tailed
.552 a. Test distribution is Normal.
Sumber :Hasil pengolahan SPSS 2016
Tabel 4.8 menunjukkan bahwa nilai Asymp. Sig. 2-tailed adalah 0.522 dan diatas nilai signifiksn 0,05 atau 5, sehingga dapat disimpulkan bahwa
variabel residual berdistribusi normal.
4.3.2 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk mendeteksi ada atau tidaknnya gejala multikolinearitas pada data dapat dilakukan dengan melihat nilai tolerance
value dan Varians Inflation factor VIF. Dengan kriteria sebagai berikut : 1. Apabila VIF 5 maka diduga mempunyai persoalan Multikolinearitas.
2. Apabila VIF dari 5 maka tidak terdapat Multikolinearitas. 3. Apabila
tolerance 0,1 maka diduga mempunyai
persoalan multikolinearitas
4. Apabila tolerance 0,1 maka tidak terdapat multikolinearitas.
Universitas Sumatera Utara
70
Tabel 4.9 Uji Nilai Tolerance dan VIF
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
4.530 3.840
1.180 .248
Komunikasi .609
.109 .872
5.593 .000
.195 4.120
Sikap .072
.163 .069
3.441 .003
.175 3.130
a. Dependent Variable: Kinerja Guru
Sumber :Hasil pengolahan SPSS 2016
Tabel 4.9 terlihat bahwa nilai tolerance semua variabel bebas adalah lebih besar dari nilai ketetapan 0,1 dan nilai VIF semua variabel bebas adalah lebih
kecil dari nilai ketetapan 5. Oleh karna itu, data dalam penelitian ini dikatakan tidak mengalami masalah multikolinearitas.
4.3.3 Uji Heteroskedastisitas
Tujuan uji heteroskedastisitas adalah untuk mengetahui apakah dalam sebuah model regresi terjadi ketidaksamaan varian dari residual antara satu
pengamatan dengan pengamatan yang lain. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi heteroskedastisitas.
Ada beberapa cara untuk mendekati ada atau tidaknya heteroskedastisitas yaitu :
Universitas Sumatera Utara
71
a. Pendekatan Grafik
Sumber :Hasil pengolahan SPSS 2016
Gambar 4.4 Scatterplot Heteroskedastisitas
Berdasarkan gambar 4.3 dapat terlihat bahwa tidak ada pola yang jelas serta titik-titik menyebar diatas dan di bawah angka 0 pada sumbu Y, maka berdasarkan
metode grafik tidak terjadi heteroskedastisitas pada model regresi layak dipakai untuk memprediksi kinerja guru berdasarkan masukan variabel komunikasi dan
sikap. b.
Uji Glesjer Glejser mengusulkan untuk meregresi nilai absolut residual terhadap
variabel independen. Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen maka ada indikasi terjadi heteroskedastisitas.
Universitas Sumatera Utara
72
Tabel 4.10 Hasil Uji Glejser heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 3.078
2.455 1.254
.221 Komunikasi
-.093 .070
-.564 -1.338
.192 Sikap
.119 .104
.481 1.140
.264 a. Dependent Variable: Absut
Sumber :Hasil pengolahan SPSS 2016
Pada Tabel 4.10 terlihat variabel independen Komunikasi dan Sikap yang tidak signifikan secara statistik mempengaruhi variabel dependen absolute
Ut absUt. Hal ini terlihat dari probabilitas komunikasi 0.192 dan sikap 0.264 diatas tingkat signifikansi 5 0.05, jadi disimpulkan model regresi tidak
mengarah adanya heteroskedastisitas.
4.4 Analisis Regresi Linear Berganda