52 sesungguhnya akan mengikuti garis diagonalnya Ghozali, 2005. Namun uji
normalitas dengan grafik dapat menyesatkan karena secara visual dapat kelihatan tidak normal padahal secara statistik bisa sebaliknya. Adapun uji normalitas dengan
statistik yang digunakan dalam penelitian ini adalah uji Kolmogorov-Smirnov KS test, yaitu dengan melihat angka profitabilitas signifikan dimana data dapat
disimpulkan berdistribusi normal jika angka signifikansinya lebih besar dari 0,05 seperti yang terlampir pada Tabel 16 dibawah :
Tabel 16. Hasil uji normalitas
Unstandardized Residual
N 106
Normal Parameters
a,b
Mean .0000000
Std. Deviation 3.89857168
Most Extreme Differences Absolute
.074 Positive
.074 Negative
-.043 Kolmogorov-Smirnov Z
.761 Asymp. Sig. 2-tailed
.608
Berdasarkan tabel 16 diatas terlihat bahwa nilai Kolmogorov-Smirnov berada diatas cut off value yang telah disepakati, yaitu 0.05 maka disimpulkan data
terdistribusi secara normal.
4.5.4 Uji Multikolinearitas
Pada dasarnya model persamaan regresi berganda dengan menggunakan dua variabel bebas atau lebih, hampir selalu terdapat kolinier ganda. Multikolinier ditandai
dengan nilai R korelasi berganda yang tinggi. Uji multikolinearitas dimaksudkan untuk mengetahui adanya hubungan antara variabel bebas dalam model regresi.
Apabila terjadi multikolinearitas maka variabel bebas yang berkolinier dapat dihilangkan. Untuk menguji ada tidaknya multikolinearitas dalam suatu model regresi
salah satunya adalah dengan melihat nilai tolerance dan lawannya, serta Variance Inflation Factor
VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel lainnya. Tolerance mengukur variabilitas
variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF =
1Tolerance dan menunjukkan adanya kolinearitas yang tinggi. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance
53 0.10 atau sama dengan nilai VIF 10. Bila nilai tolerance 0.10 atau sama dengan
nilai VIF 10, berarti tidak ada multikolinearitas antar variable dalam model regresi Ghozali, 2005. Hasil pengujian multikolinearitas dalam penelitian ini digambarkan
dalam Tabel 17 sebagai berikut :
Tabel 17. Hasil uji multikolinearitas
Variabel Collinearity
Statistics Tolerance
VIF X1
.565 1.769
X2 .593
1.687 X3
.508 1.968
X4 .416
2.407 X5
.496 2.018
X6 .460
2.174
Hasil perhitungan nilai tolerance pada Tabel 17 menunjukkan semua variabel independen mempunyai nilai lebih dari 0,10, begitu pula dengan nilai VIF, semua
variable independen mempunyai nilai kurang dari 10. Dengan demikian dapat disimpulkan model regresi tersebut tidak terdapat problem multikolinearitas. Maka
model regresi yang ada layak untuk dipakai.
4.5.5 Uji Heteroskedastisitas
Heteroskedastisitas terjadi apabila tidak ada kesamaan deviasi standar nilai variabel dependen pada setiap variabel independen. Prosedur uji dilakukan dengan Uji
Glejser sesuai Lampiran 5. Dengan melihat Lampiran 5, berikut hasil uji heterokedastisitas untuk masing-masing variabel :
1. Nilai p untuk peran menampung aspirasi dan keluhan Pekerja adalah 0,196. 2. Nilai p untuk peran perwakilan Pekerja adalah 0,276.
3. Nilai p untuk peran memperjuangkan hak dan kepentingan anggota adalah 0,190.
4. Nilai p untuk peran membantu menyelesaikan perselisihan hubungan industrial adalah 0,064.
5. Nilai p untuk peran meningkatkan disiplin dan semangat kerja anggota adalah 0,615.
6. Nilai p untuk peran menyalurkan aspirasi dan saran kepada manajemen adalah 0,169.
54 Dari hasil pengujian tersebut didapat bahwa nilai p seluruh variabel adalah
= 0,05, sehingga dapat disimpulkan bahwa koefisien regresi tidak nyata maka terdapat hubungan yang penting secara statistik di antara peubah sehingga dapat
disimpulkan bahwa sisaan mempunyai ragam homogen konstan atau dengan kata lain tidak terdapat gejala heterokedastisitas. Dengan terpenuhi seluruh asumsi klasik
regresi di atas maka dapat dikatakan model regresi linear berganda yang digunakan dalam penelitian ini adalah sudah layak atau tepat. Sehingga dapat diambil interpretasi
dari hasil analisis regresi berganda yang telah dilakukan.
4.5.6 Uji Hipotesis Secara Parsial dengan Uji t
