Keterangan : Rs
= rentang skala m
= angka tertinggi dalam pengukuran n
= angka terendah dalam pengukuran b
= banyaknya kelas Masukkan nilai tersebut ke dalam rentang skala yang telah
ditentukan, maka informasi terhadap penerapan penilaian kinerja dan produktivitas karyawan dapat diketahui.
2. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui distribusi data dalam variabel yang akan digunakan dalam penelitian. Data yang baik dan
layak digunakan dalam penelitian adalah data yang memiliki distribusi normal. Uji ini biasanya digunakan untuk mengukur data berskala
ordinal, interval, ataupun rasio. Jika analisis menggunakan metode parametrik, maka persyaratan normalitas harus terpenuhi, yaitu data
berasal dari distribusi yang normal. Untuk melakukan uji normalitas dapat dilakukan dengan cara uji Kolmogorov Smirnov dengan
menggunakan taraf signifikansi 0,05. Nilai Kolmogorov Smirnov yang baik harus lebih besar dari 0,05 Priyatno, 2008.
3. Uji Asumsi Klasik
a. Multikolinearitas
Umar 2003 menyatakan bahwa salah satu asumsi model regresi linier berganda adalah tidak terjadi korelasi yang signifikan
antarvariabel bebasnya. Dalam statistika, disebut tidak terjadi multikolinieritas.
1 Konsekuensi multikolinieritas
Apabila terdapat multikolinieritas relatif sempurna, maka penaksir lewat kuadrat terkecil menjadi tak tertentu dan variansi
6
serta standar deviasinya menjadi tak terdefinisikan, sedangkan jika kolinieritasnya tinggi konsekuensinya adalah:
a Standar deviasi dari penaksir cenderung besar, akibatnya lagi
adalah interval kepercayaan pada parameter akan menjadi besar pula.
b Penaksiran koefisien regresi masih tetap dimungkinkan,
tetapi penaksir dan standar deviasi sangat sensitif terhadap sedikit saja perubahan atas datanya.
c Tidak memungkinkan untuk mengisolasi pengaruh variabel X
secara individual. 2
Memeriksa multikolinearitas Ada beberapa cara untuk memeriksa multikolinieritas, yaitu:
a Korelasi yang tinggi memberikan petunjuk adanya
kolinieritas, tetapi tidak sebaliknya, yakni adanya kolinieritas akan mengakibatkan korelasi yang tinggi. Kolinieritas dapat
saja ada walau korelasi dalam keadaan rendah. b
Dianjurkan untuk melihat koefisien korelasi parsial. Jika R
2
sangat tinggi tetapi masing-masing r
2
parsialnya rendah, ini memberikan petunjuk bahwa variabel-variabel bebas
mempunyai korelasi yang tinggi dan paling sedikit satu di antaranya berlebihan.
Multikolinieritas dapat diketahui keberadaannya melalui SPSS. Cara lain untuk mendeteksi multikolinearitas pada suatu model dapat
dilihat dari nilai Variance Inflation Factor VIF tidak lebih dari sepuluh. Selain itu, nilai Tolerance tidak kurang dari 0,1 pada kotak
kerja hasil pengolahan data SPSS.
b. Heteroskesdastisitas
Uji heteroskesdastisitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik heteroskesdastisitas, yaitu
adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi Priyatno, 2008. Nachrowi et al. 2000
menyatakan bahwa dampak heteroskedastisitas adalah:
1 Akibat tidak konstannya variansi, maka salah satu dampak yang
ditimbulkan adalah lebih besarnya variansi dari taksiran. 2
Lebih besarnya variansi taksiran, tentunya akan berpengaruh pada uji hipotesis yang dilakukan uji t dan F, karena kedua uji
tersebut menggunakan besaran variansi taksiran. Akibatnya kedua uji hipotesis tersebut menjadi kurang akurat.
3 Lebih besarnya variansi taksiran, akan mengakibatkan standar
eror taksiran juga lebih besar, sehingga interval kepercayaan menjadi sangat besar.
4 Akibat beberapa dampak tersebut, maka kesimpulan yang
diambil dari persamaan regresi yang dibuat dapat menyesatkan.
4. Analisis Regresi Linier Berganda
Regresi bertujuan untuk menguji hubungan pengaruh antara satu variabel terhadap variabel lain. Variabel yang dipengaruhi disebut
variabel dependen atau terikat, sedangkan variabel yang memengaruhi disebut variabel bebas atau indipenden. Regresi yang memiliki satu
variabel dependen dan satu variabel indipenden disebut regresi sederhana. Sedangkan regresi yang memiliki satu variabel dependen dan
lebih dari satu variabel indipenden disebut regresi berganda Nugroho, 2005.
Namun, dalam penelitian ini, peneliti memiliki tujuan untuk mengetahui pengaruh penilaian kinerja dan setiap indikator di dalamnya
terhadap produktivitas. Oleh karena itu, peneliti menggunakan analisis regresi linier berganda. Persamaan regresi berganda dapat dirumuskan
sebagai berikut:
Y = a + b
1
X
1 +
b
2
X
2 + ....... +
b
n
X
n
………….……………………... 7
Keterangan : Y
= variabel dependen a
= konstanta harga Y bila X
n
=0 b
= angka arah atau koefisien regresi X
n
= variabel independen n
= 1, 2, 3,…………..
a. Analisis Determinasi R
