6 Pada pertanyaan keenam
Anda bertindak capat dan efektif di semua kondisi
sebanyak 21 orang atau 28,8 yang menyatakan sangat setuju, 44 orang atau 60,3 menyatakan setuju, 8 orang atau 11 menyatakan kurang setuju,
tidak ada responden yang menyatakan tidak setuju dan tidak ada responden yang menyatakan sangat tidak setuju.
C. Hasil Uji Asumsi Klasik Dasar Regresi 1. Uji Normalitas
Tujuan dari uji normalitas ini adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Data yang baik
adalah data yang mempunyai pola seperti distribusi normal yakni tidak menceng ke kiri atau ke kanan.
a. Analisis grafik
Gambar 4.1 Histogram Dependent Variabel Kinerja Karyawan Sumber
: Hasil penelitian Februari,2010 diolah
Regression Standardized Residual
3 2
1 -1
-2 -3
Fr eq
ue nc
y
12.5 10.0
7.5 5.0
2.5 0.0
Histogram Dependent Variable: Kinerja_Karyawan
Mean =-1.23E-15 Std. Dev. =0.986
N =73
Universitas Sumatera Utara
Pada Gambar 4.1 histogram menunjukkan bahwa variabel berdistribusi normal. Hal ini ditunjukkan oleh distribusi data tersebut yang tidak
menceng kekiri ataupun ke kanan. Cara lain melihat uji normalitas dengan grafik adalah dengan melihat
gambar normal p-p plot of regression standardized residual. Pada Grafik 4.2 terlihat titik yang mengikuti data di sepanjang garis diagonal. Hal ini
berarti data berdistribusi normal.
Gambar 4.2 Normal P-P Plot of regression Standardized Residual Dependent Variabel Kinerja Karyawan
Sumber : Hasil penelitian Februari,2010 diolah
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E x
p ect
ed Cum
Pr ob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Kinerja_Karyawan
Universitas Sumatera Utara
2. Analisis Statistik Untuk memastikan apakah data di sepanjang garis diagonal
berdistribusi normal, maka dilakukan uji kolmogorv-Smirnov dengan melihat data residualnya apakah berdistribusi normal atau tidak.
Tabel 4.10 One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 73
Normal Parametersa,b Mean
,0000000 Std. Deviation
1,69644010 Most Extreme
Differences Absolute
,074 Positive
,074 Negative
-,046 Kolmogorov-Smirnov Z
,631 Asymp. Sig. 2-tailed
,821 a Test distribution is Normal.
b Calculated from data.
Sumber : Hasil olahan SPSS 15.0 for windows Februari 2010
Pada Tabel 4.10 menunjukkan bahwa variabel residual berdistribusi normal, karena terlihat nilai Unstandardized Residual Asymp.
Sig. 2-tailed adalah 0.821 hal ini berarti nilai Symp. Sig 2-tailed lebih besar dari nilai signifikan dengan nilai 0,05
b. Uji Multikolinearitas Multikolinearitas adalah suatu keadaan dimana variabel independen
yang satu dengan yang lain dalam model regresi berganda tidak saling berhubungan secara sempurna. Untuk mengetahui ada tidaknya gejala
multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan Variance Inflation Factor melalui program SPSS 15 for windows
Universitas Sumatera Utara
Tabel 4.11 Coefficientsa
Model Collinearity Statistics
Tolerance VIF
1
Constant Kreativitas
,712 1,405
Inovasi
,746 1,341
a Dependent Variable: Kinerja_Karyawan Sumber : Hasil penelitian Februari,2010 diolah
Berdasarkan Tabel 4.11 diatas, kedua variabel dependen tersebut memiliki VIF 5, maka tidak terdapat adanya gejala multikolinearitas pada
persamaan regresi linear berganda ini. c. Uji Autokorelasi
Autokorelasi menunjukkan adanya kondisi yang berurutan antara gangguan atau distribusi yang masuk dalam regresi. Uji autokorelasi bertujuan
untuk menguji apakah pada model regresi ditemukan adanya korelasi antar kesalahan pengganggu pada periode t dengan kesalahan periode t-1 Singgih
:2000 . Tabel 4.12
Model Summaryb
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-Watson
1 ,864a
,651 ,625
1,72050 1,511
a Predictors: Constant, Inovasi, Kreativitas b Dependent Variable: Kinerja_Karyawan
Sumber : Hasil penelitian Februari,2010 diolah Hasil pengolahan mengunakan SPSS 15 for windows dapat diketahui bahwa
nilai Durbin-Watson adalah sebesar 1.511. Nilai du: 1.475 dan nilai dl:2.325
Universitas Sumatera Utara
Oleh karena du 1.475 dw hitung 1.551 2.325 maka di dalam model regresi ini idak terdapat adanya autokorelasi positif maupun negatif.
d. Uji heterokedastisitas Pengujian Heteroskedastisitas dilakukan dalam sebuah model regresi,
dengan tujuan bahwa apakah suatu regresi tersebut terjadi ketidaksamaan varians dari residual dari setiap pengamatan ke pengamatan lainnya berbeda,
maka disebut heteroskedastisitas. Ada beberapa cara untuk menguji ada tidaknya situasi
heteroskedastisitas dalam varian error terms untuk model regresi. Dalam penelitian ini akan digunakandua metode, yaitu:
1. Metode chart Diagram Scatterplot, dengan dasar pemikiran bahwa : a. Jika ada pola tertentu seperti titik-titik poin-poin, yang ada membentuk
suatu pola tertentu yang beraturan bergelombang, melebar, kemudian menyempit, maka terjadi heteroskedastisitas.
b. Jika ada pola yang jelas, serta titik-titik menyebar keatas dan dibawah 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Berdasarkan keterangan diatas maka ada variabel dari penelitian ini terdapat heteroskedastisitas. lampiran 2
2. Uji Glejser Heterokedastisitas diuji dengan menggunakan uji Glejser dengan
pengambilan keputusan jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi heterokedastisitas.
Untuk melihat apakah terjadi heterokedastisitas atau tidak dapat dilakukan
Universitas Sumatera Utara
melalui dua cara yaitu cara grafik dan cara statistik dengan menggunakan uji Glejser melalui program SPSS 15 for windows.
Tabel 4.13 Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
B Std. Error
1 Constant
1,409 1,338
1,054 ,296
Kreativitas ,038
,061 ,095
,625 ,534
Inovasi -,152
,078 -,295
-1,958 ,054
Kinerja_Karyawan ,055
,068 ,126
,805 ,423
a Dependent Variable: absut
Sumber : Hasil penelitian Februari,2010 diolah
Tabel 4.13 menunjukkan bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut absut. Hal
ini terlihat dari nilai signifikansi variabel kreativitas dan Inovasi masing-masing lebih besar dari tingkat signifikansi
α = 5. Dengan demikian dapat disimpulkan bahwa tidak terjadi gejala heterokedastisitas dalam model regresi ini.
D. Analisis Regresi Linier Berganda
