78
Tabel 4.47 Hasil Uji Multikolinieritas
Model Collinearity Statistics
Tolerance VIF
1 Constant PG
0,968 1,033
KE 0,870
1,149 KO
0,844 1,185
Sumber: hasil output SPSS data primer yang diolah, 2013 Berdasarkan data pada tabel 4.47 di atas dapat diketahui bahwa syarat untuk
lolos dalam uji multikolinieritas sudah terpenuhi oleh seluruh variabel independen yang ada, yaitu nilai tolerance yang lebih besar dari 0,10 dan nilai VIF Variance
Inflation Factor yang tidak lebih dari 10. Pada tabel di atas, nilai tolerance variabel bebas konflik peran ganda sebesar 0,968, kecerdasan emosional sebesar 0,870 dan
komitmen organisasi sebesar 0,844. Sedangkan nilai VIF variabel bebas konflik peran ganda sebesar 1,033, kecerdasan emosional sebesar 1,149 dan komitmen organisasi
sebesar 1,185. Oleh karena itu, dapat disimpulkan bahwa seluruh variabel independen yang digunakan dalam penelitian ini tidak berkorelasi antara variabel independen satu
dengan variabel independen yang lainnya.
2. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah suatu model regresi, variabel pengganggu atau variabel residual memiliki distribusi normal. Model data yang baik
adalah berdistribusi normal atau mendekati normal Ghozali, 2011:160. Untuk
79
melihat data berdistribusi normal dapat dilakukan dengan memperhatikan normal probability plot pada scatter plot berdistribusi normal.
Gambar 4.1 Hasil Uji Normalitas
Sumber: Hasil output SPSS data primer yang diolah, 2013 Berdasarkan grafik di atas menunjukkan bahwa semua data yang ada
berdistribusi dengan normal, karena data menyebar membentuk garis lurus diagonal maka data tersebut memenuhi asumsi normal atau mengikuti garis normalitas.
Selain dengan melihat grafik, normalitas data juga dapat dilihat melalui uji statistik yaitu dengan uji statistik non-parametrik Kolmogrov-Smirnov pada alpha
sebesar 5. Jika nilai signifikansi dari pengujian Kolmogrov-Smirnov lebih besar dari 0,05 berarti data normal.
80
Tabel 4.48 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
KN N
68 Normal Parameters
a,b
Mean 37.25
Std. Deviation 5.044
Most Extreme Differences Absolute
.098 Positive
.098 Negative
-.077 Kolmogorov-Smirnov Z
.807 Asymp. Sig. 2-tailed
.533
Sumber: Hasil output SPSS data primer yang diolah, 2013 Berdasarkan uji statistik normalitas pada tabel
4.48 di atas menunjukkan
Kolmogrov-Smirnov sebesar 0,807 dan signifikansi pada 0,533 lebih besar dari 0,05, maka dapat disimpulkan bahwa data terdistribusi dengan normal.
3. Uji Heteroskedastisitas
UJi heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lain.
Jika residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang
baik adalah yang homoskedastisitas atau tidak heteroskedastisitas Ghozali, 2011:139. Gambar di bawah ini merupakan hasil dari uji heteroskidastisitas.
81
Gambar 4.2 Hasil Uji Heteroskedastisitas
Sumber : Hasil output SPSS data primer yang diolah, 2013
Berdasarkan gambar di atas dapat terlihat bahwa distribusi data tidak teratur dan tidak membentuk pola tertentu, serta tersebar di atas dan di bawah angka 0 pada
sumbu Y, sehingga dapat disimpulkan bahwa pada model regresi ini tidak terjadi masalah Heteroskedastisitas.
Untuk memperkuat bahwa data bebas dari Heteroskedastisitas, data akan diuji kembali dengan Uji Park, uji ini digunakan untuk memberikan angka-angka yang
lebih detail untuk menguatkan apakah data yang akan diolah mengalami Heteroskedastisitas atau tidak. Ada atau tidaknya heteroskedastisitas dapat dilihat dari
82
nilai signifikansi variabel bebas terhadap variabel terikat. Apabila hasil dari uji Park kurang dari atau sama dengan 0,05 maka dapat disimpulkan bahwa data mengalami
Heteroskedastisitas dan sebaliknya Ghozali, 2011: 141.
Tabel 4.49 Hasil Uji Park
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -6.260
9.166 -.683
.497 X1
-.159 1.072
-.019 -.148
.882 X2
.565 1.841
.040 .307
.760 X3
1.910 1.862
.136 1.025
.309 a. Dependent Variable: TOTAL
Sumber: data primer diolah, 2013 Pada tabel 4.49
di atas dapat disimpulkan bahwa tidak terdapat Heteroskedastisitas pada persamaan regresi tersebut. Hal itu terlihat dari tidak adanya
variabel bebas yang memiliki signifikansi di bawah 0,05. Variabel bebas konflik peran ganda memiliki signifikansi sebesar 0,882, kecerdasan emosional sebesar 0,760
dan komitmen organisasi sebesar 0,309. Dengan demikian dapat disimpulkan bahwa persamaan regresi dengan menggunakan uji Park tidak terjadi Heteroskedastisitas.
83
E. Analisis Regresi 1. Koefisien Determinasi
Koefifien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen Ghozali, 2011: 97.
Tabel 4.50 Hasil Uji Koefisien Determinasi
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.726
a
.527 .505
3.549
Sumber : data primer diolah, 2013 Berdasarkan tabel di atas dapat disimpulkan bahwa koefisien determinasi
yang telah disesuaikan Adjusted R Square adalah sebesar 0,505 atau 50,5. Adjusted R Square berkisar pada angka 1-0, dengan catatan semakin besar angka
Adjusted R Square maka akan semakin kuat hubungan dari keempat variabel dalam model regresi. Dapat disimpulkan bahwa 50,5 variabel kinerja karyawan dapat
dijelaskan oleh variabel konflik peran ganda, kecerdasan emosional dan komitmen organisasi. Sedangkan selisihnya 49,5 lainnya dipengaruhi atau dijelaskan oleh
variabel lain yang tidak masuk dalam penelitian ini. Seperti variabel stress kerja yang diteliti oleh Azazah Indriyani 2009, Richardus Candra Wirakristama dan
Suharnomo 2011 yang hasil penelitiannya menunjukkan bahwa konflik peran ganda dan stress kerja berpengaruh signifikan terhadap kinerja.
84
2. Uji Signifikan Parameter Individual Uji Statistik t