sebaliknya. Pengujian normalitas yang didasarkan pada uji statisktik non parametik kolmogorov-Smirnov K-S.
Hipotesisnya sebagai berikut: Ho = data residua l berdistribusi normal.
Ha = data residual tidak berdistribusi normal.
Tabel 4.11 N Par Tests
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 38
Mean .0000000
Std. Deviation 1.56789668
Absolute .100
Positive .100
Negative -.045
Kolmogorov-Smirnov Z 1.001
Asymp. Sig. 2-tailed .457
Sumber : pengolahan data primer kuisioner dengan SPSS versi 15.00 a Test distribution is Normal.
b Calculated from data.
Berdasarkan pengolahan data pada tabel 4.11 dapat dinilai Asymp.Sig.2- tailed diatas angka 0,05 dengan demikian dapat disimpulkan model
regresi memenuhi asumsi normalitas.
2. Uji Multikolinieritas
Uji ini digunakan untuk mengetahui ada tidaknya gejala multikolinearitas dapat dilihat dari besarnya Tolerance dan VIF Variance Inflation Factor
melalui program SPSS. Toleransi mengukur variabilitas variabel terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai umum yang
biasa dipakai adalah nilai Tolerance 0,01 atau nilai VIF 5, maka tidak terjadi multikolinearitas
Universitas Sumatera Utara
Tabel 4.12 Uji Multikolinieritas
Coeficients a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF B
Std. Error
1 Constant
2.056 2.431
1.002 .245
Intensif .067
.086 .079
.634 .437 .896 1.078
Kepuasan Kerja
.053 .097
.067 .539
.347 .883 1.020
a Dependent Variable: Kualitas Kerja Karyawan
Berdasarkan pengolahan data diatas pada Tabel 4.12 diatas dapat dinilai VIF untuk kedua variabel independent 5 maka diduga mempunyai persoalan
multikolinieritas, demikian juga nilai tolerance 0,1 dengan demikian dapat disimpulkan model regresi tidak terkena multikolinieritas.
3. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguiji apakah didalam model regresi terjadi ketidaksamaan varian dari satu residual pengamatan ke pengamatan lain.
Terdapat Beberapa cara untuk mendeteksi heteroskedastisitas: a.
Grafik
Universitas Sumatera Utara
Regression Standardized Predicted Value
3 2
1 -1
-2 -3
R eg
re ss
io n
St ud
en tiz
ed R
es id
ua l
2
-2 -4
Scatterplot Dependent Variable: KeputusanPembelianKonsumen
Sumber : hasil pengolahan data primer kuisioner dengan SPSS versi 15,00 Gambar 4.2 Diagram Pancar Residual
Berdasarkan Gambar 4.2 diagram pancar diatas tidak membentuk pola atau acak. Dengan demikian dapat dikatakan bahwa regresi tidak mengalami ganguan
heteroskedastisitas. b.
Uji Glejser Glejser mengusulkan untuk meregresi nilai absolute residual terhadap
variabel independent dengan persamaan regresi. Jika variabel independent signifikan secara statistik mempengaruhi variabel dependen, maka ada
indikasi terjadi heteroskedastisitas.
Tabel 4.13 Uji Heteroskedastisitas
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity Statistics
B Std.
Error Beta
Toleranc e
VIF B
Std. Error 1
Constant 1.441
1.394 .651
.434 Intensif
.058 .069
.083 .516
.476 .686
1.458 Kepuasan
Kerja .047
.069 .074
.746 .450
.683 1.350
a Dependent Variable: absut
Universitas Sumatera Utara
Pengujian dari Tabel 4.9 diatas menggunakan uji Heteroskedastisitas yang bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan
variance dari residual satu pengamatan ke pengamatan lainnya. Jika nilai signifikan 0,05 berarti tidak terkena heteroskedastisitas. Jika dapat
disimpulkan bahwa variabel X
1
dan X
2
tidak terkena heteroskedastisitas karena nilai signifikan pada tabel semuanya 0,05.
E. Analisis Regresi Berganda
