78
Tabel 4.8
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 40
Normal Parameters
a
Mean .0000000
Std. Deviation 2.48787450
Most Extreme Differences Absolute
.093 Positive
.065 Negative
-.093 Kolmogorov-Smirnov Z
.586 Asymp. Sig. 2-tailed
.882 a. Test distribution is Normal.
Untuk melihat uji normalitas menggunakan Kolmogorov-Smirnov ini, apakah data telah terdistribusi secara normal atau belum, dapat
dilihat pada nilai Asymp.sig 2-tailed. Data akan dikatakan normal jika nilai Asymp.sig 2-tailed lebih besar dari nilai alpha penelitian 0,05.
Tabel 4.20 menunjukkan bahwa nilai Asymp.sig 2-tailed adalah sebesar 0.882 lebih besar dari 0,05. Maka disimpulkan bahwa data telah
terdistribusi secara normal, dengan demikian maka data dapat digunakan selanjutnya untuk mengestimasi kondisi setiap variabel
penelitian.
4.3.2. Heteroskedastisitas
Uji heterokedastisitas untuk melihat apakah data – data yang ada telah terwakili secara merata. Kondisi yang baik adalah data – data yang
dimiliki dalam penelitian ini harus terbebas dari masalah heterokedastisitas. Ada beberapa cara untuk mendeteksi ada atau
tidaknya heteroksiditas, yaitu :
Universitas Sumatera Utara
79
Gambar 4.4. Uji Heterokedastisitas Metode Scater Plot
Berdasarkan pada gambar 4.4 dapat dilihat bahwa tidak ada pola yang jelas, serta titik – titik menyebar diatas dan dibawah angka 0 pada
sumbu Y, maka berdasarkan metode scater plot dapat disimpulkan tidak terjadi masalah heterokedastisitas.
2. Uji Glejser Untuk melihat uji heterokedastisitas penelitian ini, dapat juga
digunakan metode Glejser. Kriteria pengambilan kesimpulan pada uji ini adalh sebagai berikut.
Universitas Sumatera Utara
80
a. Jika nilai sig 0.05 maka tidak terjadi gangguan heterokedastisitas
b. Jika nilai sig 0.05 maka terjadi gangguan heterokedastisitas
Tabel 4.9 yang merupakan hasil pengujian Uji Glejser dapat disajikan sebagai berikut :
Tabel 4.9 Pengujian Gejala Heteroskedastisitas
Model t
Sig. 1
Constant -.761
.451 AktualisasiDiri
.785 .438
Penghargaan .319
.752
Tabel 4.21 menunjukkan bahwa nilai signifikansinya adalah lebih besar dari 0.05. dengan demikian diketahui bahwa variabel bebas
mempengaruhi variabel terikat tidak signifikan, sehingga dapat disimpulkan bahwa data telah terpenuhi asumsi heterokedastisitas atau
dengan kata lain bahwa data telah terbebas dari masalah
heterokedastisitas. 4.3.3.
Uji Multikolinearitas
Uji ini dilakukan untuk melihat apakah pada setiap variabel terjadi suatu hubungan atau saling mempengaruhi. Dalam uji ini
sebaiknya variabel bebas terbebas dari masalah multikolinearitas. Dalam melakukan pengujian Multikolinearitas digunakan pola
membandingkan nilai VIF, dimana nilai VIF lebih kecil dari 10. Untuk melihat uji Multikolinearitas ini, dapat dilihat pada tabel berikut ini:
Universitas Sumatera Utara
81
Tabel 4.10 Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
1 Constant
AktualisasiDiri .322
3.105 Penghargaan
.322 3.105
Pada Tabel 4.10 diketahui bahwa nilai VIF-nya adalah telah terbebas dari masalah Multikolinearitas. Hal ini diketahui bahwa nilai
VIF Aktualisasi diri dan Penghargaan adalah sebesar 3.105. Nilai VIF setiap variabel telah menunjukkan nilai yang lebih kecil dibandingkan
dengan nilai VIF standar yaitu 10. Ini menunjukkan bahwa variabel penelitian ini telah terbebas dari masalah Multikolinearitas.
4.4. Teknik Analisis Data