Uji Normalitas Data Uji Multikolinearitas

1. Uji Normalitas Data

Tujuan uji normalitas adalah untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Jika asumsi ini dilanggar atau tidak dipenuhi maka uji statistik menjadi tidak valid. Hasil pengujian normalitas data ditunjukkan dalam grafik berikut ini: Gambar 4.1. Grafik Normal P-P Plot Dengan melihat tampilan grafik normal probability plot maka dapat disimpulkan bahwa pada grafik normal probability plot terlihat titik-titik menyebar di sekitar garis diagonal, dan penyebarannya tidak jauh dari garis diagonal. Sehingga grafik tersebut menunjukkan bahwa model regrasi tidak menyalahi asumsi normalitas. Pengujian normalitas data juga dilakukan dengan uji Kolmogorov-Smirnov Uji K-S. Jika tingkat signifikansinya lebih besar dari 0,05 maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi 0.0 0.2 0.4 0.6 0.8 1.0 Observed Cum Prob 0.0 0.2 0.4 0.6 0.8 1.0 Expe cted Cum Prob Dependent Variable: Tindakan Dokter Normal P-P Plot of Regression Standardized Residual Universitas Sumatera Utara data adalah tidak normal. Hasil pengujian normalitas terhadap variabel independen dan variabel dependen disajikan pada tabel di bawah ini. One-Sample Kolmogorov-Smirnov Test Motivasi Intrinsik Motivasi Ekstrinsik Tindakan Dokter N 35 35 35 Normal Parametersa,b Mean 11.03 5.43 5.97 Std. Deviation 2.854 2.118 2.717 Most Extreme Differences Absolute .176 .150 .210 Positive .102 .150 .210 Negative -.176 -.097 -.102 Kolmogorov-Smirnov Z 1.042 .887 1.243 Asymp. Sig. 2-tailed .228 .411 .091 a Test distribution is Normal. b Calculated from data. Berdasarkan tabel di atas dapat dilihat bahwa nilai signifikansi data terdistribusi secara normal, karena hasil signifikansi untuk motivasi intrinsik, motivasi ekstrinsik, dan tindakan dokter memiliki nilai signifikan 0.05 Asymp. Sig. 2-tailed 0.05.

2. Uji Multikolinearitas

Multikolinearitas adalah situasi adanya korelasi antara variabel-variabel independen antara yang satu dengan lainnya. Hasil uji gejala multikolinearitas disajikan pada tabel berikut ini. Coefficients a Model Collinearity Statistics Tolerance VIF 1 Constant Motivasi Intrinsik .819 1.222 Motivasi Ekstrinsik .819 1.222 a Dependent Variable: Tindakan Dokter Universitas Sumatera Utara -3 -2 -1 1 2 Regression Standardized Predicted Value -2 -1 1 2 Regressio n Stu dentize d R esidu al Dependent Variable: Tindakan Dokter Scatterplot Dari hasil pengujian di atas, maka dapat dilihat bahwa tidak terjadi gejala multikolinearitas antara variabel independen. Gejala multikolinearitas terjadi apabila nilai VIF lebih besar dari 5.

3. Uji Heteroskedastisitas