Selanjutnya uji normalitas data dilakukan dengan analisis statistik dengan menggunakan alat uji non parametrik Kolmogorov – Smirnov K-S, seperti
terlihat pada Tabel IV-5 berikut ini:
Tabel IV-5. Uji Kolmogorov – Smirnov K-S
One-Sample Kolmogorov-Smirnov Test
52 .0000000
1.74749947 .110
.110 -.093
.790 .561
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed Unstandardiz
ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Hasil Pengolahan SPSS
Dari Tabel IV-5 di atas diketahui besarnya nilai Kolmogorov-Smirnov adalah 0,790 dan tidak signifikan pada 0,561. Hal ini berarti data residual
berdistribusi normal, dan hasilnya konsisten dengan uji sebelumnya.
IV.1.4.2 Uji Multikolinieritas
Uji mulitikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka
terdapat masalah multikolinieritas. Pada model regresi yang baik tidak terjadi korelasi di antara variabel independen.
Hasil pengujian multikolinieritas data dalam penelitian ini menggunakan alat bantu SPSS, hasilnya dapat dilihat pada Tabel IV-6 berikut :
Universitas Sumatera Utara
Tabel IV-6. Hasil Uji Multikolinearitas
Coefficients
a
3.575 4.651
.621 .146
.438 .860
1.163 .493
.110 .461
.860 1.163
Constant Motivasi
Budaya Organisasi Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
Tolerance VIF
Collinearity Statistics
Dependent Variable: Kinerja a.
Sumber : Hasil Pengolahan SPSS
Dari Tabel IV-6 menunjukkan nilai Tolerance tidak ada variabel independen yang memiliki nilai Tolerance kurang dari 0,10 yang berarti tidak ada
korelasi antar variabel independen yang nilainya lebih dari 95. Hasil perhitungan Variance Inflation Factor VIF juga menunjukkan hal sama tidak
ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel indenpenden dalam
model regresi. IV.1.4.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam sebuah regresi terjadi ketidaksamaan varians dari residual satu pengamatan
kepengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas, dan jika varians
berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heterokedastisitas.
Universitas Sumatera Utara
-3 -2
-1 1
2 3
Regression Standardized Predicted Value -3
-2 -1
1 2
Regressi on Student
ized Resi dual
Dependent Variable: Kinerja Scatterplot
Hasil pengujian heteroskedastisitas data dalam penelitian ini menggunakan alat Bantu SPSS dengan mengamati pola yang terdapat pada Sctterplots, hasilnya
dapat dilihat pada Gambar IV.3 sebagai berikut :
Sumber : Hasil Pengolahan SPSS
Gambar IV.3 Hasil Uji Heteroskedastisitas
Dari Gambar IV.3 di atas terlihat bahwa titik-ttitik menyebar secara acak random serta tersebar di atas maupun di bawah angka 0 pada sumbu Y. Hal ini
dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai. Menurut Ghozali 2005, jika ada pola
tertentu, seperti titik-titik yang membentuk suatu pola yang teratur bergelombang, melebar kemudian menyempit, maka telah terjadi
heterokedastisitas dan jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
Hal ini berarti tidak terjadi heteroskedistisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi keputusan memilih berdasarkan
masukan dari variabel bebasnya. Selanjutnya dilakukan uji statistik untuk menjamin keakuratan hasil.
Adapun uji statistik yang digunakan untuk mendeteksi ada tidaknya heteroskedasitas adalah uji Glesjer.
Tabel IV-7. Hasil Uji Glesjer
Coefficients
a
-2.270 2.840
-.799 .428
-.005 .089
-.008 -.052
.959 .096
.067 .215
1.426 .160
Constant Motivasi
Budaya Organisasi Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: Res_2 a.
Sumber : Hasil Pengolahan SPSS
Dari Tabel IV-7 di atas menunjukkan bahwa tidak ada satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen. Hal
ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5. Jadi dapat disimpulkan model regresi tidak mengandung adanya heteroskedasitas.
IV.2 Pembahasan
IV.2.1 Uji Serempak
