Unstandardized Residual
N 98
Normal Parametersa,b
Mean .0000000
Std. Deviation 4.38758375
Most Extreme Differences
Absolute .084
Positive .084
Negative -.036
Kolmogorov-Smirnov Z .832
Asymp. Sig. 2-tailed .493
a Test distribution is Normal. b Calculated from data.
Sumber: Pengolahan Data Primer kuesioner dengan SPSS 15.00, 2010
Nilai Asymp.Sis 2-tailed pada penelitian ini adalah 0,493, lebih besar dari 0,05 0,493 0,05, artinya variabel residual berdistribusi normal.
2. Multikoliniearitas
Uji multikolinearitas dilakukan untuk menguji apakah terdapat korelasi yang tinggi diantara variabel bebas. Model regresi yang baik seharusnya tidak
terjadi korelasi antara variabel independen. Suatu variabel tidak terkena multikolinearitas, jika nilai Variance Inflation Factor VIF tidak lebih besar dari 5
VIF 5 dan nilai Tolerance tidak kurang dari 0,1 Tolerance 0,1 Situmorang, 2008:104. Uji multikolinearitas pada penelitian skripsi ini dapat dilihat pada Tabel
4.9.
Tabel 4.9 Hasil Analisis Instrumen Multikoliniearitas
Universitas Sumatera Utara
Coeffi cients
a
12.182 3.571
3.411 .001
.151 .118
.104 1.278
.204 .854
1.171 .721
.093 .630
7.712 .000
.854 1.171
Const ant Mot_Kerja
Lingk_Kerja Model
1 B
St d. Error Unstandardized
Coeffic ient s Beta
St andardiz ed Coeffic ient s
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: Kinerk _Kary a.
Sumber: Pengolahan Data Primer kuesioner dengan SPSS 15.00, 2010
Tabel 4.9 menunjukkan tidak adanya masalah multikolinearitas, dimana hasil uji Variance Inflation Factor VIF pada variabel Motivasi Kerja, dan
Lingkungan Kerja masing-masing menunjukkan nilai kurang dari lima VIF 5. Nilai Variance Inflation Factor VIF pada variabel Motivasi Kerja dan
Lingkungan Kerja sebesar 1,171. Nilai Variance Inflation Factor VIF yang lebih kecil dari 5 lima menunjukkan bahwa tidak ada masalah multikolinearitas dalam
model penelitian skripsi ini. Nilai Tolerance pada variabel Motivasi Kerja dan Lingkungan Kerja sebesar 0,854. Nilai Tolerance lebih besar dari 0,1 Tolerance
0,1 maka tidak terdapat multikolinearitas.
3. Heteroskedastisitas
Heteroskedastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi, dengan kata lain heteroskedastisitas
terjadi jika residual tidak memiliki varian yang konstan. Heteroskedastisitas dapat diketahui dengan melakukan dua pendekatan yakni pendekatan statistik uji glesjer
dan pendekatan grafik.
Kriteria pengambilan keputusan:
Universitas Sumatera Utara
a. Jika nilai signifikansi 0,05, maka tidak mengalami gangguan
heteroskedastisitas. b.
Jika nilai signifikansi 0,05, maka mengalami gangguan heteroskedastisitas.
Tabel 4.10 Hasil Analisis Instrumen Heteroskedastisitas
Pendekatan Statistik Uji Glesjer
Coeffi cients
a
6.036 2.182
2.767 .007
-.050 .072
-.077 -.697
.488 -.037
.057 -.072
-.650 .517
Const ant Mot_K erja
Lingk_Kerja Model
1 B
St d. E rror Unstandardized
Coeffic ient s Beta
St andardiz ed Coeffic ient s
t Sig.
Dependent Variable: absut a.
Sumber: Pengolahan Data Primer kuesioner dengan SPSS 15.00, 2010
Tabel 4.10 dapat kita lihat bahwa data pada penelitian skripsi ini hasil uji signifikan variabel Motivasi Kerja adalah sebesar 0,488 dan hasil uji signifikan
pada variabel Lingkungan Kerja adalah sebesar 0,517. Hasil analisis instrumen heteroskedastisitas pada penelitian skripsi ini menunjukkan bahwa masing-masing
variable dependent Motivasi Kerja dan Lingkungan Kerja menunjukkan nilai lebih besar dari 5, sehingga dapat disimpulkan bahwa data pada penelitian ini
tidak terdapat adanya heteroskedastisitas dalam model regresi. Uji heteroskedastisitas dapat juga dilihat melalui gambar scatterplot.
Gambar 4.2 adalah gambar scatterplot yang dapat mengindikasi ada atau tidaknya gejala heteroskedastisitas. Suatu model regresi jika dianalisis dengan pendekatan
grafik, tidak terkena heteroskedastisitas apabila pada grafik scatterplot terlihat titik-
Universitas Sumatera Utara
titik yang menyebar secara acak dan tidak membentuk suatu pola tertentu Syafrizal, 2008: 68.
Regression Standardized Predicted Value 2
1 -1
-2 -3
-4
R egressi
on S tudenti
z ed D
elet ed
Press R
esi dual
3 2
1 -1
-2
Scatterplot Dependent Variable: Kinerk_Kary
Gambar 4.2 Scatterplot Dependent Variable Kinerja Karyawan Sumber: Pengolahan Data Primer kuesioner dengan SPSS 15.00, 2010
Gambar 4.2 menunjukkan bahwa penyebaran residual cenderung tidak teratur, terdapat titik-titik yang berpencar dan tidak membentuk pola tertentu.
Kesimpulan yang dapat diperoleh adalah tidak terdapat gejala heteroskedastisitas pada model regresi penelitian skripsi ini.
D. Analisis Regresi Berganda