Uji Asumsi Klasik ANALISIS DAN PEMBAHASAN

Juwita Sari : Analisis Pengembangan Karyawan Dalam Meningkatkan Kualitas Kerja Pada PT. Bank Muamalat Indonesia, Tbk Cabang Medan, 2009. USU Repository © 2009 kemampuan intelejensi dan konseptual tergolong baik sehingga kerjasama karyawan dengan rekan kerja sangat baik dan kedisiplinan karyawan meningkat.

C. Uji Asumsi Klasik

1. Uji Normalitas

Uji Normalitas bertujuan untuk menguji apakah model regresi berdistribusi normal. Uji normalitas dapat dilakukan dengan analisis grafik dilihat dari titik- titik yang menyebar di sekitar garis digonal yakni distribusi data dengan bentuk lonceng dan distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Data yang baik adalah data yang mempunyai pola seperti distribusi normal. Metode yang dipakai dalam pengujian ini adalah metode plot. 1.0 0.8 0.6 0.4 0.2 0.0 Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 E xpect ed C um P rob Dependent Variable: Kualitas Normal P-P Plot of Regression Standardized Residual Gambar 4.1 : Pengujian Normalitas P-P Plot Sumber : Hasil Pengolahan data SPSS Februari, 2009. Juwita Sari : Analisis Pengembangan Karyawan Dalam Meningkatkan Kualitas Kerja Pada PT. Bank Muamalat Indonesia, Tbk Cabang Medan, 2009. USU Repository © 2009 Cara Pengambilan keputusan pada metode plot : a Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas b Jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas Keputusan : Gambar 4.1 memperlihatkan titik-titik yang mengikuti data di sepanjang garis diagonal, hal ini berarti data berdistribusi normal. Analisis normalitas dapat juga dilakukan dengan uji Kolmogorov-smirnovGoodness of Fit Test. Data yang dimasukkan adalah Unstandardized Residual Res_1. Kolom Asymp. Sig. 2-tailed menunjukkan nilai probabilitas. Cara Pengambilan keputusan : a Jika probabilitas 0,05, maka asumsi normalitas terpenuhi b Jika probabilitas 0,05, maka asumsi normalitas tidak terpenuhi Tabel 4.14 One-Sample Kolmogorov-Smirnov Test 40 .0000000 .87565312 .070 .054 -.070 .446 .989 N Mean Std. Deviati on Normal Parameters a,b Absolute Positive Negati ve Most Extrem e Di fferences Kolmogorov-Sm irnov Z As ymp. Sig. 2-tailed Unstandardiz ed Res idual Test di stribution is Norm al. a. Calculated from data. b. Sumber : Hasil Pengolahan data SPSS Februari, 2009. Keputusan : Juwita Sari : Analisis Pengembangan Karyawan Dalam Meningkatkan Kualitas Kerja Pada PT. Bank Muamalat Indonesia, Tbk Cabang Medan, 2009. USU Repository © 2009 Pada Tabel 4.14 terlihat bahwa pada baris Asymp. Sig. 2-tailed adalah 0,989 atau probabilitas diatas 0,05 0,989 0,05, dengan demikian variabel residual berdistribusi normal. Hal ini menunjukkan data layak digunakan untuk mewakili populasi dan telah memenuhi salah satu syarat dilakukannya parametric-test.

2. Uji Heteroskedastisitas

Uji Heteroskedastisitas digunakan untuk menguji apakah dalam model regresi terjadi ketidaksamaanperbedaan varians dari residual pengamatan yang lain. Jika varians residual di satu pengamatan lain tetap, maka disebut Homoskedastisitas dan jika varians berbeda disebut Heteroskedastisitas. Heteroskedastisitas terjadi karena terjadi perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Heteroskedastisitas terjadi jika residual tidak memiliki varians yang konstan. Model yang paling baik adalah tidak terjadi heteroskedastisitas. Pemeriksaan terhadap gejala heteroskedastisitas adalah dengan melihat pola diagram pencar pada grafik scatterplot. Cara Pengambilan keputusannya adalah sebagai berikut : a Jika titik-titik membentuk pola-pola tertentu yang teratur maka regresi mengalami gangguan heteroskedastisitas b Jika titik-titik tidak membentuk pola tertentu yang jelas dan menyebar secara acak baik di atas maupun di bawah angka nol pada sumbu Y maka regresi tidak mengalami gangguan heteroskedastisitas. Juwita Sari : Analisis Pengembangan Karyawan Dalam Meningkatkan Kualitas Kerja Pada PT. Bank Muamalat Indonesia, Tbk Cabang Medan, 2009. USU Repository © 2009 2 1 -1 -2 Regression Standardized Predicted Value 2 1 -1 -2 -3 -4 R egressi on S tudent iz ed R esi dual Dependent Variable: Kualitas Scatterplot Gambar 4.2 : Pengujian Heteroskedastisitas Scatterplot Sumber : Hasil Pengolahan Data SPSS Februari,2009. Keputusan : Gambar 4.2 menunjukkan bahwa titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu yang jelas tersebar baik di atas maupun di bawah angka nol pada sumbu Y, dengan demikian dapat dikatakan bahwa regresi tidak mengalami gangguan heteroskedastisitas. Uji heteroskedastisitas dapat juga dilakukan dengan Uji Glesjer. Cara pengambilan keputusan: a Jika probabilitas Sig. 5 maka tidak mengalami gangguan heteroskedastisitas b Jika probabilitas Sig. 5 maka mengalami gangguan heteroskedastisitas Tabel 4.15 Uji Glesjer Coefficientsa Unstandardized Coefficients Standardized Juwita Sari : Analisis Pengembangan Karyawan Dalam Meningkatkan Kualitas Kerja Pada PT. Bank Muamalat Indonesia, Tbk Cabang Medan, 2009. USU Repository © 2009 Model Coefficients T Sig. B Std. Error Beta 1 Constant Peserta Instruktur Materi Fasilitas 1.283 -.040 .051 -.132 .092 1.342 .064 .069 .056 .069 -.130 .154 -.467 .273 .956 -.624 .737 -.1.836 1.327 .346 .537 .466 .068 .193 a Dependent Variable: Absut Sumber : Hasil Pengolahan data SPSS Februari,2009. Keputusan : Pada Tabel 4.15 memperlihatkan bahwa tidak ada satupun variabel independen .yang signifikan secara statistic mempengaruhi variabel dependen absolut Ut abSut. Hal ini terlihat dari probabilitas signifikannya di atas tingkat kepercayaan 5. Jadi dapat disimpulkan model regresi tidak mengarah adanya heteroskedastisitas, sehingga model regresi layak dipakai untuk memprediksi kualitas kerja karyawan berdasarkan masukan variabel independennya.

3. Uji Multikolinearitas

Multikolinearitas artinya terdapat korelasi linear sempurna atau pasti diantara dua atau lebih variabel independen. Artinya multikolinearitas menyebabkan standar deviasi masing-masing koefisien regresi akan sangat besar sehingga membuat bias tingkat signifikan pengaruh variabel dependen. Hal ini menyebabkan kesulitan dalam memisahkan pengaruh masing-masing variabel independen terhadap variabel dependen. Multikolinearitas dapat dilihat dari nilai tolerance dan Variance Inflation Factor VIF . Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance adalah mengukur variabilitas variabel Juwita Sari : Analisis Pengembangan Karyawan Dalam Meningkatkan Kualitas Kerja Pada PT. Bank Muamalat Indonesia, Tbk Cabang Medan, 2009. USU Repository © 2009 independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah Tolerance 0,1 sedangkan VIF 5. Tabel 4.16 Hasil Uji Multikolinearitas Variabel Independen Tolerance VIF Kesimpulan Peserta 0,564 1,772 Tidak terjadi multikolinearitas Instruktur 0,556 1,798 Tidak terjadi multikolinearitas Materi 0,612 1,633 Tidak terjadi multikolinearitas Fasilitas 0,575 1,738 Tidak terjadi multikolinearitas Sumber : Hasil Pengolahan data SPSS Februari, 2009. Pada Tabel 4.16 memperlihatkan semua nilai variabel independen untuk Tolerance 0,1 dan VIF 5, dengan demikian tidak terjadi multikolinearitas. Hal ini berarti pada variabel independen yaitu peserta, instruktur, materi dan fasilitas tidak terdapat hubungan linear sempurna atau pasti, diantara beberapa atau semua variabel sehingga model regresi layak digunakan.

D. Analisis Regresi Linear Berganda