2. Koefisien X
1
tingkat pendidikan sebesar 0,415 menyatakan bahwa setiap terjadi peningkatan satu satuan akan
meningkatkan produktivitas kerja sebesar 0,415. 3.
Koefisien X
2
Insentif sebesar 0,411 menyatakan bahwa setiap terjadi peningkatan satu satuan akan
meningkatkan produktivitas kerja sebesar 0,411. Adapun syarat asumsi klasik yang harus dipenuhi model regeresi berganda
sebelum data dianalisis adalah sebagai berikut:
a. Uji Normalitas Data
Tujuan dilakukannya uji normalitas adalah untuk mengetahui apakah model regresi variabel dependen dan variabel independen keduanya memiliki
distribusi normal atau tidak. Model regresi yang baik adalah yang memiliki data normal atau mendekati normal. Pada data penelitian tingkat pendidikan, insentif
dan produktivitas kerja dapat dilihat pada tabel uji normalitas sebagai berikut:
Tabel 4.10 Uji Normalitas Data
One-Sample Kolmogorov-Smirnov Test
Tingkat Pendidikan
Insentif Produktivitas
Kerja Karyawan N
74 74
74 Normal Parameters
a
Mean 24.0811
24.0000 24.8784
Std. Deviation 1.84136
1.86533 1.80526
Most Extreme Differences Absolute
.113 .123
.119 Positive
.113 .123
.119 Negative
-.110 -.109
-.098 Kolmogorov-Smirnov Z
.975 1.058
1.025 Asymp. Sig. 2-tailed
.298 .213
.244 a. Test distribution is Normal.
Universitas Sumatera Utara
Untuk dapat mengetahui apakah variabel memiliki distribusi yang normal atau tidak dapat dilakukan dengan kriteria sebagai berikut:
• Jika Sig 0,05 maka data adalah normal
• Jika Sig 0,05 maka data adalah tidak normal
Berdasarkan kriteria diatas maka semua variabel berdistribusi normal.
b. Uji Heterokesdastisitas
Berdasarkan hasil uji heterokesdastisitas dengan menggunakan SPSS 16.00 maka dapat dilihat dalam scatterplot pada lampiran regresi sebagai
berikut:
Gambar 4.1 Scatterplot Uji Heterokesdatisitas
Pada gambar tersebut menunujukkan bahwa titik-titik data menyebar disekitar angka nol dan tidak mengumpul pada satu titik. Penyebaran titik-titik data tersebut
Universitas Sumatera Utara
juga tidak membentuk suatu pola. Jadi dapat disimpulkan bahwa model regresi dalam penelitian ini tidak mengalami permasalahan heterokesdastisitas.
c. Uji Autokorelasi
Pengujian asumsi nonautokorelasi yang sifatnya nonformal adalah dengan membandingkan nilai d-statistik dengan nilai R
2
, dimana jika R2 lebih besar atau sama dengan d-statistik maka stochastic term error dari persamaan perilaku
adalah autokorelasi. Dan sebaliknya jika R
2
lebih kecil dari nilai d-statistik maka stochastic term error dari persamaan perilaku adalah nonautokorelasi
Pindyck and Rubinfield, 1991. Perhitungan regresi berganda pada variabel penelitian ini dengan
menggunakan SPSS 16.00 diperoleh output d-statistic dalam Durbin Watson dan nilai R
2
adalah sebagai berikut:
Tabel 4.11 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.747
a
.558 .546
1.21676 1.538
a. Predictors: Constant, Insentif, Tingkat Pendidikan b. Dependent Variable: Produktivitas Kerja Karyawan
Berdasarkan kriteria autokorelasi diatas dengan membandingkan nilai R
2
lebih kecil dari d-statistic Durbin Watson atau 0,558 1,538, maka hasil regresi dari model penelitian ini tidak mengandung autokorelasi.
b. Uji Hipotesis
