UJI ASUMSI KLASIK ANALISA DAN EVALUASI

C. UJI ASUMSI KLASIK

Oleh karena hipotesa akan diuji dengan memakai alat Uji Reggresi, maka harus dilakukan terlebih dahulu Uji Asumsi Klasik yang terdiri dari : Uji Normalitas, Uji Multikolinearitas, Uji Autokorelasi dan Uji Heterokedastisitas. ̶ Uji Normalitas HASIL UJI NORMALITAS Normal P-P Plot of Regression Standardized Residual Dependent Variable: KINERJA Observed Cum Prob 1,00 ,75 ,50 ,25 0,00 E x pec ted Cum P rob 1,00 ,75 ,50 ,25 0,00 GAMBAR 2 Uji Normalitas dilakukan dengan melihat Normal Probability Plot. Hasil pengujian menunjukkan bahwa data Residual terdistribusi secara normal dimana titik-titik disekitar garis diagonal dan penyebarannya masih mengikuti garis diagonal. Hal ini dapat dilihat dari gambar 2 ditas sedang rinciannya terlihat di lampiran 2. ̶ Uji Multikolinieritas Hasil pengujian Multikolinieritas bertujuan untuk menguji pengaruh dari variabel independen terhadap variabel dependen kinerja disajikan pada tabel 3 dibawah ini yang diambil dari output coefficients regressi. TABEL 3 HASIL UJI MULTIKOLINIERITAS Coefficients a 6,3E+07 4304938 14,678 ,000 1,211 ,085 ,825 14,295 ,000 1,000 1,000 Constant PAD Model 1 B Std. Error Unstandardized Coefficients Beta Standardi zed Coefficien ts t Sig. Tolerance VIF Collinearity Statistics Dependent Variable: KINERJA a. Mempunyai nilai VIF Variance Inflation Factor 1 satu dan mempunyai angka tolerance 1 satu. Maka model ini tidak terjadi korelasi diantara variabel bebas. ̶ Uji Autokorelasi Uji ini bertujuan untuk menguji apakah dalam satu model regresi linier ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan sebelumnya. TABEL 4 HASIL UJI AUTOKORELASI Durbin–W atson 1,875 Kriteria : Jika nilai Durbin Watson di antara -2 sampai 2 maka terdapat No Autokorelasi. Dari output SPSS nilai Durbin Watson 1,875, maka model ini terbebas dari asumsi klasik autokorelasi. Dari model diatas dengan variabel bebas k = 1, N = 98, DW = 1,875 maka diperoleh dl 1,58 dan du 1,75 atau dengan kata lain, cara mendeteksi autokorelasi dapat di lakukan dengan uji Durbin Watson. model regressi linear berganda terbebas dari autokorelasi. Jika nilai Durbin Watson hitung terletak di daerah No Autokorelasi, yang dibantu dengan tabel dl dan du dan dengan nilai k jumlah variabel independen. No Auto Core lation DW 1,875 5,25 2,42 1 dl du 2 3 Negatif Autocorelation Positif Autocorelation 1,58 1,75 4-du 4-dl Gambar 3 UJI AUTOKORELASI k Variabel independen = 4 N = 98, DW = 1,875 dl = 1,58 du = 1,75 Dari gambar diatas dapat dilihat bahwa DW di daerah No Autocorelation. Sehingga dapat disimpulkan bahwa model regressi linear terbebas dari Asumsi Klasik Statistik Autokorelasi. ̶ Uji Heteroskedastisitas Heteroskedastisitas bertujuan untuk menguji apakah dalam satu model regresi terjadi ketidaksamaan varians residual dari satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah regresi yang tidak terdapat Heteroskedastisitas, yaitu model regressi yang memiliki persamaan variance residual suatu periode pengamatan dengan periode pengamatan yang lain. Uji Heteroskedastisitas ini dapat dilihat pada gambar 3 dibawah ini. Hasil Uji Heterokedastisitas Scatterplot Dependent Variable: KINERJA Regression Standardized Predicted Value 6 5 4 3 2 1 -1 Regression Studentized Residual 5 4 3 2 1 -1 -2 Gambar 4 Dari gambar Output SPSS Scatterplott diatas bahwa tidak ada pola yang jelas, serta titik–titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka model regresi berganda tidak terdapat Heteroskedastisitas.

D. Pengujian Hipotesis 1. Hipotesis