85
Gambar 4.6 Grafik Histogram
Pada Gambar 4.6 menjelaskan histogram terlihat bahwa garis dan histogramnya melintang dari kiri ke kanan. Gambar ini menunjukkan bahwa data
yang telah diolah sudah terdistribusi secara normal.
b. Uji Multikolinieritas
Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya multikolinieritas. Ada beberapa metode pengujian yang bisa digunakan,
diantaranya dengan melihat nilai variance inflation factor VIF pada model regresi, dengan membandingkan nilai koefisien determinasi individual r
2
dengan nilai determinasi secara serentak R
2
dan dengan melihat nilai eigenvalue dan condition index. Pada pembahasan ini akan dilakukan uji multikolinieritas dengan
Universitas Sumatera Utara
86
melihat nilai variance inflation factor VIF. Menurut Priyatno 2009, pada umumnya jika VIF lebih besar dari 5, maka variabel tersebut mempunyai
persoalan multikolinieritas dengan variabel bebas lainnya. Hasil uji multikolinieritas dapat dilihat pada gambar di bawah ini :
Tabel 4.8 Hasil Uji Multikolinieritas
Model Collinearity Statistics
Tolerance VIF
Pendidikan dan pelatihan 1.000
1.000
Sumber : Hasil Olah Data SPSS 2016
Dari hasil di atas dapat diketahui nilai variance inflation factor VIF variabel pendidikan dan pelatihan adalah lebih kecil dari 5, sehingga dapat
disimpulkan antar variabel independen tidak terjadi persoalan multikolinieritas.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah data dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap,
maka disebut
homoskedastisitas dan
jika berbeda
disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau
tidak terjadi heteroskedastisitas Nugroho, 2005:62. Adapun gambar Scatterplot pada uji heteroskedastitias adalah sebagai
berkut:
Universitas Sumatera Utara
87
Gambar 4.7. Uji Heteroskedastisitas
Berdasarkan Gambar 4.7 di atas dapat terlihat bahwa distribusi data tidak teratur dan tidak membentuk pola tertentu, serta tersebar di atas dan di bawah
angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa pada model regresi ini tidak terjadi masalah heteroskedastisitas.
4.1.4.3 Uji Hipotesis
a. Uji t
Uji t digunakan untuk menguji apakah hubungan yang terjadi antara variabel independen pendidikan dan pelatihan dengan variable dependen
kinerja pegawai berlaku untuk populasi dapat digeneralisasikan. Koefisien korelasi sederhana uji t dapat dilihat pada tabel di bawah ini.
Universitas Sumatera Utara
88
Tabel 4.9 Hasil Uji t
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error
Beta
Constant 25.087
4.700 5.338
.000 Kinerja Pegawai
.284 .128
.331 2.221 .032
a. Dependent Variabel: Pendidikan dan pelatihan Kerja
Sumber : Hasil Olah Data SPSS 2016
Dari hasil uji statistik secara parsial diperoleh nilai t
hitung
untuk variabel kinerja pegawai sebesar 2,221 dan t
tabel
n=42 adalah 2,022, karena nilai t
hitung
lebih besar dari t
tabel
2,221 2,022 maka H ditolak dan Ha diterima. Dengan
demiki an hipotesis penelitian yang berbunyi: “Terdapat pengaruh yang positif dan
signifikan antara pendidikan dan pelatihan kerja terhadap kinerja karyawan pada PT.Bank Sumut Cabang Simalingkar Medan” diterima.
Berdasarkan Tabel 4.12 dapat dilihat persamaan analisis regresi sederhana pada penelitian ini adalah :
Y = 25,087 + 0,284X Dari rumus tersebut dapat dijelaskan sebagai berikut : angka konstanta
sebesar 25,087 artinya jika pendidikan dan pelatihan kerja memiliki nilai 0, maka kinerja pegawai nilainya sebesar 25,087. Sedangkan nilai koefisien regresi
variabel X sebesar 0,284 menunjukkan bahwa jika pendidikan dan pelatihan mengalami peningkatan sebesar 1 maka kinerja pegawai akan mengalami
peningkatan sebesar 0,284. Koefisien bernilai positif artinya terdapat hubungan yang positif antara pendidikan dan pelatihan kerja terhadap kinerja pegawai pada
PT.Bank Sumut Cabang Simalingkar Medan.
Universitas Sumatera Utara
89
b. Uji Koefisien Determinasi R
