50
h. Pada pernyataan kedelapan, 55,2 responden menyatakan Setuju bahwa Pencapaian kualifikasi downline mereka meningkat secara konsisten, 27,1
responden menyatakan sangat setuju, dan 17,7 responden menyatakan ragu- ragu karena sebagian dari mereka baru bergabung di bisnis Amway sehingga
belum memiliki downline yang kuat.
4.2.2 Uji Asumsi Klasik a. Uji Normalitas
Tujuan uji normalitas adalah menguji apakah dalam model regresi distribusi sebuah data mengikuti atau mendekatai distribusi normal, yakni
distribusi data dengan bentuk lonceng. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid. Ada dua cara untuk mendeteksi apakah
data berdistribusi normal atau tidak, yaitu dengan pendekatan grafik dan pendekatan Kolmogorov-Smirnov.
1. Pendekatan Histogram
Pengujian normalitas dengan pendekatan histogram dapat dilihat dari kurva normal yaitu kurva yang memiliki cirri-ciri khusus, dengan
distribusi data tidak menceng ke kiri atau ke kanan. Hasil pengujian normalitas dari penelitian dapat dilihat pada gambar 4.2
Universitas Sumatera Utara
51
Sumber: Hasil Pengelolahan data dengan SPSS 17.0 Mei,2012
Gambar 4.2: Histogram
Berdasarkan Gambar 4.2 dapat dilihat bahwa variabel produktivitas kerja berdistribusi normal hal ini ditunjukkan oleh distribusi data tersebut tidak miring
ke kiri dan miring ke kanan.
2. Pendekatan Grafik
Normalitas data dapat dilihat melalui penyebaran titik pada sumbu diagonal dari P-Plot. Dasar pengambilan keputusan adalah sebagai berikut:
Apabila data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonalnya atau grafik histogramnya menunjukkan pola distribusi normal maka
model regresi memenuhi asumsi normalitas.
Universitas Sumatera Utara
52
Apabila data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal maka model
regresi tidak memenuhi asumsi normalitas. Hasil dari analisis Grafik P-Plot uji normalitas adalah sebagai berikut:
Sumber: hasil Pengolahan SPSS 17.00 Mei 2012
Gambar 4.3: Scatter Plot Uji Normalitas
Berdasarkan Gambar 4.3 data terlihat berdistribusi normal, ini dapat dilihat pada Scatter Plot terlihat titik-titik yang mengikuti data di sepanjang garis
diagonal.
Universitas Sumatera Utara
53
3. Pendekatan Kolmogorov-Smirnov
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, namun secara statistik tidak berdistribusi normal. Berikut ini uji normalitas yang
didasarkan pada uji statistic non-parametrik Kolmogotov-Smirnov K-S. pada uji ini, keputusan yang diambil adalah apabila sig 0,05 maka distribusi data bersifat
normal dan apabila sig 0,05, maka distribusi data tidak normal.
Tabel 4.10 One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 96
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.28227692
Most Extreme Differences
Absolute .097
Positive .097
Negative -.063
Kolmogorov-Smirnov Z .949
Asymp. Sig. 2-tailed .328
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Pengolahan SPSS 17.00 Mei 2012
Berdasarkan Tabel 4.10 terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,328 yang berarti nilainya bearada di atas nilai signifikansi 5 0,05. Dengan
kata lain variabel tersebut berdistribusi normal.
Universitas Sumatera Utara
54
b. Uji Heteroskedastisitas
Uji bertujuan menguji apakah di dalam model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan lain tetap,
maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi
heteroskedastisitas. Untuk mengujinya dilakukan dengan uji glejser sebagai berikut:
a. Pendekatan Grafik
Pengujian heteroskedastisitas Scatterplot dapat dilihat pada gambar 4.3 berikut :
Sumber : Hasil pengolahan data dengan SPSS 17.0 Mei, 2012
Gambar 4.3: Scatterplot Heteroskedastisitas
Universitas Sumatera Utara
55
Tabel 4.11 Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
.912 1.388
.657 .513 Percaya_diri
-.163 .077
-.222 -2.129 .096 Kreatif
.475 .104
.593 4.552 .450
Inovatif -.372
.101 -.470 -3.697 .367
Berani_mengambil_resiko .009
.085 .015
.102 .919 a.
Dependent Variable: Absut
Sumber: Hasil Pengolahan SPSS 17.00 Mei 2012
Berdasarkan Tabel 4.11 dapat diketahui bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolute
ß
t
à áâã ß
t
äå
Hal ini terlihat dari probabilitas signifikansi di atas tingkat kepercayaan 5 0,05, jadi disimpulkan model regresi tidak mengalami heteroskedastisitas.
c. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik
seharusnya tidak terjasi korelasi di anntara variabel independen. Berikut ini disajikan cara mendeteksi multikolinieritas dengan menganalisis matrik korelasi
atar variabel independen dan perhitungan nilai
æ çèéê áëì é
dan
íá ê î áëì
é ï ë
ð è á ñ î ç
ë áì
t
ç ê
VIF.
Universitas Sumatera Utara
56
Tabel 4.12 Hasil Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 3.015
1.649 1.829 .071
Percaya_diri .373
.090 .233 4.125 .000
.727 1.376
Kreatif .638
.123 .369 5.206 .000
.462 2.164
Inovatif .472
.120 .274 3.945 .000
.480 2.082
Berani_mengambil_resiko .306
.101 .235 3.029 .003
.385 2.601
a. Dependent Variable: Pengembangan_Karir
Sumber: Hasil Pengolahan SPSS 17.00 Mei 2012
Berdasarkan Tabel 4.12 terlihat untuk semua variabel independen memiliki angka VIF 10 dan nilai
ò óôõö ÷øù õ
0,1. Hal ini berarti bahwa model regresi tersebut tidak terjadi
ú ûô
t
ü ýóôü ø ü õ
ö ü
t
÷ þ
.
4.2.3 Analisis Regresi Linier Berganda