a.Test distribution is Normal. b. Calculated from data.
Keputusan :Tabel terlihat pada baris Asymp. Sig. 2-tailed adalah 0,007 atau probabilitas diatas 0,05 0,007 0,05, dengan demikian variabel residual
berdistribusi normal.
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
Gambar 4.3
Keputusan : Gambar 4.3 menunjukkan 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 5 maka tidak mengalami gangguan heteroskedastisitas
b. Jika probabilitas 5 maka mengalami gangguan heteroskedastisitas
Tabel 4.11 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .035
.365 .095
.924 VAR00001
.868 .089
.768 9.738
.000 VAR00007
.160 .087
.146 1.845
.070 a. Dependent Variable: VAR00019
Keputusan :
Tabel 4.11 tampak bahwa signifikan variabel constant lebih besar dari 0,05 maka tidak mengalami gangguan heterosdastisitas.
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 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 4.12
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant .035
.365 .095
.924 VAR00001
.868 .089
.768 9.738
.000 1.000
1.000 VAR00007
.160 .087
.146 1.845
.070 1.000
1.000 a. Dependent Variable: VAR00019
Tabel 4.12 memperlihatkan nilai Tolerance 0,1 dan VIF 5 pada semua variabel independen, dengan demikian tidak terjadi multikolinearitas. Hal ini
berarti pada variabel independen yaitu Pengembangan karyawan dan kepuasan kerja tidak terdapat hubungan linear sempurna atau pasti, diantara beberapa atau
semua variabel sehingga model regresi layak digunakan.
2. Hasil Analisis Regresi Berganda
