12
TOTAL
7229 43,29
RATA-RATA
4,33
Sumber : data primer diolah, 2015 Berdasarkan sebaran hasil perolehan skor tiap responden
seperti pada tabel distribusi hasil pengumpulan data responden
terlampir
, maka didapat rata-rata skor berkaitan dengan kinerja adalah sebesar 4,33 dan masuk pada kategori sangat tinggi. Artinya
bahwa rata-rata responden menyatakan mereka memiliki kinerja yang tinggi.
4.4 Uji Asumsi Klasik
Uji asumsi klasik diperlukan untuk mengetahui apakah regresi menghasilkan kesimpulan yang tidak bias sesuai dengan
kondisi di lapangan. Uji asumsi klasik terdiri dari uji normalitas, uji multikolinieritas dan uji heteroskedastisitas.
4.4.1 Uji Normalitas
Analisis regresi mengansumsikan nilai residual mengikuti distribusi normal. Pendeteksian normalitas residual dilakukan
dengan
normal probability plot
. Jika titik-titik terkumpul di sekitar garis lurus, maka disimpulkan residual model regresi berdistribusi
normal.
13
Gambar 4.1
Normal probability Plot
Sumber : data primer diolah, 2015
Berdasarkan Gambar 4.1 diatas nampak bahwa sebaran pencaran data berada disekitar garis diagonal dan tidak terpencar
jauh dari garis diagonal, sehingga asumsi normalitas dapat dipenuhi.
4.4.2 Uji Heterokedastisitas
Heteroskedastisitas menunjukkan terjadinya perbedaan
variance
ragam antara residual satu pengamatan dengan pengamatan yang lain dalam model regresi. Analisis regresi
mengansumsikan tidak ada heteroskedastisitas dalam model. Pendeteksian ada tidaknya heteroskedastisitas dilakukan dengan
scatter plot
antara nilai ZPRED dan SRESID. Jika scatter plot menghasilkan titik-titik yang tidak membentuk pola tertentu, serta
menyebar di atas dan di bawah angka nol sumbu Y, maka disimpulkan tidak ada heteroskedastisitas pada model regresi.
14
Gambar 4.2 Scatterplot
Pada gambar 4.2 Scatterplot diatas, nampak bahwa titik-titik menyebar diatas dan dibawah angka nol, sehingga dapat dinyatakan
tidak ada heteroskedastisitas pada model regresi, dengan kata lain model regresi dalam penelitian ini terjadi homoskedastisitas.
4.4.3 Uji Multikolinearitas
Multikoliniearitas menunjukkan terjadinya korelasi yang kuat antara variabel bebas dalam model regresi. Analisis regresi
mengansumsikan tidak ada multikolinieritas dalam model. Pendeteksian ada tidaknya multikolinieritas dilakukan dengan
melihat nilai tolerance dan VIF. Jika nilai tolerance 0,1 dan VIF 10, maka dalam model regresi tidak ada multikolinieritas.
Tabel 4.9 Nilai Tolerance dan VIF
Variabel Tolerance
VIF
Stigma Negatif 0,970
1,031 Dukungan Sosial
0,960 1,482
Stress Kerja 0,988
1,012
Sumber : data primer diolah, 2015
15
Dari tabel 4.9 diketahui bahwa semua variabel memiliki nilai tolerance 0,1 dan nilai VIF10, sehingga dapat dinyatakan bahwa
dalam model regresi tidak ada multikolinieritas.
4.5 Pengujian Hipotesis
