Responden yang paling banyak adalah berusia antara 41 - 50 tahun sebanyak 21 orang atau 38,2 .
c. Karakteristik Responden Berdasarkan Tingkat Pendidikan Tabel 4.9
Karakteristik Responden Berdasarkan Tingkat Pendidikan Pendidikan
Jumlah Orang Persentase
SMA
17 30,9
D3 2
3,6 S1
32 58,2
S2 4
7,3
Total 55
100 Sumber: hasil pengolahan data primer kuisioner, 2013
Pada Tabel 4.9 dapat dilihat tingkat pendidikan pada karyawan yang terdiri dari 4 jenjang pendidikan yaitu SMA, D3, S1, dan S2. Tingkat pendidikan
yang paling dominan adalah S1 sebesar 58,2 .
d. Karakteristik Responden Berdasarkan Lama Bekerja
Universitas Sumatera Utara
Tabel 4.10 Karakteristik Responden Berdasarkan Lama Bekerja
Masa Kerja Tahun
Jumlah Orang
Persentase
1 – 10 22
40
11 – 20 14
25,5 21 – 30
17 30,9
31 - 40
2 3,6
Total 55
100 Sumber: hasil pengolahan data primer kuisioner, 2013
Berdasarakan Tabel 4.10 rata-rata lamanya karyawan bekerja berkisar antara 1 - 40 tahun. Yang paling mendominasi adalah karyawan dengan
masa kerja 1 - 10 tahun sebanyak 22 orang atau 40 .
4.4 Uji Asumsi Klasik
Sebelum melakukan analisis regresi linier berganda, agar di dapat perkiraan yang tidak bias dan efisien maka dilakukan pengujian asumsi klasik. Ada beberapa
kriteria persyaratan asumsi klasik yang harus dipenuhi. Persyaratan asumsi klasik yang harus dipenuhi adalah :
4.4.1 Uji Normalitas
Universitas Sumatera Utara
Menurut Situmorang 2010:91, tujuan uji normalitas adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi
normal. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke
kanan.
Sumber: hasil pengolahan SPSS 17.0 2013 Gambar 4.1 Histogram
Interpretasi dari gambar 4.1 grafik histogram menunjukkan pola distribusi normal.
Universitas Sumatera Utara
Sumber: hasil pengolahan SPSS 17.0 2013 Gambar 4.2 Normal P-P Plot of Regression Standardized Residual
Pada gambar 4.2 dapat dilihat bahwa data titik-titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Oleh karena itu,
berdasarkan gambar 4.2 maka dapat diambil kesimpulan bahwa telah memenuhi uji normalitas.
4.4.2 Pengujian Heteroskedastisitas
Menurut Situmorang et all, 2008:65, Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi tidak terdapat
ketidaksamaan variance dari satu residual satu pengamatan ke pengamatan
Universitas Sumatera Utara
lainnya. Jika variance dari satu residual satu pengamatan ke pengamatan lainnya tetap maka terjadi homoskedastisitas, bila berbeda maka disebut
heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas.
Hipotesis: 1 Jika diagram pencar yang ada membentuk pola-pola tertentu yang teratur maka
regresi mengalami gangguan heteroskedastisitas. 2 Jika diagram pencar yang ada tidak membentuk pola-pola tertentu yang teratur
atau acak maka regresi tidak mengalami gangguan heteroskedastisitas.
Sumber: hasil pengolahan SPSS 17.0 2013 Gambar 4.3 Scatterplot
Universitas Sumatera Utara
Pada gambar 4.3 dapat dilihat bahwa diagram pencar tidak membentuk pola tertentu karena itu tidak mengalami gangguan
heteroskedastisitas.
4.4.3 Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi linier berganda ditemukan adanya korelasi diantara variabel independen. Jika terjadi
korelasi, berarti terjadi masalah multikolinieritas. Model regresi linier berganda yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Untuk melihat
ada atau tidaknya multikolinieritas dalam model regresi linier berganda dilihat dari nilai Tolerence dan lawannya Variance Inflation Factor VIF. Batasan yang umum
dipakai untuk menunjukkan adanya multikolinieritas adalah nilai Tolerence 0,10 atau sama dengan VIF 5. Untuk mendeteksi ada atau tidak adanya multikolinieritas
dapat dilakukan dengan melihat toleransi variabel dan Variance Inflation Factor VIF dengan membandingkan sebagai berikut :
• VIF 5 maka diduga mempunyai persoalan multikolinieritas • VIF 5 maka tidak terdapat multikolinieritas
• Tolerance 0,1 maka diduga mempunyai persoalan multikolinieritas • Tolerance 0,1 maka tidak terdapat multikolinieritas
Tabel 4.11 Coefficients
a
Universitas Sumatera Utara
Model Collinearity Statistics
Tolerance VIF
1 Bonus
.920 1.087
Cuti .862
1.160 Upah Lembur
.811 1.232
a. Dependent Variable: Produktivitas
Sumber: hasil pengolahan SPSS 17.0 2013
Pada tabel 4.11 dapat
dilihat bahwa nilai Tolerence untuk variabel upah lembur sebesar 0,811 0,10; variabel bonus sebesar 0,920 0,10; dan variabel cuti
sebesar 0,862 0,10. Nilai Tolerence lebih besar dari 0,10 berarti bahwa tidak terdapat multikolineritas di antara variabel independen. Nilai VIF untuk variabel upah
lembur sebesar 1,232 5; variabel bonus 1,087 5; dan variabel cuti 1,160 5. Nilai VIF lebih kecil dari 5 berarti bahwa tidak terdapat multikolineritas di antara variabel
independen.
4.5 Analisis Regresi Linier Berganda