Karakteristik Responden Berdasarkan Lama Bekerja Uji Asumsi Klasik

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