3.10 Teknis Analisis Data 3.10.1 Analisis Deskriptif
Metode analisis deskriptif merupakan cara menguraikan dan menafsirkan data yang ada sehingga memberikan gambaran yang jelas mengenai permasalahan.
Analisis deskriptif dilakukan peneliti yaitu dengan mendistribusikan jawaban responden dalam bentuk tabel sehingga memperoleh gambaran yang jelas tentang
distribusi jawaban responden.
3.10.2 Uji Asumsi Klasik
Uji asumsi klasik bertujuan untuk mengetahui kondisi data yang dipergunakan dalam penelitian. Model analisis regresi penelitian ini mensyaratkan uji asumsi
terhadap data yang meliputi:
3.10.2.1 Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t
dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid Ghozali, 2005 : 110. Cara
untuk mengetahui normalitas adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan
membentuk suatu garis lurus diagonal, dan plotting data akan dibandingkan dengan garis diagonal. Jika distribusi data residual adalah normal, maka garis yang
menggambarkan data sesungguhnya akan mengikuti garis diagonalnya Ghozali, 2005 : 110.
Universitas Sumatera Utara
3.10.2.2 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan variance dari residual satu pengamatan kepengamatan
lainnya. Jika variance dari satu residual satu pengamatan kepengamatan lainnya tetap maka terjadi homoskedastisitas jika berbeda maka disebut heteroskedastisitas.
Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas Situmorang, 2008:65. Cara untuk mengetahui ada atau tidaknya heteroskedastisitas
adalah dengan melihat grafik plot antara nilai prediksi variabel terikat ZPRED dan residualnya SRESID. Deteksi terhadap heteroskedastisitas dapat dilakukan dengan
melihat grafik scatterplot yang disajikan, jika terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di
bawah angka nol pada sumbu Y. Maka hal ini tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi prestasi
kerja, berdasarkan masukan variabel independennya.
3.10.2.3 Uji Multikolinieritas
Pada mulanya multikolinieritas ini berarti adanya hubungan linear yang “sempurna” atau pasti, diantara beberapa atau semua variabel yang menjelaskan dari
model regresi Situmorang, 2008:96. 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
Universitas Sumatera Utara
independen lainnya. Nilai cutoff yang umumnya dipakai untuk menunjukkan adanya multikolinieritas adalah tolerance 0.1 sedangkan Variance Inflation Factor VIF
5 Situmorang, 2008:104.
3.10.3 Pengujian Hipotesis 3.10.3.1 Uji Signifikan Simultan Uji Serentak Uji – F
