Regression Standardized Residual
2 1
-1 -2
Regression Standardized Residual
7 6
5 4
3 2
1
F re
q u
en cy
Mean = 2.97E-15 Std. Dev. = 0.955
N = 35
Dependent Variable: Prestasi Kerja Histogram
Model regresi linier berganda dapat disebut sebagai model yang baik jika model tersebut memenuhi asumsi normalitas data dan terbebas dari asumsi-asumsi klasik
statistik, baik itu multikolineritas, autokorelasi, dan heteroskesdastisitas.
a. Uji Normalitas Data
Uji normalitas data ini bertujuan untuk mengetahui distribusi data dalam variabel yang akan digunakan dalam penelitian. Data yang baik dan layak digunakan
dalam penelitian adalah data yang memiliki distribusi normal. Data pada variabel yang baik adalah data yang memiliki bentuk kurva dengan kemiringan seimbang dari
sisi kiri dan kanan, atau tidak condong ke kiri ataupun ke kanan, melainkan ke tengah dengan bentuk seperti lonceng, dengan nilai skewness mendekati 0 Gambar 4.1.
Sedangkan output kurva Normal P-Plot Gambar 4.2 menunjukkan distribusi dari titik-titik data faktor dalam hal mempengaruhi prestasi kerja seperti konflik kerja,
beban kerja, dan waktu kerja menyebar di sekitar garis diagonal dan penyebaran titik- titik data searah dengan garis diagonal. Adapun output kurva normal terdapat dalam
Gambar 4.1 dan Gambar 4.2
.
Gambar 4.1 Histogram
Sumber: Pengelolahan SPSS 2010
Universitas Sumatera Utara
Gambar 4.2 Normal P-P Plot of Regression Standardized Residual
Sumber: Pengelolahan SPSS 2010
Gambar 4.1 dan Gambar 4.2 menunjukkan pendistribusian data penelitian tersebut telah memenuhi uji normalitas data. Dengan kata lain, data faktor-faktor yang
mempengaruhi prestasi kerja konflik kerja, beban kerja, dan waktu kerja memiliki kecendrungan berdistribusi normal.
b. Uji Multikolineritas
Menurut Nugroho 2005:58, uji multikolineritas diperlukan untuk mengetahui ada tidaknya variabel independent yang memiliki kemiripan dengan variabel
independent yang lain dalam satu model. Deteksi multikolineritas pada suatu model dapat dilihat dari nilai Variance Inflation Factor VIF tidak lebih dari 10 dan nilai
Tolerance tidak kurang dari 0,1, maka model dapat dikatakan terbebas dari multikolineritas. Untuk lebih jelasnya dapat dilihat pada Tabel 4.12.
1.0 0.8
0.6 0.4
0.2 0.0
1.0 0.8
0.6 0.4
0.2 0.0
E x
p e
c te
d C
u m
P ro
b
Dependent Variable: Prestasi_Kerja Normal P-P Plot of Regression Standardized Residual
Universitas Sumatera Utara
Tabel 4.12 Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 19.808
4.224 4.689
.000 Konflik_Kerja
.321 .112
.419 2.857
.008 .600
1.666 Beban_Kerja
.378 .152
.283 2.480
.019 .992
1.008 Waktu_Kerja
.443 .161
.405 2.757
.010 .599
1.670 a Dependent Variable: Prestasi_Kerja
Sumber: Pengelolahan SPSS 2010
Hasil uji melalui Variance Inflation Factor VIF pada hasil pengolahan SPSS, masing-masing variabel independent memiliki VIF tidak lebih dari 10 dan nilai
Tolerance tidak kurang dari 0,1. maka dapat dinyatakan model regresi linear berganda tersebut terbebas dari asumsi klasik dan dapat digunakan dalam penelitian.
c. Uji Autokorelasi