b. Pada pertanyaan kedua Saya mampu menyelesaikan berapapun jumlah perkerjaan Saya dengan tuntas sebanyak 18 orang atau 58.1 yang
menyatakan sangat setuju, 11 orang atau 35.5 menyatakan setuju, dan 2 orang atau 6.5 menyatakan kurang setuju.
c. Pada pertanyaan ketiga Saya memiliki kemampuan untuk menyelesaikan pekerjaan Saya di PT Bank Aceh sebanyak 19 orang atau 61.3 yang
menyatakan sangat setuju, 4 orang atau 12.9 menyatakan setuju, 7 orang atau 22.6 menyatakan kurang setuju, dan 1 orang atau 3.2 menyatakan
tidak setuju. d. Pada pertanyaan keempat Saya selalu bersikap baik ke nasabah sebanyak
25 orang atau 80.6 yang menyatakan sangat setuju, 4 orang atau 12.9 menyatakan setuju, 1 orang atau 3.2 menyatakan kurang setuju, dan1 orang
atau 3.2 menyatakan tidak setuju. e. Pada pertanyaan kelima Saya selalu menyelesaikan pekerjaan tepat waktu
di PT Bank Aceh sebanyak 12 orang atau 38.7 yang menyatakan sangat setuju, 17 orang atau 54.8 menyatakan setuju, 1 orang atau 3.2
menyatakan kurang setuju, dan 1 orang atau 3.2 menyatakan tidak setuju.
4.3.2 Uji Asumsi Klasik 4.3.2.1 Uji Normalitas
Tujuan uji normalitas adalah untuk menguji model regresi distribusi sebuah data mengikuti atau mendekati distribusi normal. Uji normalitas dapat
dilakukan dengan analisis grafik dilihat dari titik-titik yang menyebar di sekitar garis diagonal yakni distribusi data dengan bentuk lonceng dan
Universitas Sumatera Utara
distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Uji normalitas dilakukan dengan menggunakan pendekatan kolmogorov smirnov.
Dengan menggunakan tingkat signifikan 5 0,05 maka jika nilai Asymp.Sig. 2-tailed di atas nilai signifikan 5 artinya variabel residual
berdistribusi normal.
Hasil dari output SPSS terlihat seperti Gambar 4.4 dan Gambar 4.5:
Gambar 4.4 Histogram Uji Normalitas Sumber: Hasil Penelitian 2013
Universitas Sumatera Utara
Gambar 4.5 Plot Uji Normalitas Sumber: Hasil Penelitian 2013
Berdasarkan Gambar 4.4 dapat diketahui bahwa variabel berdistribusi normal, hal ini ditunjukkan oleh data tersebut tidak menceng ke kiri atau ke kanan,
sedangkan pada Gambar 4.5 dapat juga terlihat titik yang mengikuti data di sepanjang garis diagonal, hal ini berarti data berdistribusi normal. Namun
untuk lebih memastikan bahwa data di sepanjang garis diagonal berdistribusi normal maka dilakukan uji Kolmogorov-Smirnov K-S
Universitas Sumatera Utara
Tabel 4.4 Kolmogrov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 31
Normal Parameters
a
Mean .0000000
Std. Deviation .28517456
Most Extreme Differences
Absolute .134
Positive .114
Negative -.134
Kolmogorov-Smirnov Z .748
Asymp. Sig. 2-tailed .630
a. Test distribution is Normal.
Sumber: Hasil Penelitian 2013
Berdasarkan Tabel 4.4 dapat diketahui bahwa nilai Asymp. Sig. 2- tailed adalah 0.630, ini berarti di atas nilai signifikan 0.05 atau 5. Oleh
karena itu, sesuai dengan analisis grafik, analisis statistik dengan uji statistik non-parametrik Kolmogorv-Smirnov K-S juga menyatakan bahwa variabel
residual berdistribusi normal.
4.3.2.2 Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji model regresi terjadi ketidaksamaan varians dari satu residual pengamatan ke pengamatan lain. Jika varians dari
residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi
yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas,
yaitu:
Universitas Sumatera Utara
1 Metode Grafik
Dasar analisis adalah jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang yang ada membentuk pola tertentu yang teratur, maka mengindikasikan telah
terjadi heteroskedastisitas.
Gambar 4.6 Scatterplot Sumber: Hasil Penelitian 2013
Universitas Sumatera Utara
Berdasarkan Gambar 4.6 dapat terlihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka
berdasarkan metode grafik tidak terjadi heteroskedastistas pada model regresi.
2 Uji Glejser
Glejser mengusulkan untuk meregresi nilai absolut residual terhadap variabel independen. Jika variabel independen signifikan secara statistik
mempengaruhi variabel independen, maka ada indikasi terjadi heteroskedastisitas. Hasil pengujian menunjukkan hasil untuk uji Glejser pada
Tabel 4.5.
Tabel 4.5 Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
1.061 .240
4.427 .000
Motivasi_intrinsik -.005
.015 -.090
-.300 .767
Motivasi_ekstrinsi k
-.024 .015
-.478 -1.592
.123 a. Dependent Variable: absut
Sumber: Hasil Penelitian 2013
Kriteria pengambilan keputusan dengan uji glejser sebagai berikut: a. Jika nilai signifikansi0,05 maka tidak mengalami gangguan
heteroskedastisitas b. Jika nilai signifikansi0,05 maka mengalami gangguan heteroskedastisitas
Tabel 4.5 memperlihatkan bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut
Universitas Sumatera Utara
Absut. Hal ini terlihat dari probabilitas signifikansi di atas tingkat Faktor ekstrinsik 5, jadi model regresi tidak mengarah adanya heteroskedastisitas.
4.3.2.3 Uji Multikolinearitas
Gejala multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF Varience Inflation Factor. Kedua ukuran ini menunjukkan setiap
variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen terpilih yang
tidak dijelaskan oleh variabel independen lainnya. Nilai umum yang biasa dipakai adalah nilai Tolerance 0,1 atau nilai VIF5, maka tidak terjadi
multikolinearitas Situmorang dkk,2010:154.Hasil pengujian menunjukkan hasil untuk uji Glejser pada Tabel 4.5
Tabel 4.6 Uji Nilai Tolerance dan VIF
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Toleranc
e VIF
1 Constant
-1.043 .461
-2.264 .031
Motivasi_intrinsik .585
.030 .720 19.732
.000 .273
3.663 Motivasi_ekstrinsik
.249 .030
.308 8.433
.000 .273
3.663 a. Dependent Variable: Prestasi_Kerja
Sumber: Hasil Penelitian 2013 Berdasarkan Tabel 4.6 dapat terlihat bahwa:
Universitas Sumatera Utara
a. Nilai VIF dari variabel Faktor Intrinsik dan variabel Faktor ekstrinsik lebih kecil atau dibawah 5 VIF5, ini berarti tidak terdapat multikoliniaeritas
antar variabel independen dalam model regresi. b. Nilai Tolerance dari variabel Faktor Intrinsik dan Faktor ekstrinsik lebih
besar dari 0,1 Nilai Tolerance 0,1 ini berarti tidak terdapat multikolinieritas antar variabel independen dalam model regresi.
4.3.3 Analisis Regresi Linear Berganda