Uji Asumsi Klasik .1 Uji Normalitas

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