Uji Asumsi Klasik HASIL PENELITIAN DAN PEMBAHASAN

68 setiap tahunnya diketahui bahwa 2 orang responden 2,8 menjawab sangat tidak setuju, sedangkan 3 orang responden 4,2 menjawab tidak setuju, 21 orang responden 29,2 menjawab kurang setuju, 40 orang responden 55,6 menjawab setuju dan selebihnya 6 orang responden 8,3 menjawab sangat setuju.

4.7 Uji Asumsi Klasik

Sebelum melakukan regresi linier berganda, ada beberapa syarat yang harus dipenuhi yakni A Uji Normalitas, B Uji Heteroskedastisitas, dan C Uji Multikolinieritas.

A. Uji Normalitas

1. Pendekatan Histogram Pengujian ini dilakukan untuk melihat model regresi, apakah variabel dependen dan independen terdistribusi normal atau tidak. Sumber: Hasil Pengolahan SPSS versi 16 2013 Gambar 4.1 Uji Normalitas dengan Pendekatan Histogram Universitas Sumatera Utara 69 Pada Gambar 4.1 terlihat bahwa variabel terdistribusi normal. Hal tersebut ditunjukkan oleh distribusi data yang tidak miring ke kiri atau ke kanan, ini berarti terdapat pengaruh yang positif dan signifikan antara pengaruh keselamatan kerja X 1 , kesehatan kerja X 2 , terhadap Kinerja Karyawan Pada PT. Waskita Karya Medan Y. 2. Pendekatan Grafik Uji normalitas bertujuan untuk menguji apakah model regresi berdistribusi normal. Uji normalitas dapat dilakukan dengan analisis grafik yaitu pada Normal P-P Plot of Regression Standarizied Residual . Apakah titik menyebar di sekitra garis diagonal maka data telah berdistribusi normal. Normal P-P Plot of Regression Standarizied Residual. Sumber: Hasil Pengolahan SPSS versi 16 2013 Gambar 4.2 Uji Normalitas dengan Pendekatan Grafik Universitas Sumatera Utara 70 3. Pendekatan Kolmogorv-Smirnov Uji normalitas juga dilakukan dengan menggunakan pendekatan kolmogorov smirnov . Dengan menggunakan tingkat signifikan 5 0,05 maka nilai Asymp.Sig. 2-tailed di atas nilai signifikan 5 artinya variabel residual terdistribusi normal. Tabel 4.6 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 72 Normal Parameters a Mean .0000000 Std. Deviation 2.07762109 Most Extreme Differences Absolute .084 Positive .084 Negative -.055 Kolmogorov-Smirnov Z .709 Asymp. Sig. 2-tailed .695 a. Test distribution is Normal. Sumber: Hasil Pengolahan SPSS versi 16 2013 Pada Tabel 4.6 terlihat bahwa nilai Asymp. Sig. 2-tailed adalah 0,695 dan di atas nilai signifikan 0,05, dengan kata lain variabel residual terdistribusi normal.

B. Uji Heteroskedastisitas

Uji heteroskedastisitas digunakan untuk menguji apakah dalam model regresi terjadi ketidaksamaanperbedaan varians dari residual pengamatan yang lain. Jika varians residual dari suatu pengamatan lain tetap, maka disebut homoskedastisitas dan heteroskedastisitas terjadi jika residual tidak memiliki varian yang konstan. Model yang paling baik adalah tidak terjadi Universitas Sumatera Utara 71 heteroskedastisitas. Pemeriksaan terhadap gejala heteroskedastisitas adalah dengan melihat pola diagram pencar pada grafik scatterplot. Cara pengambilan keputusannya adalah sebagai berikut: Sumber: Hasil Pengolahan SPSS versi 16 2013 Gambar 4.3 Grafik scatterplot Gambar 4.3 menunjukkan bahwa grafik scatterplot tidak membentuk suatu pola atau acak, dengan demikian dapat dikatakan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk mengetahui keselamatan kerja X 1 , kesehatan kerja X 2 , terhadap Kinerja Karyawan Pada PT. Waskita Karya Medan Y. Uji heteroskedastisitas juga dapat dilakukan dengan Uji Glejser. Cara pengambilan keputusan: Universitas Sumatera Utara 72 a. Jika probabilitas ≥ 0,05 maka tidak mengalami gangguan heteroskedastisitas. b. Jika probabilitas 0,05 maka mengalami gangguan heteroskedastisitas. Tabel 4.7 Hasil Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 2.187 .870 2.514 .014 Keselamatan_kerja .076 .068 .234 1.120 .266 Kesehatan_kerja -.085 .057 -.313 -1.498 .139 a. Dependent Variable: absut Sumber: Hasil Pengolahan SPSS versi 16 2013 Pada Tabel 4.7 dapat dilihat bahwa kolom Sig. pada tabel koefisien regresi untuk variabel independen adalah 0,266; 0,139atau probabilitas lebih besar dari 0,05 maka tidak terjadi gangguan heteroskedastisitas. Hal ini menunjukkan semua variabel independen keselamatan kerja X 1 , kesehatan kerja X 2 , terhadap Kinerja Karyawan Pada PT. Waskita Karya Medan Y berpengaruh signifikan secara statistik mempengaruhi variabel dependen absolute Ut absut.

C. Uji Multikolinieritas

Multikolinearitas artinya terdapat korelasi linear sempurna atau pasti diantara dua atau lebih variabel independen, artinya multikolinearitas menyebabkan standar deviasi masing-masing koefisien regresi akan sangat besar sehingga membuat bias tingkat signifikan pengaruh variabel dependen. Hal ini menyebabkan kesulitan dalam memisahkan pengaruh masing-masing variabel independen terhadap variabel dependen. Metode yang digunakan untuk menguji Universitas Sumatera Utara 73 ada tidaknya multikolinearitas adalah dengan menggunakan nilai Variance Inflation Factor VIF. Batas VIF adalah 5, artinya jika VIF lebih besar dari 5, maka variabel tersebut mempunyai persoalan multikolinearitas dengan variabel bebas yang lainnya disimpulkan terjadinya multikolinearitas. Tabel 4.8 Uji Multikolinieritas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 1.790 1.413 1.267 .209 Keselamatan_kerja .167 .111 .162 1.505 .137 .322 3.107 Kesehatan_kerja .618 .092 .722 6.696 .000 .322 3.107 a. Dependent Variable: Kinerja_karyawan Sumber: Hasil Pengolahan SPSS versi 16 2013 Pada Tabel 4.8 variabel komunikasi dan motivasi memiliki nilai VIF 3,107; 3,107 5 dan tidak 5 maka variabel tersebut tidak mempunyai persoalan multikolinearitas.

4.8 Analisis Regresi Linier Berganda