137
setiap item pernyataan yang digunakan dalam kuesioner penelitian mampu memperoleh data yang konsisten, yang artinya bila
pernyataan itu diajukan kembali, maka akan mendapatkan jawaban yang relatif sama dengan jawaban sebelumnya.
5. Hasil Uji Asumsi Klasik
a. Hasil Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki
distribusi normal. Distribusi normal akan membentuk suatu garis lurus diagonal dan ploting data akan dibandingkan dengan garis
diagonal. Jika distribusi data normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis
diagonalnya Ghozali, 2011:161-162. Dalam uji normalitas terdapat dua cara untuk mendeteksi
apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik. Uji normalitas data dengan
menggunakan pengolahan SPSS 22.0 menghasilkan grafik sebagai berikut : terlampir pada halaman selanjutnya
138
Gambar 4. 2 Hasil Uji Normalitas Secara Grafik
Sumber : data primer yang diolah dari Spss 22.0 2016. Berdasarkan gambar di atas, dapat dilihat bahwa titik-titik
yang menyebar disekitar garis diagonal dan penyebaran titik-titik data searah dengan garis diagonal menandakan bahwa model
asumsi regresi memenuhi asumsi normalitas dan model regresi layak untuk menganalisis pengaruh variabel-variabel bebas
kompetensi, kepuasan kerja dan budaya organisasi terhadap variabel terikat kinerja tenaga perawat. Kemudian secara
setatistik sebagai berikut: terlampir pada halaman selanjutnya
139
Tabel 4.17 Hasil Uji Normalitas Secara Statistik
One-Sample Kolmogorov-Smirnov Test Unstandardized
Residual N
50 Normal Parameters
a
Mean .0000000
Std. Deviation 1.24474102
Most Extreme Differences Absolute .100
Positive .100
Negative -.083
Kolmogorov-Smirnov Z .706
Asymp. Sig. 2-tailed .702
3 Test distribution is Normal. 4 Calculated from data.
5 Lilliefors Significance Correction. 6 This is a lower bound of the true significance.
Sumber : data primer yang diolah dari Spss 22.0 2016 Berdasarkan uji Kolmogorov-Smirnorv dapat diketahui
bahwa nilai unstandardized residual memiliki nilai asymp.sig.2- tailed 0,702 yang berarti 0,05, ini membuktikan bahwa data
terdistribusi dengan normal.
b. Hasil Uji Multikolinieritas
Model regresi yang baik seharusnya tidak terjadi korelasi anatara variabel independen Ghozali, 2011:105. Deteksi ada atau
tidaknya multikolinieritas dalam model regresi adalah dilihat dari besaran VIF Variance Inflation Factor dan Tolerance TOL.
Regresi bebas dari maslah multikolinieritas jika nilai vif 10 dan nilai TOL 0,10 Ghozali, 2011:106.
140
Tabel 4.18 Hasil Uji Multikolinieritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
Constant KOMPETENSI
,891 1,123
KEPUASAN_KERJA ,980
1,021 BUDAYA_ORGANISASI
,874 1,145
a. Dependent Variable: KINERJA
Sumber : data primer yang diolah dari Spss 22.0 2016 Berdasarkan tabel 4.66 diatas, dari hasil uji Variance
Inflation Factor VIF pada hasil output SPSS.22,0 tabel coefficient, masing-masing variabel independen memiliki VIF
≤ 10 yaitu untuk variabel kompetensi 1,123 variabel kepuasan kerja
sebesar 1,021 dan untuk variabel budaya organisasi sebesar 1,145 dan dapat disimpulkan bahwa tidak terjadi multikolinearitas.
Sedangkan nilai Tolerance ≥ 0,10 yaitu untuk variabel
kualitas kompetensi 0,891 untuk variabel kepuasan kerja 0,980 dan untuk variabel budaya organisasi 0,874. Maka dapat dinyatakan
model regresi linear berganda tidak terdapat multikolineritas antara variabel dependen dengan variabel independen yang lain sehingga
dapat digunakan dalam penelitian ini.
141
c. Hasil Uji Heterokedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance residual dari
satu pengamatan ke pengamatan yang lain. Model regresi yang baik
adalah yang
homokedestisitas atau
tidak terjadi
heterokedestisitas. Cara untuk mendeteksinya adalah dengan melihat grafik scater plot antara nilai prediksi variabel terikat z
variabel, dengan residualnya s residualnya: Jika ada pola tertentu yang teratur, seperti titik yang ada membentuk pola tertentu yang
teratur bergelombang, melebar, kemudian menyempit, maka mengidentifikasikan
telah terjadi
heterokedestisitas Ghozali,2011:139.
Gambar 4.3
Hasil uji heterokedastisitas
Sumber : data primer yang diolah dari Spss 22.0 2016
142
Dari grafik scatterplot yang ada pada gambar di atas dapat dilihat bahwa titik-titik menyebar secara acak, serta tersebar di
atas maupun dibawah angka nol pada sumbu Y . Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada
model regresi Ghozali, 2011:107.
d. Uji Autokorelasi
Menurut Santoso 2012:242 uji autokorelasi bertujuan untuk mengetahui apakah dalam sebuah model regresi linier ada
korelasi antara kesalahan penganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka
dinamakan ada problem autokorelasi. Untuk mengetahui adanya autokorelasi dapat menggunakan uji durbin-watson D-W. Ada
tidaknya autokorelasi dapat dilihat dari pengambilan ketentuan berikut:
1 Bila nilai D-W terletak dibawah -2 berarti ada autokorelasi positif.
2 Bila nilai D-W terletak diantara -2 sampai +2 berarti tidak ada autokorelasi.
3 Bila nilai D-W terletak diatas +2 berarti adaautokorelasi negative.
143
Tabel 4.19 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R Square Std. Error of the
Estimate Durbin-Watson
1 ,698
a
,487 ,454
1,28469 1,581
a. Predictors: Constant, BUDAYA_ORGANISASI, KEPUASAN_KERJA, KOMPETENSI
b. Dependent Variable: KINERJA
Sumber : data primer yang diolah 2016 Berdasarkan tabel 4.67 hasil uji autokorelasi dengan
menggunakan uji durbin-watson D-W menunjukkan bahwa nilai uji D-W sebesar 1,581. Nilai tersebut terletak di antara -2 sampai
dengan +2 yang menunjukkan bahwa hasil uji autokorelasi menggunakan uji durbin-watson D-W tidak terjadi Autokorelasi.
6. Hasil Uji Hipotesis