Hasil Uji Asumsi Klasik

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