101 Dependen Prestasi Kerja sebesar 0,785. Karena seluruh pertanyaan yang
berkaitan dengan variabel independen dan variabel dependen terbut memilki nilai
Cronbach’s Alpha lebih sebesar dari 0,60 maka dapat disimpulkan bahwa pertanyaan dalam kuesioner ini adalah reliabel.
D. Uji Asumsi Klasik
1. Uji Normalitas
Menurut Ghozali 2011:160 uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel independen dan variabel dependen
keduanya mempunyai distribusi normal atau mendekati normal.
Sumber: Data diolah SPSS
Berdasarkan gambar 4.50 tampilan Normal P-P Plot Regression Standardized terlihat bahwa titik-titik menyebar di sekitar garis diagonal.
102 Oleh karena itu berdasarkan uji normalitas, analisis regresi layak
digunakan meskipun terdapat sedikit plot yang menyimpang dari garis diagonal.
Priyatno 2013:53 menjelaskan untuk uji normalitas menggunakan metode Kolmogorov-Smirnov, cara untuk mendeteksinya adalah dengan
melihat nilai signifikansi residual. Jika signifikansi lebih dari 0,05 maka residual terdistribusi secara normal.
Tabel 4.51 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Standardized Residual N
43 Normal Parameters
a
Mean .0000000
Std. Deviation .96362411
Most Extreme Differences
Absolute .126
Positive .126
Negative -.121
Kolmogorov-Smirnov Z .827
Asymp. Sig. 2-tailed .501
a. Test distribution is Normal. Sumber: Data diolah SPSS
Berdasarkan output pada tabel 4.51 di atas terlihat bahwa nilai Asymp. Sig. 2-tailed 0,501. Ini artinya bahwa nilai signifikansi lebih
besar dari 0,05. Hal itu berarti nilai residual terstandarisai dinyataka menyebar secara normal.
103 2.
Uji Multikolinieritas Menurut Priyatno 2013:56 multikolinieritas adalah keadaan dimana
antara dua variabel independen atau lebih pada model regresi terjadi hubungan linear yang sempurna atau mendekati sempurna. Model regresi
yang baik mensyaratkan tidak adanya multikolinearitas dengan cara melihat Tolerance dan VIF Variance Infaltion Factor.
Metode pengambilan keputusan yaitu jika semakin keci nilai Tolerance dan semakin besar nilai VIF maka semakin mendekati
terjadinya masalah multikolinearitas. Dalam kebanyakan penelitian menyebutkan bahwa Tolerance lebih besar dari 0,1 dan VIF kurang dari 10
maka tidak terjadi multikolinearitas.
Tabel 4.52 Uji Multikoloneritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error
Beta Toleran
ce VIF
1 Constant 1.026
2.561 .400 .691
Motivasi_kerja .263
.048 .396 5.521 .000
.566 1.768 Kemampuan_kerja
.420 .080
.360 5.248 .000 .617 1.621
Kompensasi .296
.054 .369 5.483 .000
.641 1.560 a. Dependent Variable:
Prestasi_kerja Sumber: Data diolah SPSS
Berdasarakan tabel 4.52 di atas terlihat bahwa nila tolerance masing- masing variabel yaitu Motivasi Kerja 0,566 , Kemampuan Kerja 0,617,
104 Kompensasi 0, 641. Ini artinya bahwa semua nilai tolerance variabel
independen lebih besar dari angka 0,1. Dan nilai Variance Inflation Factor VIF masing-masing variabel yaitu Motivasi Kerja 1,768, Kemampuan
Kerja 1,621, Kompensasi 1,560. Hasil perhitungan nilai VIF tidak ada satu variabel independen yang lebih besar dari nilai VIF 10. Dari hasil
perhitungan diatas dapat disimpulkan bahwa pada model regresi yang terbentuk tidak terjadi gejala multikolonieritas.
3. Uji Heteroskedastisitas
Ghozali 2011:139 menejelaskan, uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari
residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut
homoskedastisitas, jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah homoskedastisitas.
Tabel 4.53 Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant 2.465
1.776 1.388
.173 Motivasi_Kerja
-.030 .033
-.189 -.911
.368 Kemampuan_Kerja
-.010 .055
-.036 -.179
.859 Kompensasi
-.004 .037
-.021 -.109
.914 a. Dependent ariable:ABRESID
Sumber: Data diolah SPSS
105 Gejala heteroskedastisitas ditunjukkan oleh koefsien regresi dari
masing-masing variabel terhadap nilai absolut residualnya. Jika nilai probabilitas lebih besar dari nilai alpha Sig.
α maka dapat dipastikan model tidak mengandung gejala heteroskedastisitas atau dapat dikatakan
tidak terjadi heteroskedastisitas apabila t-hitung t-tabel Berdasarkan tabel 4.53 diatas dapat disimpulkan bahwa pada model
regresi tidak terjadi gejala heteroskedastisitas. Ini karena Sig.Variabel motivasi kerja terhadap residual sebesar 0,368 0,05. Sig.Variabel
kemampuan kerja terhadap residual sebesar 0,859 0,05. Sedangkan Sig. Variabel kompensasi terhadap residual sebesar 0,914 0,05.
E. Uji Regresi Linier Berganda