responden yang merasa belum bisa menyelesaikan pekerjaan secara tepat waktu, hal tersebut harus menjadi perhatian dari perusahaan, karena bisa menjadi salah
satu faktor kemunduran kinerja apabila dibiarkan.
4.4 Uji Asumsi Klasik
4.4.1 Uji Normalitas
Tujuan uji normalitas adalah ingin menguji apakah dalam model regresi distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi
data dengan bentuk lonceng. 1. Analisis Grafik
Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram, dan grafik normal p-p plot, yang membandingkan antara dua observasi
dengan distribusi yang mendekati distribusi normal. Hasil output SPSS terlihat seperti Gambar 4.3, dan Gambar 4.4
Sumber: Hasil Penelitian, 2017 data diolah
Gambar 4.3 Pengujian Normalitas Histogram
Universitas Sumatera Utara
Berdasarkan grafik dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan pola distribusi normal maka model regresi
memenuhi asumsi normalitas dan sebaliknya jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak
menunjukkan pola distribusi data normal yang tidak melenceng kanan maupun melenceng kiri. Jadi, berarti data residual berdistibusi normal. Terbukti bahwa
data maupun model yang digunakan memenuhi asumsi normalitas.
Sumber: Hasil Penelitian, 2017 data diolah
Gambar 4.4 Pengujian Normalitas P-P Plot
Pada P-P plot terlihat bahwa titik-titik menyebar disekitar garis diagonal dan cenderung mengikuti arah garis diagonal. Hal ini menunjukkan bahwa data
Universitas Sumatera Utara
yang dipergunakan dalam penelitian ini memenuhi asumsi normalitas sehingga layak untuk diuji dengan model regresi.
2. Analisis Statistik Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal,
padahal secara statistik tidak berdistribusi normal. Jika nilai sig probability lebih besar dari 0,05 maka Ho ditolak dengan pengertian bahwa data yang dianalisis
berdistribusi normal. Demikian juga sebaliknya jika nilai sig probability lebih kecil dari 0,05 maka Ho diterima dengan pengertian bahwa data yang dianalisis
tidak berdistribusi normal. Berikut ini pengujian normalitas yang didasarkan dengan uji statistik nonparametik Kolmogorv-Smirnov K-S.
Tabel 4.11 Uji Kolmogrov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 54
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 2.64227343
Most Extreme Differences Absolute
.092 Positive
.064 Negative
-.092 Kolmogorov-Smirnov Z
.675 Asymp. Sig. 2-tailed
.752 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Penelitian, 2017 data diolah
Berdasarkan Tabel 4.10, terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,752, ini berarti nilainya diatas nilai signifikan 5 0.05. dengan kata lain
variabel tersebut berdistribusi normal.
Universitas Sumatera Utara
4.4.2 Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians. 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 homoskedastisitas atau
tidak terjadi heteroskedastisitas. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu :
1. Analisis Grafik Dasar analisis adalah 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 membentuk pola tertentu
yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.
Sumber: Hasil Penelitian, 2017 data diolah
Gambar 4.5 Pengujian Heteroskedastisitas Scatterplot
Universitas Sumatera Utara
Berdasarkan Gambar 4.5 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 heteroskedastisitas pada model regresi. 2. Analisis Statistik
Dasar analisis metode statistik adalah jika variabel bebas signifikan secara statistik mempengaruhi variabel terikat, maka ada indikasi terjadi
heteroskedastisitas.
Tabel 4.12 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 12.640
4.407 2.868
.006 Konflik_Peran_Ganda
-.032 .061
-.072 -.517
.607 Pengembangan_Karir
-.010 .024
-.051 -.405
.687 Kecerdasan_Emosional
-.182 .052
-.486 -3.500
.071 a. Dependent Variable: RES2
Sumber: Hasil Penelitian, 2017 data diolah
Berdasarkan Tabel 4.11 dapat diketahui bahwa tidak satupun variabel bebas yang signifikan secara statistik mempengaruhi variabel terikat RES2. Hal
ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5 jadi disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
Universitas Sumatera Utara
4.3.3 Uji Multikolinieritas
Gejala multikolinieritas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor, Kedua ukuran ini menunjukkan setiap variabel
independen manakah yang dijelaskan oleh variabel independen lainnya, Tolerance adalah mengukur variabilitas variabel independen yang terpilih yang tidak
dijelaskan variabel independen lainnya. Nilai yang dipakai untuk Tolerance 0,1, dan VIF 5, maka tidak terjadi multikolinieritas.
Tabel 4.13 Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
.319 8.011
.040 .968
Konflik_Peran_Ganda -.129
.111 -.095
-1.155 .254
.809 1.237
Pengembangan_Karir .453
.044 .764
10.226 .000
.991 1.009
Kecerdasan_Emosional .380
.095 .330
4.009 .000
.814 1.229
a. Dependent Variable: Kinerja_Karyawan
Sumber: Hasil Penelitian, 2017 data diolah
Berdasarkan Tabel 4.12 dapat terlihat bahwa data variabel tidak terkena multikolinieritas karena nilai VIF 5 dan nilai Tolerance 0,1 sehingga model
regresi layak dipakai untuk memprediksi kinerja karyawan berdasarkan masukan variabel konflik peran ganda, pengembangan karir, dan kecerdasan emosional.
Universitas Sumatera Utara
4.4 Analisis Linier Berganda
