tetap, maka akan menaikkan perilaku etis karyawan pada PDAM Tirta Malem Kabanjahe sebesar 0,379.
4.2.4. Uji Asumsi Klasik
Setelah melakukan analisis regresi berganda, penulis melakukan pengujian asumsi klasik. Pengujian asumsi klasik dilakukan untuk mendapatkan hasil
penelitian yang BLUE Best Linier Unbiased Estimation atau perkiraan yang efisien dan tidak bias. Kriteria pengujian asumsi klasik yang harus dipebuhi,
yaitu:
4.2.4.1 Uji Normalitas
Uji ini bertujuan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk
lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau ke kanan. Pada
uji normalitas terdapat dua cara yang dapat digunakan yaitu: a. Analisis Grafik
Normalitas data dapat dilihat melalui penyebaran titik pada sumbu diagonal daro P-Plot atau dengan melihat histogram dari residualnya. Dasar
pengambilan keputusan sebagai berikut: Apabila data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal
atau grafik histogramnya menunjukkan pola distribusi normal maka model regresi memenuhi asumsi normalitas.
Universitas Sumatera Utara
Sumber : Hasil Penelitian 2015 diolah
Gambar 4.3 Hasil Uji
Regression Standartized Residual
Pada Gambar 4.3 terlihat bahwa variabel berdistribusi normal. Hal tersebut ditunjukkan oleh distribusi data yang tidak menceng ke kiri atau ke kanan. Hasil
dari analisis Grafik P-Plot uji normalitas adalah sebagai berikut:
Sumber : Hasil Penelitian 2015 diolah
Gambar 4.4 Hasil Uji
Normal P-P Plot Of Regression Strandartized Residual
Pada Gambar 4.4 P-P plot menunjukkan bahwa titik-titik menyebar disekitar garis diagonal dan mengikuti garis diagonal, maka dapat disimpulkan
bahwa data yang diperoleh berdistribusi normal.
Universitas Sumatera Utara
b. Analisis Statistik Pengujian normalitas yang didasarkan pada uji statistik non parametik
Kolmogorov-Smirnov K-S. Apabila nilai Kolmogorov-Smirnov Z 1,97 atau
nilai asymp.Sig 2 tailed maka data dinyatakan berdistribusi normal. Berikut
adalah Tabel 4.13 hasil uji Kolmogorov-Smirnov.
Tabel 4.13 Uji
Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 94
Normal Parameters
a,b
Mean .0000000
Std. Deviation 3.53250412
Most Extreme Differences Absolute
.132 Positive
.072 Negative
-.132 Kolmogorov-Smirnov Z
1.276 Asymp. Sig. 2-tailed
.077 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Peneitian 2015 diolah
Menurut Situmorang Lufti 2014:121 bahwa, apabila pada hasil uji Kolmogorov-Smirnov, nilai Asymp Sig 2-tailed lebih besar dari nilai signifikan
0,05, dan nilai Kolmogorov-Smirnov Z lebih kecil dari 1,97 maka data dikatakan normal. Pada Tabel 4.13 dapat dilihat nilai Asymp Sig 2-tailed 0,077 lebih besar
dari 0,05 dan nilai Kolmogorov-Smirnov Z 1,276 lebih kecil dari 1,97, sehingga model regresi yang diperoleh adalah berdistribusi normal.
Universitas Sumatera Utara
4.2.4.2 Uji Heterokedastisitas