Table 4.6 One-Sample Kolmogrov-Smirnov Test
Unstandardized Residual
N 80
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 1.16073653
Most Extreme Differences Absolute
.087 Positive
.087 Negative
-.072 Kolmogorov-Smirnov Z
.783 Asymp. Sig. 2-tailed
.573 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil pengolahan data primer dengan SPSS 20 2014
Berdasarkan pengolahan data pada Tabel 4.6 diperoleh nilai Asymp. Sig. 2-tailed diatas angka 0.05 0.573 0.05, dengan demikian dapat disimpulkan
model regresi memenuhi asumsi normalitas.
4.3.2. Uji Heteroskedastisitas
Dalam melakukan pengujian heteroskedastisitas, dapat dilakukan melalui dua cara. Pertama, melalui analisis grafik dengan cara membaca grafik
Scatterplot, di mana tidak terjadi heteroskedastisitas apabila titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, dan tersebar baik di
atas maupun di bawah angka nol pada sumbu Y. Kedua, melalui analisis statistik
yang dilakukan melalui uji glejser, di mana tidak terjadi heteroskedastisitas apabila tidak ada variabel independen yang signifikan secara statistik
mempengaruhi variabel dependen.
Universitas Sumatera Utara
Sumber: Hasil pengolahan data primer dengan SPSS 20 2014
Gambar 4.3 Scatterplot
Gambar Scatterplot menunjukkan bahwa titik-titik yang ada menyebar secara acak, tersebar baik di atas maupun di bawah angka nol pada sumbu Y dan
tidak membentuk sebuah pola tertentu yang jelas. Oleh karena itu, model regresi dikatakan tidak mengalami heteroskedastisitas.
Tabel 4.7 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta
1 Constant
1.983 .733
2.704 .008
KesempatanPromosi .012
.037 .057
.328 .744
Pelatihan .008
.021 .082
.395 .694
LingkunganKerja -.026
.020 -.282
-1.284 .203
a. Dependent Variable: ABSUT
Sumber: Hasil pengolahan data primer dengan SPSS 20 2014
Pada Tabel 4.7 terlihat bahwa tidak ada variabel bebas atau variabel independen yang signifikan secara statistik mempengaruhi variabel terikat atau
variabel dependen. Hal ini ditunjukkan dari nilai Sig. variabel-variabel bebas yang
Universitas Sumatera Utara
lebih besar dari nilai signifikan 0,05. Jadi, model regresi tidak mengalami heteroskedastisitas.
4.3.3. Pengujian Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji adanya korelasi antara variabel independen. Jika terjadi korelasi maka dinamakan multikol, yaitu adanya
masalah multikolineaitas. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Hasil pengolahan data dapat dilihat pada
tabel berikut:
Tabel 4.8 Multikolinieritas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
.493 1.292
.382 .704
KesempatanPromosi .087
.064 .070
1.351 .181
.422 2.369 Pelatihan
.469 .037
.783 12.708
.000 .294 3.400
LingkunganKerja .077
.035 .142
2.180 .032
.263 3.798 a. Dependent Variable: KepuasanKerja
Sumber: Hasil pengolahan data primer dengan SPSS 20 2014
Pada Tabel 4.8 terlihat bahwa nilai Tolerance semua variabel bebas adalah lebih besar dari nilai ketetapan 0,1 dan nilai VIF semua variabel bebas adalah
lebih kecil dari nilai ketetapan 5. Oleh karena itu, data dalam penelitian ini dikatakan tidak mengalami masalah multikolinearitas.
4.4 Analisis Regresi Linear Berganda
