penelitian ini adalah reliabel. Untuk selanjutnya item-item pada masing- masing konsep variabel tersebut layak digunakan sebagai alat ukur dalam
pengujian statistik.
4.4. Hasil Analisis
Sebelum dilakukan pengujian hipotesis yang diajukan dalam penelitian ini perlu dilakukan pengujian asumsi klasik terlebih dahulu yang meliputi:
normalitas data, multikolinearitas, dan heteroskedastisitas yang dilakukan sebagai berikut:
4.4.1. Normalitas Data
Untuk menentukan normalitas data dengan uji Kolmogorov-Smirnov, nilai signifikansi harus di atas 5 Santoso, 2004. Pengujian terhadap
normalitas data dengan menggunakan uji Kolmogorov Smirnov menunjukkan semua variabel yang nilai signifikansinya di atas 5. Dengan demikian semua
variabel penelitian yang digunakan terdistribusi normal. Untuk lebih jelasnya dapat dilihat pada tabel 4.8 berikut ini :
40
Tabel 4.8 Kolmogorov-Smirnov Univariate
One-Sample Kolmogorov-Smirnov Test
124 124
124 7,2242
7,3903 7,5306
,91014 1,00109
1,13740 ,090
,123 ,075
,090 ,075
,050 -,064
-,123 -,075
1,000 1,373
,838 ,270
,146 ,484
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
Kompetensi KerjaCerdas
Kinerja
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Output SPSS Sampel hasil pada tabel 4.7 tersebut nampak bahwa variabel-variabel
kompetensi tenaga penjual, kerja cerdas, dan kinerja tenaga penjual terdistribusi normal, dimana rasio kolmogorov-smirnov lebih besar dari 0,05
sebagai berikut : 0,270; 0,146 dan 0,484. Uji normalitas multivariate dapat dijelaskan sebagai berikut:
One-Sample Kolmogorov-Smirnov Test
124 ,0000000
,91560157 ,043
,043 -,035
,479 ,976
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated from data. b.
41
4.4.2. Uji Multikoliniearitas
Untuk mendeteksi ada tidaknya gejala multikoliniearitas antar variabel independen digunakan variance inflation factor VIF. Berdasar hasil
penelitian pada output SPSS versi 11.5, maka besarnya VIF dari masing- masing variabel independen dapat dilihat pada tabel 4.9 sebagai berikut:
Tabel 4.9 Hasil Uji Multikoliniearitas
Coefficients
a
,867 1,154
,867 1,154
Kompetensi KerjaCerdas
Model 1
Tolerance VIF
Collinearity Statistics
Dependent Variable: Kinerja a.
Sumber: Output SPSS
Jika VIF lebih besar dari 5, maka antar variabel-variabel independen terjadi persoalan multikolinearitas Santoso, 2004. Berdasarkan Tabel 4.9
tidak terdapat variabel independen yang mempunyai nilai VIF 5, artinya kedua variabel independen tersebut tidak terdapat hubungan multikolinieritas
dan dapat digunakan untuk memprediksi kinerja tenaga penjual BESS Finance.
Collinearity Diagnostics
a
2,982 1,000
,00 ,00
,00 ,011
16,643 ,03
,45 ,87
,007 19,963
,97 ,55
,13 Dimension
1 2
3 Model
1 Eigenvalue
Condition Index
Constant Kompetensi
KerjaCerdas Variance Proportions
Dependent Variable: Kinerja a.
42
4.4.3. Uji Heteroskedastisitas