2. Bila nilai signifikasi nilai probabilitasnya lebih besar dari 5,
maka distribusi adalah normal. Sumarsono,2004: 40-43. Tabel 4.14. Hasil Pengujian Normalitas
Variabel Kolmogorov-
SmirnovZ Signifikan
Motivasi Karir X1 0,946
0,333 Motivasi Ekonomi X2
1,334 0,057
Motivasi Kualitas X3 1,467
0,027 Motivasi Lingkungan X4
1,899 0,001
Minat Untuk mengikuti PPAk Y 0,740
0,644
Nilai 0,612 0,846
Sumber: Hasil Pengujian Normalitas, Lampiran 13 Berdasarkan hasil uji normalitas pada Lampiran 13,
diperoleh nilai kolgorov smirnov Z sebesar 0,612 dengan tingkat signifikan sebesar 0,848. Karena nilai tingkat sinifikansinya lebih
besar dari 0,05 maka dapat disimpulkan bahwa nilai residual yang dihasilkan mengikuti distribusi normal.
4.3.2. Hasil Pengujian Asumsi Klasik
Model Regresi yang diperoleh dari metode kuadrat terkecil biasa Ordinary Least Square atau OLS merupakan model regresi
yang menghasilkan estimator atau BLUE Algifari, 2000:83. Kondisi ini akan terjadi jika dipenuhi beberapa asumsi, yang
disebut dengan asumsi klasik, sebagai berikut: 1.
Multikolinearitas Uji asumsi multikolinieritas digunakan untuk menunjukkan
Adanya hubungan antara variabel-variabel bebas dalam suatu
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
model regresi. Salah satu cara yang digunakan untuk mengetahui ada tidaknya multikolinieritas yaitu dengan melihat
besarnya nilai Variance Inflation Factor VIF, dengan VIF dibawah 10, maka tidak terjadi multikolinieritas Ghozali,
2001:57. Berdasarkan hasil pengujian yang dilakukan diperoleh hasil
nilai VIF sebagai berikut: Tabel 4.15. Hasil Pengujian Multikolinieritas
Variabel Tolerance
Nilai VIF Motivasi Karir X1
0,425 2,355
Motivasi Ekonomi X2 0,471
2,124 Motivasi Kualitas X3
0,427 2,341
Motivasi Lingkungan X4 0,784
1,275 Sumber:Lampiran15,Coeficients
Berdasarkan tabel 4.15 di atas diketahui bahwa nilai VIF yang diperoleh dari hasil pengujian memiliki nilai kurang dari
10, sehingga esuai dengan kriteria yang telah ditetapkan menurut Ghozali 2001:57, bahwa syarat tidak terjadinya
gejala multikolinieritas adalah memiliki nilai VIF kurang dari 10 maka dapat diputuskan bahwa variabel-variabel bebas yang
digunakan dalam penelitian ini tidak menunjukkan gejala multikolinieritas.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2. Heteroskedasitas
Prngujian asumsi klasik selanjutnya adalah heteroskedasitas, dimana uji heterokedasitas bertujuan untuk
menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual suatu pengamatan ke pengamatan lain. Jika
varian dari residual suatu pengamatan ke pengamatan yang lain tetap, maka disebut homokedasitas Santoso, 2002:208.
Hal ini bisa diidentifikasi dengan menghitung korelasi rank spearman
antara residual dengan seluruh variabel bebas dimana nilai probabilitas yang diperoleh harus lebih besar dari
0,05. Berdasarkan hasil pengujian rank spearman yang dilakukan diperoleh hasil sebagai berikut:
Tabel 4.16. Hasil Pengujian Heterokedasitas Variabel
Nilai Korelasi Rank Spearman
Tarif Signifikan
Motivasi Karir X1 -0,015
0,454 Motivasi Ekonomi X2
-0,010 0,469
Motivasi Kualitas X3 -0,044
0,369 Motivasi Lingkungan X4
-0,026 0,420
Sumber: Hasil Pengujian Heterokedasitas, Lampiran 16 Berdasarkan hasil pengujian pada tabel 4.16 diatas
diketahui bahwa nilai korelasi rank spearman yang diperoleh antara variabel-variabel bebas yang digunakan dalam penelitian
dengan Unstandardized Residual memiliki taraf signifikan yang lebih besar dari 0,05, sesuai dengan kriteria yang telah
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
ditetapkan menurut Santoso 2002:208, hal tersebut menunjukkan bahwa tidak terjadi hubungan yang signifikan
antara variabel-variabel bebas tersebut dengan Unstandardized Residual
atau dapat diputuskan bahwa dalam model regresi yang digunakan dalam penelitian ini tidak terjadi gejala
Heteroskedasitas, 3.
Autokorelasi Autokorelasi adalah hubungan yang terjadi diantara
anggota-anggota sample dari serangkaian pengamatan yang tersusun dalam rangkaian waktu time series data. Berdasarkan
hasil pengujian yang diperoleh menunjukkan nilai durbin Watson
hitung adalah sebesar 3,193. Lampiran 14, Model Summary
. Identifikasi gejala autokorelasi dapat dilakukan dengan
kurva di bawah ini. Gambar 4.1. Hasil Pengujian Autokorelasi
Tidak ada autokorelasi positif dan tidak ada
autokorelasi negatif
dL dU
4 - dU 4 - dL
4
ada auto korelas
i pos itif
daerah keragu
raguan ada auto
korelasi negatif daerah
keragu raguan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Berdasarkan kurva 4.1 diatas menunjukkan bahwa besarnya nilai durbin Watson hitung berada di dalam daerah tidak ada
autokorelasi, sehingga dapat diputuskan bahwa model regresi dalam penelitian ini telah terbebas dari gejala autokorelasi.
4.3.3. Hasil Pengujian Hipotesis 4.3.3.1.Hasil Pengujian Regresi Linier Berganda
