3.5.2 Uji Asumsi Klasik
Model regresi yang baik adalah model regesi yang memenuhi beberapa asumsi yang disebut asumsi klasik yaitu model regresi yang terbebas dari
multikolinieritas dan heteroskedastisitas, serta data yang dihasilkan harus berdistribusi normal. Uji asumsi klasik dalam penelitian ini adalah:
1. Uji Multikolinearitas
Pengujian ini dilakukan untuk mengetahui adanya hubungan linear yang pasti di antara beberapa atau semua variabel independen yang menjelaskan
model regresi. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Salah satu cara untuk mengetahui ada tidaknya
Multikolinearitas pada suatu model regresi adalah dengan melihat nilai tolerance dan VIF Variance Inflation Factor. Jika nilai tolerance 0,10 dan VIF 10,
maka dapat diartikan bahwa tidak terdapat Multikolinearitas pada penelitian tersebut. Dan sebaliknya, jika nilai tolerance 0,10 dan VIF 10, maka terjadi
Multikolinearitas Gujarati, 1993 :157.
2. Uji Heteroskedastisitas
Uji heteroskedastisitas adalah suatu keadaan dimana varians dan kesalahan pengganggu tidak konstan untuk semua variabel bebas. Model
regresi yang baik adalah tidak terjadi heteroskedastisitas. Heteroskedastisitas dapat diukur dengan Rank Spearman. Dalam uji untuk karakteristik pekerjaan
X1, lingkungan kerja X2, struktur organisasi X3 dan motivasi X4 terhadap kinerja karyawan Y Gujarati, 1993 :177.
3. Uji Autokorelasi
Autokorelasi adalah korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu seperti dalam data deretan waktu atau ruang seperti
dalam data cross-sectional. Dalam konteks regresi, model regresi linear klasik mengasumsikan bahwa autokorelasi seperti itu tidak terdapat gangguan u
i
. dengan menggunakan lambang :
Eu
i
u
j
= i ≠ j
Secara sederhana dapat dikatakan model klasik mengasumsikan bahwa unsur gangguan yang berhubungan dengan observasi tidak dipengaruhi oleh
unsur disturbansi atau gangguan yang lain Gujarati, 1993 :201.
4. Uji Normalitas Data
Uji normalitas digunakan untuk mengetahui apakah data berdistribusi normal atau tidak. Jika data berdistribusi normal maka analisis yang digunakan
dapat menggunakan analisis dengan statistik parametrik yaitu regresi ganda, tapi jika tidak normal dapat meggunakan analisis dengan statistik non parametrik. Uji
normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Yaitu perbedaan antara nilai
prediksi dengan skor sesungguhnya atau eror akan terdistribusi secara simetri disekitar nilai means sama dengan nol. Ada dua cara untuk mendeteksi apakah
residual berdistribusi normal atau tidak, yaitu dengan anlisis grafik dan uji statistik.
3.5.3 Metode Regresi Linear Berganda