57
8. Pada butir pernyataan delapan dari kuesioner yang disebar dan dianalisis
mengenai Tugas yang diberikan kepada saya tidak terdapat kesalahan, diperoleh jawaban sebanyak 17 orang sangat setuju, 43 orang setuju, 23
orang kurang setuju, dan 8 orang tidak setuju.
4.2.2 Uji Asumsi Klasik Uji Normalitas
Uji asumsi klasik dilakukan sebelum melakukan analisis regresi, agar dapat diperkirakan yang tidak bias dan efesiensi maka dilakukan pengujian asumsi
klasik yang harus dipenuhi, yang pertama adalah uji normalitas. Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau tidak, yaitu dengan
pendekatan grafik dan pendekatan Kolmogrov-Smirnov. 1. Pendekatan Grafik
Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram dan grafik normal plot yang membandingkan antara dua observasi
dengan distribusi yang mendekati distribusi normal.
58
Sumber : Hasil Pengolahan SPSS Agustus 2015
Gambar 4.1 Grafik Histogram Uji Normalitas
Sumber : Hasil Pengolahan SPSS Agustus 2015
Gambar 4.2 Grafik Normal P-P Plot Uji Normalitas
59
Berdasarkan Gambar 4.1 dapat diketahui bahwa hubungan dari variabel Sistem Rekrutmen dan Imbalan terhadap Kualitas Kerja adalah berdistribusi
normal, hal ini ditunjukkan oleh gambar histogram yang tidak terlihat menceng ke kiri maupun ke kanan. Sedangkan pada Gambar 4.2 data berdistribusi normal
dapat dilihat pada scatterplot, terlihat titik-titik yang mengikuti garis diagonal. 2. Pendekatan Kolmogrov-Smirnov
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Berikut ini pengujian
normalitas yang berdasarkan dengan uji statistik non-parametrik Kolmogrov- Smirnov K-S untuk memastikan apakah data benar berdistribusi normal.
Tabel 4.8 One-Sample Kolmogrov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 91
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 2.01773304
Most Extreme Differences Absolute
.070 Positive
.070 Negative
-.067 Kolmogorov-Smirnov Z
.671 Asymp. Sig. 2-tailed
.758 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Pengolahan SPSS Agustus 2015
Berdasarkan Tabel 4.8 terlihat bahwa nilai Asymp. Sig. 2-tailed adalah 0.758, dan diatas nilai signifikan 0.01, dengan kata lain variabel residual
berdistribusi normal. Nilai Kolmogrov-Smirnov Z yakni 0.671 lebih kecil dari 1.97
60
berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empirik atau dengan kata lain data dikatakan normal.
Uji Heteroskedastisitas
Uji heteroskedastisitas ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut
heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu:
1. Metode Grafik
Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas,
sedangkan jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.
61
Sumber : Hasil Pengolahan SPSS Agustus 2015
Gambar 4.3 Grafik ScatterPlot Uji heteroskedastisitas
Berdasarkan Gambar 4.3 dapat terlihat dari grafik ScatterPlot yang disajikan, terlihat titik-titik menyebar secara acak tidak membentuk suatu pola
tertentu yang jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi,
sehingga model regresi layak dipakai untuk memprediksi kinerja karyawan, berdasarkan variabel motivasi dan pengalaman kerja.
2. Uji Glejser
Uji Glejser dilakukan dengan cara meregresikan antara variabel independen dengan nilai absolut residualnya, jika nilai signifikansi antara variabel
62
independen dengan absolut residual lebih dari 0.05 maka tidak terjadi masalah heteroskedastisitas.
Tabel 4.9 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 3.666
1.554 2.360
.021 REKRUTMEN
-.075 .054
-.200 -1.393
.167 IMBALAN
.016 .048
.049 .339
.735 a. Dependent Variable: ABSUT
Sumber : Hasil Pengolahan SPSS Agustus 2015
Berdasarkan Tabel 4.9 terlihat jelas menunjukkan tidak satupun variabel independen yang signifikan mempengaruhi variabel dependen absolut Ut asbUt.
Hal ini terlihat dari probabilitas signifikansinya diatas tingkat kepercayaan 1, jadi disimpulkan model regresi tidak memengaruhi heteroskedastisitas.
Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah variabel pada model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang
baik seharusnya tidak ditemukan adanya korelasi di antara variabel independen.
Tabel 4.10 Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
REKRUTMEN .536
1.865 IMBALAN
.536 1.865
Sumber : Hasil Pengolahan SPSS Agustus 2015
63
Berdasarkan Tabel 4.10 dapat dilihat bahwa nilai VIF dari variabel Sistem Rekrutmen dan Imbalan terhadap Kualitas Kerja lebih kecil atau dibawah 5 VIF
5, ini berarti tidak terkena multikolinearitas antara variabel independen dalam model regresi. Nilai Tolerance dari variabel bebas yakni, Sistem Rekrutmen dan
Imbalan lebih besar dari 0.1 Tolerance 0.1, ini berarti tidak terdapat multikolienaritas antar variabel independen dalam model regresi.
4.2.3 Uji Hipotesis Uji Simultan Uji F
