Tabel IV.13
Test of Homogeneity of Variance
2.663 1
153 .105
2.740 1
153 .100
2.740 1
152.997 .100
2.658 1
153 .105
1.712 1
153 .193
1.652 1
153 .201
1.652 1
148.772 .201
1.610 1
153 .206
Based on Mean Based on Median
Based on Median and with adjusted df
Based on trimmed mean Based on Mean
Based on Median Based on Median and
with adjusted df Based on trimmed mean
Pelatihan
Motivasi Kerja Levene
Statistic df1
df2 Sig.
Sumber: Hasil Penelitian 2008 Data Diolah Hasil uji homogenitas pada tabel IV.13 di atas menunjukkan bahwa data yang
terdapat pada butir-butir pernyataan pelatihan dan motivasi kerja berasal dari populasi yang bervarian homogin karena nilai signifikansi pelatihan 0.105 Nilai alpha 0.05
dan nilai signifikansi motivasi 0.193 nilai alpha 0.05 sehingga statistik parametrik dalam hal ini teknik analisa data secara regresi dapat digunakan.
IV.4.3. Uji Linearitas Garis Regresi
Untuk melakukan uji linieritas garis regresi juga diperlukan hipotesis. Hipotesis yang digunakan untuk menguji linieritas garis regresi tersebut dinyatakan
sebagai berikut: Ho : Model regresi berbentuk linier
Ha : Model regresi berbentuk non-linier Untuk menyatakan apakah garis regresi tersebut linier atau tidak linier atau
menerima atau menolak Ho, menurut Sudarmanto 2005: 135, ada dua alternatif
ukuran yang dapat digunakan, seperti yang telah dijelaskan pada bab sebelumnya. Pengujian linieritas garis regresi pada penelitian ini dengan menggunakan harga
koefisien signifikansi untuk menolak atau menerima Ho yang dibandingkan dengan tingkat alpha.
Koefisien alpha yang digunakan oleh peneliti adalah 5, maka simpulan yang harus diambil, yaitu Ho akan diterima jika nilai signifikansi dari Deviation from
Linearity dari alpha yang ditetapkan dan sebaliknya, Ho akan ditolak jika mempunyai nilai yang lainnya. Deviation from Linearity ini diperoleh dari Tabel
ANOVA dengan menggunakan program SPSS seperti terlihat pada tabel IV.14 berikut:
Tabel IV.14
ANOVA Table
11299.040 30
376.635 11.385
.000 10243.843
1 10243.843
309.644 .000
1055.197 29
36.386 1.100
.349 4102.248
124 33.083
15401.288 154
Combined Linearity
Deviation from Linearity Between
Groups Within Groups
Total Kinerja Karyawan
Y Pelatihan X1 Sum of
Squares df
Mean Square F
Sig.
ANOVA Table
12742.487 38
335.329 14.630
.000 11892.851
1 11892.851
518.870 .000
849.636 37
22.963 1.002
.479 2658.800
116 22.921
15401.288 154
Combined Linearity
Deviation from Linearity Between
Groups Within Groups
Total Kinerja Karyawan Y
Motivasi Kerja X2 Sum of
Squares df
Mean Square F
Sig.
Sumber: Hasil Penelitian 2008 Data Diolah
Hasil uji linieritas garis regresi berdasarkan data yang terdapat pada tabel IV.14 di atas menunjukkan bahwa garis regresi tersebut adalah linier karena nilai
signifikansi untuk pelatihan 0.349 dan motivasi 0.479 lebih besar dari koefisien alpha 5.
Melalui bentuk diagram chart yang ditampilkan dapat juga menerjemahkan untuk melihat normalitas sampel, linearitas keterhubungan dan kesamaan variansi.
Untuk mengetahui persyaratan linearitas dan kesamaan variansi, dapat membuat plot antara nilai residu ZRESID dengan nilai prediksi ZPRED Amir, 2006: 157.
Hubungan regresi berbentuk linear dan variansinya dapat dilihat dalam diagram pencar probabilitas Normal Probability Plot atau disingkat dengan P-P Plot.
Diagram ini menggambarkan nilai residu amatan yang dihitung secara kumulatif dan dicocokan dengan nilai residu normal yang digambarkan dengan garis lurus
menyamping dari kiri bawah ke kanan atas, seperti terlihat pada gambar IV.2 dibawah. Bila nilai residu amatan berkonsentrasi dan sejalan dengan garis tersebut,
maka sampel berdistribusi normal, keterhubungan antara dua variabel ditandai dengan adanya garis lurus atau garis yang beraturan.
0.0 0.2
0.4 0.6
0.8 1.0
Observed Cum Prob
0.0 0.2
0.4 0.6
0.8 1.0
E xp
ect ed
C u
m P
rob
Dependent Variable: Kinerja Karyawan Y Normal P-P Plot of Regression Standardized Residual
Sumber: Hasil Penelitian 2008 Data Diolah
Gambar IV.2 Normal P –P Plot of Standardized Residual
Bila persyaratan normalitas, homogenitas dan linearitas sudah terpenuhi maka penggunaan regresi linear ganda untuk menganalisis data dapat dilakukan. Syarat lain
untuk penggunaan regresi linear berganda adalah uji multikolinearitas, autokorelasi dan heterokedasitas.
IV.4.4. Uji Multikolinearitas
