84
Hasil uji kolmogrov-smirnov dapat dilihat Tabel 4.8 pada berikut ini:
Tabel 4.8 Uji Kolmogrov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 40
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 2.38129698
Most Extreme Differences Absolute
.130 Positive
.073 Negative
-.130 Kolmogorov-Smirnov Z
.820 Asymp. Sig. 2-tailed
.513 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Pengolahan SPSS Maret 2016
1. Pada Tabel 4.8 dapat dilihat bahwa data berdistribusi normal karena
nilai Asymp.Sig 2-tailed sebesar 0,513 di atas tingkat signifikansi 0,05 atau 5. Atau Asymp.Sig 2-tailed 0,05. Dengan kata lain
variabel residual berdistribusi normal. 2.
Nilai Kolmogorov-Smirnov Z lebih kecil dari 1,97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empiric atau dengan
kata lain data dikatakan normal.
4.2.3.2 Uji Heteroskedastisitas
Uji heteroskedastisitas dapat dilakukan dengan grafik dan analisis statistik berupa Uji Glejser. Melalui analisis grafik, suatu model regresi dianggap tidak
Universitas Sumatera Utara
85
terjadi heteroskedastisitas jika titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu yang jelas serta tersebar di atas maupun di bawah
angka nol pada sumbu Y.
Tabel 4.9 Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
4.638 1.309
3.543 .001 Perilaku Pemimpin
.010 .063
.039 .152 .880
Komitmen Karyawan -.135
.090 -.382
-1.504 .141 a. Dependent Variable: absut
Sumber : Hasil Pengolahan SPSS Maret 2016
Pada Tabel 4.9 dapat dilihat bahwa tidak terdapat satu pun variabel bebas yang signifikan secara statistik mempengaruhi variabel terikat. Hal ini terlihat dari
probabilitas variabel bebas yang terdiri dari perilaku pemimpin dan komitmen karyawan di atas signifikansi 5. Jadi dapat dinyatakan bahwa model regresi
tidak mengarah adanya heteroskedastisitas. Berikut ini grafik heteroskedastisitas adalah sebagai berikut:
Universitas Sumatera Utara
86
Sumber : Hasil Pengolahan SPSS Maret 2016
Gambar 4.3 Pengujian Heteroskesdastisitas
4.2.3.3 Uji Multikolinearitas
Gejala multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor. Kedua ukuran ini menunjukkan setiap variabel
bebas manakah yang dijelaskan oleh variabel terikat lainnya. Tolerance adalah mengukur variabilitas variabel bebas yang terpilih yang tidak dijelaskan variabel
bebas lainnya. Nilai yang dipakai untuk Tolerance 0,1 dan VIF 1, maka tidak terjadi multikolinearitas.
Universitas Sumatera Utara
87
Tabel 4.10 Uji Nilai Tolerance dan VIF
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant 12.182
2.158 5.645 .000
Perilaku Pemimpin
.036 .104
.068 .349 .729
.368 2.717 Komitmen
Karyawan .493
.148 .644 3.323 .002
.368 2.717 a. Dependent Variable: Prestasi Kerja
Sumber : Hasil Pengolahan SPSS Maret 2016
Berdasarkan Tabel 4.10 dapat dilihat bahwa : 1.
Nilai VIF dari variabel Perilaku Pemimpin dan Komitmen Karyawan lebih kecil atau dibawah 5 VIF 5, ini berarti tidak
terdapat multikolinearitas antar independen dalam model regresi. 2.
Nilai Tolerance dari variabel Perilaku Pemimpin dan Komitmen Karyawan lebih besar dari 0,1. Ini berarti terdapat multikolinearitas
antar variabel independen dalam model regresi.
4.2.4 Analisis Regresi Linear Berganda 4.2.4.1 Uji Serempak Uji-F