72
-3 -2
-1 1
2 3
Regression Standardized Residual
2 4
6 8
10 12
F re
q u
e n
c y
Mean = -1.36E-15 Std. Dev. = 0.986
N = 74
Dependent Variable: Motivasi Histogram
4.2.3. Pengujian Asumsi Klasik
Sebelum melakukan pengujian hipotesis, terlebih dahulu dilakukan pengujian asumsi klasik yang dimaksudkan untuk memastikan bahwa model regresi
linear berganda dapat digunakan atau tidak. Apabila uji asumsi klasik telah terpenuhi, alat uji statistik linear berganda dapat dipergunakan.
4.2.3.1. Uji Normalitas Untuk pengujian normalitas data dalam penelitian ini dideteksi melalui
analisa grafik dan statistik yang dihasilkan melalui perhitungan regresi dengan SPSS. Hasil pengujian normalitas dapat dilihat pada Gambar 4.2 berikut :
Sumber : Hasil Pengolahan SPSS
Gambar 4.2. Uji Normalitas
Universitas Sumatera Utara
73
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 x
p e
c te
d C
u m
P ro
b
Dependent Variable: Motivasi Normal P-P Plot of Regression Standardized Residual
Sumber : Hasil Pengolahan SPSS
Gambar 4.3. Uji Normalitas
Dari Gambar 4.3. di atas, dapat disimpulkan bahwa data yang digunakan menunjukkan normal. Ghozali 2005 menyatakan bahwa, jika data menyebar
disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal maka model regresi meneuhi asumsi normalitas
dan sebaliknya jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal,
maka model regresi tidak memenuhi asumsi nomalitas. Analisis dari grafik di atas terlihat titik-titik menyebar di sekitar garis diagonal, serta penyebarannya mengikuti
Universitas Sumatera Utara
74 arah garis diagonal. Maka model regresi layak dipakai untuk memprediksi motivasi
kerja pegawai berdasarkan masukan variabel independen. Selanjutnya uji normalitas data dilakukan dengan analisis statistik dengan
menggunakan alat uji non parametrik Kolmogorov – Smirnov K-S, seperti terlihat pada Tabel 4.4 berikut ini:
Tabel 4.4. Uji Kolmogorov – Smirnov K-S
Sumber : Hasil Pengolahan SPSS Dari Tabel 4.4 di atas diketahui besarnya nilai Kolmogorov-Smirnov adalah
0,614 dan tidak signifikan pada sig 0,845 p value 0,845 0,05. Hal ini berarti data residual berdistribusi normal, dan hasilnya konsisten dengan uji sebelumnya.
One-Sample Kolmogorov-Smirnov Test
74 .0000000
1.23897697 .071
.071 -.050
.614 .845
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed
Unstandardized Residual
Test distribution is Normal. a.
Calculated from data. b.
Universitas Sumatera Utara
75 4.2.3.2. Uji Multikolinieritas
Uji mulitikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka
terdapat masalah multikolinieritas. Pada model regresi yang baik tidak terjadi korelasi di antara variabel independen.
Hasil pengujian multikolinieritas data dalam penelitian ini menggunakan alat bantu SPSS, hasilnya dapat dilihat pada Tabel 4.5 berikut :
Tabel 4.5. Hasil Uji Multikolinearitas
Sumber : Hasil Pengolahan SPSS Dari Tabel 4.5 menunjukkan nilai Tolerance tidak ada variabel independen
yang memiliki nilai Tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar variabel independen yang nilainya lebih dari 95 Ghozali, 2005. Hasil
perhitungan Variance Inflation Factor VIF juga menunjukkan hal sama tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat
disimpulkan bahwa tidak ada multikolinieritas antar variabel indenpenden dalam model regresi.
Coefficients
a
9.335 2.481
.348 .102
.378 .685
1.461 .426
.138 .342
.685 1.461
Constant Insentif
Karir
Model 1
B Std. Error
Unstandardized Coefficients
Beta Standardized
Coefficients Tolerance
VIF Collinearity Statistics
Dependent Variable: Motivasi a.
Universitas Sumatera Utara
76
- 2 - 1
1 2
3
R e g r e s s i o n S t a n d a r d i z e d P r e d i c t e d V a l u e
- 4 - 2
2 4
R e
g re
s s
io n
S tu
d e
n ti
z e
d R
e s
id u
a l
D e p e n d e n t V a r ia b le : M o t iv a s i S c a t t e r p lo t
4.2.3.3. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam sebuah
regresi terjadi ketidaksamaan varians dari residual satu pengamatan kepengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain
tetap, maka disebut homoskedastisitas, dan jika varians berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heterokedastisitas.
Hasil pengujian heteroskedastisitas data dalam penelitian ini menggunakan alat Bantu SPSS dengan mengamati pola yang terdapat pada Scatterplots, hasilnya
dapat dilihat pada Gambar 4.4 sebagai berikut :
Sumber : Hasil Pengolahan SPSS
Gambar 4.4. Hasil Uji Heteroskedastisitas
Universitas Sumatera Utara
77 Dari Gambar 4.4 di atas terlihat bahwa titik-ttitik menyebar secara acak
random serta tersebar di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi,
sehingga model regresi layak dipakai. Menurut Ghozali 2005, jika ada pola tertentu, seperti titik-titik yang
membentuk suatu pola yang teratur bergelombang, melebar kemudian menyempit, maka telah terjadi heterokedastisitas dan jika tidak ada pola yang jelas, serta titik-
titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Hal ini berarti tidak terjadi heteroskedistisitas pada model
regresi, sehingga model regresi layak dipakai untuk memprediksi keputusan memilih berdasarkan masukan dari variabel bebasnya.
Selanjutnya dilakukan uji statistik untuk menjamin keakuratan hasil. Adapun uji statistik yang digunakan untuk mendeteksi ada tidaknya heteroskedasitas adalah
uji Glesjer.
Tabel 4.6. Hasil Uji Glesjer
Sumber : Hasil Pengolahan SPSS
Coefficients
a
2.576 1.486
1.733 .087
-.046 .061
-.107 -.754
.453 -.018
.082 -.030
-.214 .831
Constant Insentif
Karir
Model
1
B Std. Error
Unstandardized Coefficients
Beta
Standardized Coefficients
t Sig.
Dependent Variable: res_2 a.
Universitas Sumatera Utara
78 Dari Tabel 4.6 di atas menunjukkan bahwa tidak ada satupun variabel
independen yang signifikan secara statistik mempengaruhi variabel dependen. Hal ini terlihat dari probabilitas signifikansinya sig di atas tingkat kepercayaan 5
0,05. Jadi dapat disimpulkan model regresi tidak mengandung adanya heteroskedasitas.
4.2.3.4. Uji Kebagusan Model
Tabel 4.7. Hasil Uji Determinasi
Sumber : Hasil Pengolahan SPSS Berdasarkan Tabel 4.7 di atas, diketahui bahwa besarnya koefisien
determinasi atau angka R- Square R
2
adalah sebesar 0,406 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas indenpenden sebesar
40,60. Sedangkan sisanya 59,40 dijelaskan oleh variabel-variabel bebas lain yang tidak diteliti dan tidak dimasukkan ke dalam model regresi.
Model Summary
.637
a
.406 .389
1.25631
Model
1
R R Square
Adjusted R Square
Std. Error of the Estimate
Predictors: Constant, Karir, Insentif a.
Universitas Sumatera Utara
79
4.2.4. Pengujian Hipotesis