Uji Asumsi Klasik
B. Uji Asumsi Klasik
1. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal (Situmorang et al, 2008:55). Uji normalitas dilakukan dengan menggunakan pendekatan kolmogrov smirnov . Dengan menggunakan tingkat signifikan 5% maka jika nilai Asymp.Sig. (2-tailed) diatas nilai signifikan 5% artinya variabel residua l berdistribusi normal (Situmorang et al, 2008:62).
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: KEPUASAN KERJA
E xpect
Observed Cum Prob
Gambar 4.1 Scatterplot Uji Normalitas
Sumber : Hasil Olahan SPSS 16.0 For Windows (November, 2009)
Pada gambar 4.1 terlihat titik-titik yang mengikuti data di sepanjang garis diagonal, hal ini berarti data berdistribusi normal. Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal maka dilakukan uji kolmogorov smirnov .
Tabel 4.4
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual N
,0000000 Normal Parameters(a,b) Std. Deviation 1,12418906
Mean
Most Extreme
-,067 Kolmogorov-Smirnov Z
Negative
1,127 Asymp. Sig. (2-tailed)
a Test distribution is Normal. b Calculated from data. Sumber : Hasil Olahan SPSS 16.0 For Windows (November, 2009)
Pada Tabel 4.4 terlihat bahwa nilai Asymp.Sig. (2-tailed) adalah 0,158 dan di atas nilai signifikan (0,05), dengan demikian variabel residual berdistribusi normal.
2. Uji Heteroskedastisitas
Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Heteroskedastisitas diuji dengan menggunakan uji Glejser dengan pengambilan keputusan jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadinya heteroskedastisitas. Jika probabilitas signifikannya di atas tingkat kepercayaan 5% dapat disimpulkan model regresi tidak mengarah adanya heteroskedastisitas. Melalui analisis grafik, suatu model regresi dianggap tidak terjadi heteroskedastisitas, jika titik-titik menyebar secara acak tidak membentuk Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Heteroskedastisitas diuji dengan menggunakan uji Glejser dengan pengambilan keputusan jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadinya heteroskedastisitas. Jika probabilitas signifikannya di atas tingkat kepercayaan 5% dapat disimpulkan model regresi tidak mengarah adanya heteroskedastisitas. Melalui analisis grafik, suatu model regresi dianggap tidak terjadi heteroskedastisitas, jika titik-titik menyebar secara acak tidak membentuk
Scatterplot
Dependent Variable: KEPUASAN KERJA
dual esi R
ed 1
iz
tudent 0 S on
R egressi
Regression Standardized Predicted Value
Gambar 4.2 Scatterplot Uji Heteroskedastisitas.
Sumber : Hasil Olahan SPSS 16.0 For Windows (November, 2009)
Pada Gambar 4.2 terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas di atas maupun di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga layak dipakai untuk memprediksi kepuasan kerja karyawan, berdasarkan masukan variabel bebasnya.
Tabel 4.5
Coefficients a
Unstandardized
Standardized
Collinearity Statistics Model
Coefficients
Coefficients
Tolerance VIF 1 (Constant)
B Std. Error
HUBUNGAN INTERPERSONAL
,415 2,412 LINGKUNGAN KERJA
,415 2,412 a. Dependent Variable: ABSUT
Sumber : Hasil Olahan SPSS 16.0 For Windows (November, 2009)
Kriteria pengambilan keputusan dengan uji glejser sebagai berikut:
a. Jika nilai signifikansi > 0,05 maka tidak mengalami gangguan heteroskedastisitas
b. Jika nilai signifikansi < 0,05 maka mengalami gangguan heteroskedastisitas
Tabel 4.5 memperlihatkan bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut (absut). Hal ini terlihat dari probabilitas signifikansi di atas tingkat kepercayaan 5%, jadi model regresi tidak mengarah adanya heteroskedastisitas.
3. Uji Multikolinearitas
Gejala multikololinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF (Varience Inflation Factor) melalui program SPSS 16. Tolerance mengukur variabilitas variabel terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai umum yang biasa dipakai adalah nilai Tolerance > 0,1 atau nilai VIF < 5, maka tidak terjadi multikolinearitas (Situmorang et al, 2008:104).
Tabel 4.6
Coefficients a
Unstandardized
Standardized
Collinearity Statistics Model
Coefficients
Coefficients
Tolerance VIF 1 (Constant)
B Std. Error
,415 2,412 a. Dependent Variable: KEPUASAN KERJA
LINGKUNGAN KERJA
Sumber : Hasil Olahan SPSS 16.0 For Windows (November, 2009)
Dari Tabel 4.6 dapat dilihat bahwa VIF < 5, maka tidak terjadi multikolinearitas dan tolerance > 0,1 maka tidak terjadi multikolinearitas.