Berdasarkan tabel 4.24. di atas dapat dilihat hasil uji normalitas data yaitu jika asymp.sig 0,05 alpha maka dikatakan menyebar secara normal. Hasil uji
normalitas dapat diperoleh melalui uji one-sample Kolmogorof-Smirnov sebesar 0,483 dan tingkat signifikansinya 0,974. Hal ini menunjukkan data berdistribusi
normal karena nilai signifikansi 0,05.
4.1.2.2 Uji Multikolinearitas
Menurut Ghozali 2011: 105 “Uji multikolinearitas digunakan untuk
menguji apakah dalam model regresi ditemukan adanya kolerasi yang tinggi atau sempurna antar variabel independen
”. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Ada tidaknya multikolinearitas di
dalam model regresi dapat diketahui dengan melihat besarnya Variance Inflation Factor VIF dan nilai Tolerance. Jika nilai VIF 10 dan nilai toleransinya 0,10
maka disimpulkan tidak terjadi multikolinearitas antarvariabel dalam regresi. Perhitungan uji multikolinearitas dalam penelitian ini menggunakan program
SPSS pada tabel 4.25. berikut:
Tabel 4.25. Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant .550
7.389 .074
.941 Keterlibatan Kerja
.312 .127
.310 2.450
.020 .751
1.331 Disiplin Kerja
.270 .077
.469 3.493
.002 .665
1.504 Kompensasi
.304 .137
.261 2.218
.034 .866
1.155 a. Dependent Variable: Kinerja
Sumber: Hasil pengolahan data penelitian, diolah Tahun 2016 Lampiran 24 Halaman 222
Berdasarkan hasil uji multikolinearitas pada tabel 4.25. di atas menunjukkan setiap variabel bebas mempunyai nilai tolerance di atas 0,1 yaitu
untuk variabel keterlibatan kerja 0,751, variabel disiplin kerja 0,665, dan untuk variabel kompensasi 0,866. Berdasarkan tabel 4.27. diperoleh nilai VIF untuk
variabel keterlibatan kerja 1,331, variabel disiplin kerja 1,504, dan variabel kompensasi 1,155. Nilai VIF untuk semua variabel bebas jauh di bawah 10 atau
VIF 10, sehingga dapat disimpulkan bahwa tidak ditemukan adanya multikolinearitas dalam model regresi ini tidak terjadi multikolinearitas.
4.1.2.3 Uji Heteroskedastisitas
Menurut Ghozali 2011: 139 “Uji heteroskedastisitas bertujuan untuk
menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu
pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas ”. Model
regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi heteroskedastisitas. Perhitungan uji heteroskedastisitas dalam penelitian ini
menggunakan program SPSS, hasil pengolahan uji heteroskedastisitas dengan menggunakan SPSS adalah sebagai berikut:
Gambar 4.3. Scatter Plot Hasil Uji Heteroskedastisitas
Sumber: Hasil Pengolahan Data Penelitian Tahun 2016 Lampiran 24 Halaman 222
Grafik scatterplot di atas menunjukkan bahwa titik-titik tersebar secara acak, baik berada di atas maupun di bawah angka nol pada sumbu vertikal Y dan
tidak membentuk pola yang teratur. Hal ini berarti model regresi tidak mengandung heteroskedastisitas. Untuk lebih jelasnya uji heteroskedastisitas juga
dapat dilakukan dengan menggunakan uji glejser seperti yang tertera pada tabel 4.26. berikut:
Tabel 4.26. Hasil Uji Heteroskedastisitas Menggunakan Uji
Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
3.146 4.001
.786 .438
Keterlibatan Kerja .042
.069 .128
.615 .543
Disiplin Kerja -.006
.042 -.031
-.138 .891
Kompensasi -.049
.074 -.128
-.659 .515
a. Dependent Variable: ABS_RES
Sumber: Hasil pengolahan data penelitian Tahun 2016 Lampiran 23 Halaman 223
Berdasarkan tabel 4.26. di atas dapat dilihaat hasil uji glejser yaitu nilai signifikansi 0,05 alpha maka variabel tersebut tidak mengandung adanya
heteroskedastisitas. Hasil uji heteroskedastisitas yang diperoleh melalui uji glejser nilai signifikansinya 0,05 baik variabel X
1
, X
2
, dan X
3
. Untuk variabel keterlibatan kerja nilai signifikansinya sebesar 0,543, variabel disiplin kerja nilai
signifikansinya sebesar 0,891, dan variabel kompensasi nilai signifikansinya sebesar 0,515. Jadi dapat disimpulkan bahwa model regresi tidak mengandung
adanya heteroskedastisitas.
4.1.3 Analisis Regresi Linier Berganda