Sikap ditingkatkan pada karyawan PT Bank Sumut Cabang Tarutung maka dapat menaikkan Perilaku Kelompok sebesar 0.726.
c. Standar error e menunjukkan tingkat kesalahan.
4.4 Uji Asumsi Klasik
Uji asumsi klasik diggunakan untuk melihat atau menguji apakah suatu model layak atau tidak layak digunakan dalam penelitian. Uji asumsi klasik yang
digunakan dalam penelitian ini adalah sebagai berikut:
4.4.1. Uji Normalitas
Tujuan uji normalitas adalah untuk menguji apakah dalam model regresi distribusi sebuah data mengikuti atau mendekati distribusi normal,
yakni distribusi data dengan bentuk lonceng. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid. Ada dua cara untuk mendeteksi
apakah data berdistribusi normal atau tidak, yaitu dengan pendekatan grafik dan pendekatan Kolmogorv-Smirnov.
Dengan menggunakan tingkat signifikan 5 0,05 maka asymp. Sig 2- tailed diatas nilai signifikansi 5 0,05 artinya variabel residual
berdistribusi normal. Salah satu cara untuk melihat normalitas adalah dengan melihat grafik
histogram dan grafik normal plot yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi normal.
Universitas Sumatera Utara
1. Pendekatan Histogram
Pada gambar 4.3 terlihat bahwa residual data berdistribusi normal, hal ini ditunjukkan oleh distribusi data yang berbentuk lonceng dan tidak
melenceng ke kiri atau ke kanan.
Gambar 4.3 : Histogram Uji Normalitas
Sumber : Hasil Pengelohan SPPS 2012
Universitas Sumatera Utara
2. Pendekatan Grafik
Pada Gambar 4.4 Normal P-P Plot terlihat titik-titik yang mengikuti data di sepanjang garis normal, hal ini berarti residual data
berdistribusi normal. 3. Pendekatan Kolmogorv-Smirnov
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Berikut ini pengujian
normalitas yang didasarkan dengan uji statistik non-parametik Kolmogorv- Smirnov K-S.
Gambar 4.4 : Normal P-P Plot Uji Normalitas Sumber : Hasil Pengelohan SPPS 2012
Universitas Sumatera Utara
Pada Tabel 4.8 terlihat bahwa nilai asymp. Sig. 2-tailed adalah 0.773 dan diatas nilai signifikan 0,05, hal ini berarti residual data
berdistribusi normal.
4.4.2 Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari suatu residual pengamatan ke
pengamatan lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika
berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 36
Normal Parameters
a
Mean .0000000
Std. Deviation 2.63947648
Most Extreme Differences Absolute
.110 Positive
.067 Negative
-.110 Kolmogorov-Smirnov Z
.662 Asymp. Sig. 2-tailed
.773 a. Test distribution is Normal.
Tabel 4.8 Hasil Uji Normalitas pendekatan
One-Sample Kolmogorov-Smirnov Test
Sumber: Hasil Pengolahan SPSS Agustus 2012
Universitas Sumatera Utara
Untuk mengatasi kelemahan pengujian dengan grafik dapat menggunakan pendekatan statistik dengan uji glejser, heteroskedastisitas
tidak akan terjadi apabila tidak satupun variabel independen signifikan secara statistik mempengaruhi variabel dependen nilai absolut Ut absUt.
Jika probabilitas signifikannya diatas tingkat kepercayaan 5 dapat disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu:
1. Metode Pendekatan Grafik Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik
menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang
membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heterokedastisitas.
Universitas Sumatera Utara
Pada Gambar 4.5 Grafik scatterPlot terlihat titik-titik menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas, serta
tersebar baik atas maupun dibawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model
regresi layak dipakai untuk memprediksi perilaku kelompok berdasarkan masukan variabel sikap dari karyawan.
2. Metode Pendekatan Statistik Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -5.299
5.835 -.908
.370 SIKAP
.726 .082
.835 8.855
.000 a. Dependent Variable: PERILAKUKELOMPOK
Gambar 4.5 : Scatter Plot Uji Heteroskedastisitas
Sumber : Hasil Pengelolahan SPSS 2012
Tabel 4.9 Hasil Uji Glejser Heteroskedastisitas
Sumber: Hasil Pengolahan SPSS Agustus 2012
Universitas Sumatera Utara
Pada Tabel 4.9 terlihat variabel Independent Sikap yang signifikan secara statistik mempengaruhi variabel dependent absolut Ut
AbSut. Hal ini terlihat dari nilai probabilitas X signifikannya 0.000 diatas tingkat kepercayaan 5 0,05, jadi disimpulkan model regresi tidak
mengarah adanya heteroskedastiitas.
4.4.3 Uji Multikolinieritas
