asumsi-asumsi yang harus dipenuhi agar model tidak bias. Untuk itu terlebih dahulu dilakukan evaluasi terhadap kemungkinan pelanggaran terhadap asumsi
regresi linear yakni uji normalitas data, multikolinearitas, heteroskedastisitas, dan autokorelasi. Satu asumsi yang tidak diikutkan dalam evaluasi ini adalah
autokorelasi, karena autokorelasi pada dasarnya digunakan untuk menguji data yang dikumpulkan menurut periode waktu Gujarati, 2003
4.4.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam sebuah regresi variabel pengganggu atau residual berdistribusi normal atau tidak. Ada dua cara
untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik
4.4.1.1 Analisis Grafik
Untuk melihat normalitas data digunakan pendekatan grafik yaitu yang dihasilkan melalui perhitungan regresi dengan SPSS. Hasil pengujian normalitas
dapat dilihat pada gambar 4.1 berikut:
Normal P-P Plot of Regression Standardized Residual Dependent Variable: KOMITMEN
Observed Cum Prob
1,00 ,75
,50 ,25
0,00
Ex p
e c
te d
C u
m Pro
b
1,00 ,75
,50 ,25
0,00
Sumber: Hasil Penelitian 2007 Data diolah Gambar 4.2 Normalitas Data
Nursiah Fitri : Pengaruh Persepsi Dukungan Organisasi dan Kepuasan Kerja Terhadap Komitmen Pegawai Administrasi Politeknik Negeri Medan.
USU e-Repository © 2008.
Pengujian normalitas data dimaksudkan untuk melihat kenormalan distribusi variabel dependen dan independen dalam model regresi. Gujarati 2003
menyatakan bahwa jika data menyebar disekitar garis diagonal dan mengikuti an arah garis diagonal maka model regresi memenuhi asumsi normalitas, dan
sebaliknya jika data menyebar jauh dari garis diagonal danatau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi-asumsi
normalitas. Pengujian bisa dilakukan dengan menggunakan normality plot dengan meilhat grafik PP_Plot, jika terlihat sebaran data bergerombol disekitar
garis diagonal yang mengarah ke kanan atas dan tidak ada data yang terletak jauh dari sebaran data, maka data tersebut bisa dikatakan normal.
Berdasarkan gambar 4.2 dapat disimpulkan bahwa data yang digunakan menunjukkan indikasi normal. Analisis dari grafik di atas terlihat titik-titik
menyebar di sekitar garis diagonal serta penyebarannya mengikuti arah garis diagonal, sehingga data dalam penelitian ini berdistribusi normal.
4.4.1.2 Uji Statistik Normalitas
Uji normalitas tidak cukup dilakukan dengan grafik, bisa saja secara visual kelihatannya normal, tetapi secara statistik tidak normal. Oleh karena itu
pengujian normalitas data perlu dilanjutkan dengan uji Kolmogorof-Smirnov. Jika nilai Kolmogorof-Smirnov tidak signifikan pada = 0,05, hal ini berarti data
residual berdistribusi normal.
Nursiah Fitri : Pengaruh Persepsi Dukungan Organisasi dan Kepuasan Kerja Terhadap Komitmen Pegawai Administrasi Politeknik Negeri Medan.
USU e-Repository © 2008.
Tabel 4.14 Uji Statistik
One-Sample Kolmogorov-Smirnov Test
58 -3,14723E-09
,9822995 ,112
,112 -,104
,849 ,467
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
Standardized Residual
Test distribution is Normal. a.
Calculated from data. b.
Berdasarkan print out di atas diperoleh nilai Kolmogorov-Smirnov sebesar 0,849 yang tidak signifikan pada = 0,05 karena = 0,467 0,05 . Hal ini
berarti bahwa data residual berdistribusi normal.
4.4.2 Uji Multikolinearitas
