30. Pada P30: “Sistem promosi yang berlaku di organisasi tempat saya bekerja
cukup transparan” mendapatkan tanggapan 7 orang 20 setuju, 14 orang 40 tidak setuju dan 14 orang 40 menyatakan sangat tidak setuju.
4.3 Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk memenuhi asumsi-asumsi regresi agar nilai estimasi tidak bias. Uji asumsi klasik dilakukan untuk melihat apakah model
analisis regresi yang digunakan sudah layak atau belum. Uji asumsi klasik dalam penelitian ini terdiri atas uji normalitas, uji heteroskedastisitas, dan uji
multikolinieritas. Hasil uji asumsi klasik pada penelitian ini dapat diuraikan sebagai berikut:
4.3.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah nilai residual berdistribusi normal atau tidak, yang dapat dilakukan melalui beberapa
pendekatan yaitu pendekatan histogram, pendekatan grafik, dan pendekatan Kolmogorov-Smirnov dengan penjelasan sebagai berikut:
1. Pendekatan Histogram
Pada pendekatan histogram, dikatakan variabel berdistribusi normal pada grafik histogram yang berbentuk lonceng yaitu apabila distribusi data tersebut
tidak menceng kekiri atau menceng kekanan.Sebaliknya, jika bentuk grafik menceng ke kiri atau ke kanan, maka menunjukkan bahwa variabel tidak
berdistribusi normal.
Universitas Sumatera Utara
Hasil uji normalitas dengan pendekatan histogram ditunjukkan pada gambar berikut:
Sumber: Hasil Pengolahan SPSS 2016.
Gambar 4.2 Hasil Uji Normalitas Dengan Pendekatan Histogram
Pada grafik histogram di atas, terlihat bahwa variabel berdistribusi normal. Hal ini ditunjukkan oleh distribusi data tersebut tidak menceng ke
kiri atau menceng ke kanan.
2. Pendekatan Grafik
Cara lainnya untuk melihat uji normalitas yaitu dengan pendekatan grafik. PP plot akan membentuk plot antara nilai-nilai teoritis Sumbu X
Universitas Sumatera Utara
melawan nilai-nilai yang didapat dari sampel Sumbu Y. Apabila plot keduanya berbentuk linier dapat didekati oleh garis lurus, maka hal ini
merupakan indikasi bahwa residual menyebar secara normal.
Sumber: Hasil Pengolahan SPSS 2016.
Gambar 4.3 Hasil Uji Normalitas Dengan Pendekatan Grafik
Berdasarkan hasil uji normalitas dengan pendekatan grafik diatas, dapat diketahui bahwa data memiliki distribusi atau penyebaran yang normal, hal
ini dapat dilihat dari penyebaran titik berada disekitar sumbu diagonal dari grafik.
3. Pendekatan Kolmogorov-Smirnov
Dasar pengambilan keputusan untuk uji normalitas dengan pendekatan Kolmogorov-Smirnov yaitu apabila nilai value pada kolom Asymp. Sig lebih
Universitas Sumatera Utara
besar dari level of significant α = 5, maka berarti variabel residual tidak
mengalami gangguan distribusi normal.
Tabel 4.8 Hasil Uji Normalitas Dengan Pendekatan Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 35
Normal Parameters
a,b
Mean .0000000
Std. Deviation 1.06073524
Most Extreme Differences
Absolute .113
Positive .113
Negative -.095
Kolmogorov-Smirnov Z .671
Asymp. Sig. 2-tailed .759
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Pengolahan SPSS 2016.
Melalui Tabel 4.8, terlihat bahwa nilai Asymp. Sig. 2-tailed adalah 0.759 dan di atas nilai signifikan 0.05. Sehingga dapat disimpulkan bahwa
data residual berdistribusi normal.
4.3.2 Uji Heteroskedastisitas
Uji heteroskedastisitas dimaksudkan untuk mengetahui tingkat penyebaran atau variasi dari semua variabel yang diobservasi. Jika terdapat
ketidaksamaan varian maka dapat dikatakan terjadi gangguan heteroskedastisitas. Gejala heterokedastisitas dapat dideteksi dengan dua cara
yaitu:
Universitas Sumatera Utara
1. Pendekatan Grafik
Gambar scatter plot grafik dapat mengindikasikan ada atau tidaknya gejala heteroskedastisitas pada model regresi yang digunakan.Apabila grafik
tidak membentuk pola yang jelas maka artinya tidak mengalami gangguan heterokedastisitas.
Sumber: Hasil Pengolahan SPSS 2016.
Gambar 4.4 Hasil Uji Heteroskedastisitas Dengan Pendekatan Grafik
Gambar 4.4 menunjukkan bahwa penyebaran residual cenderung tidak teratur, terdapat titik-titik yang berpencar. Kesimpulan yang dapat diperoleh
adalah tidak terdapat gejala heterokedastisitas, sehingga model regresi layak dipakai untuk memprediksi kepuasan kerja berdasarkan masukan variabel
kompetensi dan variabel iklim organisasi.
Universitas Sumatera Utara
2. Pendekatan Glejser
Kriteria pengambilan keputusannya adalah sebagai berikut: a. Jika nilai signifikansi 0.05, maka tidak mengalami gangguan
heteroskedastisitas. b. Jika nilai signifikansi 0.05, maka mengalami gangguan
heteroskedastisitas.
Tabel 4.9 Hasil Uji Heteroskedastisitas Dengan Pendekatan Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta Constant
1,003E-013 2,449
,000 1,000
Kompetensi ,000
,089 ,000
,000 1,000
Iklim Organisasi ,000
,072 ,000
,000 1,000
a. Dependent Variable: AbsUt
Sumber: Hasil Pengolahan SPSS 2016.
Tabel 4.9 menunjukkan tidak adanya masalah heterokedastisitas, dimana hasil uji signifikan variabel kompetensi dan iklim organisasi menunjukkan
nilai lebih besar dari 0.05.
4.3.3 Uji Multikolinieritas
Gejala multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor. Kedua ukuran ini menunjukkan setiap
variabel bebas mana yang dijelaskan oleh variabel terikat lainnya. Tolerance adalah mengukur variabilitas variabel bebas yang terpilih yang tidak
dijelaskan oleh variabel bebas lainnya. Kriteria pengambilan keputusannya adalah sebagai berikut:
a. Tolerance value 0.1 atau VIF 5, maka terjadi multikolinieritas
b. Tolerance value 0.1 atau VIF 5, maka tidak terjadi multikolinieritas.
Universitas Sumatera Utara
Tabel 4.10 Hasil Uji Multikolinieritas
Coefficients
a
Sumber: Hasil Pengolahan SPSS 2016.
Pada Tabel 4.10 terlihat bahwa nilai tolerance dari variabel kompetensi dan iklim organisasi 0.1 dan nilai VIF 5 yang artinya tidak terjadi masalah
multikolinearitas pada masing-masing variabel bebas tersebut.
4.4 Analisis Regresi Linier Berganda