67
4.2.3 Uji Asumsi Klasik
Uji asumsi klasik yang dilakukan dalam penelitian ini adalah:
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah nilai residual berdistribusi normal atau tidak, yang dapat dilakukan melalui beberapa pendekatan yaitu:
a. Pendekatan Histogram
Sumber: Hasil pengolahan SPSS, 2013 data diolah
Gambar 4.2 Histogram
Pada grafik histogram terlihat bahwa variabel berdistribusi normal hal ini ditunjukkan oleh distribusi data tersebut tidak menceng ke kiri atau menceng
ke kanan. b.
Pendekatan Grafik Cara lain melihat uji normalitas dengan pendekatan grafik. PP plot akan
membentuk plot antara nilai-nilai teoritis sumbu x melawan nilai-nilai yang didapat dari sampel sumbu y. Apabila plot keduanya berbentuk linier dapat
Universitas Sumatera Utara
68
didekati oleh garis lurus, maka hal ini merupakan indikasi bahwa residual menyebar normal.
Sumber: Hasil pengolahan SPSS, 2013 data diolah Gambar 4.3 Pendekatan grafik
Pada gambar 4.3 scatter plot terlihat titik yang mengikuti data di sepanjang garis diagonal. Hal ini berarti data berdistribusi normal.
c. Pendekatan Kolmogorov-Smirnov
Untuk memastikan apakah data berdistribusi normal, maka dapat dilakukan dengan menggunakan uji kolmogorv-smirnov 1 sampel KS dengan melihat
data residunya.
Tabel 4.7 Hasil Uji Normalitas Pendekatan
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 35
Normal Parameters
a,b
Mean 0E-7
Universitas Sumatera Utara
69
Std. Deviation 1.42775168
Most Extreme Differences Absolute
.108 Positive
.108 Negative
-.099 Kolmogorov-Smirnov Z
.639 Asymp. Sig. 2-tailed
.809 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil pengolahan SPSS, 2013 data diolah Situmorang 2012:107 memaparkan bahwa dasar pengambilan keputusan
untuk Kolmogorov Smirnov yaitu nilai value pada kolom Asymp. Sig lebih besar dari level of significant
α = 5, maka tidak mengalami gangguan distribusi normal. Melalui Tabel 4.7 terlihat bahwa nilai Asymp. Sig. 2-
tailed adalah 0,809 dan diatas nilai signifikan 0,05. Dapat disimpulkan
bahwa data residual berdistribusi normal. Nilai kolmogorov-smirnov Z adalah 0,639 dan lebih kecil dari 1,97 berarti tidak ada perbedaan antara distribusi
teoritik dan distribusi empirik atau dengan kata lain data dikatakan normal.
2. Uji Heterokedastisitas
Heterokedastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Dengan kata lain,
heterokedastisitas terjadi jika residual tidak memiliki varian yang konstan. Alat untuk menguji heterokedastisitas dapat dibagi dua yaitu dengan alat analisis grafik
scatter plot atau dengan pendekatan statistik yang disebut sebagai Uji Glejser Situmorang, 2012:109.
a. Uji Glejser
Kriteria pengambilan keputusannya adalah sebagai berikut:
Universitas Sumatera Utara
70
1. Jika nilai signifikasi 0,05, maka tidak mengalami gangguan
heterokedastisitas. 2.
Jika nilai signifikansi 0,05, maka mengalami gangguan heterokedastisitas.
Tabel 4.8 Hasil Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 7.563
5.417 1.396
.172 Komitmen_Organisasi
.009 .122
.016 .072
.943 Kepuasan_Kerja
-.089 .090
-.216 -.996
.327 a. Dependent Variable: absut
Sumber: Hasil pengolahan SPSS, 2013 data diolah Pada Tabel 4.8 menunjukkan tidak adanya masalah heterokedastisitas,
dimana hasil uji signifikan variabel kepuasan kerja dan komitmen organisasi menunjukkan nilai lebih besar dari 0,05. Jadi dapat
disimpulkan tidak terdapat adanya heterokedastisitas dalam model regresi. b.
Pendekatan Grafik Heterokedastisitas dapat juga dilihat melalui gambar scatterplot. Gambar
scatterplot dapat mengindikasi ada atau tidaknya gejala heterokedastisitas. Apabila grafik membentuk pola-pola tertentu yang teratur maka regresi
mengalami gangguan heterokedastisitas. Jika grafik tidak membentuk pola atau acak maka regresi tidak mengalami gangguan heterokedastisitas.
Universitas Sumatera Utara
71
Sumber: Hasil pengolahan SPSS, 2013 data diolah Gambar 4.4
Scatter plot heterokedastisitas
Gambar 4.4 menunjukkan bahwa penyebaran residual cenderung tidak teratur, terdapat titik-titik yang berpencar dan tidak membentuk pola.
Kesimpulan yang dapat diperoleh adalah tidak terdapat gejala heterokedastisitas, sehingga model regresi layak dipakai untuk
memprediksi kinerja karyawan , berdasarkan masukan variabel kepuasan kerja dan komitmen organisasi.
3. Uji Multikolinearitas
Universitas Sumatera Utara
72
Artinya variabel independen yang satu dengan yang lain dalam model regresi berganda tidak saling berhubungan secara sempurna. Untuk mengetahui
ada tidaknya gejala multikolinearitas dapat dilihat dari besarnya nilai tolerance dan VIF Variance Inflation Factor melalui program SPSS. Tolerance mengukur
variabilitas variabel terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai umum yang bisa dipakai adalah nilai Tolerance 0,1 atau nilai VIF
5, maka tidak terjadi multikolinearitas. Hasil pengolahan dapat dilihat pada Tabel 4.9 berikut ini:
Tabel 4.9 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
20.272 8.903
2.277 .030
Komitmen_Organisasi 1.168
.200 .654
5.834 .000
.635 1.574
Kepuasan_Kerja .387
.148 .293
2.619 .013
.635 1.574
a. Dependent Variable: Kinerja
Sumber: Hasil pengolahan SPSS, 2013 data diolah Pada Tabel 4.9 terlihat bahwa nilai tolerance dari variabel kepuasan kerja
dan komitmen organisasi 0,1 dan nilai VIF 5 yang artinya tidak terjadi masalah multikolinearitas pada masing-masing variabel bebasnya.
4.2.4 Analisis Regresi Linier Berganda