Uji Asumsi Klasik Hasil Penelitian .1 Analisis Deskriptif Responden

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