Uji Asumsi Analisis Jalur

 Butir pertanyaan 2 Y 2 : 221 , 2 92 203 , 451 , 2 94 451 , 1 451 , 2 ฀ ฀ ฀ ฀ ฀ t Ternyata nilai t htung = 2,221 t tabel = 1,295 maka H ditolak dan memang berkolerasi positif berarti valid. Begitu selanjutnya hingga butir pertanyaan ketujuh dari perencanaan karier.

4.4.2 Uji Asumsi Analisis Jalur

Uji ini dilakukan untuk mengetahui hasil persamaan analisa regresi berganda telah memenuhi asumsi teoritis atau belum. Uji asumsi klasik ini terdiri dari Uji Normalitas, Uji Multikolinieritas, dan Uji Heteroskedastisitas. 4.4.2.a. Uji Normalitas Analisis Normalitas suatu data ini akan menguji data variabel bebas X dan data variabel terikat Y pada persamaan regresi yang dihasilkan berdistribusi normal atau berdistribusi tidak normal. Suatu data dikatakan baik apabila data itu berdistribusi normal. Cara grafik histogram dan normal probability plot dapat digunakan. Tabel 4.15 akan menunjukkan pendistribusian data apakah normal atau tidak normal. Gambar 4.14 Residuals Statistics a Minimum Maximum Mean Std. Deviation N Predicted Value 28.10 30.38 29.17 .542 94 Residual -3.885 4.029 .000 1.697 94 Std. Predicted Value -1.975 2.238 .000 1.000 94 Std. Residual -2.252 2.335 .000 .984 94 a. Dependent Variable: Perencanaan_Karier Universitas Sumatera Utara Gambar 4.15 Gambar 4.16 Universitas Sumatera Utara Berdasarkan output diatas yaitu grafik histogram didapatkan garis kurva normal, berarti data yang diteliti diatas berdistribusi normal. Demikian juga normal probability plots menunjukkan berdistribusi normal, karena garis titik-titik mengikuti garis diagonal. 4.4.2.b. Uji Multikolinieritas Uji ini akan mengukur tingkat asosiasi keeratan hubungan atau pengaruh antar variabel bebas tersebut melalui besaran koefisien korelasi r. Dikatakan terjadi multikolinieritas jika koefisien korelasi antar variabel bebas lebih besar dari 0,50 dan sebaliknya. Tabel 4.16 akan menunjukkan ada tidaknya multikolinieritas. Tabel 4.17 Coefficient Correlations a Model Motivasi Kaktifan_Berorga nisasi Indeks_Prestasi_ Kumulatif 1 Correlations Motivasi 1.000 -.063 -.330 Kaktifan_Berorganisasi -.063 1.000 .273 Indeks_Prestasi_Kumulatif -.330 .273 1.000 Covariances Motivasi .016 .000 -.012 Kaktifan_Berorganisasi .000 .009 .007 Indeks_Prestasi_Kumulatif -.012 .007 .082 a. Dependent Variable: Perencanaan_Karier Tabel 4.18 Coefficients a Model Collinearity Statistics Tolerance VIF 1 Indeks_Prestasi_Kumulatif .828 1.208 Kaktifan_Berorganisasi .925 1.081 Motivasi .891 1.123 a. Dependent Variable: Perencanaan_Karier Universitas Sumatera Utara Dari tabel 4.16 diatas dengan menggunakan besaran koefisien korelasi antar variabel bebas. Dari output diatas terlihat koefisien korelasi antar variabel bebas sebesar -0,330 0,50 sehingga dapat disimpulkan bahwa antar variabel bebas tidak terjadi multikolinieritas. Menggunakan besaran tolerance ฀ dan variance inflation factor VIF. Jika menggunakan alpha sebesar 5 atau 0,05 maka: 20 05 , 1 1 ฀ ฀ ฀  VIF Berdasarkan output diketahui besar VIF hitung untuk indeks prestasi kumulatif X1= 1,208, keaktifan berorganissi X2= 1,081, dan motivasi X3= 1,123 dan semuanya lebih kecil dari VIF= 20 serta tolerance indeks prestasi kumulatif, keaktifan berorganisasi, dan motivasi, nilai tolerance 5. Maka dapat disimpulkan bahwa antar variabel bebas tidak terjadi multikolinieritas. 4.4.2.c. Uji Heterokedastisitas Ingin menguji sama atau tidak varians dari residual dari observasi yang satu dengan observasi yang lain. Jika residualnya memiliki varians yang sama disebut terjadi homoskedastisitas dan jika variansnya tidak sama maka terjadi heterokedastisitas. Tabel 4.18 disertai dengan scatterplot akan menunjukkan apakah terjadi homokedastisitas atau heterokedastisitas pada tiap observasi. Tabel 4.19 Residuals Statistics a Minimum Maximum Mean Std. Deviation N Predicted Value 28.10 30.38 29.17 .542 94 Std. Predicted Value -1.975 2.238 .000 1.000 94 Standard Error of Predicted Value .192 .681 .343 .096 94 Adjusted Predicted Value 28.10 30.30 29.17 .544 94 Residual -3.885 4.029 .000 1.697 94 Universitas Sumatera Utara Std. Residual -2.252 2.335 .000 .984 94 Stud. Residual -2.319 2.387 .000 1.003 94 Deleted Residual -4.120 4.211 .000 1.766 94 Stud. Deleted Residual -2.378 2.453 .000 1.011 94 Mahal. Distance .160 13.478 2.968 2.337 94 Cooks Distance .000 .081 .010 .014 94 Centered Leverage Value .002 .145 .032 .025 94 a. Dependent Variable: Perencanaan_Karier Gambar 4.20 Analisis hasil output SPSS gambar scatterplot diatas didapatkan titik-titik yang menyebar dibawah dan diatas sumbu Y, dan tidak memiliki pola yang teratur. Jadi kesimpulannya variabel bebas indeks prestasi kumulatif, keaktifan berorganisasi, dan motivasi tidak terjadi heterokkedastisitas atau bersifat homokedastisitas. Persamaan regresi yang baik jika tidak terjadi heterokedastisitas. Universitas Sumatera Utara

4.4.3 Analisis Regresi