b HASIL DAN PEMBAHASAN

Tabel 4.14 Hasil Uji Kolmogorov-Smirnov Unstandardized Residual N 44 Normal Parameters

a,b

Mean 0E-7 Std. Deviation 0,40311975 Most Extreme Differences Absolute 0,093 Positive 0,050 Negative -0,093 Kolmogorov-Smirnov Z 0,620 Asymp. Sig. 2-tailed 0,837 Sumber : Lampiran 5 Berdasarkan Tabel 4.14 dapat diketahui bahwa nilai signifikansi Asymp. Sig. 2-tailed sebesar 0,837. Karena signifikansi lebih dari 5 0,837 0,05, maka nilai residual tersebut terdistribusi secara normal, dengan kata lain model regresi yang digunakan memenuhi syarat asumsi normal. Agar lebih memastikan apakah data residual terdistribusi secara normal, maka dilakukan pengujian menggunakan metode analisis grafik normal probability plot sebagai berikut Sumber : Lampiran 5 Gambar 4.4 Grafik P-P Plot Normalitas Data Berdasarkan hasil uji normalitas dengan menggunakan analisis grafik yaitu dengan menggunakan grafik normal plot menunjukkan bahwa grafik memberikan pola distribusi normal yang mendekati normal, dan pada grafik terlihat titik-titik menyebar di sekitar garis diagonal serta penyebarannya ada di sekitar garis diagonal. 4.6.2 Uji Multikolinieritas Uji multikolinearitas dilakukan untuk menguji apakah model regresi yang digunakan dalam penelitian ini ditemukan adanya korelasi antar variabel independen. Apabila terdapat korelasi, maka diidentifikasi ada masalah multikolinearitas. Sebab model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Tabel 4.15 Hasil Uji Multikolinieritas Model Collinearity Statistics Tolerance VIF Pendidikan X 1 0,643 1,555 Masa Kerja X 2 0,525 1,905 Prestasi Kerja X 3 0,542 1,844 Sumber : Lampiran 5 Berdasarkan Tabel 4.15 dapat diketahui bahwa tidak ada satu pun variabel yang memiliki nilai Tolerance dibawah 0,10 dan nilai Variance Inflation Factor VIF kurang dari 10. Maka dapat disimpulkan bahwa tidak terjadi masalah multikolinieritas pada model regresi. 4.6.3 Uji Heteroskedastisitas Tujuan uji heteroskedastisitas untuk menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan varians dari residual dari suatu pengamatan ke pengamatan lain. Jika tetap maka disebut homokedastisitas dan jika berbeda disebut heteroskedatisitas. Model regresi yang baik adalah homokedastisitas atau tidak terjadi heteroskedastisitas. Heteroskedastisitas diuji dengan menggunakan uji koefisien korelasi rank spearman yaitu mengkorelasikan antara absolute residual hasil regresi dengan semua variabel bebas. Tabel 4.16 Hasil Uji Heteroskedastisitas Spearman’s rho Absolute Residual Pendidikan X 1 Correlation Coefficient 0,139 Sig. 2-tailed 0,367 N 44 Masa Kerja X 2 Correlation Coefficient 0,415 Sig. 2-tailed 0,505 N 44 Prestasi Kerja X 3 Correlation Coefficient 0,195 Sig. 2-tailed 0,206 N 44 Absolute Residual Correlation Coefficient 1,000 Sig. 2-tailed Correlation Coefficient 44 Sumber : Lampiran 5 Berdasarkan Tabel 4.16 dapat diketahui bahwa nilai korelasi dari kedua variabel independent dengan Absolute Residual Sig. 2-tailed memiliki nilai signifikansi sebesar 0,367 X 1 ; 0,505 X 2 dan 0,206 X 3 yang menunjukkan lebih besar dari 0,05. Maka dapat disimpulkan bahwa tidak terjadi masalah Heteroskedastisitas pada model regresi.

4.7 Uji Hipotesis