Uji Asumsi Klasik 1. Uji Normalitas

1.0 0.8 0.6 0.4 0.2 0.0 Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 E xpect ed C um P rob Dependent Variable: prestasikerja Normal P-P Plot of Regression Standardized Residual sebesar 10 responden atau 22,7 , yang menyatakan setuju sebanyak 18 responden atau 40,9 dan yang terakhir menyatakan sangat setuju sebanyak 16 responden atau 36,3.

4.6 Uji Asumsi Klasik 1. Uji Normalitas

Analisis normalitas dilakukan dengan mengamati penyebaran data titik pada sumbu diagonal grafik. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas. Jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal maka model regresi tidak memenuhi asumsi normalitas. Metode yang dipakai dalam pengujian ini adalah metode p-p plot. Gambar 4.1 Normal P-Plot Sumber: data diolah peneliti, 2013. Universitas Sumatera Utara Berdasarkan hasil uji normalitas yang dilakukan dapat dilihat dari gambar di atas bahwa asumsi normalitas terpenuhi. Asumsi normalitas dapat juga dilakukan dengan uji Kolmogorov- Smirnov. Jika probabilitas 0,05 maka asumsi normalitas terpenuhi dan jika probabilitas 0,05, maka asumsi normalitas tidak terpenuhi. Tabel 4.6 Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 44 Normal Parametersa,b Mean ,0000000 Std. Deviation 3,26045710 Most Extreme Differences Absolute ,133 Positive ,133 Negative -,100 Kolmogorov-Smirnov Z ,883 Asymp. Sig. 2-tailed ,416 a Test distribution is Normal. b Calculated from data. Sumber: data diolah peneliti, 2013. Pada Tabel 4.6 di atas terlihat bahwa Asymp. Sig. 2-talled adalah 0,416 atau probabilitas 0,05 maka asumsi normalitas terpenuhi. Asumsi normalitas dapat juga dilihat dari gambar berikut ini : Universitas Sumatera Utara 2 1 -1 -2 -3 Regression Standardized Residual 14 12 10 8 6 4 2 Frequency Mean = 4.98E Std. Dev. = 0.9 N = 44 Dependent Variable: prestasikerja Histogram Gambar 4.2 Regressiom Standardized Residual Sumber: data diolah peneliti, 2013.

2. Uji Heteroskedastisitas

Analisis terhadap gejala heteroskedastisitas adalah dengan melihat pola diagram pencar pada grafik Scatterplot. Jika diagram pencar yang ada membentuk pola-pola tertentu yang teratur maka regresi mengalami gangguan Universitas Sumatera Utara heteroskedastisitas. Jika diagram pencar tidak membentuk pola atau acak maka tidak mengalami gangguan heteroskedastisitas. Gambar 4.3 Scatterplot Sumber: data diolah peneliti, 2013. Pada Gambar 4.3 menunjukkan bahwa diagram pencar tidak membentuk suatu pola atau acak maka dapat disimpulkan bahwa regresi tidak mengalami gangguan heteroskedastisitas. Uji heteroskedastisitas dapat juga dilakukan dengan uji Glesjer. Jika probabilitas 0,05 maka tidak mengalami gangguan heteroskedastisitas dan jika probabilitas 0,05 maka mengalami gangguan heteroskedastisitas. Universitas Sumatera Utara Tabel 4.7 Uji Glesjer Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant ,355 4,352 ,082 ,936 X1 ,105 ,102 ,117 1,030 ,312 ,959 1,042 X2 ,518 ,071 ,832 7,331 ,000 ,959 1,042 a. Dependent Variable: Y Pada Tabel 4.7 dapat dilihat bahwa Sig atau probabilitas lebih besar dari 0,05 maka tidak terjadi gangguan heteroskedastisitas. 3.Uji Multikolinearitas Gejala multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor. Tolerance mengukur variabilitas variabel terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai umum yang biasa dipakai dalam nilai tolerance 0,1 atau VIF 5 maka tidak terjadi multikolinearitas. Tabel 4.8 Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant ,355 4,352 ,082 ,936 X1 ,105 ,102 ,117 1,030 ,312 ,959 1,042 X2 ,518 ,071 ,832 7,331 ,000 ,959 1,042 a. Dependent Variable: Y Sumber: data diolah peneliti, 2013. Universitas Sumatera Utara Pada Tabel 4.8 dapat dilihat bahwa tolerance 0,1 dan VIF 5, maka dapat disimpulkan bahwa model regresi tidak terjadi multikolinearitas.

4.7 Analisis Regresi Linear Berganda