B. Uji Asumsi Klasik
1. Uji Normalitas
Uji normalitas yaitu untuk mengetahui distribusi sebuah data mengikuti atau mendekati distribusi normal, yaitu distribusi data dengan bentuk lonceng.
Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yaitu distribusi data tersebut tidak menceng ke kiri atau ke kanan. Normalitas sebuah
data dapat diuji dengan menggunakan pendekatan, sebagai berikut :
Gambar 4.1. Hasil Uji Normalitas Histogram Sumber : Pengolahan data primer menggunakan SPSS 18,0 for windows, 2011
a. Pendekatan Histogram
Pada grafik histogram dapat dilihat bahwa variabel berdistribusi normal yang ditunjukkan oleh distribusi data tersebut tidak menceng ke kiri dan menceng
ke kanan.
b. Pendekatan Grafik
Cara lain untuk melihat uji normalitas adalah dengan grafik yang dinamakan Normal P-P Plot dengan cara melihat titik-titik di sepanjang garis
diagonal. Data berdistribusi normal terlihat pada titik yang mengikuti data di sepanjang garis diagonal.
Gambar 4.2. Hasil Uji Normalitas P-P Plot Sumber : Pengolahan data primer menggunakan SPSS 18,0 for windows 2011
Untuk memastikan apakah data disepanjang garis diagonal berdistribusi normal maka dilakukan uji kolmogorov smirnov 1 sample KS, seperti yang
terlihat pada Tabel. 4.13.
Tabel 4.10
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
82 Normal Parameters
a,b
Mean .0000000
Std. Deviation 1.43726789
Most Extreme Differences Absolute .052
Positive .052
Negative -.052
Kolmogorov-Smirnov Z .474
Asymp. Sig. 2-tailed .978
a. Test distribution is Normal. b. Calculated from data.
Sumber : Pengolahan data primer menggunakan SPSS 18,0 for windows 2011
Pada tabel 4.10 terlihat bahwa nilai Asymp. Sig.2-tailed adalah 0,978 dan diatas nilai signifikan 0,05, berarti variabel residual berdistribusi normal.
2. Uji Multikolinearitas
Tujuan uji multikolinearitas digunakan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas dengan variabel terikat.
Untuk mendeteksi adanya multikolinearitas digunakan ketentuan sebagai berikut. Jika nilai Variance Inflation Factor VIF tidak lebih besar dari 10 dan nilai
Tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinearitas.
Tabel 4.11 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
25.175 2.807
8.968 .000
Pembagi.kerja .626
.114 .500
5.496 .000
.622 1.608
Departementalisasi .595
.192 .325
3.092 .003
.465 2.150
Hirarki .106
.203 .049
.520 .605
.583 1.717
Koordinasi .047
.202 .017
.232 .817
.917 1.091
a. Dependent Variable: Motivasi
Sumber : Pengolahan data Primer kuesioner, 2011
Berdasarkan hasil pengujian pada Tabel 4.11 diperoleh nilai Tolerance pelelitian 0,1 dan nilai VIF Penelitian 10, maka dapat disimpulkan semua data
variabel tidak terkena multikolinearitas.
3. Uji Heteroskedastisitas