Tabel 4.6 Hasil Analisis Instrumen One Sample KS Test
One-Sample Kolmogorov-Smirnov Test
65 .0000000
.85481835 .113
.101 -.113
.912 .377
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences
Kolmogorov-Smirnov Z As ymp. Sig. 2-tailed
Unstandardiz ed Res idual
Test distribution is Normal. a.
Calculated from data. b.
Sumber: Pengolahan Data Primer kuesioner dengan SPSS 15.00, 2010
Nilai Asymp.Sis 2-tailed pada penelitian ini adalah 0,377, lebih besar dari 0,05 0,377 0,05, artinya variabel residual berdistribusi normal.
2. Multikoliniearitas
Uji multikolinearitas dilakukan untuk menguji apakah terdapat korelasi yang tinggi diantara variabel bebas. Model regresi yang baik seharusnya tidak terjadi
korelasi antara variabel independen. Suatu variabel tidak terkena multikolinearitas, jika nilai Variance Inflation Factor VIF tidak lebih besar dari 5 VIF 5 dan nilai
Tolerance tidak kurang dari 0,1 Tolerance 0,1 Situmorang, et al 2008 : 104. Uji multikolinearitas pada penelitian skripsi ini dapat dilihat pada Tabel 4.7.
Universitas Sumatera Utara
Tabel 4.7 Hasil Analisis Instrumen Multikoliniearitas
Coefficients
a
1.039 1.135
.915 .364
.232 .083
.242 2.804
.007 .662
1.511 .334
.060 .490
5.555 .000
.632 1.581
-.009 .111
-.006 -.083
.934 .897
1.115 .264
.094 .272
2.801 .007
.520 1.924
Constant Konteks
Komposisi Rncgn_Krj
Proses Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: Knjr_Krywn a.
Sumber: Pengolahan Data Primer kuesioner dengan SPSS 15.00, 2010
Tabel 4.7 menunjukkan tidak adanya masalah multikolinearitas, dimana hasil uji Variance Inflation Factor VIF pada variabel konteks; komposisi; rancangan
kerja, dan proses masing-masing menunjukkan nilai kurang dari lima VIF 5. Nilai Variance Inflation Factor VIF yang lebih kecil dari 5 lima menunjukkan bahwa
tidak ada masalah multikolinearitas dalam model penelitian skripsi ini. Nilai Tolerance kurang dari 0,1 Tolerance 0,1 maka tidak terdapat multikolinearitas.
3. Heteroskedastisitas
Heteroskedastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi, dengan kata lain heteroskedastisitas terjadi jika
residual tidak memiliki varian yang konstan. Heteroskedastisitas dapat diketahui dengan melakukan dua pendekatan yakni pendekatan statistik uji glesjer dan
pendekatan grafik. Kriteria pengambilan keputusan:
B. Jika nilai signifikansi 0,05, maka tidak mengalami gangguan
heteroskedastisitas. C.
Jika nilai signifikansi 0,05, maka mengalami gangguan heteroskedastisitas.
Universitas Sumatera Utara
Tabel 4.8 Hasil Analisis Instrumen Heteroskedastisitas
Pendekatan Statistik Uji Glesjer
Coefficients
a
.794 .618
1.285 .204
.005 .045
.017 .108
.914 .014
.033 .069
.429 .669
-.016 .060
-.037 -.269
.789 -.018
.051 -.063
-.354 .724
Constant Konteks
Komposisi Rncgn_Krj
Proses Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: abs ut a.
Sumber: Pengolahan Data Primer kuesioner dengan SPSS 15.00, 2010
Tabel 4.8 dapat kita lihat bahwa data pada penelitian skripsi ini tidak terdapat
adanya masalah heteroskedastisitas, dimana hasil uji signifikan variabel konteks; komposisi; rancangan kerja, dan proses, masing-masing menunjukkan lebih besar dari
5, jadi dapat disimpulkan bahwa data pada penelitian ini tidak terdapat adanya heteroskedastisitas dalam model regresi.
Uji heteroskedastisitas dapat juga dilihat melalui gambar scatterplot. Gambar 4.2 adalah gambar scatterplot yang dapat mengindikasi ada atau tidaknya gejala
heteroskedastisitas. Suatu model regresi jika dianalisis dengan pendekatan grafik, tidak terkena heteroskedastisitas apabila pada grafik scatterplot terlihat titik-titik yang
menyebar secara acak dan tidak membentuk suatu pola tertentu Syafrizal, 2008: 68.
Universitas Sumatera Utara
Re gr
es si
on S
ta nd
ar di
ze d
Pr ed
ic te
d
Va lu
e
4 2
-2 -4
Scatterplot Dependent Variable: Knrj_Krwn
Gambar 4.2 Scatterplot Dependent Variable Kinerja Karyawan Sumber: Pengolahan Data Primer kuesioner dengan SPSS 15.00, 2010
Gambar 4.2 menunjukkan bahwa penyebaran residual cenderung tidak teratur, terdapat titik-titik yang berpencar dan tidak membentuk pola tertentu. Kesimpulan
yang dapat diperoleh adalah tidak terdapat gejala heteroskedastisitas pada model regresi penelitian skripsi ini.
D. Metode Analisis Data 1. Metode Analisis Deskriptif