Uji Asumsi Klasik .1 Uji Normalitas

f. Pada pertanyaan keenam Saya selalu memenuhi target yang diberikan PT Bhanda Ghara Reksa Cabang Medan sebanyak 25 orang atau 41.0 yang menyatakan sangat setuju, 30 orang atau 49.2 menyatakan setuju, 3 orang atau 4.9 menyatakan kurang setuju, dan 3 orang atau 4.9 menyatakan tidak setuju. 4.3.2 Uji Asumsi Klasik 4.3.2.1 Uji Normalitas Tujuan uji normalitas adalah untuk menguji model regresi distribusi sebuah data mengikuti atau mendekati distribusi normal. Uji normalitas dapat dilakukan dengan analisis grafik dilihat dari titik-titik yang menyebar di sekitar garis diagonal yakni distribusi data dengan bentuk lonceng dan distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Uji normalitas dilakukan dengan menggunakan pendekatan kolmogorov smirnov. Dengan menggunakan tingkat signifikan 5 0,05 maka jika nilai Asymp.Sig. 2-tailed di atas nilai signifikan 5 artinya variabel residual berdistribusi normal. Hasil dari output SPSS terlihat seperti Gambar 4.1 dan Gambar 4.2: Universitas Sumatera Utara Gambar 4.1 Histogram Uji Normalitas Sumber: Hasil Penelitian 2013 Gambar 4.2 Plot Uji Normalitas Sumber: Hasil Penelitian 2013 Berdasarkan Gambar 4.1 dapat diketahui bahwa variabel berdistribusi normal, hal ini ditunjukkan oleh data tersebut tidak menceng ke kiri atau ke kanan, sedangkan pada Gambar 4.1 dapat juga terlihat titik yang mengikuti data di sepanjang garis diagonal, hal ini berarti data berdistribusi normal. Namun untuk lebih memastikan bahwa data di sepanjang garis diagonal berdistribusi normal maka dilakukan uji Kolmogorov-Smirnov K-S. Universitas Sumatera Utara Tabel 4.7 Kolmogrov Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 61 Normal Parameters a Mean .0000000 Std. Deviation .63881522 Most Extreme Differences Absolute .145 Positive .101 Negative -.145 Kolmogorov-Smirnov Z 1.135 Asymp. Sig. 2-tailed .152 a. Test distribution is Normal. Sumber: Hasil Penelitian 2013 Berdasarkan Tabel 4.7 dapat diketahui bahwa nilai Asymp. Sig. 2-tailed adalah 0.152, ini berarti di atas nilai signifikan 0.05 atau 5. Oleh karena itu, sesuai dengan analisis grafik, analisis statistik dengan uji statistik non-parametrik Kolmogorv-Smirnov K-S juga menyatakan bahwa variabel residual berdistribusi normal.

4.3.2.2 Uji Heteroskedastisitas

Uji ini bertujuan untuk menguji model regresi terjadi ketidaksamaan varians dari satu residual pengamatan ke pengamatan lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu: Universitas Sumatera Utara 1 Metode Grafik Dasar analisis adalah jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang yang ada membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas. Gambar 4.3 Scatterplot Sumber: Hasil Penelitian 2013 Berdasarkan Gambar 4.3 dapat terlihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka berdasarkan metode grafik tidak terjadi heteroskedastistas pada model regresi. Universitas Sumatera Utara 2 Uji Glejser Glejser mengusulkan untuk meregresi nilai absolut residual terhadap variabel independen. Jika variabel independen signifikan secara statistik mempengaruhi variabel independen, maka ada indikasi terjadi heteroskedastisitas. Hasil pengujian menunjukkan hasil untuk uji Glejser pada Tabel 4.8. Tabel 4.8 Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant .992 .345 2.879 .006 Kompensasi -.009 .040 -.063 -.228 .820 Kesehatan .004 .027 .038 .151 .880 Keselamatn_Kerja -.032 .042 -.168 -.764 .448 a. Dependent Variable: absut Sumber: Hasil Penelitian 2013 Kriteria pengambilan keputusan dengan uji glejser sebagai berikut: a. Jika nilai signifikansi0,05 maka tidak mengalami gangguan heteroskedastisitas b. Jika nilai signifikansi0,05 maka mengalami gangguan heteroskedastisitas Tabel 4.8 memperlihatkan bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut Absut. Hal ini terlihat dari probabilitas signifikansi di atas tingkat Keselamatan 5, jadi model regresi tidak mengarah adanya heteroskedastisitas.

4.3.2.3 Uji Multikolinearitas

Universitas Sumatera Utara Gejala multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF Varience Inflation Factor. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai umum yang biasa dipakai adalah nilai Tolerance 0,1 atau nilai VIF5, maka tidak terjadi multikolinearitas Situmorang dkk,2010:154. Hasil pengujian menunjukkan hasil untuk uji Glejser pada Tabel 4.8 Tabel 4.9 Uji Nilai Tolerance dan VIF Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant .992 .345 2.879 .006 Kompensasi -.009 .040 -.063 -.228 .820 .218 4.579 Kesehatan .004 .027 .038 .151 .880 .274 3.646 Keselamatn_Kerja -.032 .042 -.168 -.764 .448 .349 2.869 a. Dependent Variable: absut Sumber: Hasil Penelitian 2013 Berdasarkan Tabel 4.9 dapat terlihat bahwa: a. Nilai VIF dari variabel Kompensasi dan variabel Keselamatan lebih kecil atau dibawah 5 VIF5, ini berarti tidak terdapat multikoliniaeritas antar variabel independen dalam model regresi. b. Nilai Tolerance dari variabel Kompensasi dan Keselamatan lebih besar dari 0,1 Nilai Tolerance 0,1 ini berarti tidak terdapat multikolinieritas antar variabel independen dalam model regresi. Universitas Sumatera Utara

4.3.3 Analisis Regresi Linier Berganda