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