70
Berikut adalah Tabel 4.7 hasil uji Kolmogorov-Smirnov.
Tabel 4.7
Sumber : Hasil Pengolahan SPSS, 2016 diolah
Menurut Umar 2008:181 bahwa, apabila pada hasil uji Kolmogorov-Smirnov, nilai Asymp. Sig 2-tailed
lebih besar dari 0,05 α = 5, tingkat signifikan maka data berdistribusi normal. Pada Tabel 4.8 dapat dilihat nilai Asymp.Sig adalah
0,409 0,05 sehingga model regresi yang didapat adalah berdistribusi normal.
1. Uji Multikolinieritas
Uji Multikolinieritas ini bertujuan untuk menguji apakah didalam model regresi linier ditemukan adanya korelasi yang tinggi diantara variabel bebas. Ada
atau tidaknya multikolinieritas antar variabel dapat dilihat dari nilai variance inflation factor VIF untuk masing-masing variabel independent terhadap
variabel dependent.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 69
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 3.45447078
Most Extreme Differences Absolute
.107 Positive
.046 Negative
-.107 Kolmogorov-Smirnov Z
.888 Asymp. Sig. 2-tailed
.409 a. Test distribution is Normal.
b. Calculated from data.
Universitas Sumatera Utara
71
Pengambilan Keputusannya: VIF 5 maka diduga mempunyai persoalan multikolinieritas
VIF 5 maka tidak terdapat multikolinieritas Tolerance 0,1 maka diduga mempunyai persoalan multikolinieritas
Tolerance 0,1 maka tidak terdapat multikolinieritas
Tabel 4.8 Hasil Uji Multikoliniearitas
Sumber : Hasil Pengolahan SPSS, 2016 diolah
Pada Tabel 4.8 variabel pengawasan dan kepemimpinan memiliki nilai Tolerance 0,1 dan nilai VIF 5 maka variabel tersebut tidak mempunyai
persolan multikolinieritas.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
16.881 3.092
5.459 .000 deskripsi_pekerjaan
.387 .124
.432 3.109 .003 .560
1.786 Koordinasi
.201 .201
.139 2.497 .032 .560
1.786 a. Dependent Variable: efektivitas_karyawan
Universitas Sumatera Utara
72
2. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan variance dari suatu residual pengamatan ke pengamatan lain.
Gejala heteroskedastisitas dapat dideteksi dengan 2 cara yaitu :
1. Analisis Grafik
Gejala heteroskedastisitas dapat dilihat dengan menggunakan grafik Scatterplot. Apabila data yang berbentuk titik-yiyik tidak membentuk suatu pola
atau menybar, maka model regresi tidak terkena heteroskedastisitas. Kriteria Keputusan :
a. Jika diagram pencar yang ada menbentuk poloa-pola tertentu yang teratur
maka regresi mengalami gangguan heteroskedastisitas. b.
Jika diagram pencar yang ada tidak menbentuk poloa-pola tertentu yang teratur maka regresi tidak mengalami gangguan heteroskedastisitas.
Sumber : Hasil Pengolahan SPSS, 2016 diolah
Gambar 4.4 Uji Heteroskedastisitas dengan
Scatter Plot
Universitas Sumatera Utara
73
Dari gambar 4.4 terlihat titik titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas srta tersebar baik diatas maupun dibawah angka
nol pada sumbu Y, dengan demikian dapat dikatakan bahwa tidak terjadi heteroskedastisitas pada model regresi.
2. Analisis Statistik