Kemudian untuk 96 responden dengan persentase 74,4 memilki persepsi setuju. selanjutnya 26 responden dengan persentase 20,2 memiliki persepsi sangat setuju.
4.2. Pembahasan
Melalui data yang telah terkumpul dan teknik analisis yang digunakan dalam penelitian ini, maka dilakukan pembahasan yang meliputi pengajuan asumsi klasik
dan pengujian hipotesa.
4.2.1. Pengujian Asumsi Klasik
Untuk melakukan pengujian hipotesa, terlebih dahulu dilakukan pengujian asumsi klasik yang meliputi pengujian normalitas, heteroskedastisitas, dan pengujian
multikolinearitas. Pengujian ini dilakukan untuk memastikan bahwa alat uji regresi berganda dapat digunakan atau tidak. Apabila uji asumsi klasik telah terpenuhi, maka
alat uji statistik regresi linear berganda dapat dipergunakan. 4.2.1.1. Uji Normalitas
Uji normalitas digunakan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual berdistribusi normal. Menurut Ghozali 2005 ada dua cara
yang dilakuakn untuk mendeteksi apakah residual berdistribusi normal, yakni analisis grafik dan uji statistik.
4.2.1.2. Analisis Grafik Uji normalitas dideteksi dengan melihat penyebaran data titik pada sumbu
diagonal dari grafik atau dapat juga dengan melihat histogram dari residualnya. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik
Universitas Sumatera Utara
histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas, demikian sebaliknya.
Pada penelitian ini hasil pengolahan data menampilkan grafik normal, plot yang ada menunjukkan titik menyebar sekitar garis diagonal, serta penyebarannya
mengikuti arah garis diagonal, demikian juga dengan grafik histogram memberikan pola distribusi normal. Maka model regresi layak dipakai untuk memprediksikan
penilaian kinerja berdasarkan masukan variabel independennya yaitu rekrutmen, pelatihan dan pengembangan, karir, dan kompensasi. Hal tersebut dapat dilihat pada
Gambar 4.2 . di bawah ini
Gambar 4.2. Normalitas Pengembangan Karyawan Terhadap Kinerja Karyawan
Universitas Sumatera Utara
4.2.1.3. Analisis Statistik Besarnya nilai Kolmogorov – Smirnov adalah 0.513 dan signifikansi 0.955,
artinya data residual berdistribusi normal. Untuk lebih jelasnya dapat dilihat pada Tabel 4.10. dibawah ini:
Tabel 4.10. One – Sample Kolmogorov – Smirnov Test
129 .0000000
N
Unstandardized Residual
Normal Parameters Mean
a,b
Std. Deviation 2.67231972
Most Extreme Differences
Absolute .045
Positive .045
-.036 .513
.955 Negative
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
Calculated from data. b.
Test distribution is Normal. a.
4.2.1.4. Uji Multikolinearitas Uji multikolinieritas dilakukan untuk melihat apakah pada model regresi
ditemukan adanya korelasi antara variabel bebas. Model regresi yang baik seharusnya terhindar dari multikolinearitas. Dimana dengan melihat nilai Variance Inflation
Factor VIF. Menurut Ghozali 2005, hasil perhitungan nilai tolerance menunjukkan tidak ada variabel independent dengan nilai kurang dari 0,1 dan nilai
VIF tidak lebih dari 10 maka disimpulkan tidak ada multikolinearitas antar variabel independent dalam model regresi.
Universitas Sumatera Utara
Tabel 4.11. Nilai variance Inflation Factor VIF dan Tolerance
Unstandardized Standardized
4.2.1.5. Uji Heteroskedastisitas Variabel independent signifikan secara statistik mempengaruhi variabel
dependent, maka ada indikasi terjadi heteroskedastisitas. Hasil tampilan output SPSS dibawah ini dengan jelas menunjukkan tidak satupun variabel independent yang
signifikan secara statistik mempengaruhi variabel dependen absolute absut. Hal ini terlihat dari probabilitas signifikansi nya diatas tingkat kepercayaan 5,
jadidisimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
Tabel 4.12. Uji Gletser
Sig.
Dependent Variable: absut
Dependent Variable: y a.
8.368 3.252
2.573 .011
.694 .184
.293 3.779
.000 .886
1.129 .289
.113 .244
2.561 .012
.588 1.702
.152 .149
.095 1.021
.309 .620
1.612 .402
.180 .184
2.239 .
027 .790
1.265 Constant
x1 x2
x3 x4
Model
1
B Std. Error
Coefficients Beta
Coefficients t
Sig. Tolerance
Collinearity Statistics VIF
Unstandardized Standardized
Coefficients Coefficients
Model B
Std. Error Beta
t
1 Constant
6.930 1.874
3.698 .000
x1 -.113
.106 -.099
.288 -1.068
x2 .516
.034 .065
.059 .607
x3 -.086
.086 .321
-.110 -.997
x4 .104
.096 -.174
-.164 -1.679
a.
Universitas Sumatera Utara
4.2.1.6. Uji Goodness of Fit Uji Goodness of Fit dilakukan untuk menentukan kelayakan suatu model
regresi, karena variabel penelitian lebih dari dua maka kelayakan tersebut dapat dilihat dari nilai Adjusted R square. Nilai R, R Square dan Adjusted R square yang
diperoleh dari hasil pengolahan data dapat dilihat pada Tabel 4.13. dibawah ini :
Tabel 4.13. Goodness of Fit Test Model
R R Square
Ajusted R Square Std. Error of The
Estimate
1 .582a .338 .317
2.71508
a Predictors: Constant, x4, x1, x3, x2
Pada Tabel 4.13 . diatas dapat diketahui bahwa nilai R sebesar 0,582 menunjukkan bahwa korelasi antara kinerja karyawan dengan empat variabel
independennya kuat karena diatas 0,5. Nilai R square sebbesar 0,338. hal ini menunjukkan bahwa variabel- variabel bebas yang diteliti yaitu rekrutmen, pelatihan,
karir dan kompensasi dapat menjelaskan 33,8 pengaruh terhadap variabel terikatnya. Sedangkan sisanya sebesar 66,2 dijelaskan oleh variabel-variabel bebas
lain yang tidak diteliti.
4.2.2. Pengujian Hipotesis
