c. Pendekatan Kolmogorov-Smirnov
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Pengujuian normalitas yang didasarkan
dengan uji statistik Non-parametik Kolmogorov-Smirnov dapat dilihat pada Tabel 4.10 dibawah ini :
Tabel 4.10 Hasil Uji Normalitas Pendekatan
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
45 Normal Parameters
Mean
a,b
0E-7 Std. Deviation
1.18753610
Most Extreme Differences Absolute
.093 Positive
.050 Negative
-.093 Kolmogorov-Smirnov Z
.622 Asymp. Sig. 2-tailed
.834 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Pengolahan SPSS 2015
Pada Tabel 4.10 terlihat bahwa nilai Asymp.sig 2 tailed adalah 0,834 dan nilai signifikan 0,05, karena nilai Asymp.sig 2 tailed di atas 0,05 yaitu 0, 834
hal ini berarti menunjukan bahwa residual data berdistribusi normal.
1. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Pada model regresi yang
baik seharusnya tidak terjadi korelasi di antara variabel independen. Adanya multikolinieritas dapat dilihat dari tolerance value atau nilai variance inflation
faktor VIF. Kedua ukuran ini menunjukan setiap variabel independen manakah
Universitas Sumatera Utara
yang dijelaskan oleh variabel independen lainnya. Tolerance adalah mengukur variabilitasvariabel independen yang terpilih dan tidak dijelaskan oleh variabel
independen yang lain. Nilai Cutoff yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah apabila Tolerance Value, 0,1 sedangkan VIF 5
maka tidak terjadi multikolineritas. Berikut ini disajikan cara medeteksi multikolinieritas dengan menganalisis
matrik korelasi antar variabel independen dan perhitungan nilai tolerance dan varianace inflation factor VIF.
Tabel 4.11 Uji Nilai Tolerance dan VIF
Berdasarkan Tabel 4.11 dapat dilihat bahwa : 1. Nilai VIF dari nilai semangat kerja dan disiplin kerja lebih baik kecil atau
dibawah 5 VIF5, ini berarti tidak terkena multikolinieritas antara variabel independen dalam model regresi.
2. Nilai Tolerance dari semangat kerja dan disiplin kerja lebih besar dari 0,1 ini bearti tidak terdapat multikolinieritas antar variabel independen dalam model
regresi.
2. Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 18.503
3.330 5.557
.000 Pendidikan
.384 .117
.370 3.275
.002 .708
1.413 Fasilitas_kerja
.266 .082
.385 3.231
.002 .637
1.571 Kebijakan_pimpina
n .243
.112 .233
2.171 .036
.787 1.270
a. Dependent Variable: Kinerja_karyawan
Sumber : Hasil Pengolahan SPSS 2015
Universitas Sumatera Utara
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari suatu residual pengamatan ke pengamatan lain. Jika
varians dari residual satu pengamatan kepengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedestisitas. Model regresi
yang baik adalah yang homoskedestisitas atau tidak terjadi heteroskedestisitas. Untuk mengatasi kelemahan pengujian dengan grafik dapat menggunakan
pendekatan statistik dengan uji glejser, heteroskedestisitas tidak akan terjadi apabila tidak satupun varaibel independen signifikan secara statistik
mempengaruhi variabel independen signifikan secara statistik mempengaruhi varaibel dependen nilai absolute Ut absUt. Jika probabilitas signifikan diatas
tingkat kepercayaan 5 dapat disimpulkan model regresi tidak mengarah pada heteroskedastisitas. Beberapa cara untuk mendeteksi ada atau tidaknya
heteroskedastisitas adalah sebagai berikut :
a. Metode Pendekatan Grafik