87 karyawan selalu datang tepat waktu ke kantor untuk memberikan laporan
pekerjaan kepada pimpinan. Walaupun masih ada juga beberapa karyawan yang memberikan laporan pekerjaannya dengan terlambat.
4.3 Uji Asumsi Klasik
4.3.1 Uji Normalitas
Tujuan uji normalitas adalah ingin menguji apakah dalam model regresi distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi
data dengan bentuk lonceng. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid. Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau
tidak, yaitu dengan pendekatan grafik dan pendekatan Kolmogorv-Smirnov. 1.
Analisis Grafik Salah satu cara untuk melihat normalitas adalah dengan melihat grafik
histogram, dan grafik normal p-p plot, yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi normal. Hasil output SPSS terlihat
seperti Gambar 4.3, dan Gambar 4.4.
Universitas Sumatera Utara
88
Sumber: Hasil Penelitian, 2016 data diolah
Gambar 4.3 Pengujian Normalitas Histogram
Pada hasil uji normalitas histogram dapat dilihat grafik tidak melenceng ke kiri maupun ke kanan, data berbentuk kurva yang seimbang sehingga membentuk
gambar lonceng. Pada gambar 4.3 terlihat bahwa bentuk kurva tidak melenceng ke kiri maupun ke kanan sehingga dapat dinyatakan normal.
Universitas Sumatera Utara
89
Sumber: Hasil Penelitian, 2016 data diolah
Gambar 4.4 Pengujian Normalitas P-P Plot
Pada P-P plot terlihat bahwa titik-titik menyebar disekitar garis diagonal dan cenderung mengikuti arah garis diagonal. Hal ini menunjukkan bahwa data
yang dipergunakan dalam penelitian ini memenuhi asumsi normalitas sehingga layak untuk diuji dengan model regresi.
2. Analisis Statistik
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi ormal. Jika nilai sig probability lebih
besar dari 0,05 maka Ho ditolak dengan pengertian bahwa data yang dianalisis berdistribusi normal. Demikian juga sebaliknya jika nilai sig probability lebih
Universitas Sumatera Utara
90 kecil dari 0,05 maka Ho diterima dengan pengertian bahwa data yang dianalisis
tidak berdistribusi normal. Berikut ini pengujian normalitas yang didasarkan dengan uji statistik nonparametik Kolmogorv-Smirnov K-S.
Tabel 4.8 Uji Kolmogrov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 70
Normal Parameters
a
Mean .0000000
Std. Deviation 3.22520853
Most Extreme Differences Absolute
.072 Positive
.059 Negative
-.072 Kolmogorov-Smirnov Z
.600 Asymp. Sig. 2-tailed
.864 a. Test distribution is Normal.
Sumber: Hasil Penelitian, 2016 data diolah
Berdasarkan Tabel 4.8, terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,864, ini berarti nilainya diatas nilai signifikan 5 0.05. dengan kata lain
variabel tersebut berdistribusi normal.
4.3.2 Uji Heteroskedastisitas
