94
menyatakan setuju pada seluruh butir pernyataan pada variabel semangat kerja.
4.3 Hasil Uji Asumsi Klasik 4.3.1 Uji Normalitas
Uji normalitas penelitian ini dilakukan dengan analisis grafik yaitu dengan grafik Histogram dan Normal P-P Plot of Regression Standarizied Residual. Selain
itu uji normalitas dilakukan juga dengan menggunakan uji Kolmogorov-Smirnov . Uji normalitas dilakukan dengan bantuan software SPSS 17.0 for Windows dan hasilnya
ditunjukkan sebagai berikut:
4.3.1 Hasil Uji Normalitas dengan Histogram
Jika bentuk grafik tidak melenceng ke kiri dan ke kanan, maka menunjukkan bahwa variabel berdistribusi normal. Sebaliknya, jik bentuk grafik melenceng ke kiri
atau ke kanan menunjukkan bahwa variabel tidak berdistribusi normal.
Universitas Sumatera Utara
95
Gambar 4.1 Uji Normalitas dengan Histogram
Sumber: Hasil Pengolahan SPSS 2015 Pada Gambar 4.1 terlihat grafik tidak melenceng ke kiri maupun ke kanan, hal
ini menunjukkan bahwa variabel berdistribusi normal.
4.3.1.2 Hasil Uji Normalitas dengan Normal P-P Plot of Regression Standarizied Residual
Jika titik masih menyebar di sekitar garis diagonal, maka data berdistribusi normal. Sebaliknya jika tidak menyebar di sekitar garis diagonal, maka data tidak
berdistribusi normal.
Universitas Sumatera Utara
96
Gambar 4.2 Uji Normalitas dengan Normal P-P Plot of Regression Standarizied Residual
Sumber: Hasil Pengolahan SPSS 2015 Pada Gambar 4.2 terlihat titik-titik menyebar mengikuti data di sepanjang
garis diagonal, hal ini menunjukkan bahwa data berdistribusi normal.
Universitas Sumatera Utara
97
4.3.13 Hasil Uji Normalitas dengan Kolmogrov- Smirnov Test Tabel 4.8
Uji Kolmogorv - Smirnov
Unstandardize d Residual
N 95
Normal Parametersa,b Mean
.0000000 Std. Deviation
4.52927680 Most Extreme
Differences Absolute
.148 Positive
.091 Negative
-.148 Kolmogorov-Smirnov Z
1.447 Asymp. Sig. 2-tailed
.030
Tabel 4.8 menunjukkan bahwa nilai Asymp.Sig 2-tailed adalah 0,30 dan diatas nilai signifikan 0,05 atau 0,30 0,05. Dengan kata lain variabel residual
berdistribusi normal.
4.3.2 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk melihat seberapa besar peranan variabel bebas terhadap variabel terikat. Jika varians sama, dan ini yang seharusnya
terjadi maka dikatakan homokedastisitas. Sedangkan jika varians tidak sama dikatakan terjadi heterokedastisitas. Model regresi yang baik adalah yang
homoskedastisitas atau tidak terjadi heteroskedastisitas. Untuk melihat apakah heterokedastisitas dapat dilakukan sebagai berikut :
Universitas Sumatera Utara
98
Gambar 4.3 : Scatterplot
Sumber : Hasil Pengolahan SPSS, 2015 data diolah
Gambar 4.3 menunjukkan bahwa titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas maupun
dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heterokedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi variabel
dependen, berdasarkan masukan variabel independennya.
4.3.3 Uji Multikolinieritas
Multikolinieritas dapat dilihat dari nilai Tolerance dan Variance Inflation Factor
VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah
Universitas Sumatera Utara
99
yang dijelaskan oleh variabel independen lainnya. Tolerance adalah mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel
lainnya. Nilai yang dipakai untuk Tolerance 0,1 sedangkan Variance Inflation Factor
VIF 5.
Tabel 4.9 Uji Multikolinieritas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
10.969 9.150
1.199 .234
Program_Pensiun .608
.150 .377
4.060 .000
.909 1.100
Jaminan_Kesehatan_Kerja -.493
.278 -.158
-1.777 .079
.993 1.007
Jaminan_Kecelakaan_Kerj a
.705 .132
.495 5.323
.000 .906
1.104 a. Dependent Variable: Semangat_Kerja
Berdasarkan pada Tabel 4.9 di atas diketahui bahwa: a. Variabel Program Pensiun tidak terjadi multikolinieritas karena nilai tolerance
= 0,909 0,1 dan nilai VIF = 1,100 5. b. Variabel Jaminan Kesehatan Kerja tidak terjadi multikolinieritas karena nilai
tolerance = 0,993 0,1 dan nilai VIF = 1.007 5.
c. Variabel Jaminan Kecelakaan Kerja tidak terjadi multikolinieritas karena nilai tolerance
= 0,906 0,1 dan nilai VIF = 1.104 5.
4.4 Analisis Regresi Linier Berganda