95
Secara keseluruhan, dengan menggunakan metode grafik histogram, grafik normal p-p plot of regression standardized residual, dan
one sample kolmogorov-smirnov dapat dinyatakan bahwa data penelitian ini memenuhi asumsi normalitas dan model regresi ini layak untuk
digunakan.
4.4.2. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians residual dari suatu
pengamatan ke pengamatan yang lain. Heteroskedastisitas bertentangan dengan salah satu asumsi dasar regresi linear, yaitu bahwa variasi residual
sama untuk semua pengamatan atau disebut homokedastisitas Gujarati, 1995. Model regresi yang baik yaitu homoskedastisitas atau tidak terjadi
heteroskedastisitas Santoso, 2000. Pengujian asumsi ini dilakukan dengan analisis grafik scatterplot dengan komitmen organisasi sebagai
variabel dependennya. Dasar pengambilan keputusan adalah jika titik-titik pada output tersebut membentuk suatu pola tertentu yang teratur maka
terjadi heterokedastisitas. Bentuk grafik scatterplot yang dihasilkan dapat dilihat sebagai berikut:
Gambar 4.3 Scatterplot
96
Gambar 4.3. Scatterplot di atas menunjukkan bahwa titik-titik menyebar secara acak dan tidak membentuk pola-pola tertentu yang jelas,
serta tersebar di atas maupun di bawah angka 0 pada sumbu Y. Hal ini menunjukkan bahwa tidak terjadi heteroskedastisitas, sehingga model
regresi dapat dipakai untuk memprediksi variabel komitmen organisasi polisi berdasarkan keterlibatan kerja dan kepuasan kerja.
4.4.3. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk menguji ada tidaknya hubungan linear secara sempurna atau mendekati sempurna antara
variabel bebas independen dalam model regressi. Asumsi klasik yang digunakan pada model regresi berganda adalah bahwa tidak adanya
masalah multikolinearitas dalam hal ini tidak terjadi korelasi antar variabel independen. Pedoman yang digunakan dalam pengujian ini adalah nilai
tolerance dan VIF Variance Inflation Factor. Multikolinearitas terjadi apabila nilai tolerance ≤ 0.10 dan VIF ≥10 Ghozali, 2009.
Tabel 4.9 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF 1
Constant 22.118
8.174 2.706 .009
keterlibatankerja .263
.077 .350 3.406 .001
.840 1.191 Kepuasankerja
.416 .116
.369 3.587 .001 .840 1.191
a. Dependent Variable: komitmenorganisasi
Tabel 4.9. menunjukkan bahwa kedua variabel bebas yang digunakan memiliki nilai tolerance sebesar 0.840 lebih besar dari 0.10 dan
97
nilai VIF sebesar 1.191 lebih kecil dari 10. Oleh karena itu dapat disimpulkan bahwa tidak terjadi masalah multikolinearitas pada variabel
yang digunakan. Selain melihat nilai tolerance dan variance inflation factor VIF,
matriks korelasi antar variabel independen zero order correlation matrix juga dapat digunakan untuk melihat ada tidaknya multikolinearitas dalam
model regresi, jika antar variabel bebas independen ada korelasi yang tinggi umumnya di atas 0,90 maka hal ini merupakan indikasi adanya
multikolinearitas Ghozali, 2009. Hasil uji zero order correlation matrix dapat dilihat pada tabel berikut:
Tabel 4.10 Hasil Uji Zero Order Correlation Matrix
Coefficient Correlations
a
Model kepuasankerja keterlibatankerja
1 Correlations
Kepuasankerja 1.000
-.400 Keterlibatankerja
-.400 1.000
Covariances Kepuasankerja
.013 -.004
Keterlibatankerja -.004
.006 a. Dependent Variable: komitmenorganisasi
Tabel 4.10 di atas menunjukan bahwa besaran koefisien korelasi antar variabel keterlibatan kerja dan kepuasan kerja berada dibawah 0,90
yaitu, -0,400. Berpijak dari kedua model uji multikolinearitas di atas, dapat diambil kesimpulan bahwa model regresi dalam penelitian ini bebas
dari masalah multikolinearitas.
98
4.4.4. Uji Linearitas