Uji Normalitas Uji Asumsi Klasik

4.3 Uji Asumsi Klasik

4.3.1 Uji Normalitas

Uji normalitas bertujuan untuk mengetahui distribusi data dalam variabel yang akan digunakan dalam penelitian dan data yang digunakan dalam penelitian adalah data yang terdistribusi normal. Ada beberapa cara yang dapat digunakan untuk melakukan uji normalitas, yaitu : 1. Histogram with Display Normal Curve Normalitas data bila dilihat dengan histogram with display normal curve dapat ditentukan berdasarkan bentuk gambar kurva. Data dikatakan normal jika bentuk kurva memiliki kemiringan yang cenderung seimbang, baik pada sisi kiri maupun sisi kanan, dan kurva berbentuk menyerupai lonceng yang hampir sempurna. Sumber : Hasil pengolahan SPSS 2014 Gambar 4.1 Histogram Uji Normalitas Universitas Sumatera Utara Pada gambar 4.1 terlihat bahwa residual data berdisitribusi normal, hal ini ditunjukkan oleh distribusi data yang berbentuk lonceng dan tidak melenceng ke kiri atau ke kanan. 2. Kurva Normal P-Plot Normalisasi data dapat dengan menggunakan normal P-Plot. Data dalam keadaan normal apabila distribusi data menyebar di sekitar garis diagonal Sumber : Hasil pengolahan SPSS 2014. Gambar 4.2 Kurva Normal P-Plot Pada gambar 4.2 terlihat titik - titik distribusi terletak disekitar garis lurus diagonal, sehingga dapat disimpulkan bahwa distibusi frekuensi kinerja karyawan sesuai dengan distribusi uji. Dengan kondisi demikian dapat disimpulkan yang diperoleh adalah bahwa penyebaran kinerja karyawan mengikuti distribusi normal. 3. Kolmogorov-Smirnov Uji normalitas data dengan kolmogrov-smirnov dalam model regresi untuk mengetahui distribusi data apakah normal atau tidak. Universitas Sumatera Utara Kriteria keputusan : a. Jika nilai Asymp. Sig. 2-tailed 0,05, maka tidak mengalami gangguan distribusi normal. b. Jika nilai Asymp. Sig. 2-tailed 0,05, maka mengalami gangguan distribusi normal. Tabel 4.8 One-Sample Kolmogorov-Smirnov Test One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 80 Normal Parameters a,b Mean 0E-7 Std. Deviation .17697343 Most Extreme Differences Absolute .073 Positive .055 Negative -.073 Kolmogorov-Smirnov Z .655 Asymp. Sig. 2-tailed .784 a. Test distribution is Normal. b. Calculated from data. Sumber : Hasil pengolahan SPSS 2014. Berdasarkan pengujian yang telah dilakukan, tampak pada tabel di atas nilai Asymp. Sig. 2-tailed sebesar 0,784. Hal ini menunjukkan bahwa Ho diterima data berdistribusi normal, karena nilai Asymp. Sig. 2-tailed 0,05. 4. Nilai Skewness Menurut Sutarto 2010, nilai skewness digunakan untuk mengetahui bagaimana distribusi normal data dalam variabel dengan menilai kemiringan kurva. Nilai skewness yang baik adalah mendekati angka 0. Jika kemiringan dilihat dari nilai skewness, nilai skewness ini bersifat mutlak +-, ketinggian kurva dilihat dari nilai kurtosis. Nilai kurtosis tidak berpengaruh terhadap penilaian distribusi normal. Universitas Sumatera Utara Tabel 4.9 Nilai Skewness Descriptive Statistics N Skewness Statistic Statistic Std. Error KINERJA KARYAWAN 80 -.405 .269 DISIPLIN KERJA 80 -.011 .269 KOMPENSASI 80 .104 .269 Valid N listwise 80 Sumber : Hasil pengolahan SPSS 2014. Berdasarkan uji yang telah dilakukan, tampak pada tabel di atas nilai skewness variabel kinerja karyawan sebesar 0,405, variabel disiplin kerja sebesar 0,11, dan variabel kompensasi sebesar 0,104. Semua variabel memiliki nilai skewness kecondongan mendekati angka nol, sehingga dapat disimpulkan data masing-masing variabel memiliki kecenderungan terdistribusi secara normal.

4.4.2 Uji Multikolinearitas