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