57 signifikansi dari pengujian Kolmogorov-Smirnov lebih besar dari
0,05 berarti data normal.
Tabel. 4.12 Uji Normalitas Kolmogorov-Smirnov
Sumber: Hasil output SPSS data primer yang diolah, 2015. Berdasarkan uji statistik normalitas pada Tabel. 4.12 di atas
menunjukkan Kolmogorov-Smirnov sebesar 0,986 dan signifikansi pada 0.285 lebih besar dari 0,05, maka dapat disimpulkan bahwa
data terdistribusi dengan normal.
c. Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu
pengamatan ke pengamatan yang lain. Jika residual satu pengamatan
ke pengamatan
lain tetap,
maka disebut
Homoskedastisitas dan jika berbeda disebut Heterokedastisitas.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 40
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 2.59217676
Most Extreme Differences Absolute
.156 Positive
.078 Negative
-.156 Kolmogorov-Smirnov Z
.986 Asymp. Sig. 2-tailed
.285 a. Test distribution is Normal.
b. Calculated from data.
58 Model regresi yang baik adalah yang homoskedastisitas atau tidak
heteroskedastisitas Ghozali, 2011:139. Gambar di bawah ini merupakan hasil dari uji heteroskidastisitas.
Gambar. 4.3 Hasil Uji Heteroskedastisitas
Sumber: Hasil output SPSS data primer yang diolah, 2015. Berdasarkan Gambar.4.3 di atas dapat terlihat bahwa
distribusi data tidak teratur dan tidak membentuk pola tertentu, serta tersebar baik di atas maupun di bawah angka 0 pada sumbu
Y, sehingga dapat disimpulkan bahwa pada model regresi ini tidak terjadi masalah Heteroskedastisitas.
Untuk memperkuat
bahwa data
bebas dari
Heteroskedastisitas, data akan diuji kembali dengan Uji Glejser, uji ini digunakan untuk memberikan angka-angka yang lebih detail
untuk menguatkan apakah data yang akan diolah mengalami
59 Heteroskedastisitas
atau tidak.
Ada atau
tidaknya heteroskedastisitas dapat dilihat dari nilai signifikansi variabel
bebas terhadap variabel terikat. Apabila hasil dari uji Glejser kurang dari atau sama dengan 0,05 maka dapat disimpulkan bahwa
data mengalami Heteroskedastisitas dan sebaliknya. Ghozali, 2011: 143
Tabel 4.13 Hasil Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
-2.221 3.381
-.657 .515
PK .006
.167 .008
.035 .973
DK .112
.159 .116
.703 .487
PTI .091
.140 .142
.654 .517
a. Dependent Variable: RES2
Berdasarkan Tabel. 4.13 dapat disimpulkan bahwa tidak terdapat Heteroskedastisitas pada persamaan regresi tersebut. Hal
itu terlihat dari tidak adanya variabel bebas yang memiliki signifikansi di bawah 0,05. Variabel bebas penempatan kerja
memiliki signifikansi sebesar 0,973, disiplin kerja memiliki signifikansi sebesar 0,487, dan pemanfaatan teknologi informasi
memiliki signifikansi sebesar 0,517. Dengan demikian dapat disimpulkan bahwa persamaan regresi dengan menggunakan uji
glejser tidak terjadi Heteroskedastisitas.
60
4. Uji Regresi Linier Berganda
a. Uji Koefisien Determinasi R
