Data Primer Metode Pengumpulan Data

76 b. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Deteksi ada atau tidaknya heteroskedastisitas dapat dilihat dari ada atau tidaknya pola tertentu pada grafik scatterplot. Jika ada pola tertentu seperti titik-titik yang membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit maka mengindikasikan bahwa telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik yang menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas Ghozali, 2013:139-141 Selain menggunakan grafik scatterplot, untuk mendeteksi ada atau tidaknya heteroskedastisitas dalam model regresi yang dibuat dapat juga dilihat dari hasil uji heteroskedastisitas dengan menggunakan uji Glejser. Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi heteroskedastisitas Ghozali, 2013:143. Jadi apabila nilai signifikansi lebih besar dari 0,05 dan nilai t hitung t tabel maka tidak terjadi heteroskedastisitas. 77 c. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil Ghozali, 2013:160. Dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal, normalitas akan terlihat. Distribusi normal akan membentuk suatu garis lurus diagonal dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya Ghozali, 2013:161. Selain itu, uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non-parametrik Kolmogorov- Smirnov K-S. Jika nilai signifikansi dari pengujian Kolmogorov- Smirnov lebih besar dari 0,05 berarti data normal Ghozali, 2013:164.

3. Uji Hipotesis

Hipotesis dalam penelitian ini diuji dengan menggunakan model analisis regresi linier berganda. Menurut Duwi Priyatno 2012:61 analisis regresi linier berganda adalah alat analisis yang dapat digunakan 78 Y = a + b 1 X 1 + b 2 X 2 + e untuk mengetahui pengaruh antara variabel bebas dan variabel terikat, di mana: Keterangan: Y : Prestasi Kerja a : Konstanta b 1 , b 2 : Koefisien regresi untuk variabel X 1 dan variabel X 2 X 1 : Efikasi diri self-efficacy X 2 : Motivasi e : Nilai residu Dari beberapa jurnal penelitian terdahulu yang mempunyai tema yang hampir sama dengan penelitian ini, sebagian dari penelitian tersebut mengguankan analisis regresi liniear berganda. Maka dengan berdasarkan hal itu lah alasan peneliti juga menggunakan metode analisis regresi linier berganda. Pengujian hipotesis dilakukan melalui: a. Koefisien Determinasi R 2 Koefisien determinasi R 2 pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R 2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variabel-variabel dependen amat terbatas. Nilai yang mendekati satu