Uji Asumsi Klasik 1. Uji Normalitas

Tabel 4.9 Jawaban Responden Tentang Variabel Kinerja Pegawai Item No SS S RG TS STS Total Responden F F F F F 1 17 29.8 40 70.1 - - - - - - 57 2 40 70.1 17 29.8 - - - - - - 57 3 30 52.6 27 47.3 - - - - - 57 4 20 35.0 37 64.9 - - - - 57 5 20 35.0 30 52.6 7 12.2 - - - - 57 6 10 17.5 30 52.6 17 70.1 - - - 57 7 27 47.3 30 52.6 - - - - - - 57 8 30 52.6 27 47.3 - - - - - 57 Sumber : Hasil Penelitian Mei, 2009 diolah. Tabel 4.9 menunjukkan sebagian besar responden beranggapan bahwa tingkat kinerja pegawai meningkat, para pegawai telah bertanggung jawab atas tugas yang diberikan kapada mereka. Pegawai juga seudah sangat disiplin dalam menaati peraturan yang telah di tetapkan sudah menaati prosedur.

C. Uji Asumsi Klasik 1. Uji Normalitas

Uji Normalitas bertujuan untuk menguji apakah model regresi berdistribusi normal. Uji normalitas dapat dilakukan dengan analisis grafik dilihat dari titik-titik yang menyebar di sekitar garis digonal yakni distribusi data dengan bentuk lonceng dan distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Data yang baik adalah data yang mempunyai pola seperti distribusi normal. Metode yang dipakai dalam pengujian ini adalah metode plot. Universitas Sumatera Utara 1.0 0.8 0.6 0.4 0.2 0.0 Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 E x p e c te d C u m P ro b Dependent Variable: Kualitas Normal P-P Plot of Regression Standardized Residual Gambar 4.1 : Pengujian Normalitas P-P Plot Sumber : Hasil Pengolahan data SPSS Mei, 2009. Cara Pengambilan keputusan pada metode plot : a. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas b. Jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas Keputusan : Gambar 4.1 memperlihatkan titik-titik yang mengikuti data di sepanjang garis diagonal, hal ini berarti data berdistribusi normal. Analisis normalitas dapat juga dilakukan dengan uji Kolmogorov- smirnovGoodness of Fit Test. Data yang dimasukkan adalah Unstandardized Residual Res_1. Kolom Asymp. Sig. 2-tailed menunjukkan nilai probabilitas. Cara Pengambilan keputusan : a. Jika probabilitas 0,05, maka asumsi normalitas terpenuhi Universitas Sumatera Utara b. Jika probabilitas 0,05, maka asumsi normalitas tidak terpenuhi. Tabel 4.10 One-Sample Kolmogorov-Smirnov Test 57 .0000000 1.76712080 .139 .139 -.129 1.053 .218 N Mean Std. Deviation Normal Parameters a,b Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z As ymp. Sig. 2-tailed Unstandardiz ed Res idual Test distribution is Normal. a. Calculated from data. b. Sumber : Hasil Pengolahan data SPSS Mei, 2009. Keputusan : Tabel 4.10 terlihat pada baris Asymp. Sig. 2-tailed adalah 0,218 atau probabilitas diatas 0,05 0,218 0,05, dengan demikian variabel residual berdistribusi normal.

2. Uji Heteroskedastisitas

Uji Heteroskedastisitas digunakan untuk menguji apakah dalam model regresi terjadi ketidaksamaanperbedaan varians dari residual pengamatan yang lain. Jika varians residual di satu pengamatan lain tetap, maka disebut Homoskedastisitas dan jika varians berbeda disebut Heteroskedastisitas. Heteroskedastisitas terjadi karena terjadi perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Heteroskedastisitas terjadi jika residual tidak memiliki varians yang konstan. Model yang paling baik adalah tidak terjadi heteroskedastisitas. Pemeriksaan terhadap gejala heteroskedastisitas adalah dengan melihat pola diagram pencar pada grafik scatterplot. Cara Pengambilan keputusannya adalah sebagai berikut : Universitas Sumatera Utara a. Jika titik-titik membentuk pola-pola tertentu yang teratur maka regresi mengalami gangguan heteroskedastisitas b. Jika titik-titik tidak membentuk pola tertentu yang jelas dan menyebar secara acak baik di atas maupun di bawah angka nol pada sumbu Y maka regresi tidak mengalami gangguan heteroskedastisitas 2 1 -1 -2 Regression Standardized Predicted Value 3 2 1 -1 -2 R eg re ss io n S tu de nt iz ed R es id ua l Dependent Variable: Y Scatterplot Gambar 4.2 : Pengujian Heteroskedastisitas Scatterplot Sumber : Hasil Pengolahan Data SPSS Mei, 2009. Keputusan : Gambar 4.2 menunjukkan titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu yang jelas tersebar baik di atas maupun di bawah angka nol pada sumbu Y, dengan demikian dapat dikatakan bahwa regresi tidak mengalami gangguan heteroskedastisitas. Uji heteroskedastisitas dapat juga dilakukan dengan Uji Glesjer. Cara pengambilan keputusan: a. Jika probabilitas 5 maka tidak mengalami gangguan heteroskedastisitas b. Jika probabilitas 5 maka mengalami gangguan heteroskedastisitas. Universitas Sumatera Utara Tabel 4.11 Uji Glesjer Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant • Motivasi Intrinsik • Lingkungan Kerja 6.279 .997 .097 3.755 .145 .114 .719 .089 1.672 6.895 .858 .100 .000 .395 a Dependent Variable: Absut Sumber : Hasil Pengolahan data SPSS Mei, 2009. Keputusan : Tabel 4.11 memperlihatkan tidak ada satupun variabel independen .yang signifikan secara statistic mempengaruhi variabel dependen absolut Ut abSut. Hal ini terlihat dari probabilitas signifikannya di atas tingkat kepercayaan 5. Jadi dapat disimpulkan model regresi tidak mengarah adanya heteroskedastisitas, sehingga model regresi layak dipakai.

3. Uji Multikolinearitas

Multikolinearitas artinya terdapat korelasi linear sempurna atau pasti diantara dua atau lebih variabel independen. Artinya multikolinearitas menyebabkan standar deviasi masing-masing koefisien regresi akan sangat besar sehingga membuat bias tingkat signifikan pengaruh variabel dependen. Hal ini menyebabkan kesulitan dalam memisahkan pengaruh masing-masing variabel independen terhadap variabel dependen. Multikolinearitas dapat dilihat dari nilai tolerance dan Variance Inflation Factor VIF . Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance adalah mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah Tolerance 0,1 sedangkan VIF 5. Universitas Sumatera Utara Tabel 4.12 Hasil Uji Multikolinearitas Variabel Independen Tolerance VIF Kesimpulan Motivasi Intrinsik 0,686 1,457 Tidak terjadi multikolinearitas Lingkungan Kerja 0,686 1,457 Tidak terjadi multikolinearitas Sumber : Hasil Pengolahan data SPSS Mei, 2009. Tabel 4.12 memperlihatkan nilai Tolerance 0,1 dan VIF 5 pada semua variabel independen, dengan demikian tidak terjadi multikolinearitas. Hal ini berarti pada variabel independen yaitu Motivasi Intrinsik dan Lingkungan Kerja tidak terdapat hubungan linear sempurna atau pasti, diantara beberapa atau semua variabel sehingga model regresi layak digunakan.

D. Analisis Regresi Linear Berganda