101 denga kata lain data dikatakan normal.Pengujuian normalitas dengan pendekatan
Kolmogorov-Smirnov dapat dilihat pada Tabel 4.13 berikut ini :
Tabel 4.13 Hasil Uji Normalitas Pendekatan One-Sample Kolmogorov -
Smirnov Test One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 70
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 2.99865031
Most Extreme Differences
Absolute .097
Positive .068
Negative -.097
Kolmogorov-Smirnov Z .808
Asymp. Sig. 2-tailed .531
a. Test distribution is Normal. b. Calculated from data.
Sumber :Hasil Pengolahan SPSS for Windows 2016
Berdasarkan Tabel 4.13 terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0.531 dan di atas nilai level of significant 0.05, dengan kata lain variabel berdistribusi
normal, dan nilai pada Kolmogorov – Smirnov Z adalah 0.808 dan lebih kecil dari 1,97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empiric
atau dengan kata lain data dikatakan normal.
2. Uji Heteroskedastisitas
Menurut Situmorang dan Lufti 2014 : 122 uji heteroskedastisitas ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan
Universitas Sumatera Utara
102 varians dari suatu residual pengamatan ke pengamatan lain. Jika varians dari
residual satu pengamatan kepengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedestisitas. Model regresi
yang baik adalah yang homoskedestisitas atau tidak terjadi heteroskedestisitas. Untuk mengatasi kelemahan pengujian dengan grafik dapat menggunakan
pendekatan statistik dengan uji glejser, heteroskedestisitas tidak akan terjadi apabila tidak satupun variabel independen signifikan secara statistik
mempengaruhi variabel independen signifikan secara statistik mempengaruhi varaibel dependen nilai absolute Ut absUt. Jika probabilitas signifikan diatas
tingkat kepercayaan 5 dapat disimpulkan model regresi tidak mengarah pada heteroskedastisitas. Beberapa cara untuk mendeteksi ada atau tidaknya
heteroskedastisitas adalah sebagai berikut : a.
Metode Pendekatan Grafik Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar diatas
dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik, yang membentuk pola tertentu
yang teratur, maka mengidentifikasi telah terjadi heteroskedastisitas
Universitas Sumatera Utara
103
Sumber :Hasil Pengolahan SPSS for Windows 2016
Gambar 4.5 Scatter Plot Uji Heteroskedastisitas
Berdasarkan Gambar 4.5 Grafik Scatter Plot Uji Heteroskedastisitasterlihat titik- titik menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas,
serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedestisitas pada model regresi, sehingga model regresi layak
dipakai untuk memprediksi kinerja karyawan berdasarkan masukan variabel independennya.
Universitas Sumatera Utara
104 b.
Metode Pendekatan Statistik Uji Glejser
Tabel 4.14 Hasil Uji Glejser Heteroskedastisitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
3.194 2.363
1.352 .181
Good_Corporate_ Governance
-.028 .049
-.104 -.557
.580 Kemampuan
.051 .050
.136 1.019
.312 Budaya_Organisasi
-.027 .075
-.066 -.360
.720 a. Dependent Variable: absut
Sumber :Hasil Pengolahan SPSS for Windows 2016
Pada Tabel 4.14 terlihat variabel Independent Good Corporate Governance,
Kemampuan, danbudaya organisasi yang signifikan secara statistik mempengaruhi variabel dependent absolute Ut AbsUt. Hal ini terlihat dari
probabilitas X
1
, X
2
, X
3
yaitu 0.580, 0.312 dan 0.720 diatas tingkat kepercayaan 5 0.05. Sehingga disimpulkan model regresi ini tidak mengarah
adanya heteroskedastisitas.
3. Uji Multikolineritas