86
Tabel 4. 39 Perubahan lingkungan yang terjadi dapat mempengaruhi kinerja pegawai
K_8
Frequency Percent
Valid Percent Cumulative Percent
Valid RAGU-RAGU
4 5.8
5.8 5.8
SETUJU 46
66.7 66.7
72.5 SANGAT SETUJU
19 27.5
27.5 100.0
Total 69
100.0 100.0
Sumber: data pimer yang diolah, 2013 Tabel 4.39 di atas menjelaskan bahwa 4 responden atau 5,8 menyatakan
ragu-ragu, 46 responden atau 66,7 menyatakan setuju, 19 responden atau 27,5 menyatakan setuju terhadap pernyatakan perubahan lingkungan yang terjadi dapat
mempengaruhi kinerja pegawai.
D. Uji Asumsi Klasik
1. Uji Normalitas
Uji normalitas digunakan untuk melihat apakah nilai residual terdistribusi normal atau tidak normal. Untuk mendeteksinya yaitu dengan melihat normal
probability plot yang membandingkan distribusi kumulatif dan distribusi normal. Normalitas dapat dideteksi dengan melihat penyebaran dan titik pada sumbu
diagonal dari grafik. Jika ada titik menyebar disekitar garis diagonal maka menunjukan pola distribusi normal yang mengindikasikan bahwa model regresi
memenuhi asumsi normal.
87
Gambar 4.2 Grafik Histogram dan
Normal Probability Plots
Gambar 4.3
Sumber : Data diolah SPSS
88
Dengan melihat gambar 4.2 dan gambar 4.3 tampilan grafik normal probability plot maupun grafik histogram diatas, dapat disimpulkan bahwa pada
grafik normal probability plot terlihat titik-titik menyebar di sekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal, Begitu pula pada grafik
histrogram yang memberikan pola distribusi yang normal tidak terjadi kemiringan. Kedua grafik di atas menunjukkan bahwa model regresi layak
dipakai karena memenuhi asumsi normalitas. Untuk memperkuat hasil tersebut, maka dilakukan uji normalitas menggunakan uji Kolmogorov Smirnov, hasilnya
sebagai berikut:
Tabel 4.40 Hasil Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Standardized Residual N
69 Normal
Parameters
a,b
Mean 0E-7
Std. Deviation .97769236
Most Extreme Differences
Absolute .053
Positive .035
Negative -.053
Kolmogorov-Smirnov Z .440
Asymp. Sig. 2-tailed .990
a. Test distribution is Normal. b. Calculated from data.
Sumber : Data yang telah diolah Tabel 4.40 menunjukkan besarnya nilai Sig. 2- tailed sebesar 0,990
0,05 yang menunjukkan bahwa Ho tidak dapat ditolak hal ini menyatakan nilai residual terstandarisasi dinyatakan menyebar secara normal berarti mendukung
uji normalitas dengan histogram dan normal p-plot regression standaridized.
89
2. Uji Multikolinearitas
Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang
baik seharusnya tidak terjadi korelasi antar variabel independen. Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi dapat
dilakukan dengan melihat nilai tolerance dan variance inflation faktor VIF. Menurut Ghazali 2009 nilai cutoff yang biasanya dipakai untuk menunjukan
adanya multikolinearitas adalah nilai tolerance ≤ 0,10 atau sama dengan nilai VIF
≥ 10. Dapat kita lihat dalam tabel 4.41.
Tabel 4.41 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 23.674
5.204 4.549
.000 KP
.014 .112
.015 .129
.898 .978
1.023 PK
.290 .105
.335 2.772
.007 .934
1.071 KK
-.026 .101
-.031 -.260
.796 .954
1.048 a. Dependent Variable: K
Sumber : Data diolah SPSS Dari tabel 4.41 di atas dapat dilihat bahwa nilai TOL Tolerance variabel
Kepemimpinan 0,978 Pengembangan Karier 0,934 dan Kepuasan Kerja 0,954 sedangkan nilai VIF Variance Infloating Factor variabel Kepemimpinan sebesar
1,023 variabel Pengembangan Karier 1,071 dan Kepuasan Kerja 1,048. Tidak ada
90
nilai tolerance yang kurang dari 0,10 dan VIF yang lebih dari 10. Jadi, dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel independen dalam
model regresi.
3. Uji Heteroskedastisitas
