Tabel 12. Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Readiness Insecurity
Involvement N
112 112
112 Normal Parameters
a
Mean 126.2679
90.2768 62.7321
Std. Deviation 16.24197
10.16194 7.97630
Most Extreme Differences Absolute
.126 .090
.103 Positive
.126 .052
.103 Negative
-.111 -.090
-.071 Kolmogorov-Smirnov Z
1.338 .951
1.087 Asymp. Sig. 2-tailed
.056 .327
.188 a. Test distribution is Normal.
Berdasarkan tabel di atas diketahui bahwa nilai data kesiapan berubah sebesar 0,056 p0,05, job insecurity 0,327 p0,05 dan job involvement 0,188
p0,05. Maka dapat disimpulkan bahwa data masing-masing variabel berdistribusi secara normal.
2. Uji Linearitas
Uji linearitas digunakan untuk mengetahui apakah data ketiga variabel yaitu variabel kesiapan berubah, job insecurity dan job involvement memiliki
hubungan yang linear.
Tabel 13. Hasil Uji Linearitas Variabel
Linearity Keterangan
Job Insecurity Kesiapan Berubah 0,005
Hubungan linear Job Involvement Kesiapan Berubah
0,000 Hubungan linear
Berdasarkan tabel di atas, dapat disimpulkan bahwa korelasi antara job
insecurity dengan kesiapan berubah dan korelasi antara job involvement dengan kesiapan berubah memiliki hubungan yang linear.
Universita Sumatera Utara
3. Uji Multikolinieritas
Menurut Ghozali 2005, uji multikolinieritas bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar
variabel bebas independent. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas. Untuk mendeteksi adanya multikolinieritas
adalah dengan menggunakan nilai Variance Inflation Factor VIF. Jika VIF lebih
kecil dari 10, maka dalam model tidak terdapat multikolinieritas. Hasil pengujian
multikolinearitas dapat dilihat pada tabel berikut :
Tabel 14. Hasil Uji Multikolinearitas
Variabel Tolerance
VIF
Job Insecurity 0,911
1,098 Job Involvement
0,911 1,098
Berdasarkan hasil pengolahan data tabel di atas terlihat bahwa tidak terjadi multikolinieritas, karena nilai VIF 1.098 10.
4. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam sebuah regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke
pengamatan lainnya tetap maka disebut homokedasitas dan jika berbeda disebut heteroskedasitas. Model regresi yang baik tidak terjadi heteroskedasitas.
Untuk melihat gejala heteroskedastisitas dapat dilihat pada scatter plot yang dihasilkan oleh program SPSS yang terlihat pada gambar berikut ini:
Universita Sumatera Utara
Pada gambar tersebut terlihat titik-titik menyebar secara acak dan tidak membentuk pola tertentu yang jelas serta menyebar baik di atas dan di bawah
angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heterokedastisitas pada model regresi sehingga model dapat dipakai.
5. Uji Autokorelasi