Tabel 4.25 Rekapitulasi jawaban responden terhadap variabel produktivitas kerja
Y
Tanggapan Responden
SS S
RR TS
STS Jumlah
Item No. F
F F
F F
F 1
7 20,0
28 80,0 35 100 2
11 31,4 24 68,6 35 100
3 14 40,0
21 60,0 35 100 4
7 20,0
1 2,9
27 77,1 35 100 5
18 51,4 17 48,6 35 100
6 24 68,6
1 2,9
10 28,6 35 100 7
6 17,1
9 25,7 20 57,1 35 100
8 3
8,6 1
2,9 31 88,6 35 100
Sumber : Hasil Pengolahan Data 2013
4.3 Analisis Data 4.3.1 Uji Asumsi Klasik
4.3.1.1 Uji Normalitas
Tujuan uji normalitas adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan
bentuk lonceng. Uji normalitas dilakukan dengan mengamati penyebaran data pada sumbu diagonal grafik. Metode yang diapakai adalah metode plot. Cara
pengambilan keputusannya pada metode plot adalah: a Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal,
maka model garis 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.
Universitas Sumatera Utara
Sumber : Hasil Pengolahan SPSS 2013
Gambar 4.3 Normal P-P Plot Uji Normalitas
Pada gambar 4.3 Normal P-P Plot terlihat titik-titik mengikuti data disepanjang garis normal, hal ini menunjukkan residural data berdistribusi normal.
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Expected Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Universitas Sumatera Utara
4.3.1.2 Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen. Adanya multikolinieritas dapata dilihat dari tolerance value atau nilai
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 dan tidak dijelaskan oleh variabel independen yang lain. Nilai cutoff yang umum dipakai
untuk menunjukkan adanya multikolinieritas adalah apabila toerance value 0,1 sedangkan VIF 5 dan sebaliknya apabila tolerance value 0,1 sedangkan VIF 5
maka tidak terjadi multikolinieritas.
Tabel 4.26
4.3.1.3 Uji Heteroskedastisitas
Heteroskedastisitas terjadi karena adanya perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Dalam pengujian ini menggunakan
diagram pancar residul. Cara pengambilan keputusan yaitu: a Jika diagram pancar membentuk pola-pola tertentu yang teratur, maka regresi
mengalami gangguan heteroskedastisitas.
Coefficients
a
36.693 3.355
10.936 .000
.720 .190
.137 3.797
.000 Constant
perencanaan Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: produktivitas a.
Universitas Sumatera Utara
b Jika diagram pancar tidak membentuk pola atau acak, maka regresi tidak mengalami gangguan heteroskedastisitas.
Sumber : Hasil Pengolahan SPSS 2013
Gambar 4.4 Scatterplot Uji Heteroskedastisitas
Regression Standardized Predicted Value
3 2
1 -1
-2
R egressi
on S t
udent i
z ed R
esi dual
3 2
1 -1
-2 -3
Scatterplot Dependent Variable: produktivitas
Universitas Sumatera Utara
Berdasarkan gambar 4.4 terlihat bahwa titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y. Dengan demikian dapat disimpulkan bahwa
persamaan regresi hipotesis terbebas dari asumsi heteroskedastisitas.
4.3.1.4 Analisis Regresi Linier Berganda