yaitu nilai tolerance yang tidak kurang dari 0,10 dan nilai VIF Variance Inflation Factor yang tidak lebih dari 10. Maka dari itu dapat disimpulkan bahwa seluruh
variabel independen yang digunakan dalam penelitian ini tidak berkorelasi antara variabel independen satu dengan variabel independen lainnya.
4.2.2.2 Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal atau tidak. Model
data yang baik adalah berdistribusi normal atau mendekati normal. Untuk melihat data berdistribusi normal dilakukan dengan memperhatikan normal probability
plot pada scatter plot berdistribusi normal.
Gambar 4.2 Hasil Uji Normalitas
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Ex p
e c
te d
C u
m Pr
o b
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Kinerja
Sumber : Data primer yang diolah, 2010
lxxv
Berdasarkan grafik di atas menunjukkan bahwa semua data yang ada berdistribusi normal, karena semua data menyebar membentuk garis lurus
diagonal maka data tersebut memenuhi asumsi normal atau mengikuti garis normalitas.
Selain dengan melihat grafik, normalitas data juga dengan melihat uji statistik yaitu dalam penelitian ini dengan menggunakan uji statistik non-parametrik
Kolmogorov-Smirnov pada alpha sebesar 5. Jika nilai signifikansi dari pengujian Kolmogorov-Smirnov lebih besar dari 0,05 berarti data normal.
Tabel 4.8 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
64 ,0000000
,40269540 ,118
,118 -,062
,948 ,330
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed Unstandardiz
ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Sumber: Data primer yang diolah, 2010
lxxvi
Berdasarkan uji statistik normalitas pada tabel 4.8 menunjukkan p-value 0,330 lebih besar dari 0,05, maka dapat disimpulkan data terdistribusi normal
4.2.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah data dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut
heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas Ghozali, 2006. Pada gambar 4.2 berikut ini
adalah hasil dari uji hererokedasitas.
Gambar 4.3 Hasil Uji Heteroskedasitas
Regression Standardized Predicted Value
4 3
2 1
-1 -2
R e
g re
s s
io n
Stu d
e n
ti z
e d
R e
s id
u a
l
6 4
2
-2 -4
Scatterplot Dependent Variable: Kinerja
lxxvii
Sumber: Data primer yang diolah, 2010
Berdasarkan grafik di atas dapat terlihat bahwa distribusi data tidak teratur dan tidak membentuk pola tertentu, serta tersebar di atas dan di bawah angka 0
pada sumbu Y, sehingga dapat disimpulkan bahwa pada model regresi ini tidak terjadi masalah heteroskedastisitas.
Untuk memperkuat bahwa data bebas dari gangguan heteroskedastisitas, data akan diuji kembali dengan uji Park, uji ini digunakan untuk memberikan
angka-angka yang lebih detail untuk menguatkan apakah data yang akan diolah terjadi gangguan heteroskedastisitas atau tidak. Ada atau tidaknya gangguan
heteroskedastisitas dapat dilihat dari nilai signifikansi variabel bebas terhadap variabel terikat. Apabila hasil dari uji Park kurang dari atau sama dengan 0,05
maka dapat disimpulkan data mengalami gangguan heteroskedastisitas dan sebaliknya Ghozali, 2006.
Tabel 4.9 Uji Park
Coefficients
a
-,898 ,568
-1,582 ,119
,426 ,623
,088 ,684
,497 -,736
,627 -,152
-1,173 ,245
-,056 ,384
-,022 -,145
,885 ,534
,465 ,172
1,148 ,255
Constant Motivasi
Kepuasan absX1X2
absX1X3 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: LNu2i a.
Sumber: Data primer yang diolah, 2010 Pada Tabel 4.9 dapat disimpulkan bahwa tidak terdapat heteroskedastisitas
pada persamaan regresi tersebut. Hal tersebut terlihat dari tidak adanya variabel
lxxviii
bebas yang memiliki signifikansi di bawah 0,05. Dengan demikian dapat disimpulkan bahwa persamaan regresi dengan menggunakan Uji Park tidak
mempunyai permasalahan heteroskedastisitas
4.2.3 Analisis Regresi Berganda
