Dari tabel 4.7 diketahui nilai signifikansi menunjukan angka diatas 5 yang berarti tidak terjadi heterokedastisitas pada data-data yang digunakan
untuk mengetimasi model. Dengan demikian asumsi tidak terjadi heterokedastisitas terpenuhi.
4.4.3 Autokorelasi
Autokorelasi dapat didefinisikan sebagai “korelasi antara data observasi yang diurutkan berdasarkan urut waktu data time series atau data yang
diambil pada waktu tertentu data cross-sectional” Gujarati, 1991:201. Untuk mengetahui ada tidaknya autokorelasi dapat dilihat pada tabel Durbin
Watson. Kaidah keputusan dapat dijelaskan sebagai berikut :
1. Jika d lebih kecil daripada d
L
atau lebih besar daripada 4-d
L
, maka hipotesis nol ditolak yang berarti terdapat autokorelasi.
2. Jika d terletak antara d
U
dan 4-d
U
, maka hipotesis nol diterima yang berarti tidak ada autokorelasi.
3. Jika nilai d terletak antara d
L
dan d
U
atau antara 4-d
L
dan 4-d
U
maka uji Durbin-Watson tidak menghasilkan kesimpulan yang pasti, untuk nilai-nilai ini tidak dapat disimpulkan ada tidaknya
autokorelasi di antara faktor-faktor penganggu. Untuk mengetahui ada tidaknya gejala autokorelasi dalam model
penelitian maka perlu dilihat nilai DW tabel. Diketahui jumlah variabel bebas adalah 2 k=2 dan banyaknya data adalah n=178
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
sehingga diperoleh nilai DW tabel adalah sebesar d
L
= 1,634 dan d
U
= 1,715
Gambar 4.2 Kurva Statistik Durbin Watson
Daerah Daerah Daerah Daerah Kritis Ketidak- Terima Ho Ketidak- Kritis
pastian pastian Tolak Tidak ada Tolak
Ho autokorelasi Ho 0 d
L
= 1,634 d
U
= 1,715 4-d
U
= 2,285 4-d
L
= 2,366 d
1,678
Sumber : Lampiran 12, data diolah Berdasarkan hasil analisis, maka dalam model regresi ini tidak terjadi
gejala autokorelasi karena nilai DW tes yang diperoleh adalah sebesar 1,678 berada pada daerah ke tidakpastian.
4.4.4 Uji Normalitas
Uji normalitas dilakukan untuk menguji dan mengetahui apakah hasil analisis dari data yang diperoleh dari hasil pengumpulan data akan mengikuti
distribusi normal atau tidak. Uji normalitas sebaran menggunakan uji normalitas Kolmogorov Smirnov Test. Berdasarkan hasil perhitungan uji
kolmogorov smirnov terhadap residual regresi dengan menggunakan program
SPSS diperoleh hasil sebagai berikut :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Tabel 4.8 Hasil Uji Normalitas Model
One-Sample Kolmogorov-Smirnov Test
178 8.36
1.142 .213
.213 -.169
2.847 .078
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences
Kolmogorov-Smirnov Z As ymp. Sig. 2-tailed
y=kinerja karyawan
Test distribution is Normal. a.
Calculated from data. b.
Berdasarkan nilai uji Kolmogorov – Smirnov di dapatkan nilai Z = 2,847 dengan signifikansi 0,078 diatas 5 yang artinya bahwa data-data
yang tersebar dalam penelitian ini adalah berdistribusi normal.
Gambar 4.3
10 9
8 7
6
Observed Value
1 -1
-2
E xpect
ed Norm al
Normal Q-Q Plot of y=kinerja karyawan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Grafik 4.1. diatas menunjukan bahwa titik-titik data terkumpul di sekitar garis lurus. Ini berarti data-data yang diuji dalam penelitian ini
berdistribusi normal, sehingga asumsi normalitas terpenuhi.
4.5 Hasil Pengujian Hipotesis
