78
Negative -.139
-.150 Kolmogorov-Smirnov Z
.962 1.040
Asymp. Sig. 2-tailed .313
.229 a. Test distribution is Normal.
b. Calculated from data.
Hasil analisis Kolomogorov-Smirnov dengan nilai Z untuk Y sebesar 1,040 dan untuk X sebesar 0,962. Asymp signifikan untuk
variabel Y dan X, secara berturut-turut adalah 0,229 untuk Y dan 0,313 untuk X. Dari hasil tersebut nampak bahwa pada variabel Y dan X
memiliki distribusi data yang normal.
b. Uji Heteroskedastisitas
Uji Heteroskedastisitas digunakan untuk menguji apakah dalam model regresi liner kesalahan pengganggu e mempunyai varians yang
sama atau tidak dari satu pengamatan ke pengamatan yang lain. Untuk menguji Hetero-skedastisitas dapat diketahui dari nilai signifikan
korelasi Rank Spearman antara masing-masing variabel independen dengan residualnya. Jika nilai signifikan lebih besar dari
α 5 maka tidak terdapat Heteroskedastisitas, dan sebaliknya jika lebih kecil dari
α 5 maka terdapat Heteroskedastisitas. Berdasarkan perhitungan SPSS diperoleh hasil seperti pada tabel berikut.
Tabel 4.11
Correlations
Faktor Diklat Prestasi Kerja
PNS Spearmans rho Faktor Diklat
Correlation Coefficient 1.000
.173
79
Sig. 2-tailed .
.239 N
48 48
Correlation Coefficient .173
1.000 Sig. 2-tailed
.239 .
Prestasi Kerja PNS N
48 48
Hasil pengujian korelasi Spearman pada tabel di atas menunjukkan bahwa korelasi antara variabel X dengan nilai residual
adalah tidak signifikan. Hal ini dapat dilihat dari nilai Sig = 0,239 0.05 sehingga dapat diasumsikan bahwa tidak terjadi heterokesdasitas
dalam model regresi ini.
c. Uji Autokorelasi
Uji Autokorelasi digunakan untuk menguji apakah dalam sebuah model regresi linier terdapat korelasi antara kesalahan
pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Untuk menguji Autokorelasi dapat dilihat dari nilai
Durbin Waston DW, yaitu jika nilai DW terletak antara du dan 4 – dU atau du
≤ DW ≤ 4 – dU, berarti bebas dari Autokorelasi. Jika nilai DW lebih kecil dari dL atau DW lebih besar dari 4 – dL berarti
terdapat Autokorelasi. Nilai dL dan dU dapat dilihat pada tabel Durbin Waston, yaitu nilai dL ; dU =
α ; n ; k – 1. Keterangan : n adalah jumlah sampel, k adalah jumlah variabel, dan
α adalah taraf signifikan.
80
1 Perumusan hipotesis :
a Ho : ρ
1
= ρ
2
=... = ρp
= 0 Æ Non Autokorelasi Faktor
pengganggu periode tertentu tidak berkorelasi dengan faktor pengganggu pada periode lain.
b Ha : ρ
1
= ρ
2
= ... =
ρp ≠ 0 Æ Autokorelasi Faktor pengganggu
periode tertentu berkorelasi dengan faktor pengganggu pada periode lain.
2 Kriteria pegujian :
a Jika d-hitung dL atau d-hitung 4-dL, Ho ditolak, berarti ada autokorelasi.
b Jika dU d-hitung 4 – dU, Ho diterima, berarti tidak terjadi autokorelasi.
c Jika dL d-hitung dU atau 4-dU d-hitung 4-dL, maka tidak dapat disimpulkan ada tidaknya autokorelasi.
Gambar 4.1 Daerah Penerimaan Penolakan Ho, Uji Autokorelasi
81 Berdasarkan perhitungan yang dilakukan dengan menggunakan
aplikasi SPSS 18.0 for Windows diperoleh output sebagai berikut.
Tabel 4.12
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .516
a
.266 .126
6.06744 1.743
a. Predictors: Constant, Faktor Diklat b. Dependent Variable: Prestasi Kerja PNS
Berdasarkan hasil perhitungan diperoleh nilai Durbin Watson d sebesar 1,743. Untuk N = 48 pada 2 variabel, Nilai dL
pada tabel adalah 1,49275 dan nilai dU adalah 1,57762. Dengan menggunakan grafik di atas, dapat dihitung keberadaan DW
sebagai berikut. - Nilai dL adalah 1,49275
- Nilai dU adalah 1,57762 - Nilai 4 – dU adalah 2,42238
- Nilai 4 – dL adalah 2,50725 Berdasarkan grafik yang dikemukakan di atas dapat
diketahui bahwa nilai DW = 1,743 berada di antara nilai dU dan 4- dU atau 1,57762 1,743 2,42238 yang berarti nilai DW berada
pada daerah penerimaan H
O
. Artinya, pada penelitian ini tidak terdapat autokorelasi..
82
2. Pembentukan Model Regresi Linier