orang atau 2,1 yang menyatakan tidak setuju dan tidak ada responden yang menyatakan sangat tidak setuju.
7 Pada pertanyaan ketujuh Anda loyal kepada perusahaan sebanyak 18 orang atau 38,3 yang menyatakan sangat setuju, 25 orang atau 53,2 menyatakan
setuju, 3 orang atau 6,4 menyatakan kurang setuju, , 1 orang atau 2,1 yang menyatakan tidak setuju dan tidak ada responden yang menyatakan
sangat tidak setuju
C. Hasil Uji Asumsi Klasik Dasar Regresi 1. Uji Normalitas
Tujuan dari uji normalitas ini adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Data yang baik
adalah data yang mempunyai pola seperti distribusi normal yakni tidak menceng ke kiri atau ke kanan.
a. Analisis grafik
Universitas Sumatera Utara
Regression Standardized Residual
2 1
-1 -2
-3
Frequency
10 8
6 4
2
Histogram
Dependent Variable: Kualitas_Kerja
Mean =-7.7E-16 Std. Dev. =0.978
N =47
Gambar 4.1 Histogram Dependent Variabel Kualitas Kerja Sumber
: Hasil penelitian Juni,2010 diolah Pada Gambar 4.1 histogram menunjukkan bahwa variabel berdistribusi
normal. Hal ini ditunjukkan oleh distribusi data tersebut yang tidak menceng kekiri ataupun ke kanan.
Cara lain melihat uji normalitas dengan grafik adalah dengan melihat gambar normal p-p plot of regression standardized residual. Pada
Grafik 4.2 terlihat titik yang mengikuti data di sepanjang garis diagonal. Hal ini berarti data berdistribusi normal.
Universitas Sumatera Utara
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Expe cte
d Cum Pr
ob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Kualitas_Kerja
Gambar 4.2 Normal P-P Plot of regression Standardized Residual Dependent Variabel Dependent Variabel Kualitas Kerja
Sumber : Hasil penelitian Juni,2010 diolah
2. Analisis Statistik Untuk memastikan apakah data di sepanjang garis diagonal
berdistribusi normal, maka dilakukan uji kolmogorv-Smirnov dengan melihat data residualnya apakah berdistribusi normal atau tidak.
Universitas Sumatera Utara
Tabel 4.13 One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 47
Mean ,0000000
Normal Parametersa,b Std. Deviation
1,67857589 Absolute
,088 Positive
,076 Most Extreme
Differences Negative
-,088 Kolmogorov-Smirnov Z
,607 Asymp. Sig. 2-tailed
,855 a Test distribution is Normal.
b Calculated from data.
Sumber : Hasil penelitian Juni,2010 diolah
Pada Tabel 4.13 menunjukkan bahwa variabel residual berdistribusi normal, karena terlihat nilai Unstandardized Residual Asymp.
Sig. 2-tailed adalah 0.855 hal ini berarti nilai Symp. Sig 2-tailed lebih besar dari nilai signifikan dengan nilai 0,05
b. Uji Multikolinearitas Multikolinearitas adalah suatu keadaan dimana variabel independen
yang satu dengan yang lain dalam model regresi berganda tidak saling berhubungan secara sempurna. Untuk mengetahui ada tidaknya gejala
multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan Variance Inflation Factor melalui program SPSS 15 for windows
Tabel 4.14 Coefficientsa
Collinearity Statistics Model
Tolerance VIF
Constant Sistem_Rekruitmen
,954 1,048
1
Imbalan ,954 1,048
Dependent Variable: Kualitas Kerja Sumber
: Hasil penelitian Juni,2010 diolah
Universitas Sumatera Utara
Berdasarkan Tabel 4.14 diatas, ketiga variabel dependen tersebut memiliki VIF 5, maka tidak terdapat adanya gejala multikolinearitas pada
persamaan regresi linear berganda ini. c. Uji Autokorelasi
Autokorelasi menunjukkan adanya kondisi yang berurutan antara gangguan atau distribusi yang masuk dalam regresi. Uji autokorelasi bertujuan
untuk menguji apakah pada model regresi ditemukan adanya korelasi antar kesalahan pengganggu pada periode t dengan kesalahan periode t-1 Singgih
:2000 . Tabel 4.15
Model Summaryb
Model Summaryb
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-Watson
1 ,674a
,455 ,430
1,71630 1,461
a Predictors: Constant, Imbalan, Sistem_Rekruitmen
Sumber : Hasil penelitian Juni,2010 diolah
Hasil pengolahan mengunakan SPSS 15 for windows dapat diketahui bahwa nilai Durbin-Watson adalah sebesar 1.461. Nilai du: 1.325 dan nilai dl:2.025
Oleh karena du 1.325 dw hitung 1.461 2.025 maka di dalam model regresi ini idak terdapat adanya autokorelasi positif maupun negatif.
d. Uji heterokedastisitas Pengujian Heteroskedastisitas dilakukan dalam sebuah model regresi,
dengan tujuan bahwa apakah suatu regresi tersebut terjadi ketidaksamaan varians dari residual dari setiap pengamatan ke pengamatan lainnya berbeda,
maka disebut heteroskedastisitas.
Universitas Sumatera Utara
Ada beberapa cara untuk menguji ada tidaknya situasi heteroskedastisitas dalam varian error terms untuk model regresi. Dalam
penelitian ini akan digunakandua metode, yaitu: 1. Metode chart Diagram Scatterplot, dengan dasar pemikiran bahwa:
a. Jika ada pola tertentu seperti titik-titik poin-poin, yang ada membentuk suatu pola tertentu yang beraturan bergelombang, melebar, kemudian
menyempit, maka terjadi heteroskedastisitas. b. Jika ada pola yang jelas, serta titik-titik menyebar keatas dan dibawah 0 pada
sumbu Y, maka tidak terjadi heteroskedastisitas. Berdasarkan keterangan diatas maka ada variabel dari penelitian ini terdapat
heteroskedastisitas. lampiran 2 2. Uji Glejser
Heterokedastisitas diuji dengan menggunakan uji Glejser dengan pengambilan keputusan jika variabel independen signifikan secara statistik
mempengaruhi variabel dependen, maka ada indikasi terjadi heterokedastisitas. Untuk melihat apakah terjadi heterokedastisitas atau tidak dapat dilakukan
melalui dua cara yaitu cara grafik dan cara statistik dengan menggunakan uji Glejser melalui program SPSS 15 for windows.
Tabel 4.16 Coefficientsa
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Model B
Std. Error Beta
B Std. Error
Constant 3,190
1,611 1,981
,054 Sistem_Rekruitmen
-,044 ,045
-,148 -,973
,336 1
Imbalan -,010
,020 -,073
-,478 ,635
a Dependent Variable: Absut
Sumber : Hasil penelitian Juni,2010 diolah
Universitas Sumatera Utara
Tabel 4.16 menunjukkan bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut absut. Hal
ini terlihat dari nilai signifikansi variabel harga, produk dan pelayanan masing- masing lebih besar dari tingkat signifikansi
α = 5. Dengan demikian dapat disimpulkan bahwa tidak terjadi gejala heterokedastisitas dalam model regresi ini.
D. Analisis Regresi Linier Berganda
