65
Hasil jawaban responden juga menunjukan bahwa mayoritas jawaban responden mengenai variabel kinerja karyawan adalah Setuju S sebesar 75,5,
Sangat Setuju SS sebesar 15,2, Ragu-ragu RG sebesar 8,5, Tidak Setuju TS sebesar 0,5, dan Sangat Tidak Setuju STS sebesar 0.
4.2.2 Uji Asumsi Klasik
Setelah melakukan analisis regresi berganda, penulis melakukan pengujian asumsi klasik.Pengujian asumsi klasik dilakukan untuk mendapatkan
hasil penelitian yang BLUE Best Linier Unbiased Estimation atau perkiraan yang efisien dan tidak biasa. Kriteria pengujian asumsi klasik yang harus
dipenuhi, yaitu:
4.2.2.1 Uji Normalitas
Uji ini bertujuan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk
lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau ke kanan. Pada
uji normalitas terdapat dua cara yang dapat digunakan yaitu: a
Analisis Grafik Normalitas data dapat dilihat melalui penyebaran titik pada sumbu
diagonal daro P-Plot atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan sebagai berikut:
Apabila data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal maka
model regresi memenuhi asumsi normalitas.
66
Gambar 4.2 Hasil Uji Regression Standartized Residual
Sumber : Hasil Penelitian 2015 diolah
Gambar 4.2 terlihat bahwa variabel berdistribusi normal.Hal tersebut ditunjukkan oleh distribusi data yang tidak menceng ke kiri atau ke kanan.
Sedangkan hasil analisis Grafik P-Plot uji normalitas adalah sebagai berikut:
Gambar 4.3 Hasil Uji Normal P-P Plot Of Regression Strandartized Residual
Sumber : Hasil Penelitian 2015 diolah
Gambar 4.3 P-P plot menunjukkan bahwa titik-titik menyebar disekitar garis diagonal dan mengikuti garis diagonal, maka dapat disimpulkan bahwa data
yang diperoleh berdistribusi normal. b
Analisis Statistik Pengujian normalitas yang didasarkan pada uji statistik non parametik
Kolmogorov-Smirnov K-S. Apabila nilai Kolmogorov-Smirnov Z ≤1,97 atau nilai
67
asymp.Sig 2 tailed � maka data dinyatakan berdistribusi normal. Berikut adalah
Tabel 4.9 hasil ujiKolmogorov-Smirnov.
Tabel 4.9 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 70
Normal Parameters
a,b
Mean 0E-7
Std. Deviation
1,26971450 Most Extreme
Differences Absolute
,063 Positive
,063
Lanjutan Tabel 4.9 Uji Kolmogorov-Smirnov
Sumber : Hasil Peneitian 2015 diolah
Menurut Situmorang dan Lufti 2014:121, apabila pada hasil uji Kolmogorov-Smirnov, nilai Asymp Sig 2-tailed lebih besar dari nilai signifikan
0,05, dan nilai Kolmogorov-Smirnov Z lebih kecil dari 1,97 maka data dikatakan normal. Pada Tabel 4.1 dapat dilihat nilai Asymp Sig 2-tailed 0,941 lebih besar
dari 0,05 dan nilai Kolmogorov-Smirnov Z 0,530 lebih kecil dari 1,97, sehingga model regresi yang diperoleh adalah berdistribusi normal.
4.2.2.1 Uji Heterokedastisitas
Uji heteroskedastisitas pada prinsipnya ingin menguji apakah sebuah grup mempunyai varians yang sama di antara anggota grup tersebut. Jika varians
sama, dan yang seharusnya tidak terjadi maka dikatakan ada homokedastisitas, sedangkan jika varians tidak sama dikatakan heteroskedastisitas Situmorang dan
Negative -,040
Kolmogorov-Smirnov Z ,530
Asymp. Sig. 2-tailed ,941
a. Test distribution is Normal. b. Calculated from data.
68
Lufti, 2014 : 121-122. Gejala heterokedastisitas dapat dideteksi dengan dua cara yaitu:
a. Analisis Grafik
Gejala heterokedastisitas dapat dilihat dengan menggunakan grafik Scatterplot.Apabila data yang berbentuk titik-titik tidak membentuk suatu pola
atau menyebar, maka model regresi tidak terkena heterokedastisitas. Kriteria pengambilan keputusan:
1 Jika diagram pencar yang ada membentuk pola-pola tertentu yang
teratur maka regresi mengalami gangguan heterokedastisitas. 2
Jika diagram yang ada pencar tidak membentuk pola-pola tertentu yang teratur maka regresi tidak mengalami gangguan
heterokedastisitas.
Gambar 4.4 Scatterplot Uji Heterokedastisitas
Sumber : Hasil Penelitian 2015 diolah
Gambar 4.4 terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka
nol pada sumbu Y, dengan demikian dapat dikatakan bahwa tidak terjadi heterokedastisitas pada model regresi.
b. Analisis Statistik
69
Kriteria keputusan: 1
Jika probabilitas 0,05 maka tidak mengalami gangguan heterokedasti sitas.
2 Jika probabilitas 0,05 maka mengalami gangguan heterokedastisitas.
Gejala heterokedastisitas dapat juga dideteksi melalui uji Glejser. Tabel 4.10 berikut ini menampilkan hasil pengujian heterokedastisitas dengan uji
Glejser.
Tabel 4.10 Hasil Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1
Constant -1,274
2,831 -,450
,654 pelatihan
,048 ,034
,205 1,402
,166 disiplin
,005 ,058
,012 ,080
,936
a. Dependent Variable: absut Sumber : Hasil Penelitian 2015 diolah
Tabel 4.10menunjukan bahwa kolom Sig. pada tabel koefisien regresi untuk variabel independen adalah 0,166 dan 0,936, atau probabilitas lebih besar dari
0,05 maka tidak terjadi gangguan heterokedastisitas. Hal ini menunjukkan semua variabel independent yang terdiri dari pelatihan dan disiplin kerja, signifikan
secara statisik mempengaruhi variabel dependent.
4.2.2.3 Uji Multikolinieritas
Artinya variabel independen yang satu dengan yang lain dalam model regresi berganda tidak saling berhubungan secara sempurna. Untuk mengetahui
ada tidaknya gejala multikolinearitasdapat dilihat dari besarnya nilai tolerance dan VIF Variance Inflation Factor melalui program SPSS. Tolerance mengukur
70
variabilitas variabel terpilih yang tidak dijelaskan oleh variable independen lainnya. Nilai umum yang bisa dipakai adalah nilai Tolerance 0,1 atau nilai VIF
5, maka tidak terjadi multikolinearitas Situmorang dan Lufti, 2008:147. Pengujian multikoliniearitas dapat dilihat pada tabel berikut:
Tabel 4.11 Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Toleran
ce VIF
Constant 9,846
4,841 2,034
,046 pelatihan
,294 ,059
,504 4,995 ,000
,670 1,493
disiplin kerja ,314
,099 ,321 3,175
,002 ,670
1,493
a. Dependent Variable: kinerja Sumber : Hasil Penelitian 2015 diolah
Tabel 4.11menunjukan variabel pelatihan dan disiplin kerja memiliki nilai Tolerance0,670, 0,670, 0,1 dan nilai VIF 1,493, 1,493 5 maka variabel
tersebut tidak terkena multikolinearitas. 4.3Analisis Regresi Linier Berganda
Metode analisis regresi linier berganda berfungsi untuk mengetahui pengaruh atau hubungan antara variabel independent dan variabel dependent akan
digunakan analisis regresi linier berganda multiple regression analysis. Peneliti menggunakan bantuan program software SPSS for Windows untuk memperoleh
hasil yang lebih terarah, dengan menggunakan metode Enter.MetodeEnter
71
dilakukan dengan memasukkan semua variabel bebas sebagai variabel prediktor. Seluruh variabel akan dimasukkan ke dalam analisis untuk mengetahui apakah
variabel independent mempunyai pengaruh yang positif dan signifikan terhadap variabel dependent.
Berdasarkan hasil pengujian asumsi klasik, dapat diketahui bahwa data telah lulus uji asumsi klasik, sehingga data siap untuk di uji dengan analisis
regresi linear berganda. Hasil analisis regresi linear berganda seperti berikut ini :
Tabel 4.8 Analisis Regresi Linear Berganda
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
9,846 4,841
2,034 ,046
pelatihan ,294
,059 ,504
4,995 ,000
disiplin kerja ,314
,099 ,321
3,175 ,002
a. Dependent Variable: kinerja
Y = a + b
1
X
1
+ b
2
X
2
+e = 9.846 + 0,294X
1
+ 0,314X
2
+ e
Keterangan : Y
= Kinerja a
= Konstanta b
1
= Koefisien Linear Berganda X
1
= Pelatihan X
2
= Disiplin kerja e
= Standard Eror a
Konstanta a pada Y = 9.846 artinya walaupun variabel pelatihan dan disiplin kerja berniali nol maka kinerja karywan akan tetap 9.846.
72
b Koefisien regresi pelatihan X
1
= 0,294 artinya apabila pelatihan dinaikkan sebesar satu satuan, maka akan menaikkan kinerja karyawansebesar 0,294
c Koefisien regresi disiplin kerja X
2
= 0,314 artinya apabila disiplin kerja dinaikkan satu satuan, sedangkan variabel lainnya dianggap tetap, maka akan
menaikkan kinerja karyawan sebesar 0,314. 4.4 Pengujian Hipotesis
4.4.1 Uji Signifikan Simultan Uji F
