Uji F adalah untuk membuktikan hipotesis awal tentang pengaruh stres kerja sebagai variabel independent secara serentak dengan rumus hipotesis
sebagai berikut: Ho : b
1
=b
2
=b
3
=0 secara serentak tidak ada pengaruh yang signifikan terhadap variabel terikat Y.
Ha: b
1
≠b
2
≠b
3
≠0, artinya variabel bebas X
1
, X
2
, X
3
secara serentak terdapat pengaruh yang signifikan terhadap variabel terikat Y.
Kriteria pengambilan Keputusan: Ho diterima jika t
hitung
t
tabel
pada alpha =5 H
a
diterima jika t
hitung
t
tabel
pada alpha = 5
2. Uji Partial Uji t
Uji –t menunjukkan seberapa besar pengaruh variabel bebas secara individual terhadap variabel terikat.
H
o:
b = 0, artinya secara parsial tidak terdapat pengaruh yang positif dan signifikan dari variabel bebas X
1
, X
2
, X
3
terhadap variabel terikat Y yaitu H
a
: b ≠ 0, artinya terdapat pengaruh yang positif dan signifikan dari variabel
bebas X
1
, X
2
, X
3
terhadap variabel terikat Y. Dengan kriteria pengambilan keputusan:
Ho diterima jika t
hitung
t
tabel
pada alpha = 5 H
a
diterima jika t
hitung
t
tabel
pada alpha = 5
3. Koefisien Determinasi R
2
Identifikasi determinan R
2
berfungsi untuk mengetahui signifikan variabel. Koefisien Determinasi menunjukkan besarnya kontribusi variabel
independen X
1
, X
2
, X
3
terhadap variabel dependen Y. Angka R
2
adalah pengkuadratan dari koefisien korelasi. Nilai R
2
berkisar antara 0-1, semakin
Universitas Sumatera Utara
kecil mendekati nol nilai R
2
semakin lemah hubungan antara dua variabel, sebaliknya jika R
2
semakin besar mendekati satu maka semakin baik kemampuan variabel independen menerangkan variabel dependen.
c. Uji Asumsi Klasik 1. Uji Normalitas
Menurut Ghozali 2005:110 menyatakan bahwa uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual
memiliki distribusi normal. Seperti diketahui bahwa uji t dan uji f mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi
ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampai kecil. Ada 2 cara mendeteksi apakah residual berdistribusi normal atau tidak
menurut Ghozali 2005:110, yaitu: a
Analisis Grafik Salah satu cara termudah untuk melihat normalitas residual adalah dengan
melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Metode yang lebih handal adalah
dengan melihat model probability plot yang membandingkan distribusi kumulatif dari dstribusi normal. Distribusi normal akan membentuk garis lurus
diagonal dan plot data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data
sesungguhnya akan mengikuti garis diagonalnya. b
Analisis Statistik Uji statistik sederhana dapat dilakukan dengan melihat nilai kuortosis dan nilai
Z-skewness. Uji statistik lain yang dapat digunakan untuk menguji normalitas
Universitas Sumatera Utara
residual adalah uji statistik non parametrik Kolmogorv-Smirnov 1 sample KS.
2. Uji Multikolineritas
Untuk mendeteksi ada atau tidaknya multikolinieritas di dalam model regresi adalah sebagai berikut Ghozali, 2005:91:
a Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independennya banyak yang
tidak signifikan mempengaruhi variabel dependen. b Menganalisis matrik korelasi variabel-variabel independen. Jika antar
variabel independen ada kolerasi yang cukup tinggi umumnya diatas 0,90, maka hal ini merupakan indikasi adanya multikolinieritas. Tidak adanya
korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikolinieritas. Multikolinieritas dapat disebabkan karena adanya efek atau
kombinasi dua atau lebih variabel independen. c Multikolinieritas dapat juga dilihat dari: nilai tolerance dan lawannya serta
Variance Inlation factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya.
Dalam pengertian sederhana setiap setiap variabel independen menjadi variabel dependen dan di regres terhadap variabel independen lainnya.
Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jika nilai tolerance yang rendah
sama dengan nilai VIF tinggi karena VIF=1Tolerance. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai
tolerance 0,10 atau sama dengan nilai VIF10.
3. Uji Heteroskedastisitas
