model regresi terdapat asumsi-asumsi yang harus dipenuhi agar model tidak bias dan kuat. Asumsi-asumsi tersebut menurut Gujarati dalam Zamzami 2004 adalah 1
Normalitas data, 2 Tidak terdapat multikolinearitas yaitu hubungan linier yang pasti antar variabel bebas, 3 Tidak terdapat heterokedastisitas bersifat homokedastisitas
dan 4 Tidak terdapat korelasi berurutan atau autokorelasi. Pengujian yang dilakukan dalam model analisis model regresi ini adalah :
1. Pengujian normalitas data
2. Pengujian kriteria BLUES Best Linear Unbiased Estimator yaitu pengujian
multikolinearitas dan heterokedastisitas 3.
Pengujian goodness of fit
4.5.1 Uji Normalitas Data
Pengujian normalitas data untuk melihat normal tidaknya sebaran data yang akan di analisis. Model regresi yang baik adalah distribusi normal atau mendekati
normal. Untuk melihat normalitas data ini digunakan pendekatan grafik, yaitu Normality Probability Plot.
Deteksi normalitas dengan melihat penyebaran data titik pada sumbu diagonal dan grafik. Menurut Santoso 2002, dasar pengambilan keputusan adalah:
1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal, maka model regresi memenuhi asumsi normalitas, 2.
Jika data menyebar jauh dan garis diagonal danatau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Tirta Perdana : Analisis penerapan konsep balanced scorecard bsc sebagai suatu alat pengukuran kinerja sumber daya manusia di pt. Excelcomindo pratama, tbk regional sumatera, 2008.
USU Repository©2008
Pada output SPSS bagian Normal P-P Plot of Regression, dapat dijelaskan bahwa data-data cenderung lurus mengikuti garis diagonal, sehingga data dalam
penelitian cenderung berdistribusi normal seperti terlihat pada gambar dibawah ini:
Gambar 4.2 Normalitas Data 4.5.2 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji adanya korelasi antara variabel independent yaitu pelayanan dan komunikasi pelanggan. Jika terjadi korelasi maka
ada gejala multikol yaitu adanya masalah multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independennya.
Normal P-P Plot of Regression Standardized Residual Dependent Variable: KINERJA
Observed Cum Prob
1,0 ,8
,5 ,3
0,0
Expected Cum Prob
1,0 ,8
,5 ,3
0,0
Tirta Perdana : Analisis penerapan konsep balanced scorecard bsc sebagai suatu alat pengukuran kinerja sumber daya manusia di pt. Excelcomindo pratama, tbk regional sumatera, 2008.
USU Repository©2008
Tabel 4.21 Hasil Uji Multikolinearitas
Collinearity Statistics Model
Tolerance VIF
Constant kepuasan
.305 3.279
pelatiha .492
2.035 turnover
.479 2.088
1
produkti .456
2.195
Pedoman suatu model regresi yang bebas multikol adalah dengan melihat Variance Inflation Factor VIF dan Tolerance , jika VIF 5 menunjukkan bahwa
semua variabel bebas tidak mempunyai masalah multikolinearitas. Tabel 4.21 menjelaskan besarnya nilai VIF untuk masing-masing variabel bebas kurang dari 5,
yaitu untuk variabel kepuasan dalam bekerja , nilai VIF 3.279 5, variabel pelatihan karyawan, nilai VIF 2.035 5, varibel turnover karyawan, nilai VIF 2.088 5 dan
variabel produktivitas karyawan, nilai VIF 2,195 5. Maka dapat dinyatakan bahwa masalah multikolinearitas tidak ada.
4.5.3 Uji Heterokedastisitas
