59
Tabel 4.13
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 91
Normal Parameters
a,b
Mean .0000000
Std. Deviation 2.33912353
Most Extreme Differences Absolute
.099 Positive
.099 Negative
-.089 Kolmogorov-Smirnov Z
.944 Asymp. Sig. 2-tailed
.335 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Penelitian, 2013 Data Diolah Tabel 4.13 menunjukkan bahwa hasil pengujian statistik dengan model
Kolmogorov-Smirnov menunjukkan bahwa data telah terdistribusi normal karena nilai Asymp.Sig 2-tailed Kolmogorov-Smirnov 0.335 lebih besar dari 0.05.
4.5.2 Uji Multikolinieritas
Uji multikolinearitas dilakukan untuk melihat apakah ada korelasi yang erat antar variabel bebas yang akan digunakan dalam suatu regresi. Keberadaan multikolinearitas
dalam suatu regresi ak an mengganggu hasil regresi tersebut sehingga tidak menghasilkan parameter yang efisien dan efektif sehingga akan membuat kesalahan dalam parameter
yang dihasilkan. Regresi yang baik adalah suatu regresi yang tidak memiliki multikolinearitas di dalamnya sehingga tidak ada gangguan yang diharapkan akan terjadi
pada regresi tersebut. Ghozali 2005 dalam bukunya menuliskan bahwa keberadaan multikolinearitas
dapat dilihat melalui nilai VIF Variance Inflation Factors atau nilai toleransinya. Keberadaan multikolinearitas dapat dilihat apabila nilai VIF 10 atau secara
Universitas Sumatera Utara
60 kebalikannya dengan melihat nilai toleransinya yang 0,1 dan sebaliknya. Hasil
perhitungan nilai VIF atau toleransi yang dilakukan untuk regresi yang digunakan dapat dilihat pada Tabel 4.14 di bawah ini.
Tabel 4.14 Hasil Uji Multikolinieritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
Constant Pengukuran.Kinerja
.741 1.349
Kompensasi .741
1.349 a. Dependent Variable: Motivasi
Sumber: Hasil Penelitian, 2013 Data Diolah Berdasarkan tabel di atas dapat dilihat bahwa angka tolerance dari variabel
independen motivasi kerja dan lingkungan kerja mempunyai nilai tolerance lebih dari 0,10 yang berarti bahwa tidak ada korelasi antar variabel indpenden yang ni lainya lebih
dari 95. Sementara itu, hasil perhitungan nilai Variance Inflantion Factor VIF juga menunjukkan hal yang sama. Tidak ada satupun variabel independen yang memiliki nilai
VIF lebih dari 10. Dengan demikian dapat disimpulkan dalam model regresi tidak terjadi multikolinieritas antar variabel independen tersebut.
4.5.3 Hasil Uji Heterokedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain dalam model regresi. Model
regresi yang baik adalah tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas. Dalam model regresi dinyatakan telah terjadi heteroskedastisitas apabila titik-titik yang
ada membentuk pola tertentu yang teratur. Dalam model regresi tidak terjadi
Universitas Sumatera Utara
61 heteroskedastisitas apabila titik-titik yang ada tidak membentuk pola tertentu yang teratur
dan titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y. Gambar 4.3 berikut ini menyajikan grafik scatterplot untuk menganalisis apakah
terjadi heteroskedastisitas dengan mengamati penyebaran titik-titik pada gambar.
Gambar 4.3 Hasil Uji Heterokedastisitas 4.6
Uji Hipotesis
Pada bagian sebelumnya telah diuji asumsi klasik pada suatu persamaan atau regresi dan telah diperoleh hasil di mana regresi berganda yang telah diestimasi telah memenuhi
asumsi-asumsi klasik. Pada bagian selanjutnya akan dilakukan pengujian terhadap hasil regresi yang diperoleh baik secara serempak dengan menggunakan Uji-F dan melakukan
pengujian parsial dengan menggunakan Uji-t.
4.6.1 Analisis Regresi Berganda