112
responden adalah 4,00 yang berarti baik. Hal ini menunjukan bahwa seluruh karyawan melayani tamu dengan cepat dan tepat.
5. Pada pernyataan kelima , “ Setiap keluhan tamu pasti saya respon dengan baik untuk ditindaklanjuti” tidak ada responden yang menjawab sangat tidak
setuju, tidak setuju dan kurang setuju. Terlihat bahwa responden menjwab setuju sebesar 57,1 dan sangat setuju sebesar 42,9. Rata-rata nilai
jawaban responden adalah 4,00 yang berarti baik. Hal ini menunjukan bahwa seluruh karyawan mampu merespon dan menindaklanjuti setiap keluhan dari
tamu.
4.3 Uji Asumsi Klasik
Sebelum melakukan analisis regresi perlu dilakukan uji asumsi klasik agar dapat perkiraan yang tidak bias dan efisien. Ada beberapa syarat asumsi klasik yang
harus dipenuhi, yaitu:
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penggangu atau residual berdistribusi normal. Ada dua cara untuk mendeteksi apakah
residual berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik. Untuk melihat normalitas residual, peneliti menganalisis grafik histogram yang
membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal dan juga menganalisis probabilitas plot yang membandingkan distribusi
kumulatif dan distribusi normal.
Universitas Sumatera Utara
113
1. Analisis Grafik
Dasar pengambilan keputusan untuk Uji Normalitas sebagai berikut:
a. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogram menujukkan pola distribusi normal, maka model regresi
memenuhi asumsi mormalitas.
b. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram menunjukkan pola distribusi normal,
maka model regresi tidak memenuhi asumsi normalitas.
Sumber : Hasil Pengolahan Data SPSS 2016
Universitas Sumatera Utara
114
Gambar 4.2 Hasil Uji Regression Standardized Residual
Pada gambar 4.2 terlihat bahwa data juga berdistribusi normal ini dapat dilihat
pada scatterplot. Terlihat titik-titik yang mengikuti sebaran data di sepanjang garis diagonal.
Gambar 4.3 Grafik Normal P-P
Plot
Pada Gambar 4.3 Grafik P-P Plot dapat dilihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, jadi dapat disimpulkan
bahwa data residual berdistribusi normal maka model regresi memenuhi asumsi normalitas.
2. Analisis Statistik
Universitas Sumatera Utara
115
Pengujian normalitas yang didasarkan pada uji statistik non parametrik Kolmogorof-Smirnov K-S. Apabila nilai Kolmogorof-Smirnov Z
≤ Z tabel atau nilai asymp. Sig. 2 tailed
α maka data dinyatakan berdistribusi normal. Berikut adalah Tabel 4.11 hasil uji Kolmogorov Smirnov.
Tabel 4.11 One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 35
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.37913038
Most Extreme Differences
Absolute .109
Positive .109
Negative -.063
Kolmogorov-Smirnov Z .643
Asymp. Sig. 2-tailed .803
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Pengolahan Data SPSS 2016 Menurut Umar 2008:181 bahwa, apabila pada hasil uji Kolmogorov
Smirnov, nilai Asymp. Sig 2-tailed lebih besar dari 0,05 α = 5, tingkat signifikan
maka data berdistribusi normal. Pada Tabel 4.8 dapat dilihat nilai Asymp.Sig adalah 0.803 lebih besar dari 0,05, sehingga model regresi yang didapat adalah berdistribusi
normal.
2. Uji Multikolinieritas
Universitas Sumatera Utara
116
Uji ini bertujuan untuk menguji apakah didalam model regresi linier ditemukan adanya korelasi yang tinggi diantara variabel bebas. Ada atau tidaknya
multikolinieritas antar variabel dapat dilihat dari nilai variance inflation factor VIF untuk masing-masing variabel independent terhadap variabel dependent.
Pengambilan Keputusannya: VIF 5 maka diduga mempunyai persoalan multikolinieritas
VIF 5 maka tidak terdapat multikolinieritas Tolerence 0,1 maka diduga mempunyai persoalan multikolinieritas
Tolerence 0,1 maka tidak terdapat multikolinieritas
Tabel 4.12 Uji Multikolonieritas
Sumber: Hasil pengolahan data primer dengan SPSS 2016
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant 2.292
8.452 .271
.788 Disiplin Kerja
.453 .196
.395 2.312
.028 .817
1.224 Lingkungan Kerja
.144 .053
.424 2.693
.011 .756
1.323 Hubungan Kerja
.012 .167
.011 .073
.942 .968
1.033 Kepemimpinan
.029 .169
.029 .169
.867 .809
1.236 Pelatihan Kerja
.433 .187
.268 2.248
.022 .702
1.424
a. Dependent Variable: Kinerja Karyawan
Universitas Sumatera Utara
117
Pada Tabel 4.12 variabel pengawasan dan kepemimpinan memiliki nilai Tolerance 0,1 dan nilai VIF 5 maka variabel tersebut tidak mempunyai persoalan
multikolinearitas.
2. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan variance dari suatu residual pengamatan ke pengamatan lain. Gejala
heteroskedastisitas dapat dideteksi dengan 2 cara yaitu:
1. Analisis Grafik
Gejala heteroskedastisitas dapat dilihat dengan menggunakan grafik Scatterplot. Apabila data yang berbentuk titik-titik tidak membentuk suatu pola atau
menyebar, maka model regresi tidak terkena heteroskedastisitas. Kriteria keputusan:
a. Jika diagram pencar yang ada membentuk pola- pola tertentu yang teratur maka regresi mengalami gangguan heterokedastisitas.
b. Jika diagram pencar yang ada tidak membentuk pola - pola tertentu yang teratur maka regresi tidak mengalami gangguan heterokedastisitas.
Universitas Sumatera Utara
118
Sumber : Hasil Pengolahan Data SPSS 2016
Gambar 4.4 Scatterplot Uji Heterokedastisitas
Dari Gambar 4.4 terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas maupun di bawah angka nol
pada sumbu Y, dengan demikian dapat dikatakan bahwa tidak terjadi heteroskedastisitas pada model regresi.
2. Analisis Statistik
Kriteria keputusan: a. Jika probabilitas 0,05 maka tidak mengalami gangguan heteroskedastisitas.
Universitas Sumatera Utara
119
b. Jika probabilitas 0,05 maka mengalami gangguan heteroskedastisitas.
Tabel 4.13 Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
7.296 5.055
-1.443 .160
Disiplin Kerja .042
.117 .069
.355 .725
Lingkungan Kerja
.103 .124
.168 .831
.413 Hubungan Kerja
.113 .100
.202 1.132
.267 Kepemimpinan
.019 .101
.036 .184
.856 Pelatihan Kerja
.034 .112
.064 .306
.762 a. Dependent Variable: absut
Sumber: Hasil Pengolahan Data SPSS2016
Pada Tabel 4.10 dapat dilihat bahwa kolom Sig. pada tabel koefisien regresi untuk variabel independen adalah 0,725; 0,413; 0,267; 0,856; 0,762 atau
probabilitas lebih besar dari 0,05 maka tidak terjadi gangguan heteroskedastisitas. Hal ini menunjukkan semua variabel independent yang terdiri dari disiplin kerja,
lingkungan kerja, hubungan kerja,kepemimpinan,dan pelatihan kerja signifikan secara statistik mempengaruhi variabel dependent.
Universitas Sumatera Utara
120
4.4 Analisis Regresi Linier Berganda
