87
Tabel 4.11 One sampel Kolmogorov-Smirnov Test
Unstandardized Residual
Normal Parameters
a.b
Most Extreme Differences N
Mean Std. Deviation
Absolute Positive
Negative Kolmogorov-Smimov Z
Asyimp. Sig 2-tailed 100
.00 2.467
.104 .104
-.104 1.054
.216
a. Test distribution is Normal.
b. Calculated from data.
Berdasarkan tabel 4.11 mengindikasikan bahwa data mempunyai distribusi
normal, dimana berdasarkan nilai signifikan Kolmogorov-Smirnov menunjukkan nilai lebih besar 0,05 yang mempunyai nilai signifikan 0,216 maka dapat
dinyatakan bahwa data mempunyai distribusi normal.
4.3.2 Uji multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Pada model regresi yang
baik seharusnya tidak terjadi korelasi di antara variabel independen. Adanya multikolinieritas dapat dilihat dari tolerance value atau nilai variance inflation
faktor VIF. Kedua ukuran ini menunjukan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance adalah mengukur
variabilitas variabel independen yang terpilih dan tidak dijelaskan oleh variabel independen yang lain. Nilai Cutoff yang umum dipakai untuk menunjukkan
adanya multikolinieritas adalah apabila Tolerance Value, 0,1 sedangkan VIF 5 maka tidak terjadi multikolineritas. Berikut ini disajikan cara medeteksi
Universitas Sumatera Utara
88
multikolinieritas dengan menganalisis matrik korelasi antar variabel independen dan perhitungan nilai tolerance dan varianace inflation factor VIF
Tabel 4.12. Hasil Perhitungan VIF
Coefficients
a
Model Correlations
Colinarity Statistic Zero-order
Partial Partial
Tolerance VIF
1 Insentif Disiplin
.420 .218
.104 .082
.370 .245
.897 .897
1.114 1.114
a. Dependent variable : prestasi kerja
Berdasarkan tabel 4.12. di atas menunjukkan bahwa kedua variabel : 1.
Nilai VIF dari nilai Insentif dan Disiplin lebih baik kecil atau dibawah 5 VIF5 yaitu 1,114, ini berarti tidak terkena multikolinieritas antara variabel
independen dalam model regresi. 2.
Nilai Tolerance dari Insentif dan Disiplin lebih besar dari 0,1 yaitu 0,897 ini bearti tidak terdapat multikolinieritas antar variabel independen dalam model
regresi.
4.3.3. Uji Heteroskedastisitas
Berdasarkan output SPSS maka hasil uji Heteroskedastisitas dapat ditunjukkan dalam tabel 4.13 sebagai berikut :
Tabel 4.13. Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 6.050
4.282 1.413
.161 Insentif
.135 .083
.074 1.621
.108 Disiplin
.873 .045
.881 19.267
.088 a. Dependent Variable: prestasi kerja
Universitas Sumatera Utara
89
Berdasarkan hasil yang ditunjukkan dalam tabel 4.13. tersebut bahwa variabel bebas yaitu insentif dan disiplin menunjukkan hasil yang tidak signifikan
yaitu terlihat dari probabilitas di atas tingkat kepercayaan 5, sehingga dapat disimpulkan bahwa variabel tersebut tidak terjadi Heteroskedastisitas dalam
varian kesalahan dan variabel insentif dan disiplin yang digunakan tidak mempengaruhi rendahnya
. Untuk menentukan Heteroskedastisitas juga dapat
menggunakan grafik scatterplot, titik-titik yang terbentuk harus menyebar secara acak, tersebar baik dalam maupun dibawah angka 0 pada sumbu Y. Hasil uji
Heteroskedastisitas dapat dilihat melalui grafik scatterplot yang ditunjukkan pada grafik scatterplot pada gambar 4.4 dibawah ini.
Satterplot Dependent variable : Prestasi Kerja
Grafik 4.4. Uji Heteroskedastisitas
Pada Gambar 4.4 Grafik Scatter Plot terlihat titik-titik menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik
diatas maupun dibawah angka nol 0 pada sumbu Y. hal ini berarti tidak terjadi
Universitas Sumatera Utara
90
heteroskedestisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi Prestasi Kerja berdasarkan masukan variabel Insentif dan
Disiplin.
4.4 Regresi Linear Berganda