setuju. Responden yang menyatakan kurang setuju karena merasa prestasi yang mereka miliki tidak mengalami kenaikan maupun penurunan.
m. Pada pernyataan ketigabelas Hasil pekerjaan saya telah sesuai dengan target yang diberikan sebanyak 20 orang 35,7 yang menyatakan sangat setuju,
32 orang 57,1 yang menyatakan setuju, 3 orang 5,4 yang menyatakan kurang setuju, 1 orang 1,8 yang menyatakan tidak setuju dan 0
menyatakan sangat tidak setuju. Responden yang menyatakan kurang setuju dan tidak setuju karena menurut penilaian atasan hasil pekerjaan yang mereka
selesaikan belum sesuai dengan terget yang diberikan perusahaan. n. Pada pernyataan keempatbelas Saya selalu merasa puas dengan hasil
pekerjaan yang saya selesaikan sebanyak 31 orang 55,4 yang menyatakan sangat setuju, 23 orang 41,1 yang menyatakan setuju, 2 orang
3,6 yang menyatakan kurang setuju, 0 menyatakan tidak setuju dan 0 menyatakan sangat tidak setuju. Responden yang menyatakan kurang setuju
karena merasa masih terdapat kekurangan dalam penyelesaian pekerjaan sehingga hasil kerja mereka tidak maksimal dan memuaskan.
4.3.2. Uji Asumsi Klasik
4.3.2.1.Uji Normalitas Data
Tujuan uji normalitas adalah untuk menguji model regresi distribusi sebuah data mengikuti atau mendekati distribusi normal. Uji normalitas dapat
dilakukan dengan analisis grafik dilihat dari titik-titik yang menyebar disekitar garis diagonal yakni distribusi data dengan bentuk lonceng dan distribusi data
Universitas Sumatera Utara
tersebut tidak menceng ke kiri atau menceng ke kanan. Uji normalitas dilakukan dengan menggunakan pendekatan kolmogorov smirnov. Dengan menggunakan
tingkat signifikan 5 0,05 maka jika nilai Asymp.Sig. 2-tailed di atas nilai signifikan 5 artinya variabel residual berdistribusi normal.
Hasil dari output SPSS terlihat seperti Gambar 4.2 dan Gambar 4.3 :
Sumber: Hasil Penelitian Februari, 2012 Gambar 4.2 Histogram Uji Normalitas
Sumber: Hasil Penelitian Februari, 2012 Gambar 4.3 Plot Uji Normalitas
Berdasarkan Gambar 4.2 dapat diketahui bahwa variabel berdistribusi normal, hal ini ditunjukkan oleh data tersebut tidak menceng ke kiri atau ke
kanan, sedangkan pada Gambar 4.3 dapat juga terlihat titik yang mengikuti data di sepanjang garis diagonal, hal ini berarti data berdistribusi normal. Namun untuk
Universitas Sumatera Utara
lebih memastikan bahwa data disepanjang garis diagonal berdistribusi normal maka dilakukan uji Kolmogorov-Smirnov K-S.
Tabel 4.8 Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 56
Normal Parameters
a,b
Mean .0000000
Std. Deviation 3.40408155
Most Extreme Differences
Absolute .063
Positive .049
Negative -.063
Kolmogorov-Smirnov Z .474
Asymp. Sig. 2-tailed .978
Sumber: Hasil Penelitian Februari, 2012 Berdasarkan Tabel 4.8 dapat diketahui bahwa nilai Asymp. Sig. 2-tailed
adalah 0,978, ini berarti diatas nilai signifikan 0,05 atau 5. Oleh karena itu sesuai dengan analisis grafik, analisis statistik dengan uji statistik non-parametrik
Kolmogorv-Smirnov KS juga menyatakan bahwa variabel residual berdistribusi normal.
4.3.2.2. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji model regresi terjadi ketidaksamaan varians dari satu residual pengamatan ke pengamatan lain. Jika varians dari
residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang
baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas,
yaitu:
Universitas Sumatera Utara
1. Metode Grafik Dasar analisis adalah jika tidak ada pola yang jelas, serta titik-titik
menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang ada
membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.
Sumber: Hasil Penelitian Februari, 2012 Gambar 4.4 Scatterplot
Berdasarkan Gambar 4.4 dapat terlihat bahwa tidak ada pola yang jelas serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka
berdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi. 2. Uji Glejser
Glejser mengusulkan untuk meregresi nilai absolut residual terhadap variabel independen. Jika variabel independen signifikan secara statistik
mempengaruhi variabel independen, maka ada indikasi terjadi heteroskedastisitas. Hasil pengujian menunjukkan hasil untuk uji glejser pada Tabel 4.9.
Universitas Sumatera Utara
Tabel 4.9 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant 4.205
4.343 .968
.337 Deskripsi Pekerjaan
.207 .141
.249 1.465
.149 Koordinasi
-.239 .143
-.284 -1.672
.100 a. Dependent Variable: absut
Sumber: Hasil Penelitian Februari, 2012 Kriteria pengambilan keputusan dengan uji glejser sebagai berikut:
a. Jika nilai signifikansi0,05 maka tidak mengalami gangguan heteroskedastisitas.
b. Jika nilai signifikansi0,05 maka mengalami gangguan heteroskedastisitas. Tabel 4.9 memperlihatkan bahwa tidak satupun varibel independen yang
signifikan secara statistik mempengaruhi variabel dependen absolut Ut absUt. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5,
jadi model regresi tidak mengarah adanya heteroskedastisitas.
4.3.2.3.Uji Multikolinieritas
Gejala multikolinieritas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor. Kedua ukuran ini menunjukkan setiap variabel
independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen terpilih yang tidak dijelaskan oleh
variabel independen lainnya. Nilai umum yang biasa dipakai adalah nilai Tolerance0,01 atau nilai VIF5, maka tidak terjadi multikolinieritas Situmorang
Universitas Sumatera Utara
et al, 2008:101. Hasil pengujian menunjukkan hasil untuk uji Glejser pada Tabel 4.10.
Tabel 4.10 Uji Nilai Tolerance dan VIF
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta Tolerance
VIF 1
Constant 1.224 7.631
.160 .873
Deskripsi Pekerjaan .880
.248 .426
3.547 .001 .617
1.620 Koordinasi
.796 .252
.380 3.163
.003 .617 1.620
a. Dependent Variable: Efektivitas Kerja
Sumber: Hasil Penelitian Februari, 2012 Berdasarkan Tabel 4.10 dapat terlihat bahwa:
a. Nilai VIF dari variabel Deskripsi Pekerjaan dan variabel Koordinasi lebih kecil atau di bawah 5 VIF5 ini berarti tidak terdapat multikolinieritas antar
variabel independen dalam model regresi. b. Nilai Tolerance dari variabel Deskripsi Pekerjaan dan variabel Koordinasi
lebih besar dari 0,1 Nilai Tolerance0,1 ini berarti tidak terdapat multikolinieritas antar variabel independen dalam model regresi.
4.3.3. Metode Analisis Regresi Statistik