g. Pada pertanyaan ketujuh Saya tidak akan menunda-nunda pekerjaan yang diberikan atasan sebanyak 4 orang atau 13,4 yang menyatakan sangat
setuju, 17 orang atau 56,6 menyatakan setuju, 8 orang atau 26,7 menyatakan kurang setuju, 1 orang atau 3,3 orang menyatakan tidak
setuju, 1 orang atau 3,3 orang menyatakan sangat tidak setuju dan 2 orang atau 6,7 orang menyatakan sangat tidak setuju, dari pertanyaan
ketujuh dapat dilihat bahwa 56,6 setuju sehingga dapat dikatakan bahwa pegawai memiliki kinerja yang baik dengan memanfaatkan waktu sebaik
mungkin. h. Pada pertanyaan kedelapan Saya selalu menyelesaikan pekerjaan tepat
waktu sebanyak 17 orang atau 56,6 yang menyatakan sangat setuju, 14 orang atau 46,6 menyatakan setuju, 9 orang atau 30 menyatakan
kurang setuju, dan 2 orang atau 6,7 orang menyatakan tidak setuju, dari pertanyaan kedelapan dapat dilihat bahwa 56,6 pegawai selalu
menyelesaikan pekerjaannya tepat waktu, dengan demikian dapat dikatakan pegawai memiliki kinerja yang baik..
4.2.4. Uji Asumsi Klasik
Uji Asumsi Klasik pada penelitian ini terdiri dari:
a. Uji Normalitas
Uji Normalitas data dapat dilihat dari output SPSS melalui gambar kurva normal p-p Plot untuk menunjukkan sebaran data penelitian. Gambar kurva
normal P-P Plot berikut ini dapat disimpulkan bahwa data penelitian mempunyai
UNIVERSITAS SUMATERA UTARA
distribusi normal, karena sebaran data yang ada menyebar kesemua daerah kurva normal. Uji Normalitas pada penelitian ini dapat dilihat pada Gambar 4.12.
Sumber: Pengolahan Data Primer kuesioner dengan SPSS 18.00, 2013
Gambar 4.1. Grafik Distribusi Normal
Uji Normalitas scatter plot pada Gambar 4.1. dapat dilihat bahwa titik-titik mengikuti data di sepanjang garis diagonal hal ini berarti data berdistribusi
normal. Uji Normalitas dapat dilihat juga pada One Sampel KS Tes, yaitu:
Tabel 4.12. Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
UNIVERSITAS SUMATERA UTARA
Unstandardized Residual
N 30
Normal Parameters Mean
a,b
.0000000 Std. Deviation
1.16852747 Most Extreme Differences
Absolute .258
Positive .114
Negative -.258
Kolmogorov-Smirnov Z 1.411
Asymp. Sig. 2-tailed .307
a. Test distribution is Normal. b. Calculated from data.
Sumber: Pengolahan Data Primer kuesioner dengan SPSS 18.00, 2013
Data pada Tabel 4.12. Nilai Asymp.Sis 2-tailed pada penelitian ini adalah 0,307; lebih besar dari 0,05 0,307 0,05, artinya variabel residual pada
penelitian ini memiliki distribusi normal.
b. Uji Heteroskedastisitas
Heteroskedastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model
regresi, dengan kata lain heteroskedastisitas terjadi jika residual tidak memiliki varian yang konstan.
Heteroskedastisitas dapat diketahui dengan melakukan dua pendekatan yakni pendekatan statistik uji glesjer dan pendekatan grafik.
Kriteria pengambilan keputusan jika nilai signifikansi ≥ 0,05, maka tidak
mengalami gangguan heteroskedastisitas. Jika nilai signifikansi 0,05, maka mengalami gangguan heteroskedastisitas. Hasil analisis heteroskedastisitas pada
penelitian ini dapat dilihat pada Tabel 4.13.
UNIVERSITAS SUMATERA UTARA
Tabel 4.13. Hasil Analisis Instrumen Heteroskedastisitas
Pendekatan Statistik Uji Glesjer
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .587
3.300 .178
.860 M.Instrinsik
.174 .114
.389 1.521
.140 M.Ekstrinsik
-.160 .124
-.330 -1.291
.208 a. Dependent Variable: absut
Sumber: Pengolahan Data Primer kuesioner dengan SPSS 18.00, 2013
Tabel 4.13. dapat dilihat bahwa data pada penelitian ini hasil uji signifikan variabel M.Instrinsik adalah sebesar 0,140, dan hasil uji signifikan pada variabel
M.Ekstrinsik adalah sebesar 0,208. Hasil analisis instrumen heteroskedastisitas pada penelitian ini menunjukkan bahwa masing-masing variable independent
menunjukkan nilai lebih besar dari 5, sehingga dapat disimpulkan bahwa data pada penelitian ini tidak terdapat adanya heteroskedastisitas dalam model regresi.
Uji heteroskedastisitas dapat juga dilihat melalui gambar scatterplot. Gambar scatterplot dapat menunjukkan indikasi ada atau tidaknya gejala
heteroskedastisitas. Suatu model regresi jika dianalisis dengan pendekatan grafik, tidak terkena heteroskedastisitas apabila pada grafik scatterplot terlihat titik-titik
yang menyebar secara acak dan tidak membentuk suatu pola tertentu Syafrizal, 2008: 68.
UNIVERSITAS SUMATERA UTARA
Sumber: Pengolahan Data Primer kuesioner dengan SPSS 18.00, 2013
Gambar 4.2. Scatterplot Dependent Variable Kinerja Pegawai
Gambar 4.2. menyatakan bahwa penyebaran residual cenderung tidak teratur, adanya titik-titik yang berpencar dan tidak membentuk pola tertentu. Hasil
yang diperoleh dalam penelitian ini adalah tidak terdapat gejala heteroskedastisitas pada model regresi ini.
c. Uji Multikolinearitas
