4.2.2. Pengujian Asumsi Klasik
Sebelum melakukan analisis regresi, agar di dapat perkiraan yang tidak bias dan efisien maka dilakukan pengujian asumsi klasik. Ada beberapa kriteria
persyaratan asumsi klasik yang harus dipenuhi. Persyaratan asumsi klasik yang harus dipenuhi adalah :
1. Pengujian Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Data yang baik adalah data yang
mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak melenceng ke kiri atau menlenceng ke kanan Situmorang, 2010.
Sumber: Hasil pengolahan SPSS 2011 Gambar 4.3 Histogram
Universitas Sumatera Utara
Interpretasi dari Gambar 4.4 grafik histogram menunjukkan pola distribusi normal.
Sumber: Hasil pengolahan SPSS 2011 Gambar 4.4 Normal P-P Plot of Regression Standardized Residual
Pada gambar 4.4 dapat dilihat bahwa data titik-titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Oleh karena itu, berdasarkan
gambar 4.4 maka dapat diambil kesimpulan bahwa telah memenuhi uji normalitas.
2. Pengujian Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi tidak terdapat ketidaksamaan variance dari satu residual satu pengamatan
ke pengamatan lainnya. Jika variance dari satu residual satu pengamatan ke pengamatan lainnya tetap maka terjadi homoskedastisitas, bila berbeda maka
disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas Situmorang et al, 2008.
Universitas Sumatera Utara
Hipotesis: 1. Jika diagram pencar yang ada membentuk pola-pola tertentu yang teratur maka regresi mengalami gangguan heteroskedastisitas.
2. Jika diagram pencar yang ada tidak membentuk pola-pola tertentu yang teratur atau acak maka regresi tidak mengalami gangguan
heteroskedastisitas.
Sumber: Hasil pengolahan SPSS 2011 Gambar 4.5 Scatterplot
Pada gambar 4.5 dapat dilihat bahwa diagram pencar tidak membentuk pola tertentu karena itu tidak mengalami gangguan heteroskedastisitas.
Universitas Sumatera Utara
3. Pengujian Multikolinearitas
Gejala multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIP Variance Inflation Factor melalui program SPSS 17.0. Tolrance mengukur
variabilitas variabel terpilih yang tidak dijelaskan oleh variable independent lainnya. Nilai umum biasa dipakai adalah nilai Tolerance 0,1 maka tidak terjadi
multikolinearitas Situmorang et al, 2010:133.
Tabel 4.10 Hasil Uji Multikolinieritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
Peserta .204
4.896 Instruktur
.158 6.315
Materi .366
2.735 Fasilitas
.119 8.408
a. Dependent Variable: Kinerja
Sumber : hasil pengolahan SPSS 2011
Pada Tabel 4.10 menjelaskan mengenai besarnya nilai tolerance untuk masing-masing variabel bebas. Semua variabel bebas mempunyai nilai tolerance
0,1, sehingga dapat disimpulkan bahwa masalah multikolinearitas tidak ada.
4.2.4. Analisis Regresi Berganda
Analisis regresi berganda digunakan untuk mengetahui seberapa besar pengaruh variabel bebas peserta, instruktur, materi dan fasilitas terhadap
variabel terikat kinerja karyawan pada PT. Bank Sumut Cabang Medan Iskandar
Universitas Sumatera Utara
Muda. Analisis dilakukan dengan bantuan SPSS versi 17,0 dengan menggunakan metode enter. Metode enter digunakan untuk analisis regresi agar dapat
mengetahui apakah variabel independent mempunyai pengaruh yang signifikan terhadap variabel dependent. Seluruh variabel akan dimasukkan ke dalam analisis
untuk dapat diketahui apakah variabel independent mempunyai pengaruh yang signifikan terhadap variabel dependent.
Tabel 4.11
Variables EnteredRemoved
b
Model Variables Entered Variables Removed
Method 1
Fasilitas, Materi, Peserta, Instruktur
a
. Enter a. All requested variables entered.
b. Dependent Variable: Kinerja
Sumber : hasil pengolahan SPSS 2011
Pada Tabel 4.11 Variabels EnteredRemoved b menunjukkan hasil analisis statistik yaitu sebagai berikut :
a. Variabel yang dimasukkan ke dalam persamaan adalah variabel independent yaitu Peserta, Instruktur, Materi dan Fasilitas.
b. Tidak ada variabel independent yang dikeluarkan removed. c. Metode yang digunakan untuk memasukkan data yaitu metode enter.
1. Koefisien Determinan R²
Determinasi R
2
digunakan untuk melihat seberapa besar variabel bebas mampu menjelaskan variabel terikat. Nilai R square dikatakan baik jika
di atas 0.5 karena nilai R square berkisar antara 0 sampai 1.
Universitas Sumatera Utara
Tabel 4.12 Koefisien Determinasi
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
1 .940
a
.884 .865
1.79486 a. Predictors: Constant, Fasilitas, Materi, Peserta, Instruktur
b. Dependent Variable: Kinerja
Sumber : Hasil pengolahan SPSS 2010
Pada Tabel 4.12 menunjukkan bahwa angka R Square atau
determinan sebesar 0,884 berarti variabel bebas yaitu variabel Peserta, Instruktur, Materi dan Fasilitas mampu menjelaskan terhadap variabel
terikatnya yaitu Kinerja Karyawan pada PT. Bank Sumut Cabang Medan Iskandar Muda sebesar 88 dan sisanya 12 dijelaskan oleh faktor lain.
2. Uji Signifikan Simultan Uji-F
Kategori