Dari hasil analisis statistik Kolmogorov-Simirnov, dapat dilihat bahwa nilai Kolmogorov-Simirnov adalah 0,525 dan signifikansi pada angka 0,946 yang berarti
lebih besar dari nilai signifikan yang ditentukan, yaitu 0,05. Dengan demikian data dapat dikatakan berdistribusi normal.
Tabel 5.10. Kolmogrov-Smirnov K-S
One-Sample Kolmogorov-Smirnov Test Unstandardize
d Residual N
62
Mean .0000000
Normal Parametersa,b Std. Deviation
6.39540144 Absolute
.067 Positive
.067 Most Extreme
Differences Negative
-.048 Kolmogorov-Smirnov Z
.525 Asymp. Sig. 2-tailed
.946 a Test distribution is Normal
b Calculated from data
Dari hasil analisis statistik Kolmogorov-Simirnov, dapat dilihat bahwa nilai Kolmogorov-Simirnov adalah 0,525 dan signifikansi pada angka 0,946 yang berarti
lebih besar dari nilai signifikan yang ditentukan, yaitu 0,05. Dengan demikian data dapat dikatakan berdistribusi normal.
B. Uji Heteroskedasitas
Uji Heteroskedasitas bertujuan apakah model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain Ghozali, 2005. Uji
Heteroskedasitas dapat dilakukan dengan cara melihat grafik Scatterplot yang disajikan yang terdapat pada gambar 5.2 dibawah, terlihat titik menyebar secara acak
Anhar Aziz : Pengaruh Penerapan Sistem Manajemen Mutu ISO 9001:2000 Terhadap Kinerja Pegawai Dengan Pemberian Insentif Dan Kepuasan Kerja Sebagai Variabel Moderating Di PT. Persero Pelabuhan Indonesia I Unit
Terminal Peti Kemas Belawan, 2009
tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedasitas pada
model regresi. Adapun bentuk grafik Scatterplot terdapat pada gambar 5.2 berikut :
Regression Standardized Predicted Value
2 1
-1 -2
-3
Reg res
si on St
ud ent
iz ed Resi
du al
3 2
1
-1 -2
Scatterplot Dependent Variable: KINERJA_Y
Gambar 5.2 Grafik Scatterplot C. Uji Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independent. Model regresi yang
baik seharusnya tidak terjadi korelasi diantara variabel indenpenden. Ghozali, 2005.
Menurut Ghozali 2005 bahwa mendeteksi gejala-gejala terjadinya multikolinieritas dapat dilakukan dengan melihat tolerance dan lawannya VIF
Variabel Inflation Factor. Tolerance mengukur variabilitas variabel independent yang terpilih yang tidak dijelaskan oleh variabel indenpenden lainya. Jadi nilai
tolerance yang rendah sama dengan nilai VIF tinggi karena = 1tolerance. Nilai
Anhar Aziz : Pengaruh Penerapan Sistem Manajemen Mutu ISO 9001:2000 Terhadap Kinerja Pegawai Dengan Pemberian Insentif Dan Kepuasan Kerja Sebagai Variabel Moderating Di PT. Persero Pelabuhan Indonesia I Unit
Terminal Peti Kemas Belawan, 2009
cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nolai tolerance 0,10 atau sama dengan nilai VIF10.
Dengan menggunakan SPSS, hasil pengolahan yang diperoleh melalui kuisioner dapat dilihat pada Tabel 5.11 berikut ini :
Tabel 5.11. Hasil Uji Multikoliniearitas
Coefficientsa
Model Unstandardized
Coefficients Standardize
d Coefficients
T Sig.
Collinearity Statistics
B Std.
Error Beta
Tolerance VIF
1 Constant
33.485 1.324
25.296 .000
ZscoreISO_X1 -.179
.844 -.025
-.212 .833
.990 1.010
ZscoreINSEN_X 3
3.144 .846
.440 3.714
.000 .984
1.016 Moderating2
-.265 .936
-.034 -.283
.778 .976
1.024
a Dependent Variable: KINERJA_Y
Pada Tabel 5.11 diatas dapat dilihat dilihat bahwa angka Variance Inflation Factor VIF lebih kecil dari 10 yaitu sebesar 1,024 dan nilai tolerance sebesar
0,976, ini menunjukkan tidak terjadi multikoliniearitas.
5.3. Hasil Analisis 5.3.1. Hasil Pengujian Hipotesis 1