4.3 Analisi Data 4.3.1 Uji Asumsi Klasik
4.3.1.1 Uji Normalitas
Pengujian normalitas data dilakukan untuk melihat apakah dalam model regresi, variabel dependen dan independennya memiliki distribusi
normal atau tidak. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal maka model regresi memenuhi asumsi
normalitas Juliandi, 2013:169. Cara menguji data adalah dengan menggunakan Kolmogorov Smirnov. Kriteria untuk menentukan normal
atau tidaknya data, dapat di lihat pada nilai probabilitasnya. Data adalah normal jika nilai Kolmogorov Smirnov tidak signifikan Asymp. Sig. 2-
tailed 0,05 Juliandi, 2013:170.
Gambar 4.5 Grafik Normalitas P-Plot of Regression
Sumber: Olahan Data Software Statistik, 2015
Berdasarkan grafik di atas, data-data penyebaran di sekitar garis diagonal mengikuti arah garis diagonal, yang menunjukkan bahwa model
regresi telah memenuhi asumsi normalitas.
Tabel 4.41 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 80
Normal Parameters
a
Mean .0000000
Std. Deviation 1.29711429
Most Extreme Differences Absolute
.158 Positive
.158 Negative
-.065 Kolmogorov-Smirnov Z
1.410 Asymp. Sig. 2-tailed
.038 a. Test distribution is Normal.
Sumber: Olahan Data Software Statistik, 2015
Berdasarkan tabel tersebut nilai Asymp. Sig. 2-tailed adalah 0,038 Asymp. Sig. 2-tailed
α 0,05, signifikan dan apa bila nilai signifikan berarti data sama dengan rata-rata sehingga di sebut tidak normal. Dengan
demikian data tersebut tidak memenuhi uji normalitas.
Gambar 4.6 Kurva Histogram
Sumber: Olahan Data Software Statistik, 2015
Berdasarkan kurva histogram di atas dapat dilihat bahwa kurva tidak menyerupai bentuk lonceng yang sempurna dengan kemiringan yang tidak
cendrung imbang dari sisi kanan dan sisi kiri, hal ini menunjukkan bahwa data tidak terdistribusi secara normal.
4.3.1.2 Uji Multikolinearitas
Multikoolinearitas digunakan untuk menguji apakah pada model regresi ditemukan adanya korelasi yang kuat antar variabel independen
Gujarati,3003; Santoso, 2000, Arief, 1993 dalam Juliandi, 2013:170. Cara yang digunakan untuk menilainya adalah dengan melihat nilai faktor
inflasi varian Variance Inflasi Factor VIF, yang tidak melebihi 4 atau 5 Hines dan Montgomery, 1990 dalam Juliandi, 2013:170.
Tabel 4.42 Hasil Uji Multikolinearitas
Sumber: Olahan Data Software Statistik, 2015
Berdasarkan tabel diatas dilihat bahwa kedua variabel independen yaitu motivasi kerja dan kepuasan kerja memiliki nilai faktor inflasi harian Variance
Inflasi Factor sebesar 1,578 tidak melebihi 5, sehimgga tidak terjadi
multikolinearitas dalam variabel independen penellitian ini.
4.3.1.3 Uji Heterokedastisitas