residual berdistribusi normal atau tidak dengan menggunakan uji statistik non- parametrik Kolmogorov-Smirnov K-S terhadap data residual regresi. Kriteria yang
digunakan adalah dengan membandingkan nilai p yang diperoleh dengan taraf signifikansi yang sudah ditentukan yaitu 0,05. Hasil yang berdistribusi normal adalah
ketika variabel residual memiliki nilai signifikansi 0,05. Hasil pengujian ini dapat dilihat pada tabel 4.8 .
Tabel 4.8
Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
54 Normal Parameters
a,b
Mean 0E-7
Std. Deviation 1.58426554
Most Extreme Differences Absolute
.084 Positive
.059 Negative
-.084 Kolmogorov-Smirnov Z
.618 Asymp. Sig. 2-tailed
.840 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Data Primer yang diolah, 2016
Berdasarkan tabel 4.8 diketahui bahwa hasil uji normalitas masing-masing variabel terhadap nilai residual untuk jumlah sampel sebanyak 54 orang diperoleh
nilai Kolmogorov-Smirnov sebesar 0,618 dan nilai signifikansi 0,840. Nilai tersebut lebih besar dari nilai signifikansinya 0,05, sehingga sapat disimpulkan bahwa residual
data terdistribusi normal.
4.1.4.2 Uji Multikolinieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang
baik seharusnya tidak terjadi korelasi di antara variabel independen. Menguji ada tidaknya multikolonieritas dilihat dari nilai tolerance dan lawannya variance inflation
faktor VIF. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai
tolerance ≤ 0,10 atau sama dengan nilai VIF ≥ 10.
Tabel 4.9 Hasil Uji Multikolonieritas
Model Unstandardized
Coefficients Standardize
d Coefficients
T Sig.
Collinearity Statistics
B Std.
Error Beta
Tolerance VIF
1 Constant
9.490 1.446
6.562 .000
Komu .109
.083 .119
1.301 .199
.193 5.175
PPA .368
.120 .234
3.063 .004
.276 3.625
Komp .186
.089 .202
2.079 .043
.171 5.839
PK .479
.095 .464
5.031 .000
.190 5.262
a. Dependent Variable: Kepuasan Kerja
Sumber: Data primer yang diolah, 2016
Hasil perhitungan nilai tolerance pada tabel 4.9 menunjukkan tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,10. Hal ini berarti
tidak ada korelasi antar variabel independen. Hasil perhitungan nilai VIF juga menunjukkan hal yang sama, yaitu tidak ada multikoliniaritas antar variabel
independen dalam model regresi karena nilai VIF lebih dari 1 tetapi kurang dari 10.
4.1.4.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain.
Model regresi yang baik adalah yang homokesdatisitas atau tidak terjadi heteroskedastisitas. Ada tidaknya heteroskedastisitas diketahui dengan melihat
signifikansinya terhadap derajat kepercayaan 5. Jika nilai signifikansi 0,05 maka tidak terjadi heteroskedastisitas. Uji heteroskedastisitas dalam penelitian ini
menggunakan uji Gletser yaitu dengan cara meregresikan nilai absolute residual terhadap variabel independen.
Tabel 4.10 Hasil Uji Heterokedastisitas
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error
Beta 1 Constant
2.099 .922
2.275 .027
Komu -.036
.053 -.214
-.675 .503
PPA -.034
.077 -.117
-.436 .665
Komp .052
.057 .315
.907 .369
PK -.027
.061 -.143
-.442 .660
a. Dependent Variabel: AbsUt
Sumber: Data primer diolah, 2016
Hasil uji heteroskedastisitas pada tabel 4.10 menunjukkan bahwa tidak ada gangguan heteroskedastisitas yang terjadi. Hasil pengujian diketahui bahwa nilai
signifikan masing-masing variabel lebih dari 0,05. Hal ini menunjukkan bahwa masing-masing variabel tersebut bebas dari masalah heteroskedastisitas.