3 2
1 -1
-2 -3
15 12
6 3
Dependent Variable: Kinerja Perawat
F re
q u
e n
c y
Histogram
9 Mean = 1.6E-16
Std. Dev. = 0.977 N = 90
Regression Standardized Residual
Model regresi linier berganda dapat disebut sebagai model yang baik jika model tersebut memenuhi asumsi normalitas data dan terbebas dari asumsi-asumsi
klasik statistik, baik itu multikolineritas, autokorelasi, dan heteroskesdastisitas.
a. Uji Normalitas Data
Uji normalitas data ini bertujuan untuk mengetahui distribusi data dalam variabel yang akan digunakan dalam penelitian. Data yang baik dan layak
digunakan dalam penelitian adalah data yang memiliki distribusi normal. Data pada variabel yang baik adalah data yang memiliki bentuk kurva dengan
kemiringan seinmbang dari sisi kiri dan kanan, atau tidak condong ke kiri ataupun ke kanan, melainkan ke tengah dengan bentuk seperti lonceng, dengan nilai
skewness mendekati 0 Gambar 4.1. Sedangkan output kurva Normal P-Plot Gambar 4.2 menunjukkan distribusi dari titik-titik data faktor dalam hal
mempengaruhi tingkat pendidikan, motivasi, usia, dan pengalaman kerja menyebar di sekitar garis diagonal dan penyebaran titik-titik data searah dengan
garis diagonal. Adapun output kurva normal terdapat dalam Gambar 4.1 dan Gambar 4.2.
Gambar 4.1 Histogram Sumber: Pengelolahan SPSS 2010
Universitas Sumatera Utara
Gambar 4.2 Normal P-P Plot of Regression Standardized Residual
Sumber: Pengelolahan SPSS 2010
Gambar 4.1 dan Gambar 4.2 menunjukkan pendistribusian data penelitian tersebut telah memenuhi uji normalitas data. Dengan kata lain, data faktor-faktor
yang mempengaruhi kinerja tingkat pendidikan, motivasi, usia dan pengalaman kerja memiliki kecendrungan berdistribusi normal.
b. Uji Multikolineritas
Menurut Nugroho 2005:58, uji multikolineritas diperlukan untuk mengetahui ada tidaknya variabel independent yang memiliki kemiripan dengan
variabel independent yang lain dalam satu model. Deteksi multikolineritas pada suatu model dapat dilihat dari nilai Variance Inflation Factor VIF tidak lebih
dari 10 dan nilai Tolerance tidak kurang dari 0,1, maka model dapat dikatakan terbebas dari multikolineritas. Untuk lebih jelasnya dapat dilihat pada Tabel 4.14.
1.0 0.8
0.6 0.4
0.2 0.0
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E x
p e
c te
d C
u m
P ro
b
Dependent Variable: Kinerja Perawat Normal P-P Plot of Regression Standardized Residual
Universitas Sumatera Utara
Tabel 4.14
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant .913
3.715 .772
000 Tingkat_Pendidikan
.382 .166
.290 3.618
.032 .585
1.786 Motivasi
.263 .144
.128 2.895
.018 .542
1.850 Usia
.087 .106
.029 1.923
.013 .932
1.028 Pengalaman_Kerja
.450 .186
.566 5.024
.042 .956
1.018 a Dependent Variable: Kinerja Perawat
Sumber: Pengelolahan SPSS 2010
Hasil uji melalui Variance Inflation Factor VIF pada hasil pengolahan SPSS, masing-masing variabel independent memiliki VIF tidak lebih dari 10 dan
nilai Tolerance tidak kurang dari 0,1. maka dapat dinyatakan model regresi linear berganda tersebut terbebas dari asumsi klasik dan dapat digunakan dalam
penelitian.
c. Uji Autokorelasi