Tabel III..2 Tabel Skala Data
Skala Data Kelas
Kategori 1
1,00 – 1,79
Sangat Rendah 2
1,80 – 2,59
Rendah 3
2,60 – 3,39
Cukup 4
3,40 – 4,19
Tinggi 5
4,20 – 5,00
Sangat Tinggi
2. Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas berguna untuk menentukan data yang telah dikumpulkan berdistribusi normal atau diambil dari populasi normal Basuki dan
Prawoto,2016:57. Metode yang digunakan mengetahui normalitas adalah
One Sample Kolmogorof-Smirnov.
Suatu data berdistribusi normal jika signifikansi Sig
alpha = 0,05 maka data berdistribusi normal jka signifikansi Sig
alpha = 0,05 maka data tidak berdistribusi normal. Salah satu cara melihat normalitas secara visual yaitu melalui Normal P-
P Plot, ketentuannya adalah jika titik-tititk masih berada di sekitar garis diagonal maka dapat dikatakan bahwa residual menyebar normal.
b. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Variabel yang
menyebabkan multikolinerartitas dapat dilihat dari nilai
tolerance
maupun VIF
Variance Inflation Factor.
Nilai
tolerance
adalah besarnya tingkat kesalahan yang dibenarkan secara statistik α. Nilai VIF
Variance Inflation Factor
adalah faktor inflasi penyimpangan baku
kuadrat. Jika nilai toleransi ≥ 0,1 dan VIF ≤ 10 maka tidak terjadi gangguan multikolinearitas, tetapi apabila nilai toler
ansi ≤ 0,1 dan VIF ≥
10 maka terjadi gangguan multikolinearitas. c.
Uji heteroskedastisitas
Heteroskedastisitas adalah adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi Basuki dan Prawoto,
2016:63. Jika residualnya mempunyai varians yang sama disebut terjadi homoskedastisitas. Persamaan regresi yang baik jika tidak terjadi
heteroskedastisitas. Uji yang sering digunakan dalam heteroskedatisitas ini adalah uji
scatterplot
, oleh karena itu dalam penelitian ini penulis menggunakan uji
scatterplot
untuk menguji hetero atau tidaknya data
yang diperoleh. Data pengambilan keputusan:
1 Jika ada pola tertentu, seperti titik-titik point yang ada membentuk
suatu pola tertentu yang teratur bergelombang, melebar lalu menyempit, berarti telah terjadi heteroskedastisitas
2 Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
3. Analisis Regresi Linear Berganda
Analisis regresi linear berganda digunakan untuk menaksir bagaimana keadaan naik turunnya variabel dependen, bila dua atau lebih variabel
dependen sebagai faktor predictor dimanipulasi dinaik turunkan nilainya Sugiyono, 2012:277. Dalam penelitian ini, teknik analisis linier berganda
digunakan untuk mengukur pengaruh kompensasi, motivasi, dan lingkungan
