80
4.3 Hasil Uji Asumsi Klasik 4.3.1 Uji Normalitas
Uji normalitas penelitian ini dilakukan dengan analisis grafik yaitu dengan grafik Histogram dan Normal P-P Plot of Regression Standarizied
Residual. Selain itu uji normalitas juga dilakukan dengan menggunakan uji Kolomogorov-Smirnov. Hasil uji normalitas ditunjukkan sebagai berikut:
4.3.1.1 Hasil Uji Normalitas dengan Histogram
Jika bentuk grafik tidak melenceng ke kiri atau ke kanan, maka menunjukkan bahwa variabel berdistribusi normal. Sebaliknya, apabila
bentuk grafik melenceng ke kiri atau ke kanan, maka menunjukkan bahwa variabel tidak berdistribusi normal.
Universitas Sumatera Utara
81
Sumber: Hasil Pengolahan SPSS 2016
Gambar 4.3 Hasil Uji Normalitas Dengan Histogram
Berdasarkan Gambar 4.3 dapat dilihat grafik histogram, sehingga dapat disimpulkan bahwa grafik histogram memberikan pola distribusi
normal. Hal ini ditunjukkan oleh distribusi data tersebut tidak melenceng ke kiri atau ke kanan.
4.3.1.2 Hasil Uji Normalitas dengan Normal P-P Plot of Regression Standarizied Residual
Jika titik masih menyebar disekitar garis diagonal, maka data telah berdistribusi normal. Sebaliknya, jika titik tidak menyebar disekitar garis
diagonal, maka data tidak berdistribusi normal.
Universitas Sumatera Utara
82 Sumber: Hasil pengolahan SPSS 2016
Gambar 4.4 Uji Normalitas dengan Normal P-P Plot of Regression Standarizied Residual
Pada Gambar 4.4 terlihat titik-titik menyebar mengikuti data sepanjang garis diagonal, hal ini menunjukkan bahwa data berdistribusi
normal.
4.3.1.3 Hasil Uji Normalitas dengan Kolomogorov-Smirnov Test
Jika Asymp. Sig. 2-tailed 0,05 maka data berdistribusi normal. Sebaliknya, jika Asymp. Sig. 2-tailed 0,05 maka data tidak berdistribusi
normal.
Universitas Sumatera Utara
83
Tabel 4.8 Hasil Uji Kolomogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 54
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 6.03671742
Most Extreme Differences Absolute
.177 Positive
.177 Negative
-.095 Kolmogorov-Smirnov Z
1.298 Asymp. Sig. 2-tailed
.069 a. Test distribution is Normal.
b. Calculated from data.
Pada Tabel 4.8 dapat dilihat bahwa data berdistribusi normal karena nilai Asymp. Sig. 2-tailed sebesar 0.069 0.05 yang artinya lebih
besar dari nilai signifikansi 0,05 dengan kata lain setiap variabel residual berdistribusi normal.
4.3.2 Uji Heteroskedastisitas
Uji Heterosdekastisitas dimaksudkan untuk mengetahui tingkat penyebaran atau variasi dari semua variabel yang diobservasi. Kriteria uji
heteroskedastisitas yaitu apabila titik-titik menyebar secara acak dan tidak membentuk pola tertentu serta tersebar di atas maupun di bawah angka nol
pada sumbu Y maka disimpulkan suatu model regresi dianggap tidak terdapat masalah heteroskedastisitas.
Universitas Sumatera Utara
84
4.3.2.1 Hasil Uji Heteroskedastisitas dengan Scatter Plot
Sumber: Hasil pengolahan SPSS 2016
Gambar 4.5 Hasil Uji Heteroskedastisitas dengan Scatter Plot
Pada Gambar 4.5 menunjukkan bahwa titik-titik menyebar secara acak, maka dapat disimpulkan tidak terjadi heteroskedastisitas.
4.3.2.2 Hasil Uji Heteroskedastisitas dengan Glejser
Uji heteroskedastisitas dengan menggunakan glejser memiliki kriteria jika nilai Sig 0,05 maka tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
85
Tabel 4.9 Hasil Uji Heteroskedastisitas dengan Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 7.385
4.856 1.521
.134 Lingkungan_Kerja
.096 .079
.172 1.218
.229 Kepribadian
-.130 .074
-.248 -1.759
.085 a. Dependent Variable: absut
Sumber: Hasil pengolahan SPSS 2016
Pada Tabel 4.9 terlihat dengan jelas tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen Kinerja
Karyawan. Hal ini terlihat dari semua variabel bebas memiliki nilai Sig 0,05 maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas.
4.3.3 Uji Multikolinieritas
Gejala multikolinieritas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor. Kedua ukuran ini menunjukkan setiap variabel
bebas mana yang dijelaskan oleh variabel terikat lainnya. Tolerance adalah mengukur variabilitas variabel bebas yang terpilih yang tidak dijelaskan variabel
bebas lainnya. Dengan nilai:
a. Tolerance Value 0,1 atau VIF 5, maka terjadi multikolinieritas b. Tolerance Value 0,1 atau VIF 5, maka tidak terjadi
multikolinearitas.
Universitas Sumatera Utara
86
Tabel 4.10 Hasil Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardize
d Coefficients
t Sig.
Collinearity Statistics
B Std. Error
Beta Toleranc
e VIF
1 Constant
10.702 7.445
1.438 .157
Lingkungan_Ker ja
.320 .121
.275 2.644
.011 .921
1.085 Kepribadian
.628 .113
.574 5.531
.000 .921
1.085 a. Dependent Variable: Kinerja_Karyawan
Sumber: Hasil pengolahan SPSS 2016 Pada Tabel 4.10 memperlihatkan semua nilai variabel bebas memiliki
Tolerance Value 0,1 atau VIF 5. Maka dapat disimpulkan bahwa tidak terjadi multikolinieritas.
4.4 Analisis Regresi Linear Berganda