Hasil Uji Asumsi Klasik .1 Uji Normalitas

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