di sekitar garis diagonal dan mengikuti arah garis diagonal maka model regresi memenuhi asumsi normalitas.
Gambar 4. 3 Hasil Uji Normalitas
Sumber : Pengolahan Data 2015 Gambar di atas mengindikasikan bahwa model regresi telah memenuhi
asumsi di mana data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal dalam model regresi penelitian ini cenderung normal dan memenuhi
asumsi normalitas.
4.5.2 Uji Multikolinearitas
Uji Multkolinearitas bertujuan untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lainnya dalam
suatu model regresi, atau untuk mengetahui ada tidaknya korelasi diantarasesama
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xpect
ed C
um P
rob
1.0 0.8
0.6 0.4
0.2 0.0
variabel independen. Uji Multikolinearitas dilakukan denganmembandingkan nilai toleransi tolerance value dan nilai variance inflationfactor VIF dengan nilai
yang disyaratkan. Nilai yang disyaratkan bagi nilaitoleransi adalah lebih besar dari 0,01, dan untuk nilai VIF kurang dari 10Ghozali, 2006.
Tabel 4. 36 Hasil Uji Multikolinearitas
Sumber : Pengolahan Data 2015 Berdasarkan tabel di atas dapat disimpulkan bahwa kedua variabel bebas
independen yaitu X
1
Promosi Jabatan dan X
2
Insentif memiliki nilai VIF dalam batas toleransi yang telah ditentukan yaitu X
1
1.712 dan X
2
1.712 dan tidak melebihi 5 sehingga dapat disimpulkan bahwa dalam penelitian ini tidak
terjadi multikolinearitas pada variabel indepandennya.
4.5.3 Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk melihat apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual pada suatu pengamatan
ke pengamatan lain. Jika varians dari residual suatu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas. Jika varians berbeda, maka disebut
heteroskedastisitas. Selain diukur dengan grafik Scaterplot, heteroskedastisitas dapat diukur secara sistematis dengan uji Glejser. Jika variabel bebas signifikan
secara statistik mempengaruhi variabel terikat, maka ada indikasi terjadi
Coeffi cients
a
5.421 1.315
4.123 .000
2.805 8.037
.175 .050
.323 3.500
.001 .076
.275 .663
.364 .247
.584 1.712
.277 .049
.526 5.695
.000 .180
.374 .735
.537 .402
.584 1.712
Const ant x1
x2 Model
1 B
St d. Error Unstandardized
Coeffic ient s Beta
St andardiz ed Coeffic ient s
t Sig.
Lower Bound Upper Bound
95 Confidenc e Interval for B Zero-order
Partial Part
Correlations Tolerance
VIF Collinearity Statistics
Dependent Variable: y a.
heteroskedastisitas. Jika probabilitas signifikansinya di atas 0,05, maka dapat disimpulkan tidak terjadi heteroskedastisitas Ghozali, 2006.
Gambar 4.4 Hasil Uji Heterokedastisitas
Sumber : Pengolahan Data 2015 Gambar di atas memperlihatkan bahwa titik-titik menyebar secara acak,
tidak membentuk pola yang jelasteratur, serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, dengan demikian dapat disimpulkan bahwa dalam
penelitian ini tidak terjadi heterokedastisitas pada model regresi.
4.5.4 Uji Autokorelasi