Wienda Maulidia

12.22.0100

Ruang 1 MSD Manajemen

Uji Asumsi Klasik

Uji asumsi klasik ini dilakukan agar hasil penelitian ini dapat membentuk hasil

yang BLUE (Best Linear Unbiazed Estimation) dan varians minimum. Hasil uji asumsi

klasik pada penelitian ini adalah sebagai berikut:

a. Uji Normalitas

Uji ini digunakan untuk melihat tingkat kenormalan data yang akan digunakan dan

dimasukkan ke dalam model penelitian. Uji ini akan dilakukan secara 2 tahap.

Pertama akan disajikan dalam bentuk gambar adalah Histogram dan Normal

Probability Plot (Suliyanto,2011:69), namun karena tidak subyektifnya tinggi maka

cara lain yang menggunakan adalah dengan metode uji Kolmogorov-Smirnov

(Suliyanto, 2011:69).

1) Metode Histogram

Berdasarkan hasil olahan data menggunakan SPSS versi 16, maka diketahui uji

normalitas menggunakan metode histogram adalah sebagai berikut:

Sumber: Data Primer Diolah

Gambar 1Uji Normalitas Menggunakan Metode Histogram

Gambar 1 menunjukkan bahwa kurva telah membentuk lonceng. Ini

memberikan pengertian bahwa data telah terdistribusi secara normal. Untuk

memberikan keyakinan, akan dilakukan dengan menggunakan Normal

Probability Plot.

2) Metode Plot

Berdasarkan hasil olahan data menggunakan SPSS versi 16, maka diketahui uji

normalitas menggunakan metode P-Plot adalah sebagai berikut:

Sumber: Data Primer Diolah

Gambar 2 Uji Normalitas Menggunakan Metode P-Plot

Gambar 2 menunjukkan bahwa titik – titik telah membentuk dan mengikuti

arah garis diagonal pada gambar, dengan demikian dapat dinyatakan bahwa

data telah terdistribusi dengan normal. Untuk memberikan keyakinan tentang

gambar P-Plot di atas memang menunjukkan kenormalan data, maka sangat

perlu sekali digunakan metode statistik untuk melihat uji normalitas data,

sebab penggunaan gambar P-Plot memiliki tingkat subjektivitas yang cukup

tinggi.

3) Kolmogorov-Smirnov Test

Metode statistik uji normalitas data dapat menggunakan metode Kolmogorov

Smirnov (Wahid Sulaiman,2004:90). Uji normalitas menggunakan uji statistik

non-parametrik Kolmogrov-Smirnov merupakan uji normalitas menggunakan

fungsi distribusi kumulatif (Suliyanto, 2011:hal. 75). Nilai residual

terstandarisasi berdistribusi normal jika nilai sig.>alpha (Suliyanto, 2011:hal.

75).

TabelOne-Sample Kolmogorov-Smirnov Test

Unstandardized

Residual

N 35

Normal Parametersa Mean .0000000

Std. Deviation 1.45977168

Most Extreme Differences Absolute .141

Positive .133

Negative -.141

Kolmogorov-Smirnov Z .834

Asymp. Sig. (2-tailed) .490

a. Test distribution is Normal.

Tabel diatas menunjukkan bahwa nilai Asymp. Sig adalah sebesar 0.490 lebih

besar dari 0,05, sehingga disimpulkan bahwa data telah terdistribusi secara

normal.

b. Uji Multikolinearitas

Uji ini dilakukan untuk melihat dan menyakinkan bahwa variabel – variabel bebas

dalam penelitian ini terbebas dari saling mempengaruhi (Ghozali, 2005:91). Uji ini

dinyatakan terkena multikolinearitas atau tidak dilihat dari nilai Tolerance yang

ada pada kolom Collinearity Statistic menunjukkan nilainya lebih kecil dari 1, atau

dapat juga dilihat dari nilai VIF yang bernilai harus lebih kecil dari 10 (Suliyanto,

2011:82). Untuk mengetahui uji ini dapat dilihat pada tabel berikut ini:

Tabel Coeffcientsa

Dilihat pada tabel Coeffcientsa diketahui pada variable motivasi (X1), kepemimpinan (X2),

dan pelatihan (X3) telah terbebas dari Multikolinearitas dimana masing-masing nilai

tolerance lebih kecil dari 1 (0,639 < 1), (0,938 < 1), (0,631 < 1) nilai VIF lebih kecil dari

10 yaitu (1,564 < 10) , (1,017 < 10), dan (1,586 < 10).

Coefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) -6.235 3.224 -1.934 .062

Motivasi .426 .098 .288 4.356 .000 .639 1.564

Kepemimpinan .242 .076 .170 3.185 .003 .983 1.017

Pelatihan .745 .069 .720 10.826 .000 .631 1.586

a. Dependent Variable: Kinerja

c. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk melihat apakah di dalam model regresi

terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang

lain. Pada uji ini digunakan metode Scatterplot yang dapat dilihat pada gambar

berikut ini:

Sumber: Data Primer Diolah

Gambar 4Uji Heteroskedastisitas Metode Scatterplot

Uji ini akan dinyatakan terbebas dari heteroskedastisitas jika titik – titik yang

terdapat pada gambar tersebar secara merata. Meratanya titik – titik ini diketahui

bahwa titik – titik tersebar diantara titik 0. Melihat pada gambar 4 diketahui bahwa

titik – titik tersebar merata mengikuti diantara titik 0. Ini dapat dikatakan bahwa

data telah terbebas dari masalah heterokedastisitas (Suliyanto, 2011:95).

Setelah uji asumsi klasik terbebas, maka selanjutnya data yang telah diolah

dimasukkan ke dalam model penelitian sebelum dilakukan pengujian hipotesis.