ANALISIS DAN PEMBAHASAN
B. Analisis dan Pembahasan
4. Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk mengetahui apakah model regresi yang dibuat dapat digunakan sebagai alat prediksi yang baik tanpa adanya bias di dalam penganalisisan data penelitian. Uji asumsi klasik yang dilakukan dalam penelitian ini, yaitu: uji normalitas,uji multikolinieritas dan uji heteroskedastisitas.
a. Uji Normalitas
Uji Normalitas digunakan untuk mengetahui apakah dalam model regresi, variabel independen dengan variabel dependen keduanya mempunyai hubungan distribusi normal atau tidak (Ghozali, 2012). Pengukuran ini dilakukan dengan cara melihat grafik dan tabel dari hasil output SPSS. Jika data menyebar di sekitar diagonal dan mengikuti arah garis diagonal atau grafik histrogramnya menunjukan
pola distribusi normal, maka model regresi memenuhi asumsi normalitas. Sedangkan pada uji kolmogorov-smirnov jika nilai sig > 0.05, maka data berdistribusi normal. Untuk hasil lengkap dari uji normalitas dapat dilihat pada gambar dan tabel berikut ini:
Gambar 4.3
Hasil Uji Normalitas dengan Grafik Histogram
(Sumber: Data primer diolah, 2016)
Berdasarkan keterangan yang ada pada gambar 4.3 di atas dapat diketahui bahwa bentuk histogram menggambarkan data yan berdistribusi normal atau mendekati normal dikarenakan membentuk seperti lonceng (bell shaped) dan tidak terjadi kemiringan, sehingga asumsi normalitas dalam penelitian ini dapat terpenuhi. Selain
menggunakan grafik histogram, uji normalitas data dapat dilakukan dengan menggunakan P-Plot Normality, sebagai berikut:
Gambar 4.4
Hasil Uji Normalitas dengan P-Plot Normality
(Sumber: Data primer diolah, 2016)
Berdasarkan keterangan yang ada pada gambar 4.4 di atas dapat diketahui bahwa grafik normal probability plot terlihat titik-titik menyebar disekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal, sehingga asumsi normalitas dalam penelitian ini dapat terpenuhi. Dan selain menggunakan grafik histogram dan P-Plot
Normality, uji normalitas data dapat dilakukan secara statistik, yaitu dengan menggunakan uji kolmogorov-smirnov, sebagai berikut:
Tabel 4.14
Hasil Uji Normalitas dengan Kolmogorov-Smirnov
(Sumber: Data primer diolah, 2016)
Berdasarkan keterangan yang ada pada tabel 4.14 di atas dapat diketahui bahwa nilai signifikan kolmogorov-smirnov adalah sebesar 0,173, hal ini berarti nilai signifikansi kolmogorov-smirnov berada di atas cut off value yang telah ditetapkan, yaitu 0,05, maka dapat disimpulkan bahwa data dalam penelitian ini terdistribusi secara normal. Secara keseluruhan dengan menggunakan metode grafik dan statistik dapat dinyatakan bahwa asumsi normalitas telah terpenuhi dalam penelitian ini.
b. Uji Multikolinearitas
Uji multikolinearitas digunakan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen) dalam suatu model regresi linear berganda dan juga untuk menghindari kebiasan dalam proses pengambilan kesimpulan mengenai pengaruh pada uji t-parsial masing-masing variabel independen terhadap variabel dependen. Pengukuran ini dapat dilakukan dengan cara melihat besaran Tolerance (TOL) dan Variance Inflation Factor (VIF) (Ghozali, 2012).
Jika nilai Tolerance < 0,10, maka variabel bebas memiliki persoalan multikolinearitas sedangkan jika nilai tolerance > 0,10 maka tidak terdapat persoalan multikolinearitas. Dapat dilihat juga, jika VIF > 10, maka dapat dikatakan variabel bebas memiliki persoalan multikolinearitas, sebaliknya jika VIF < 10 maka dalam data tersebut tidak terjadi multikolinearitas. Untuk hasil lengkap dari uji multikolinearitas dapat dilihat pada tabel berikut ini:
Tabel 4.15
Hasil Uji Multikolinearitas
Berdasarkan keterangan yang ada pada tabel 4.15 di atas pada hasil coefficients dapat diketahui bahwa asumsi multikolinearitas dalam penelitian ini telah terpenuhi oleh seluruh variabel independen yang ada, yaitu variabel prestasi kerja, variabel pendidikan dan pelatihan dan variabel pengalaman kerja. Dikarenkan nilai tolerance ketiga variabel independen ini lebih besar dari 0.10 dan nilai VIF yang tidak lebih dari 10. Nilai tolerance untuk variabel prestasi kerja adalah sebesar 0,513 dengan nilai VIF sebesar 6,545, variabel pendidikan dan pelatihan memiliki nilai tolerance sebesar 0,181 dengan nilai VIF sebesar 5,516 dan untuk variabel pengalaman kerja memiliki nilai tolerance sebesar 0,345 dengan nilai VIF sebesar 2,896.
c. Uji Heteroskedastisitas
Uji Heteroskedastisitas digunakan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lainnya. Pengukuran ini dilakukan dengan cara mendeteksi ada atau tidaknya heteroskedastisitas, yaitu dengan melihat grafik scatterplot antara standardized residual (*SRESID) terhadap standardized predicted value (*ZPRED) (Ghozali, 2012). Dalam model regresi tidak terjadi heterokedastisitas jika titik-titik menyebar secara acak di atas angka 0 pada sumbu Y. Untuk hasil lengkap dari uji heteroskedastisitas dapat dilihat pada gambar berikut ini:
Gambar 4.5
Hasil Uji Heteroskedastisitas
(Sumber: Data primer diolah, 2016)
Berdasarkan keterangan yang ada pada gambar 4.5 di atas dapat diketahui bahwa distribusi data pada grafik scatterplot tidak teratur dan tidak pula membentuk suatu pola tertentu, serta tersebar di atas dan di bawah angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa pada model regresi di dalam penelitian ini tidak terjadi masalah heteroskedastisitas.
Uji dengan gambar plot dapat menyesatkan bila jumlah data sedikit. Untuk itu dperlukan pengujian lebih akurat yaitu dengan metode spearman. Jika nilai signifikan variabel independen > 0,05 maka tidak terjadi heterokedastisitas. Sebaliknya jika nilai signifikan variabel independen < 0,05 maka ada indikasi bahwa telah terjadi
heterokedastisitas pada model regresi (Ghozali, 2011:143). Untuk hasil lengkap dari uji spearman dapat dilihat pada tabel berikut ini:
Tabel 4.16 Hasil Uji Spearman
(Sumber: Data primer diolah, 2016)
Berdasarkan keterangan yang ada pada tabel 4.16 di atas dapat diketahui bahwa tidak terdapat heteroskedastisitas pada persamaan regresi di dalam penelitian ini. Dikarenakan tidak adanya variabel independen atau bebas yang memiliki nilai signifikansi di bawah 0,05. Variabel prestasi kerja memiliki nilai signifikansi sebesar 0,796, variabel pendidikan dan pelatihan memiliki nilai signifikansi sebesar 0,787 dan variabel pengalaman kerja memiliki nilai signifikansi sebesar 0,122. Dengan demikian secara keseluruhan dengan menggunakan metode grafik dan statistik dapat disimpulkan bahwa model regresi yang digunakan dalam penelitian ini layak digunakan untuk mendeteksi pengembangan karir karyawan pada PT. Pos Indonesia berdasarkan variabel yang mempengaruhinya.