NIM : 201011450204
Kelas : 04 TPLM001
X1 X2 Y
12 10 6
14 11 7
10 14 8
16 13 8
18 15 9
24 20 10
12 8 5
30 16 12
10 12 6
16 9 7
PENGUJIAN (ANALISIS)
UJI NORMALITAS
Bertujuan untuk menguji apakah dalam model regresi variable residu memiliki distribusi
normal (Lihat hasil di One-Sample Kolmogorov Smirnov Test)
Tabel
Berdasarkan uji Kolmogorov Smirnov didapat nilai signifikansi sebesar 0,2 lebih besar dari
0,05, maka dapat disimpulkan data berdistribusi normal.
UJI MULTIKOLINEARITAS
Uji multikolinearitas bertujuaN untuk mengetahui apakah model regresi ditemukan adanya
korelasi antar variable bebas (independent). Untuk mendeteksi ada atau tidaknya
multikolinearitas di dalam model regresi (Lihat di Coefficients*)
Tabel
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 1.412 .925 1.527 .171
KOMPETENSI .200 .052 .613 3.830 .006 .562 1.780
KOMPENSASI .246 .093 .423 2.644 .033 .562 1.780
a. Dependent Variable: KINERJA PEGAWAI
Jika nilai tolerance value di bawah 0,10 atau VIF di atas 10, maka terjadi multikolinearitas.
Berdasarkan tabel di atas diketahui bahwa:
Variabel Tolerance VIF Kriteria
X1 0.562 1.780 Tidak terjadi Multikolinearitas
X2 0.562 1.780 Tidak terjadi Multikolinearitas
UJI HETEROSKEDASTISITAS
Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi
klasik heteroskedastisitas yaitu adanya ketidaksamaan varians dari residual untuk semua
pengamatan pada model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah
tidak adanya gejala heteroskedastisitas. Ada beberapa metode pengujian yang bisa digunakan
diantaranya yaitu dengan melihat scatterplot.
1. UJI F
Lihat hasil di tabel ANOVA*
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 35.608 2 17.804 31.219 .000b
Residual 3.992 7 .570
Total 39.600 9
a. Dependent Variable: KINERJA PEGAWAI
b. Predictors: (Constant), KOMPENSASI, KOMPETENSI
Dilihat dari nilai sign 0,00 < 0,05 menunjukan bahwa setiap variable independent secara
bersama-sama berpengaruh signifikan terhadap Y
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 1.412 .925 1.527 .171
KOMPETENSI .200 .052 .613 3.830 .006 .562 1.780
KOMPENSASI .246 .093 .423 2.644 .033 .562 1.780
a. Dependent Variable: KINERJA PEGAWAI
Kesimpulan:
Karena T1 > Ttab maka H0 ditolak. Dengan demikian, koefisien yang berkaitan
dengan X1 adalah sangat signifikan atau koefisien dari X1 tidak bisa
diabaikan. Dapat disimpulkan bahwa setiap peningkatan satu unit variabel X1
maka variabel Y akan mengalami peningkatan sebesar 0,200 kali pada
konstanta 1,412 sementara variabel X2 diabaikan atau dikontrol.
Karena bahwa T2 > Ttab, sehingga H0 ditolak. Dengan demikian koefisien yang
berkaitan dengan X2 adalah sangat signifikan. Dengan kata lain bahwa
koefisien X2 tidak bisa diabaikan. Dapat disimpulkan bahwa setiap
peningkatan satu unit variabel X2 akan meningkatkan variabel Y sebesar
0,246 kali pada konstanta 1,412 sementara variabel X1 dianggap tetap atau
dikontrol.
3. Koefisien Determinasi
Lihat tabel Model Summary*
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .948a .899 .870 .755
a. Predictors: (Constant), KOMPENSASI, KOMPETENSI
b. Dependent Variable: KINERJA PEGAWAI
KD = r2
0,899 atau 89,9%
4. Persamaan Regresi
Lihat tabel Coefficients*
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 1.412 .925 1.527 .171
KOMPETENSI .200 .052 .613 3.830 .006 .562 1.780
KOMPENSASI .246 .093 .423 2.644 .033 .562 1.780
a. Dependent Variable: KINERJA PEGAWAI