Uji Normalitas. Pada penelitian ini, proses pengumpulan data dilakukan melalui kuesioner yang diisi oleh asisten operator Container Crane di PT Terminal Petikemas Surabaya. Data-data yang telah dikumpulkan selanjutnya diolah menggunakan SPSS untuk melakukan uji asumsi klasik normalitas. Pengujian asumsi normalitas dilakukan dengan dua metode utama: Xxx Xxxxxxxxxx-Smirnov dan analisis plot. Kolmogorov-Smirnov Test dipilih dalam penelitian ini karena merupakan salah satu uji statistik yang banyak digunakan untuk menguji normalitas distribusi data. Uji ini bekerja dengan cara membandingkan distribusi kumulatif dari data sampel dengan distribusi kumulatif dari distribusi normal teoritis. Jika nilai probabilitas (p-value) dari hasil uji Kolmogorov-Smirnov lebih besar dari 0.050, maka data dianggap berdistribusi normal. Hal ini penting karena normalitas merupakan salah satu asumsi dasar dalam regresi linier yang dapat menentukan validitas hasil penelitian. One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 60 Normal Parametersa,b Mean .0000000 Std. Deviation 2.09430465 Most Extreme Differences Absolute .098 Positive .098 Negative -.056 Test Statistic .098 Asymp. Sig. (2-tailed) .200c,d Sumber : Data diolah dengan SPSS, 2024 Berdasarkan hasil pengolahan data menggunakan SPSS, diperoleh nilai probabilitas residual (Kolmogorov-Smirnov Test) sebesar 0.200. Mengingat bahwa syarat normalitas adalah bila nilai probabilitas lebih besar dari 0.05, maka dapat disimpulkan bahwa data residual pada penelitian ini berdistribusi normal. Hasil ini menunjukkan bahwa asumsi normalitas terpenuhi, sehingga model regresi yang digunakan dalam penelitian ini layak untuk diterapkan. Nilai probabilitas ini memberikan indikasi bahwa perbedaan antara distribusi data sampel dan distribusi normal teoritis tidak signifikan secara statistik, yang berarti bahwa data residual mengikuti distribusi normal secara cukup baik. Selain uji Kolmogorov-Smirnov, analisis normalitas juga didukung dengan memperhatikan plot normalitas. Plot distribusi normalitas merupakan visualisasi yang menunjukkan apakah data mengikuti distribusi normal atau tidak. Plot normalitas biasanya ditampilkan dalam bentuk diagram Q-Q (Quantile-Quantile Plot), di mana data yang berdistribusi normal akan mengikuti garis diagonal. Berikut hasil ujinya.
Uji Normalitas. Tujuan dari uji normalitas adalah untuk menentukan apakah variabel berdistribusi normal atau tidak, karena model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Dasar pengambilan keputusan uji normalitas yaitu dengan melihat tampilan grafik histogram, apabila grafik menunjukkan pola data terdistribusi secara normal, bentuk kurva pada histogram memiliki bentuk seperti lonceng. Namun bila dilihat grafik histogram memberikan pola yang sedikit menceng kekiri atau kanan, dapat dikatakan variabel pengganggu atau residual mendekati distribusi normal. Kemudian untuk lebih memastikan hasil analisis, uji normalitas penelitian ini juga dapat dilihat dengan normal probability plot. Grafik normal probability plot menggambarkan bahwa apabila data mendekati distribusi normal terlihat data menyebar disekitar diagonal dan mengikuti arah garis atau grafiknya. Meskipun data sedikit keluar garis dan kemudian mengikuti kembali garis diagonalnya, maka data observasi dikatakan mendekati distribusi normal. Pengujian normalitas juga dapat menggunakan metode kolmogrov- Smirnov. Bedanya, output yang dihasilkan Kolmogrov-Smirnov berupa tabel. Pendapat (Ghozali, 2012) untuk pedoman pengambilan keputusan data-data yang mendekati atau merupakan distribusi normal pada metode Kolmogrov-Smirnov dapat diukur melalui:
a. Nilai probabilitas atau sig. > 0,05 maka data terdistribusi secara normal.
b. Nilai probabilitas atau sig, < 0,05 maka data terdistribusi secara tidak normal.