4.3.2. Uji Asumsi Klasik
Untuk mengambil keputusan BLUE, maka harus dipenuhi diantaranya tiga asumsi klasik yang tidak boleh dilanggar oleh persamaan
tersebut, yaitu tidak boleh ada autokorelasi, multikolinearitas, dan heteroskedasitas Gujarati, 1999 : 153
Berdasarkan hasil uji asumsi klasik dengan alat bantu komputer yang menggunakan Program SPSS. 16.0 For Windows. diperoleh hasil
sebagai berikut
1. Autokorelasi
Dalam penelitian ini data yang digunakan bukan data time
series, sehingga untuk Uji Autokorelasi tidak dilakukan Gujarati, 1999 : 201.
2. Multikolinieritas
Salah satu cara untuk mengetahui adanya multikoliniaritas adalah dengan melihat nilai VIF Variance Inflation Factor.
Dasar analisis yang digunakan yaitu jika nilai VIF Variance Inflation Factor 10, maka hal ini berarti dalam persamaan regresi
tidak ditemukan adanya korelasi antar variabel bebas atau bebas Multikolinieritas Ghozali, 2002 : 57-59
Berdasarkan hasil Uji Multikolinieritas dengan alat bantu komputer yang menggunakan Program SPSS. 16.0., dapat dilihat pada
tabel 4.8, sebagai berikut
Tabel 4.8. Hasil Uji Multkolinieritas
Variabel VIF
Keterangan
Dukungan Manajemen Puncak X
1
1,038 Bebas Multikolinieritas
Partisipasi Pemakai X
2
1,121 Bebas Multikolinieritas
Kemampuan Teknik Personal X
3
1,157 Bebas Multikolinieritas
Sumber : Lampiran 10
Berdasarkan pada tabel 4.8 di atas menunjukkan bahwa seluruh variabel bebas X yang digunakan dalam penelitian ini baik X
1
, X
2,
dan X
3
3. Heteroskedastisitas
mempunyai nilai VIF Variance Inflation Factor lebih kecil dari 10, dan sesuai dengan dasar pengambilan keputusan, hal ini berarti
bahwa dalam persamaan regresi tidak ditemukan adanya korelasi antar variabel bebas atau bebas Multikolinieritas.
Salah satu cara untuk mendeteksi ada atau tidak adanya heteroskedastisitas adalah dengan uji korelasi rank spearman
Dasar analisis yang digunakan yaitu jika nilai Sig 2-tailed 0,05, maka hal ini berarti dalam model regresi tidak terjadi
ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya atau bebas Heteroskedastisitas Santoso, 2001 : 161
Berdasarkan hasil Uji Heteroskedastisitas dengan alat bantu komputer yang menggunakan Program SPSS. 16.0., dapat dilihat pada
tabel 4.9, sebagai berikut
Tabel 4.9. Hasil Uji Heteroskedastisitas :
Variabel
Probabilitas
Sig 2 - tailed Keterangan
Dukungan Manajemen Puncak X
1
0,987 Bebas Heteroskedastisitas
Partisipasi Pemakai X
2
0,407 Bebas Heteroskedastisitas
Kemampuan Teknik Personal X
3
0,949 Bebas Heteroskedastisitas
Sumber : Lampiran 11
Berdasarkan pada tabel 4.9 di atas menunjukkan bahwa seluruh variabel bebas X yang digunakan dalam penelitian ini baik X
1
, X
2,
dan X
3
4.3.3. Teknik Analisis Regresi Linier Berganda
, mempunyai nilai nilai Sig 2-tailed lebih besar dari 0,05, dan sesuai dengan dasar pengambilan keputusan, hal ini berarti bahwa
dalam model regresi tidak terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya atau bebas
Heteroskedastisitas. Setelah dilakukan Uji Asumsi Klasik tersebut di atas, maka dapat
disimpulkan bahwa model persamaan regresi linier dalam penelitian ini, bebas dari asumsi dasar klasik tersebut, sehingga pengambilan keputusan
melalui uji F dan uji t yang akan dilakukan dalam penelitian ini tidak akan bias atau sesuai dengan tujuan penelitian.
Berdasarkan hasil dari hasil olah data dengan alat bantu komputer yang menggunakan program SPSS.16.0, dapat dilihat pada tabel 4.10,
sebagai berikut
Tabel 4.10. Hasil Pendugaan Parameter Regresi Linier Berganda
Model Unstandardized Coefficients
B Std. Error
1
Constant 29,576
7,916
Dukungan Manajemen Puncak X
1
1,259 0,258
Partisipasi Pemakai X
2
2,201 0,497
Kemampuan Teknik Personal X
3
-2,141 0,388
Sumber : Lampiran. 10
Berdasarkan pada 4.10. di atas dapat diperoleh model persamaan regresi sebagai berikut :
Y = 29,576 + 1,259 X
1
+ 2,201 X
2
- 2,141 X
3
Dari model persamaan regresi linier tersebut di atas, dapat diinterprestasikan, sebagai berikut :
Konstanta β
Nilai konstanta β
sebesar 29,576 menunjukkan bahwa, apabila variabel Dukungan Manajemen Puncak, Partisipasi Pemakai, dan
Kemampuan Teknik Personal konstan maka besarnya nilai Pengembangan Sistem Informasi Akuntansi yaitu sebesar 29,576 satuan
Koefisien β
1
Untuk Variabel Dukungan Manajemen Puncak X
1
Besarnya nilai koefisien regresi β
1
sebesar 1,259, nilai β
1
yang positif menunjukkan adanya hubungan yang searah antara Pengembangan
Sistem Informasi Akuntansi Y dengan Dukungan Manajemen Puncak X
1
yang artinya jika Dukungan Manajemen Puncak X
1
naik sebesar satu satuan, maka besarnya nilai Pengembangan Sistem Informasi Akuntansi
Y akan naik sebesar 1,259 satuan dengan asumsi bahwa variabel bebas lainnya bersifat konstan.
Koefisien β
2
Untuk Variabel Partisipasi Pemakai X
2
Besarnya nilai koefisien regresi β
2
sebesar 2,201, nilai β
2
yang positif menunjukkan adanya hubungan yang searah antara Pengembangan
Sistem Informasi Akuntansi Y dengan Partisipasi Pemakai X
2
yang artinya jika Partisipasi Pemakai X
2
naik sebesar satu satuan, maka
besarnya nilai Pengembangan Sistem Informasi Akuntansi Y akan naik sebesar 2,201 satuan dengan asumsi bahwa variabel bebas lainnya bersifat
konstan.
Koefisien β
3
Untuk Variabel Kemampuan Teknik Personal X
3
Besarnya nilai koefisien regresi β
3
sebesar -2,141, nilai β
3
yang negatif menunjukkan adanya hubungan yang berlawanan arah antara
Pengembangan Sistem Informasi Akuntansi Y dengan Kemampuan Teknik Personal X
3
yang artinya jika Kemampuan Teknik Personal X
3
4.3.4. Uji Hipotesis
naik sebesar satu satuan, maka besarnya nilai Pengembangan Sistem Informasi Akuntansi Y akan turun sebesar 2,141 satuan dengan asumsi
bahwa variabel bebas lainnya bersifat konstan.
4.3.4.1. Uji Kesesuaian Model
Dari hasil Uji Kesesuaian Model dengan menggunakan alat bantu komputer dengan program SPSS.16.0, For Windows mengenai analisis
hubungan kesesuaian, dapat dilihat pada tabel 4.11, sebagai berikut
Tabel 4.11. Hasil Analisis Hubungan Kesesuaian Model
ANOVA
b
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression
4.567,999 3
1.522,666 18,649
0,000 Residual
1.714,641 21
81,650 Total
6.282,640 24
Sumber ; Lampiran. 10
Berdasarkan pada tabel 4.11 di atas menunjukkan bahwa besarnya nilai F
hitung sebesar 18,649 dengan tingkat taraf signifikansi sebesar
0,000 lebih kecil dari 0,05, maka H ditolak dan H
1
diterima yang berarti model regresi yang dihasilkan cocok guna melihat pengaruh
Dukungan Manajemen Puncak, Partisipasi Pemakai, dan Kemampuan Teknik Personal terhadap Pengembangan Sistem Informasi Akuntansi
Dari hasil pengujian juga diperoleh nilai R square yang dapat dilihat pada tabel 4.12, sebagai berikut:
Tabel. 4.12 : Koefisien Determinasi R square R
2
Model Summary
b
Model R
R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
1 0,853
0,727 0,688
9,036 -
Sumber ; Lampiran. 10
Berdasarkan tabel 4.12 di atas menunjukkan besarnya nilai koefisien Determinasi R square R
2
4.3.4.2. Uji Parsial
sebesar 0,727, hal ini menunjukkan bahwa perubahan yang terjadi pada variabel Pengembangan Sistem
Informasi Akuntansi sebesar 72,7 dipengaruhi oleh variabel Dukungan Manajemen Puncak, Partisipasi Pemakai, dan Kemampuan Teknik
Personal, sedangkan sisanya 27,3 dijelaskan oleh faktor lain yang tidak termasuk dalam model.
Dari hasil pengujian dengan menggunakan alat bantu komputer dengan program SPSS.16.0, For Windows mengenai analisis hubungan
secara parsial, dapat dilihat pada tabel 4.13, sebagai berikut :
Tabel 4.13 : Hasil Analisis Varians Hubungan Secara Parsial
Variabel t hitung
Sig Keterangan
Dukungan Manajemen Puncak X
1
4,886 0,000
Berpengaruh
Partisipasi pemakai X
2
4,431 0,000
Berpengaruh
Kemampuan Teknik Personal X
3
-5,511 0,000
Berpengaruh
Sumber ; Lampiran. 10
Berdasarkan dari tabel 4.13 di atas dapat diinterprestasikan, yaitu sebagai berikut :
1. Pengaruh Dukungan Manajemen Puncak X
Kategori