Tabel 4.7 : Distribusi Frekuensi Pada Variabel Kinerja Y
1
Skor No Uraian
1 2
3 4 5 6 7 Total
1 Data tepat
dan rinci Y
2.1
1 1,0
20 20,8
57 59,4
18 18,8
96 100
2 Data yang
akurat Y
2.2
28 29,2
56 58,3
12 12,5
96 100
3 Menggabungkan informasi dari
unit-unit lain Y
2.3
1 1,0
1 1,0
3 3,1
15 15,6
45 46,9
31 32,3
96 100
4 Mudah dipahami Y
2.4
21 21,9
56 58,3
19 19,8
96 100
5 Dapat diakses
dengan mudah Y
2.5
3 3,1
2 2,1
2 2,1
3 3,1
18 18,8
47 49,0
21 21,9
96 100
6 Meminimalkan kesalahan Y
2.6
24 25,0
57 59,4
15 15,6
96 100
7 Menghasilkan informasi yang
tepat waktu dan up-to date
Y
2.7
1 1,9
9 9,4
23 24,0
42 43,8
21 21,9
96 100
8 Tepat waktu dan
efisien Y
2.8
5 5,2
6 6,3
1 1,0
20 20,8
50 52,1
14 14,6
96 100
9 Mudah dipahami Y
2.9
4 4,2
1 1,0
21 21,9
51 53,1
19 19,8
96 100
Rata-rata prosentase 1,1
1,5 1,4
1 22 53,4 19,7 100
Sumber : Lampiran 1 Berdasarkan
tabel 4.7,
dapat disimpulkan bahwa sebagian besar
responden yaitu 53,4 menjawab skor ”6” atau ”setuju” dengan pertanyaan yang diberikan yang artinya pegawai memiliki kinerja yang baik, karena
dalam melaksanakan tugasnya pegawai menggunakan teknologi informasi yang tersedia.
4.3. Asumsi Structural Equation Modeling
4.3.1. Uji Multivariate Outlier
Jarak Mahalanobis
Mahalanobis Distance untuk tiap-tiap observasi dapat dihitung dan akan menunjukkan jarak sebuah observasi dari rata-rata
semua variabel dalam sebuah ruang multidimensional Hair,et.al., 1998.
Untuk menghitung jarak Mahalanobis berdasarkan nilai Chi kuadrat pada derajat bebas sebesar indikator yang digunakan dalam setiap variabel.
Penelitian ini terdapat 36 indikator, oleh karenanya nilai Chi Kuadrat
2 tabel
0,001 : 36 = 67,985. Uji multivariate outlier menunjukkan bahwa nilai Mahalanobis yang dihasilkan adalah antara 3,209 sampai dengan
74,479 dan obbservasi yang memiliki nilai Mahalanobis di atas 67,985 adalah observasi ke-84 dengan nilai Mahalanobis sebesar 74,479.
Tabel 4.8 : Uji Outlier Multivariate
Residuals Statisticsa Minimum
Maximum Mean Std.
Deviation N
Predicted Value 5.057
108.467 48.500 22.839 96
Std. Predicted Value -1.902
2.626 0.000 1.000
96 Standard Error of Predicted Value
4.255 18.038 12.152
3.207 96 Adjusted Predicted Value
-30.292 136.399 48.014
27.031 96 Residual
-45.637 31.352 0.000
15.949 96
Std. Residual -2.255
1.549 0.000 0.788
96 Stud. Residual
-2.790 2.561 0.005
1.019 96
Deleted Residual -69.859
114.292 0.486 28.529
96 Stud. Deleted Residual
-2.969 2.693 0.001
1.040 96
Mahal. Distance 3.209
74.479 35.625 17.003 96
Cooks Distance 0.000
0.685 0.025 0.074
96 Centered Leverage Value
0.034 0.784 0.375
0.179 96
Sumber : Lampiran 2 Berdasarkan uraian dan tabel 4.8, jumlah observasi yang
dikategorikan sebagai multivariate outlier adalah sebanyak 1 satu, sehingga jumlah observasi yang digunakan untuk uji selanjutnya adalah
sebanyak 95 observasi responden.
4.3.2. Uji Normalitas
Uji ini digunakan untuk mengetahui apakah data yang diteliti berdistribusi normal atau tidak. Uji normalitas dilakukan adalah
multivariate . Pemeriksaan dilakukan dengan melihat nilai z-score pada
setiap indikator, asumsi normalitas diterima jika -3,00 ≤ z-score ≤ 3,00
sedangkan asumsi normalitas ditolak jika nilai z-score berada di luar interval tersebut. Berikut ini hasil uji normalitas secara multivariate :
Tabel 4.9 : Hasil Uji Normalitas Secara Multivariate
Variable skew c.r.
kurtosis c.r.
Keterangan y2.9 -1.864
-7.419 4.921
9.791 Tidak normal
y2.8 -1.729 -6.879
2.223 4.423
Tidak normal y2.7 -1.311
-5.217 1.895
3.771 Tidak normal
y2.6 0.080 0.316
-0.541 -1.076
Normal y2.5 -1.968
-7.83 4.654
9.259 Tidak normal
y2.4 0.020 0.081
-0.624 -1.241
Normal y2.3 -0.894
-3.558 1.03
2.048 Normal
y2.2 0.120 0.477
-0.509 -1.013
Normal y2.1 -0.170
-0.675 -0.136
-0.270 Normal
y1.3 -0.041 -0.165
-0.309 -0.616
Normal y1.2 -0.166
-0.659 -0.379
-0.754 Normal
y1.1 -0.354 -1.408
0.073 0.145
Normal x5.1 -1.638
-6.517 3.209
6.385 Tidak normal
x5.2 -0.093 -0.371
-0.168 -0.335
Normal x5.3 -0.901
-3.584 2.742
5.456 Tidak normal
x5.4 -0.691 -2.749
-0.213 -0.423
Normal x4.1 -0.998
-3.971 2.557
5.087 Tidak normal
x4.2 -1.557 -6.195
2.119 4.216
Tidak normal x4.3 -0.345
-1.373 0.09
0.180 Normal
x4.4 -1.203 -4.787
1.881 3.742
Tidak normal x4.5 -1.775
-7.061 4.101
8.159 Tidak normal
x4.6 -0.540 -2.15
0.532 1.058
Normal x3.1 2.496
9.93 6.187
12.309 Tidak normal
x3.2 -1.340 -5.333
0.729 1.451
Normal x3.3 -0.566
-2.251 0.459
0.914 Normal
x3.4 -0.293 -1.166
-0.034 -0.067
Normal x3.5 -0.295
-1.175 0.038
0.075 Normal
x3.6 -0.750 -2.986
0.406 0.807
Normal x2.1 0.470
1.869 -0.819
-1.629 Normal
x2.2 0.529 2.103
-1.009 -2.008
Normal x2.3 0.619
2.464 -0.437
-0.869 Normal
Lanjutan Tabel 4.9 : Hasil Uji Normalitas Secara Multivariate
Variable skew c.r.
kurtosis c.r.
Keterangan x2.4 1.839
7.319 3.893
7.745 Tidak normal
x1.1 -2.054 -8.171
4.778 9.506
Tidak normal x1.2 -1.537
-6.116 1.344
2.674 Normal
x1.3 -0.646 -2.571
-0.634 -1.262
Normal x1.4 -1.033
-4.109 -0.056
-0.112 Normal
Multivariate 239.377 22.303 Tidak normal
Sumber : Lampiran 3 Berdasarkan
tabel 4.9
menunjukkan bahwa nilai c.r. dari skewness dan
kurtosis pada masing-masing indikator berada didalam selang ± 3, hal ini menunjukkan bahwa asumsi normalitas secara univariate terpenuhi. Namun,
hasil uji normalitas secara multivariate menunjukkan nilai c.r. kurtosis sebesar 22,303 3, hal ini menunjukkan bahwa asumsi normalitas secara
multivariate tidak terpenuhi. Namun demikian analisis data penelitian ini
dapat dilanjutkan karena normalitas data bukan syarat mutlak regresi seperti dikatakan oleh Rietveld dan Sunaryanto 1994 dalam Sumardi dan
Hardiningsih 2001.
4.4. Confirmatory Factor Analysis
