Sumber: Output SPSS data diolah
Berdasarkan hasil uji pada Tabel 4.14 diatas yang besarnya nilai Kolmogorov- Smirnov pada variabel partisipasi pemakai adalah 0,825 dan signifikan pada 0,504;
besarnya nilai Kolmogorov-Smirnov pada variabel kompleksitas tugas adalah 1,217 dan signifikan pada 0,103; besarnya nilai Kolmogorov-Smirnov pada variabel kompleksitas
sistem adalah 1,289 dan signifikan pada 0,072; besarnya nilai Kolmogorov-Smirnov pada variabel pengaruh pemakai adalah 1,273 dan signifikan pada 0,078; besarnya nilai
Kolmogorov-Smirnov pada variabel komunikasi pemakai-pengembang adalah 1,255 dan signifikan pada 0,086; besarnya nilai Kolmogorov-Smirnov pada variabel kepuasan
pemakai adalah 1,273 dan signifikan pada 0,078. Sehingga dapat diketahui bahwa nilai p- Value dari Unstandardized resdiual ternyata lebih besar dari p 0,05, sehingga
keseluruhan data tersebut dinyatakan memiliki distribusi normal atau memiliki sebaran data yang normal.
4.2.2.2 Uji Multikolinearitas
Uji Multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antara variabel bebas independent. Regresi yang baik seharusnya tidak
terjadi korelasi di antara variabel bebas. Hasil uji multikolinieritas dapat dilihat dari besarnya Tolerance Value dan Variance Inflation Factor VIF.
Tabel 4.15 Hasil Uji Multikolinearitas Variabel
Tolerance Value
VIF Keterangan
Partisipasi Pemakai 0,455
1,758 Tidak terjadi multikol
Kompleksitas Tugas 0,339
2,953 Tidak terjadi multikol
Kompleksitas Sistem 0,222
4,499 Tidak terjadi multikol
Pengaruh Pemakai 0,521
1,921 Tidak terjadi multikol
Komunikasi Pemakai-Pengembang 0,306
3,270 Tidak terjadi multikol
Sumber: Output SPSS data diolah
Berdasarkan Tabel 4.15 diatas menunjukkan bahwa variabel partisipasi pemakai mempunyai nilai VIF 1,758; variabel kompleksitas tugas mempunyai nilai VIF 2,953;
variabel kompleksitas sistem mempunyai nilai VIF 4,499; variabel pengaruh pemakai mempunyai nilai VIF 1,921; variabel komunikasi pemakai-pengembang mempunyai nilai
VIF 3,270. Sedangkan nilai Tolerance Value yang dimiliki variabel partisipasi pemakai adalah 0,455; variabel kompleksitas tugas nilai Tolerance Value 0,339; variabel
kompleksitas sistem nilai Tolerance Value 0,222; variabel pengaruh pemakai nilai Tolerance Value 0,521; variabel komunikasi pemakai-pengembang nilai Tolerance Value
0,306. Sehingga keseluruhan variabel dalam model regresi tidak terjadi multikolinieritas karena nilai Tolerance Value 0,1 atau VIF 10.
4.2.2.3 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi tidak terjadi ketidaksamaan variance dari residual atau pengamatan ke pengamatan yang lain. Jika
variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokesdatisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik
adalah yang homokesdatisitas atau tidak terjadi heteroskedatisitas. Hasil pengujian heteroskedastisitas dapat dilihat secara ringkas dapat ditunjukkan tabel berikut ini:
Tabel 4.16 Hasil Uji Heteroskedastisitas Variabel
t
hitung
Sig. Keterangan
Partisipasi pemakai X
1
0,874 0,396
Tidak terjadi heteroskedastisitas Kompleksitas tugas X
2
0,949 0,358
Tidak terjadi heteroskedastisitas Kompleksitas sistem X
3
-1,604 0,129
Tidak terjadi heteroskedastisitas Pengaruh pemakai X
4
1,386 0,186
Tidak terjadi heteroskedastisitas Komunikasi pemakai-pengembang X
5
0,603 0,556
Tidak terjadi heteroskedastisitas Partisipasi pemakai X
1
Kompleksitas tugas X
2
-0,893 0,386
Tidak terjadi heteroskedastisitas Partisipasi pemakai X
1
Kompleksitas sistem X
3
1,531 0,147
Tidak terjadi heteroskedastisitas Partisipasi pemakai X
1
Pengaruh pemakai X
4
-1,285 0,218
Tidak terjadi heteroskedastisitas Partisipasi pemakai X
1
Komunikasi pemakai-pengembang X
5
-0,648 0,527
Tidak terjadi heteroskedastisitas Sumber: Output SPSS data diolah
Berdasarkan Tabel 4.16 menunjukkan hasil uji glejser dengan melakukan regresi variabel bebas dan variabel pemoderasi terhadap nilai absolut residual menghasilkan nilai
signifikansi 0,05; artinya model regresi secara umum model regresi tidak mengandung adanya heterokedastisitas. Secara keseluruhan dapat disimpulkan bahwa tidak ada masalah
heteroskedastisitas dalam penelitian ini Ghozali, 2007.
4.2.4 Multiple Regression Analysis Analisis Regresi Multipel
