38 oleh sekelompok variabel yang telah diekstrak dengan melihat loading faktor yang
lebih besar dari 0,50. Adapun kelima faktor tersebut adalah; 1 faktor tingkat kemanan dan kenyamanan, 2 faktor perkembangan teknologi, 3 faktor
pengetahuan tentang e-banking, 4 faktor resiko e-banking dan 5 faktor pengaruh pihak lain.
6.2.3 Analisis Regresi Linier Berganda
Analisis regresi digunakan untuk memprediksi pengaruh variabel bebas terhadap variabel terikat. Analisis regresi juga dapat dilakukan untuk mengetahui
koinieritas variabel terikat dengan varibel bebasnya, selain itu juga dapat menunjukkan ada atau tidaknya data yang outlier atau data yang ekstrim.
Analisis regresi linear berganda terdiri dari satu variabel dependen dan dua atau lebih variabel independen. Dalam hal ini dapat dinyatakan bahwa variabel dependen pada
penelitian ini adalah penggunaan Electronic Banking Y, dan variabel independen adalah Karakteristik dari Teknologi Baru X1 dan Karakteristik Pengguna Personal
X2. Dari Data yang diperoleh, maka dapat dilihat hasil perhitungan regresi linier untuk melihat korelasi masing-masing variabel independen terhadap variabel
dependen dengan menggunakan SPSS yakni sebagai berikut:
A. Model Summary
Pada model summary, dapat dilihat korelasi antar variabel dependen dan independen melalui besaran yang ditunjukkan oleh besarnya nilai R dan
Adjusted R Square
seperti pada Tabel 6.9. dibawah ini. Tabel 6.9 Model Summary Penelitian
Model R
R Square Adjusted R Square Std. Error of the
Estimate 1
.744a .554
.545 .59774
a Predictors: Constant, X2, X1 Pada Tabel 6.9 dapat dikatakan sebagai berikut:
Universitas Sumatera Utara
39 1.
Nilai R sebesar 0.744 menunjukkan bahwa korelasi antara variabel dependen Y dengan variabel independen X1 dan X2 adalah cukup kuat.
2. Adjusted R Square sebesar 0.545 berarti 54,5 variasi dari penggunaan e-
banking bisa dijelaskan oleh karakteristik teknologi baru dan karakteristik personal.
B. ANOVA
ANOVA merupakan bagian dari proses dalam regresi linier yang digunakan untuk melihat apakah model regresi tersebut dapat digunakan dalam memprediksi
hubungan korelasi dan pengaruh antara variabel dependen dan variabel independen. Dengan demikian dapat dilihat hipotesis penelitian sebagai berikut:
Gambar 6.7 Hipotesis Penelitian
Ho : Karakteristik teknologi dan karakteristik personal tidak berpengaruh secara signifikan terhadap pengguna e-banking
Pengambilan keputusan: Jika F hitung = T tabel atau probabilitas = 0,05 maka Ho diterima
Jika F hitung T tabel atau probabilitas 0,05 maka Ho ditolak, Ha diterima Adapun hasil perhitungan dapat dilihat pada Tabel 6.10. berikut ini.
Tabel 6.10 Hasil Perhitungan ANOVA Penelitian
Model Sum of
Squares Df
Mean Square
F Sig.
1 Regressio
n 43.092
2 21.546
60.303 .000a
Residual 34.658
97 .357
Total 77.750
99 X1
X2 Y
H1
H2
Universitas Sumatera Utara
40 a Predictors: Constant, X2, X1
b Dependent Variable: Y
Dari Tabel 6.10, nilai F hitung yang diperoleh adalah 60.303 dengan tingkat signifikansi 0,000. Dengan probabilitas 0,000 atau lebih kecil dari 0,05 p0,05,
maka Ho ditolak dan Ha dapat diterima, dengan kata lain model regresi tersebut bisa digunakan untuk memprediksi hubungan korelasi dan pengaruh variabel independen
terhadap variabel dependen.
C. Koifisien Korelasi
Dari proses regresi linier yang dilakukan, pada tahap akhir akan dilihat koifisien korelasi masing-masing variabel independen terhadap variabel dependen,
sehingga dapat dituliskan kedalam suatu persamaan regresi. Adapun hasil perhitungannya dapat dilihat pada Tabel 6.11 berikut ini.
Tabel 6.11 Hasil Perhitungan Koifisien Korelasi
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error
Beta B
Std. Error
1 Constant
-.114 .331
-.346 .730
X1 .536
.135 .382
3.981 .000
X2 .572
.130 .423
4.412 .000
a Dependent Variable: Y Dari Tabel 6.11, persamaan regresi yang diperoleh dari hasil perhitungan
adalah : Y= -0.114 + 0.536X1 + 0.572 X2
Dari persamaan diatas, dapat dijelaskan bahwa: 1.
Konstanta -0.114 berarti apabila tidak ada karakteristik teknologi baru dan karakteristik personal terhadap e-banking, maka pengguna e-banking akan
mengalami penurunan sebesar 0,114 poin.
Universitas Sumatera Utara
41 2.
Karakteristik teknologi baru X1: Berdasarkan tabel diatas, dapat dilihat bahwa nilai t hitung untuk X1 yaitu 3.981, dan taraf signifikan 0,000,
sehingga probabilitas lebih kecil dari 0,05 p 0,05, berarti seluruh variabel adalah signifikan secara statistik. Koifisien 0,536X1 berarti apabila ada 1
satu perkembangan teknologi baru untuk e-banking, maka penggunaan e- bangking akan mengalami kenaikan sebesar 0,536 poin.
3. Karakteristik personal X2: Berdasarkan tabel diatas, dapat dilihat bahwa
nilai t hitung untuk X2 yaitu 4,412 dan taraf signifikan 0,000, sehingga probabilitas lebih kecil dari 0,05 p 0,05, berarti seluruh variabel adalah
signifikan secara statistik. Koifisien 0,572X2 berarti apabila ada bertambah 1 satu karakteristik personal terhadap e-banking, maka penggunaan e-bangking
akan mengalami kenaikan sebesar 0,572 poin.
6.3 Evaluasi Hasil
