4.4.1. Uji Normalitas
Uji F dan uji t pada analisis regresi mengansumsikan bahwa nilai residual distribusi normal. Oleh karena itu dilakukan pengujian normalitas
pada residual yang dihasilkan model regresi. Prosedur uji normalitas dilakukan dengan uji kolmogrov smirnov. Jika nilai signifikansi uji
kolmogrov smirnov 0.05
α = 5, maka residual model regresi berdistribusi normal Sumarsono, 2004:40. Berikut adalah hasil uji
normalitas residual:
Tabel 4.10. Hasil Uji Normalitas Unstandardized
Residual Kolmogorov Smirnov Z
0.441 Nilai Signifikansi
0.990 Sumber: Lampiran 8
Berdasarkan Tabel 4.10. dapat diketahui bahwa nilai signifikan uji kolmogorov smirnov lebih besar dari 0.05 yaitu 0.990, maka disimpulkan
bahwa residual model regresi berdistribusi normal.
4.4.2. Uji Asumsi
Klasik
Untuk mengetahui apakah model regresi yang dihasilkan merupakan model regresi yang menghasilkan estimator linier tidak bias
terbaik, maka perlu dilakukan pengujian gejala penyimpangan asumsi model klasik. Asumsi klasik pertama yang harus dipenuhi untuk
mendapatkan model regersi yang baik adalah non autokorelasi, non multikolinieritas dan heteroskedastisitas. Dari ketiga asumsi tersebut tidak
dilakukan pengujian terhadap gejala autokorelasi.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.4.2.1.Autokorelasi
Pengujian gejala
autokorelasi merupakan korelasi antar data yang
dihitung berdasarkan data time series. Data yang digunakan pada penelitian ini adalah data cross section dimana data yang diambil pada saat
kuesioner disebar, sehingga tidak dilakukan pengujian gejala autokorelasi.
4.4.2.2.Multikolinieritas
Multikolinieritas menunjukkan adanya hubungan linier sempurna antara variabel bebas dalam model regersi. Model regresi yang baik tidak
menunjukkan adanya gejala multikolinieritas. Pendeteksian ada atau tidaknya multikolinieritas dilakukan dengan melihat VIF. Apabila nilai
VIF 10, maka model regersi bebas dari multikolinieritas Ghazali, 2006:95. Berikut adalah hasil uji multikolinieritas:
Tabel 4.11. Hasil Uji Multikolinieritas Colinierity Statistic
Variabel Tolerance VIF
Dukungan Manajemen Puncak X
1
0.822 1.217
Partisipasi Pemakai X
2
0.762 1.312
Kemampuan Teknik Personal X
3
0.913 1.095
Sumber: Lampiran 9 A Tabel 4.11. menunjukkan bahwa nilai VIF ketiga variabel bebas
dibawah angka 10, sehingga dapat dikatakan model regresi bebas dari multikolinieritas, dengan demikian asumsi non multikolinieritas terpenuhi.
4.4.2.3.Heteroskedastisitas
Heteroskedastisitas menunjukkan adanya ketidaksamaan varians dari residual atas suatu pengamatan ke pengamatan yang lain. Model
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
regresi yang baik tidak menunjukkan adanya gejala heteroskedastisitas. Pendeteksian ada atau tidaknya heteroskedastisitas dilakukan dengan
metode korelasi rank spearman. Jika korelasi rank spearman menghasilkan nilai signifikansi 0.05
α = 5, maka disimpulkan dalam model regresi tidak terjadi heteroskedastisitas Ghozali, 2006:105.
Berikut adalah hasil uji heteroskedastisitas: Tabel 4.12. Hasil Uji Heteroskedastisitas
Variabel Bebas Korelasi
Rank Spearman Signifikansi
Dukungan Manajemen Puncak X
1
0.002 0.992
Partisipasi Pemakai X
2
0.105 0.661
Kemampuan Teknik Personal X
3
-0.033 0.890
Sumber: Lampiran 8 Tabel 4.12. menunjukkan bahwa nilai signifikansi korelasi rank
spearman untuk variabel dukungan manajemen puncak, partisipasi pemakai, dan kemampuan teknik personal semuanya 0.05
, sehingga disimpulkan tidak terjadi heteroskedastisitas pada model regresi,
dengan demikian asumsi non heteroskedastisitas telah terpenuhi.
4.4.3. Hasil Regresi
Kategori