Tabel 4.9 Validitas Formalisasi Sistem
Item-Total Statistics
Scale Mean if Item Deleted
Scale Variance if Item Deleted
Corrected Item- Total
Correlation Cronbachs
Alpha if Item Deleted
VAR00022 23.4333
19.909 .689
.940 VAR00023
22.8000 18.441
.867 .908
VAR00024 22.9333
17.926 .889
.903 VAR00025
22.8667 19.016
.729 .934
VAR00026 22.9000
17.610 .937
.894
Sumber : Peneliti, 2011 Nilai r
tabel
untuk penelitian ini adalah 0,4044, sedangkan r
hitung
untuk penelitian ini lebih besar dari 0,4044. Maka dari itu, pertanyaan untyk variabel
kinerja SIA telah valid.
D. Normalitas
Tujuan uji normalitas ini adalah ingin mengetahui apakah dalam model regresi antara 30 kriteria dependen dengan 30 kriteria independen memiliki
distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Uji normalitas perlu dilakukan untuk
menentukan alat 30 kriteria yang dilakukan, sehingga kesimpulan yang diambil dapat dipertanggungjawabkan. Proses uji normalitas data dilakukan dengan
menggunakan uji Kolmogorov Smirnov. Distribusi data dapat dilihat dengan membandingkan Z
hitung
dengan Z
tabel
1 Jika Z
dengan 44riteria sebagai berikut :
hitung
Kolmogorov Smirnov Z
tabel
1,96, atau angka signifikan taraf signifikansi α 0,05 maka distribusi data dikatakan normal,
2 Jika Z
hitung
Kolmogorov Smirnov Z
tabel
1,96, atau angka signifikan taraf signifikansi α 0,05 maka distribusi data dikatakan tidak normal,
Tabel 4.10 Kolmogorov-Smirnov
Unstandardized Residual
N 30
Normal Parameters Mean
a,b
.0000000 Std. Deviation
10.45896720 Most Extreme Differences
Absolute .187
Positive .163
Negative -.187
Kolmogorov-Smirnov Z 1.025
Asymp. Sig. 2-tailed .244
a. Test distribution is Normal. b. Calculated from data.
Pada tabel diatas, dapat dilihat bahwa nilai Asymp. Sig 2-tailed bernilai 0,244. Hal tersebut berarti lebih besar dari 0,05. Maka variabel independen dan
dependen berdistribusi normal. Selain itu, dapat juga dilihat pada gambar 4.1, dimana gambar histogram
tersebut tidak melenceng ke kiri ataupun ke kanan, maka variabel independen dan dependen dianggap berdistribusi normal.
Gambar 4.1 Histogram
Metode lain adalah dengan melihat penyebaran data titik pada normal P plot of regression standizzed residual variabel independen, dimana :
1 Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal, maka model regresi memenuhi asumsi normalitas, 2
Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi
normalitas. Pada grafik Normal P-P Plot gambar 4.1 terlihat titik yang mengikuti
data di sepanjang garis diagonal. Hal ini berarti data tersebut berdistribusi normal meskipun ujung-ujung plot agak menyimpang dari garis lurus, tetapi
pola-pola titik masih berbentuk linier.
Gambar 4.2 P-P Plot
E. Multikolinieritas
