puncak X
3
naik satu satuan maka variabel kinerja SIA turun sebesar 0,158 dengan asumsi variabel X
1
, X
2
dan X
4
adalah konstan. b
4
= Koefisien regresi untuk X
4
= -0,128 Koefisien regresi pada variabel keberadaan program pelatihan dan
pendidikan pemakai X
4
bertanda “positif” yang artinya jika variabel keberadaan program pelatihan dan pendidikan pemakai X
4
naik satu satuan maka variabel kinerja SIA naik sebesar 0,128 dengan asumsi
variabel X
1
, X
2
dan X
3
adalah konstan.
4.4.2. Uji Asumsi Klasik
Pengujian asumsi
klasik analisis regresi bertujuan untuk mengetahui
secara pasti apakah model regresi linier berganda menghasilkan keputusan yang BLUE Best Linear Unbiased Estimator, dalam arti pengambilan
keputusan melalui uji F dan uji t tidak bias, hal tersebut perlu diuji dengan
menggunakan asumsi dasar berikut ini : 1.
Multikolinearitas
Pembuktian ada atau tidaknya gejala multikolinearitas dapat dilakukan dengan cara menghitung VIF Variance inflation Factor. Jika
VIF lebih besar dari 10 maka terjadi multikolinearitas, namun bila lebih kecil dari 10 tidak terjadi multikolinearitas.
Tabel 4.17 : VIF Variance Inflation Factor
No. Variabel Bebas VIF
1. 2.
3. 4.
Partisipasi pemakai dalam pengembangan SIA X
1
Kemampuan teknik personal SIA X
2
Dukungan manajemen puncak X
3
Keberadaan program pelatihan dan pendidikan pemakai X
4
1,856 2,520
1,436 1,537
Sumber : Lampiran I Nilai VIF pada variabel partisipasi pemakai dalam pengembangan
SIA X
1
sebesar 1,856; variabel kemampuan teknik personal SIA X
2
sebesar 2,520; variabel dukungan manajemen puncak X
3
sebesar 1,436 dan variabel keberadaan program pelatihan dan pendidikan pemakai X
4
sebesar 1,537. Karena nilai VIF keempat variabel bebas tersebut kurang dari 10, maka dapat disimpulkan bahwa model regresi yang dihasilkan
tidak terjadi multikolinearitas.
2. Heteroskedastisitas
Heteroskedastisitas dapat diidentifikasikan dengan cara menghitung koefisien korelasi Rank Spearman antara nilai mutlak dari
residual dengan seluruh variabel bebas. Hasil dari uji Rank Spearman adalah sebagai berikut :
Tabel 4.17 : Hasil Uji Korelasi Rank Spearman
Variabel Bebas Koefisien korelasi
Rank Spearman Tingkat
signifikan Partisipasi pemakai dalam pengembangan SIA X
1
Kemampuan teknik personal SIA X
2
Dukungan manajemen puncak X
3
Keberadaan program pelatihan dan pendidikan pemakai X
4
0,076 -0,063
-0,045 0,074
0,696 0,744
0,818 0,702
Sumber : Lampiran J Berdasarkan
tabel 4.17
di atas, dapat ditunjukkan bahwa tingkat
signifikan pada variabel partisipasi pemakai dalam pengembangan SIA X
1
sebesar 0,696; tingkat signifikan pada variabel kemampuan teknik
personal SIA X
2
sebesar 0,744; tingkat signifikan pada variabel dukungan manajemen puncak X
3
sebesar 0,818 dan tingkat signifikan pada variabel keberadaan program pelatihan dan pendidikan pemakai
X
4
sebesar 0,702. Karena tingkat signifikan yang dihasilkan variabel bebas tersebut lebih dari 5 sig 5 maka dapat disimpulkan bahwa
model regresi yang dihasilkan tidak terjadi heteroskedastisitas. Berdasarkan
analisis asumsi
klasik tersebut di atas dapat disimpulkan bahwa model regresi yang diperoleh merupakan model yang menghasilkan
estimasi linear tidak bias yang baik Best Linier Unbiased Estimator BLUE artinya koefisien regresi pada persamaan tersebut linier dan tidak
bias, karena tidak melanggar asumsi multikolinieritas, tidak melanggar asumsi heteroskedastisitas dan variabel penelitian berdistribusi normal
4.4.3. Uji Kecocokan Model