51
3.7 Teknik Analisa Data
Metode analisis regresi berganda digunakan untuk mengetahui berapa besar pengaruh variabel bebas pemanfaatan sistem informasi
akuntansi, kompetensi,dan motivasi kerja terhadap variabel terikat kinerja karyawan. Data diolah secara statistik untuk keperluan analisis
dan pengujian hipotesis dengan menggunakan alat bantu program SPSS. Adapun bentuk umum persamaan regresi yang digunakan adalah sebagai
berikut Sugiyono, 2006:211.Model analisis dapat dirumuskan sebagai berikut :
Model : Y = β + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ e Keterangan :
Y = Kinerja Pegawai
X
1
=Persepsi Pemanfaatan
Sistem Informasi
Akuntansi X
2
= Kompetensi X
3
= Motivasi Kerja Β
= Konstanta β
1
, β
2
, β
3
= Koefisien estimasi model e
= standard eror Data diolah secara statistik untuk keperluan analisis dan
pengujian hipotesis dengan menggunakan alat bantuan SPSS sebagai berikut:
3.7.1 Uji Asumsi Klasik
Sebelum dilakukan pengujian hipotesis dengan menggunakan analisis regresi berganda, maka diperlukan pengujian asumsi klasik
yang meliputi pengujian normalitas, mulikolinearitas, hetoroskedastisitas.
Universitas Sumatera Utara
52 a.
Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam
model regresi, variable terikat dan variabel bebas keduanya memiliki distribusi data normal atau tidak. Model regresi
yang baik memiliki distribusi data normal atau mendekati normal. Salah satu cara termudah untuk melihat normalitas
adalah dengan melihat histogram yang membandingkan antara data observasi dengan distribusi yang mendekati
distribusi normal. Metode yang lebih handal adalah melihat normal probability plot yang membandingkan distribusi
kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal. Jika distribusi normal,
maka garis yang menggambarkan dan sesungguhnya akan mengikuti garis diagonalnya Ghozali, 2005. Apabila
menggunakan grafik, normalitas umumnya dideteksi dengan melihat tabel histogram. Namun demikian, dengan
hanya melihat tabel histogram bisa menyesatkan, khususnya untuk jumlah sampel yang kecil. Metode yang lebih handal
adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari data
sesungguhnya dengan distribusi kumulatif dari distribusi normal. Dasar pengambilan dengan menggunakan normal
probability plot adalah sebagai berikut Ghozali, 2005 :
Universitas Sumatera Utara
53 1.
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya
menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
2. Jika data menyebar jauh dari garis diagonal danatau
tidak mengikuti arah garis diagonal atau garis histogram tidak menunjukkan pola distribusi normal, maka model
regresi tidak memenuhi asumsi normalitas.
Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati secara visual kelihatan normal, padahal
secara statistik bisa sebaliknya. Oleh sebab itu dianjurkan disamping uji grafik dilengkapi dengan uji statistik. Uji
statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non-parametik Kolgomorov-
Smirnov K-S. b.
Uji Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah
model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya
tidak terjadi korelasi diantara variabel independen. Jika variable independen saling berkorelasi maka variabel-
variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama
variable independen sama dengan nol Ghozali, 2005. Untuk menguji ada tidaknya multikolinearitas dalam suatu
model regresi salah satunya adalah dengan melihat nilai tolerance dan lawannya, dan Variance Inflation Factor
Universitas Sumatera Utara
54 VIF. Kedua ukuran ini menunjukkan setiap variabel
independent manakah yang dijelaskan oleh variabel lainnya. Tolerance mengukur variabilitas variabel independen yang
terpilih yang tidak dijelaskan oleh variabel independent lainnya. Jadi nilai tolerance yang rendah sama dengan nilai
VIF tinggi karena VIF = 1Tolerance dan menunjukkan adanya kolinearitas yang tinggi. Nilai cut off yang umum
dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance 0.10 atau sama dengan nilai VIF 10.
Bila nilai tolerance 0.10 atau sama dengan nilai VIF 10, berarti tidak ada multikolinearitas antar variable dalam
model regresi Ghozali, 2005. c. Uji Heteroskedastisitas
Uji heteroskedastisitas adalah uji yang dilakukan untuk mengetahui apakah di dalam model regresi terdapat ketidaksamaan variabel
pengganggu dari satu pengamatan ke pengamatan lain. Model regresi yang baik apabila dalam data tidak mengandung Heteroskedastisitas.
Heteroskedastisitas dari suatu model regresi dapat diketahui dengan melihat plot antara nilai taksiran dengan residual pada uji Park dan
grafik scatter plot. Model regresi tidak terdapat hetroskedastisitas jika :
1. Titik-titik data menyebar disekitar angka nol, baik diatas maupun di bawah
Universitas Sumatera Utara
55 2. Penyebaran titik-titik data tidak berpola bergelombang, melebar,
kemudian menyempit 3. Titik-titik data tidak hanya mengumpul diatas atau dibawah saja
3.7.2 Pengujian Hipotesis
Kategori