36
multikolinieritas. Jika lebih dari 0,70 maka diasumsikan terjadi kolerasi yang sangat kuat antar variabel independen sehingga terjadi
multikolinieritas.
3.8.3. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke-
pengamatan lain jika variance dari residual satu pengamatan ke- pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda
disebut heterokedastisitas Ghozali, 2006 :105.
Dasar analisis : 1. Dengan melihat apakah titik-titik memiliki pola tertentu yang
teratur seperti bergelombang, melebar kemudian menyempit, jika terjadi makan mengindikasikan terdapat heterokedastisitas.
2. Jika tidak terdapat pola tertentu yang jelas, serta titik-titik menyebar diatas dan dibawah angka 10 pada sumbu Y maka
mengindikasikan tidak terjadi heterokedastisitas.
3.9. Model Pengujian Hipotesis 1, 2 dan 3
3.9.1. Model Regresi Linear Berganda
Model Regresi Linear Berganda Multiple Regression Analysis
bertujuan untuk menguji pengaruh antara satu variabel terhadap variabel lain. Regresi linear berganda melibatkan lebih
dari satu variabel bebas Independen. Dengan menggunakan dua atau lebih variabel bebas Independen dalam membuat persamaan
Universitas Sumatera Utara
37
regresi diharapkan mampu menerangkan lebih baik karakteristik dari variabel tak bebas dependen dan nilai koefisien determinasi
diharapkan semakin besar dan nilai standar error semakin kecil sehingga persamaan regresi yang dihasilkan lebih baik. Model
regresi linear berganda dikatakan model yang baik jika model tersebut memenuhi asumsi normalitas data dan terbebas dari
asumsi-asumsi klasik statistik, baik multikolinieritas, autokolerasi dan heteroskedastisitas.
Maka, untuk pengujian hipotesis pertama, kedua dan ketiga akan dipergunakan analisis regresi berganda, tujuannya adalah
untuk melihat pengaruh antara variabel independen dengan variabel dependen, dengan rumusan sebagai berikut :
Y = a + b1.X1 + b2.X2 + b3.X3 + e
keterangan : Y = Kinerja Manajerial
a = Konstanta X1 = Teknologi Informasi
X2 = Sistem Pengukuran Kinerja X3 = Sistem Reward
b1 = Koefisien regresi Teknologi Informasi b2 = Koefisien regresi Sistem Pengukuran Kinerja
b3 = Koefisien regresi Sistem Reward
Universitas Sumatera Utara
38
e = eror
3.9.1.1. Uji Signifikan Parsial Uji-t
Uji Signifikan Parsial Uji-t digunakan untuk mengetahui pengaruh variabel independen secara parsial terhadap variabel
dependen,apakah pengaruhmya signifikan atau tidak. Hipotesis nol Ho yang hendak diuji adalah apakah parameter bi sama dengan
nol, atau Ho : bi = 0, artinya apakah suatu variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen.
Hipotesis altenatif Ha parameter suatu variabel tidak sama dengan nol, atau Ha : bi
≠ 0, artinya variabel tersebut merupakan penjelas yang signifikan terhadap variabel dependen. Dasar pengambilan
keputusan yaitu : 1. Jika nilai signifikan a 0.05, Ho diterima
2. Jika nilai signifikan a 0.05, Ho ditolak
3.9.1.2. Uji Signifikan Simultan Uji-F
Uji Signifikan Simultan Uji-F pada dasarnya
menunjukan apakah semua variabel independen atau bebas yang
dimasukan dalam model mempunyai pengaruh secara bersama-
sama terhadap variabel dependen atau terikat. Hipotesis nol Ho yang hendak diuji adalah apakah semua parameter dalam model
sama dengan nol, atau : Ho : b1 = b2 = b3 = b4 = b5 = b6 = 0, artinya apakah semua variabel independen bukan merupakan
Universitas Sumatera Utara
39
penjelasan yang signifikan terhadap variabel dependen. Hipotesis alternatif Ha tidak semua parameter secara simultan sama dengan
nol, atau Ha : b1 ≠ b2 ≠ b3 ≠ b4 ≠ b5 ≠ b6 ≠ 0, artinya semua
variabel independen secara simultan merupakan penjelasan yang signifikan terhadap variabel dependen.
1. Jika nilai signifikan a 0.05, Ho diterima 2. Jika nilai signifikan a 0.05, Ho ditolak
3.9.1.3. Uji Koefisien Determinasi R
2
Uji Koefisien Determinasi R
2
digunakan untuk mengetahui seberapa besar kemampuan variabel independen
menjelaskan variabel dependen. Koefisien daterminasi terletak pada tabel summary
b
dan tertulis R Square yang disesuaikan atau tertulis Adjusted R Square, karena disesuaikan dengan jumlah
variabel independen yang digunakan dalam penelitian. Nilai R Square dikatakan baik jika di atas 0,5 karena nilai R Square
berkisar antara 0 sampai 1.
3.10. Model Pengujian Hipotesis 4, 5 dan 6
