Unstandardize Residual
Kolmogorov Smirnov Z 0,339
Nilai Signifikansi 1.000
Sumber : Data hasil kuesioner Lampiran 4-A Berdasarkan hasil uji Kolmogorov Smirnov didapat nilai
signifikan lebih besar dari tingkat signifikansi α = 5 atau 0,05 yaitu
1.000, maka disimpulkan residual berdistribusi normal, sehingga asumsi normalitas terpenuhi.
4.4 Uji Asumsi Klasik
4.4.1 Autokolerasi
Autokorelasi menunjukkan dalam model regresi terdapat korelasi antara kesalahan pada periode t-1 sebelumnya
Ghozali,2006:96. Pendeteksian atau tidaknya autokorelasi dalam penelitian ini tidak dilakukan karena gejala autokorelasi dalam penelitian
ini tidak dilakukan karena gejala autokorelasi biasanya terjadi pada data time series
, sedangkan data yang digunakan dalam penelitian ini adalah data cross section.
4.4.2 Multikolerasi
Multikolinieritas menunjukkan dalam model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik seharusnya
tidak terjadi korelasi antara variabel bebas. Pendeteksian ada atau tidaknya multikolinieritas menggunakan nilai Variance Inflation Factor
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
VIF. Apabila nilai VIF 10 maka tidak terjadi multikolinieritas Ghozali, 2009:95
Berdasarkan analisis yang dilakukan, diperoleh nilai VIF sebagai berikut :
Tabel 15 : Hasil Uji Multikolinieritas Variabel Bebas
Tolerance VIF
Partisipasi Pemakai X1 0.382 2.619
Kemampuan Teknik Personal Sistemn Informasi Akuntansi X2
0.247 4.042 Program Pelatihan dan Pendidikan
Pemakai X3 0.316 3.166
Sumber : Data hasil kuesioner Lampiran 4-D Berdasarkan tabel diatas terlihat bahwa nilai VIF ketiga variabel
bebas berada dibawah 10, sehingga dapat dikatakan tidak terjadi gejala multikolerasi diantara masing-masing variabel bebas. Dengan demikian
asumsi tidak ada multikolerasi terpenuhi.
4.4.3 Heterokedastisitas
Heteroskedastisitas menunjukkan dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
lain. Model regresi yang baik adalah model regresi yang tidak mengandung adanya heterokedastisitas Ghozali, 2009;125.
Pendeteksian ada atau tidaknya heterokedastisitas dilakukan menggunakan metode korelasi Rank Spearman, yaitu dengan
mengkorelasikan masing-masing variabel bebas dengan nilai residual.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Jika signifikansi Rank Spearman 0,05 α = 5 maka model regresi
bebas dari heterokedastisitas. Berikut hasil uji heterokedastisitas untuk masing-masing
variabel bebas menggunakan korelasi Rank Spearman.
Tabel 16 : Hasil Uji Heterokedastisitas Variabel Bebas
Nilai Signifikasi Korelasi Rank Spearman
Partisipasi Pemakai X1 0.485
Kemampuan Teknik Personal Sistem Informasi Akuntansi X2
0.498 Program Pelatihan dan Pendidikan
Pemakai X3 0.472
Sumber : Data hasil kuesioner Lampiran 4-B Hasil analisis di atas menunjukkan bahwa nilai signifikansi
korelasi Rank Spearman untuk keempat variabel bebas, semuanya lebih besar dari 0,05 yang berarti tidak terdapat korelasi signifikan antara
residual dengan variabel bebasnya. Berdasarkan hasil tersebut, maka dapat disimpulkan bahwa tidak terjadi heterokedastisitas, sehingga
asumsi tidak ada heterokedastisitas terpenuhi.
4.5 Analisis Regresi Linier Berganda
