82
4.3. Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk mendukung keakuratan hasil model regresi, maka perlu dilakukan penelusuran terhadap asumsi klasik
yang meliputi asumsi multikolinieritas, heteroskedastisitas dan autokorelasi. Hasil dari asumsi klasik tersebut adalah sebagai berikut :
1. Uji
Multikolinearitas
Berikut ini nilai VIF pada variabel variabel dukungan manajemen puncak X
1
, partisipasi pemakai X
2
dan kemampuan teknik personal X
3
: Tabel 4.11 : Nilai VIF Variance Inflation Factor
No. Variabel Bebas
VIF 1.
2. 3.
Dukungan manajemen puncak X
1
Partisipasi pemakai X
2
Kemampuan teknik personal X
3
4,654 4,152
2,474 Sumber
: Lampiran
8 Berdasarkan tabel 4.11 menunjukkan bahwa nilai VIF pada
variabel dukungan manajemen puncak X
1
, partisipasi pemakai X
2
dan kemampuan teknik personal X
3
lebih kecil dari 10 VIF 10 maka dapat disimpulkan bahwa model regresi linier berganda yang dihasilkan
bebas dari multikolinieritas.
2. Uji
Heteroskedastisitas
Heteroskedastisitas dapat diidentifikasikan dengan cara menghitung koefisien korelasi Rank Spearman antara nilai residual
dengan seluruh variabel bebas. Hasil dari uji Rank Spearman adalah sebagai berikut :
83
Tabel 4.12
: Hasil
Korelasi Rank Spearman
Variabel Bebas Koefisien korelasi
Rank Spearman Sig.
Dukungan manajemen puncak X
1
Partisipasi pemakai X
2
Kemampuan teknik personal X
3
-0,064 -0,073
-0,327 0,827
0,804 0,254
Sumber :
Lampiran 8
Berdasarkan tabel 4.12 dapat dijelaskan bahwa tingkat signifikan yang dihasilkan dari koefisien korelasi Rank Spearman pada variabel
dukungan manajemen puncak X
1
, partisipasi pemakai X
2
dan kemampuan teknik personal X
3
diatas 5 sig 5 maka dapat disimpulkan bahwa model regresi linier berganda yang dihasilkan bebas
dari heteroskedastisitas.
4.4. Persamaan Regresi Linier Berganda
Analisis data
untuk menggambarkan
pengaruh antara
satu variabel
terikat Y dengan beberapa variabel bebas X dapat dilakukan dengan metode regresi linier berganda. Persamaan regresi linier berganda yang
dihasilkan adalah sebagai berikut : Tabel 4.13 : Hasil Analisis Regresi Linier Berganda
Model Koefisien Regresi
Konstanta Dukungan manajemen puncak X
1
Partisipasi pemakai X
2
Kemampuan teknik personal X
3
0,696 0,287
0,133 0,459
Sumber : Lampiran 8 Secara statistik diperoleh persamaan regresi sebagai berikut:
Y = 0,696 + 0,287 X
1
+ 0,133 X
2
+ 0,459 X
3
84
Dari persamaan regresi di atas dapat diperoleh penjelasan sebagai berikut:
Konstanta yang dihasilkan sebesar 0,696 menunjukkan besarnya nilai dari kinerja SIA Y apabila dukungan manajemen puncak X
1
, partisipasi pemakai X
2
dan kemampuan teknik personal X
3
adalah konstan, maka nilai dari kinerja SIA Y sebesar 0,696.
Koefisien regresi
variabel dukungan
manajemen puncak
X
1
adalah sebesar 0,287 artinya jika variabel dukungan manajemen puncak X
1
naik satu satuan, maka kinerja SIA Y akan naik sebesar 0,287 dengan asumsi
variabel tingkat partisipasi pemakai X
2
dan kemampuan teknik personal X
3
adalah konstan. Koefisien regresi variabel partisipasi pemakai X
2
adalah sebesar 0,133 artinya jika variabel partisipasi pemakai X
2
naik satu satuan, maka kinerja SIA Y akan naik sebesar 0,133 dengan asumsi variabel tingkat
dukungan manajemen puncak X
1
dan kemampuan teknik personal X
3
adalah konstan. Koefisien
regresi variabel
kemampuan teknik
personal X
3
adalah sebesar 0,459 artinya jika variabel kemampuan teknik personal X
3
naik satu satuan, maka kinerja SIA Y akan naik sebesar 0,459 dengan asumsi
variabel tingkat dukungan manajemen puncak X
1
dan partisipasi pemakai X
2
adalah konstan.
85
4.5. Uji Hipotesis 4.5.1. Uji Kecocokan Model Uji F
Kategori