Hasil Uji Asumsi Klasik

Berdasarkan Tabel 5.4 dapat diketahui bahwa Asymp. Sig. 2-tailed dalam One- Sample Kolmogorov-Smirnov Test adalah 0,834. Nilai ini lebih besar dari α = 0,05, sehingga H diterima yang berarti data yang diuji terdistribusi normal. 2 Uji Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas. Model yang baik tidak terjadi korelasi di antara variabel bebas. Hasil uji multikolineraritas disajikan pada Tabel 5.5 berikut : Tabel 5.5 Hasil Uji Multikolinearitas Sumber : Lampiran 3. Berdasarkan tabel 5.5 diketahui bahwa keenam variabel independen memiliki nilai tolerance 0,10 dan nilai variance inflation factor VIF 10. Ini mengindikasikan bahwa persamaan regresi ini memenuhi syarat uji multikolinearitas atau terbebas dari gejala multikolinearitas. Coefficients a Model Collinearity Statistics Tolerance VIF 1 X1 .537 1.863 X2 .297 3.366 X3 .488 2.050 X4 .236 4.234 X5 .327 3.058 X6 .477 2.098 a. Dependent Variable: Y 3 Uji Heterokedastisitas Uji heteroskedastisitas bertujuan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan varian dari residual suatu pengamatan ke pengamatan lain Ghozali, 2013. Pengujian heteroskedastisitas dilakukan dengan menggunakan uji Glejser yakni dengan cara meregresi nilai absolute residual dari model yang diestimasi terhadap variabel independen. Hasil uji heterokedastisitas disajikan pada Tabel 5.6 di bawah ini. Tabel 5.6 Hasil Uji Heteroskedastisitas Berdasarkan Tabel 5.6 menunjukkan bahwa tidak ada satupun variabel independen yang berpengaruh signifikan terhadap variabel terikat Absolut Residual . Hal ini dapat diketahui dari nilai signifikansinya sebesar 0,996 untuk variabel kapabiltas personal X 1 , 0,383 untuk variabel workshoppelatihan pengguna X 2 , 0,588 untuk variabel komitmen organisasional X 3 , 0,787 untuk variabel formalisasi pengembangan SI X 4 , 0,510 untuk variabel komite pengendali SI X 5 , dan 0,858 untuk variabel dukungan top manajemen X 6 . Semua nilai tersebut lebih besar dari Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant .085 .281 .303 .763 X1 .000 .039 .001 .004 .996 X2 .071 .081 .200 .879 .383 X6 -.011 .060 -.032 -.179 .858 X4 .026 .097 .069 .271 .787 X5 -.048 .072 -.144 -.663 .510 X3 .035 .064 .097 .545 .588 a. Dependent Variable: RES2 Sumber : Lampiran 3 alpha α = 0,05, sehingga dapat ditarik kesimpulan bahwa model regresi ini memenuhi syarat uji heterokedastisitas.

5.4 Hasil Uji Kelayakan Model Uji F dan Koefisien Determinasi

Adj. R 2 Kelayakan model regresi menganalisis untuk menguji pengaruh variabel independen pada variabel dependen dilakukan dengan melakukan pengujian kelayakan model Uji F. Hasil uji kelayakan model disajikan pada tabel 5.7a untuk sebelum moderasi dan tabel 5.7b setelah moderasi. Berdasarkan informasi dari kedua tabel tersebut dapat diketahui bahwa kedua model tersebut memenuhi uji kelayakan model dengan nilai signifikansi masing-masing 0,000 yang lebih kecil dari α = 0,05. Tabel 5.7a Hasil Uji Kelayakan Model Sebelum Moderasi ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 38.968 6 6.495 17.528 .000 a Residual 22.974 62 .371 Total 61.942 68 a. Predictors: Constant, X3, X6, X1, X5, X2, X4 b. Dependent Variable: Y Sumber : Lampiran 4 Tabel 5.7b Hasil Uji Kelayakan Model Setelah Moderasi ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 43.399 14 3.100 9.028 .000 a Residual 18.543 54 .343 Total 61.942 68 a. Predictors: Constant, X5.X6, X1, X3, X2, X4, X6, X5, X1.X3, X1.X6, X2.X3, X2.X6, X4.X6, X5.X3, X4.X3 b. Dependent Variable: Y Sumber : Lampiran 4 Koefisien determinasi menggambarkan sejauhmana variabel independen dalam model mampu menjelaskan variabilitas variabel dependennya Ghozali,2013. Besaran koefisien determinasi yang digunakan dalam penelitian ini adalah Adjusted R 2 . Besarnya koefisien determinasi Adjusted R 2 ditunjukkan pada tabel 5.15. Tabel 5.8a Koefisien Determinasi Sebelum Moderasi Tabel 5.8b Koefisien Determinasi Setelah Moderasi Berdasarkan tabel 5.8a dan tabel 5.8b dapat diketahui bahwa koefisien determinasi Adj. R 2 sebelum moderasi adalah 0,593 dan setelah moderasi adalah 0,623. Koefisien determinasi Adj. R 2 sebelum moderasi asebesar 0,593 berarti dalam model ini variabilitas variabel kapabilitas personal, variabel workshoppelatihan pengguna, komitmen organisasional, formalisasi pengembangan SI, variabel komite pengendali SI, dan variabel dukungan top manajemen mampu menjelaskan perubahan variabel kinerja SIA sebesar pajak sebesar 59,3 sedangkan sisanya sebesar 41,7 dijelaskan oleh variabel lain diluar model. Sedangkan, Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .793 a .629 .593 .60872 a. Predictors: Constant, X3, X6, X1, X5, X2, X4 Sumber : Lampiran 4 Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .837 a .701 .623 .58599 a. Predictors: Constant, X5.X6, X1, X3, X2, X4, X6, X5, X1.X3, X1.X6, X2.X3, X2.X6, X4.X6, X5.X3, X4.X3 Sumber : Lampiran 4