Pengambilan keputusan berdasarkan jika nilai Alpha melebihi 0,6 maka pertanyaan variabel tersebut reliabel dan jika nilai Alpha kurang dari
0,6 maka pertanyaan variabel tersebut tidak reliabel Imam Ghozali, 2006: 46.
Tabel 10. Interpretasi Koefisien Alpha
Koefisien Interpretasi
0,800 sampai 1,000 Sangat tinggi
0,600 sampai 0,800 Tinggi
0,400 sampai 0,600 Cukup
0,200 sampai 0,400 Rendah
0,000 sampai 0,200 Sangat Rendah
Penghitungan untuk mencari reliabilitas data instrumen dalam penelitian ini dibantu dengan menggunakan software SPSS 16.0 for
Windows . Butir pertanyaan yang valid diuji dengan menggunakan rumus Alpha Cronbach. Berikut merupakan hasil uji reliabilitas:
Tabel 11. Hasil Uji Reliabilitas
Variabel Kriteria
Cronbach’s Alpha
Keterangan
Persepsi Kebermanfaatan 0,600
0,866 Reliabel
Keamanan 0,600
0,639 Reliabel
Kepercayaan 0,600
0,694 Reliabel
Persepsi Kemudahan Penggunaan
0,600 0,789
Reliabel Penggunaan Online
banking 0,600
0,825 Reliabel
Sumber: Data primer yang diolah. Lampiran 3. Hal 143 Berdasarkan hasil dari tabel di atas dapat diketahui bahwa nilai
koefisien Cronbach’s Alpha dari seluruh variabel menunjukkan 0,600. Hal ini menunjukkan bahwa setiap instrumen penelitian ini memiliki
tingkat reliabilitas yang baik sehingga dapat digunakan utuk penelitian selanjutnya.
H. Teknik Analisis Data
1. Analisis Satistik Deskriptif a. Penentuan Kelas Interval dan Distribusi Frekuensi berdaasrkan rumus
Sturgess 1 Jumlah kelas = 1 + log n, n = Jumlah sampel
2 Rentang Data = data terbesar – data terkecil 3 Panjang kelas = rentang data jumlah kelas interval
b. Identifikasi Kecenderungan Variabel 1 Pengkategorian terhadap nilai masing-masing indikator
2 Mencari kategori indikator: Tinggi = {Mi + 1Sdi
} Sedang = {Mi – 1Sdi} sd {Mi+1Sdi}
Rendah = {Mi – 1Sdi} Sutrisno Hadi, 2004:135
2. Uji Prasyarat Analisis a. Uji Normalitas Data
Uji normalitas data adalah pengujian terhadap normal tidaknya sebaran data yang akan dianalisis Suharsimi Arikunto, 2009: 301. Uji
normalitas data digunakan untuk menguji apakah dalam model regresi, variabel pengganggu masih memiliki distribusi normal atau tidak.
Banyak cara yang dapat digunakan untuk melakukan pengujian
terhadap normal tidaknya penyebaran data, salah satunya adalah dengan menggunakan Metode Kolmogorov-Smirnov. Uji normalitas pada
penelitian ini menggunakan metode Kolmogorov-Smirnov dengan rumus sebagai berikut:
Keterangan: = harga Kolmogorov-Smirnov yang dicari
= jumlah sampel yang diobservasi = jumlah sampel yang diharapkan
Hipotesis yang diajukan adalah sebagai berikut:
H0 : Data diambil dari populasi yang berdistribusi normal H1 : Data diambil bukan dari populasi yang berdistribusi normal.
Pengambilan keputusan: Jika nilai Asymp. Sig. 0,05 maka H0 diterima.
Jika nilai Asymp. Sig. 0,05 maka H0 ditolak Joko Sulistyo, 2010.
b. Uji Linearitas Uji linearitas bertujuan untuk mengetahui apakah variabel
independen x dan varibel dependen y mempunyai hubungan linear atau tidak dengan melihat apakah data yang dimiliki sesuai dengan garis
linear atau tidak. Analisis regresi linear dapat dilakukan apabila asumsi linearitas terpenuhi. Untuk mengetahui hal tersebut digunakan Uji F
dengan rumus:
F
reg
= Keterangan:
F
reg
: Harga bilangan F untuk garis regresi RK
reg
: Rerata kuadrat garis regresi RK
res
: Rerata kuadrat residu Sutrisno Hadi, 2004: 14
Jika F hitung lebih besar dari F tabel, maka hipotesis nol yang menyatakan bahwa spesifikasi model dalam bentuk fungsi linear
ditolak. c. Uji Asumsi Klasik
1 Multikolenieritas Uji ini sebagai syarat digunakannya analisis regresi ganda
untuk mengkaji terjadi atau tidaknya multikolenieritas antar variabel independen. Multikolenieritas adalah kolerasi antara variabel
independen satu dengan yang lain. “Model regresi yang baik seharusnya tidak terjadi kolerasi diantara variabel independen”
Imam Ghozali, 2006: 95. Ada tidaknya multikolenieritas dapat dilihat dari besarnya Tolerance Value dan Variance Inflation Factor
VIF yang dapat dihitung dengan rumus: VIF = Tolerance Value dan VIF menunjukkan setiap variabel independen
manakah yang dijelaskan oleh variabel independen lainnya atau dalam pengertian sederhana setiap variabel independen menjadi
variabel dependen terikat. Tolerance Value mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel
independen lainnya. Jadi, nilai tolerance yang rendah sama dengan
nilai VIF tinggi karena VIF = 1Tolerance Value. Nilai yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai
Tolerance Value ≥ 0,10 atau sama dengan nilai VIF ≤ 10 maka tidak
terjadi multikolinieritas antar variabel independennya Imam Ghozali, 2006: 97.
2 Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah
dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamataan ke pengamatan yang lain tetap, atau disebut
homoskedastisitas. Model regresi yang baik adalah yang homoskedastisitas, tidak heteroskedastisitas.
Heteroskedastisitas ditandai dengan adanya pola tertentu pada grafik scatterplot. Jika titik-titik yang ada membentuk suatu
pola tertentu
yang teratur
bergelombang, maka
terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, titik-titik
menyebar di atas dan di bawah angka nol pada sumbu Y, maka tidak terjadi heteroskedastisitas. Selain itu, heteroskedastisitas dapat
diketahui melalui Uji Glejser. Jika probabilitas signifikansi masing- masing variabel independen 0,05, maka dapat disimpulkan tidak
terjadi heteroskedastisitas dalam model regresi Imam Ghozali, 2006.
3 Uji Hipotesis Pengujian hipotesis adalah suatu prosedur yang akan
menghasilkan suatu keputusan, yaitu keputusan menerima atau menolak hipotesis itu. Dalam pengujian hipotesis, keputusan yang
dibuat mengandung ketidakpastian, artinya keputusan bisa benar atau salah, sehingga menimbulkan risiko. Besar kecilnya risiko
dinyatakan dalam bentuk probabilitas Iqbal Hasan, 2003: 140. Uji hipotesis dilakukan untuk mengetahui hubungan dan pengaruh antara
variabel independen
terhadap variabel
dependen dengan
menggunakan analisis regresi dengan langkah-langkah sebagai berikut:
a. Analisis Regresi Sederhana Persamaan regresi sederhana dapat digunakan untuk
melakukan prediksi seberapa tinggi hubungan kausal satu variabel independen dengan satu variabel dependen. Langkah-langkah
dalam melakukan analisis regresi sederhana yaitu: 1 Membuat garis linier sederhana
Y’ = a + bX Keterangan:
Y’ : nilai yang diprekdisikan a : konstanta atau apabila harga X = 0
b : koefisien regresi X : nilai variabel independen
Sugiyono, 2008: 188
