2. Heteroskedastisitas
Heteroskedastisitas dapat diidentifikasikan dengan cara menghitung koefisien korelasi Rank Spearman antara nilai dari residual
dengan seluruh variabel bebas. Berikut ini hasil dari uji Rank Spearman : Tabel
4.12 : Hasil Korelasi Rank Spearman Variabel Bebas
Koefisien Korelasi Rank Spearman
Tingkat signifikan
Dukungan manajemen puncak X
1
Komunikasi pemakai X
2
Partisipasi pemakai X
3
0,018 0,132
0,027 0,957
0,698 0,936
Sumber : Lampiran 9 Berdasarkan
tabel di
atas dapat ditunjukkan koefisien korelasi Rank
Spearman pada variabel dukungan manajemen puncak X
1
, komunikasi pemakai X
2
dan partisipasi pemakai X
3
memiliki tingkat signifikan lebih besar dari 0,05 sig 5, sehingga dapat disimpulkan bahwa
antara variabel bebas dengan residual tidak terjadi heteroskedastisitas atau model regresi linier berganda yang dihasilkan bebas dari
heteroskedastisitas.
4.2.5.2. 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
Komunikasi pemakai X
2
Partisipasi pemakai X
3
5,342 -0,239
0,523 0,290
Sumber : Lampiran 9 Berdasarkan tabel 4.13 diperoleh persamaan regresi sebagai berikut :
Y = 5,342 - 0,239 X
1
+ 0,523 X
2
+ 0,290 X
3
Konstanta yang
dihasilkan sebesar 5,342 menunjukkan besarnya nilai
dari kepuasan pemakai Y apabila dukungan manajemen puncak X
1
, komunikasi pemakai X
2
dan partisipasi pemakai X
3
adalah konstan, maka nilai dari kepuasan pemakai Y sebesar 5,342.
Koefisien regresi
variabel dukungan manajemen puncak X
1
adalah sebesar -0,239 artinya jika variabel dukungan manajemen puncak X
1
naik satu satuan, maka kepuasan pemakai Y akan turun sebesar -0,239 dengan
asumsi variabel komunikasi pemakai X
2
dan partisipasi pemakai X
3
adalah konstan. Koefisien
regresi variabel
komunikasi pemakai
X
2
adalah sebesar 0,523 artinya jika variabel komunikasi pemakai X
2
naik satu satuan, maka kepuasan pemakai Y akan naik sebesar 0,523 dengan asumsi variabel
dukungan manajemen puncak X
1
dan partisipasi pemakai X
3
adalah konstan.
Koefisien regresi variabel partisipasi pemakai X
3
adalah sebesar 0,290 artinya jika variabel partisipasi pemakai X
3
naik satu satuan, maka kepuasan pemakai Y akan naik sebesar 0,290 dengan asumsi variabel
dukungan manajemen puncak X
1
dan komunikasi pemakai X
2
adalah konstan.
4.2.5.3. Koefisien Determinasi R
2
Koefisien determinasi
R
2
adalah kofisien korelasi berganda antara Y dengan X
1,
X
2
dan X
3
. Koefisien determinasi R
2
digunakan untuk mengukur besarnya kontribusi variasi X
1,
X
2
dan X
3
terhadap variasi Y pada persamaan regresi linier yang dihasilkan. Berikut ini nilai koefisien
determinasi R
2
yang dihasilkan : Tabel
4.14 : Nilai Koefisien Determinasi
Model Summary
b
,900
a
,811 ,729
2,14967 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X3, X1, X2
a. Dependent Variable: Y
b.
Sumber : Lampiran 9 Berdasarkan
tabel 4.14
di atas menunjukkan bahwa nilai koefisien
determinasi R
2
yang dihasilkan sebesar 0,811 hal ini berarti secara bersama-sama 81,1 perubahan variabel kepuasan pemakai Y dapat
dijelaskan oleh variabel dukungan manajemen puncak X
1
, komunikasi pemakai X
2
dan partisipasi pemakai X
3
, sedangkan sisanya yaitu 18,9 disebabkan oleh variabel lain yang tidak masuk dalam kerangka konsep ini.
Nilai korelasi ganda yang dihasilkan sebesar 0,900 yang berarti hubungan secara bersama-sama yang sangat kuat amtara variabel dukungan
manajemen puncak X
1
, komunikasi pemakai X
2
dan partisipasi pemakai X
3
dengan kepuasan pemakai Y yaitu sebesar 90.
4.2.6. Uji Hipotesis 4.2.6.1. Uji F