BAB IV HASIL ANALISIS DAN PEMBAHASAN
4.4. Analisis dan Pembahasan
Beberapa uji asumsi klasik yang harus dipenuhi adalah multikolinieritas, heteroskedastisitas dan normalitas :
a. Multikolinieritas
Uji Multikolinieritas pada penelitian ini digunakan untuk mendeteksi adanya gejala Multikolinieritas dalam pengujian keeratan hubungan antar variabel bebas, tercermin dari Coefficient. Hal ini tampak pada nilai tolerance
dan Variance Inflation Factor (VIF) untuk setiap variabel bebas. Jila nilai
tolerance lebih dari 0,10 dan nilai kurang dari 10, artinya menunjukan tidak terdapat korelasi antar satu variabel bebas .
Tabel 4.8
Nilai VIF ( Variance Inflation Factor )
Variabel Bebas Tolerance VIF
Manfaat Persepsian (X1) 0,859 1,165
Kemudahan Persepsian (X2) 0,854 1,170
Kondisi Yang Memfasilitasi (X3)
0,809 1,236 Sumber : Lampiran 13
Berdasarkan hasil perhitungan menunjukan bahwa nilai Variance
Inflation factor (VIF) dari semua variabel bebas yang meliputi : Manfaat
Persepsian (X1), Kemudahan Persepsian (X2), dan Kondisi Yang Memfasilitasi (X3) memperlihatkan nilai yang kurang dari 10. Ini berarti persoalan Multikolinieritas di antara semua variabel bebas dapat ditolerir atau tidak terdapat adanya gejala Multikolinieritas.
b.Heterokedastisitas
Heterokedatisitas di identifikasikan dengan koefisien korelasi Rank Spearman Berdasarkan tabel dibawah, diperoleh tingkat signifikansi koefisien korelasi Rank Spearman untuk semua variabel bebas terhadap residual lebih besar dari 0,05 (5%).
Tabel 4.9 : Hasil Pengujian Heterokedastisitas Variabel Taraf Signifikasi
Dari Korelasi Rank Spearman
>/< Taraf Uji
Kesimpulan
Manfaat Persepsian (X1) 0,753 > 0,05 Homoskedastisitas Kemudahan Persepsian (X2) 0,985 > 0,05 Homoskedastisitas Kondisi Yang Memfasilitasi
(X3)
0,622 > 0,05 Homoskedastisitas Sumber : Lampiran 13
Dari hasil pengujian heterokedastisitas diperoleh tingkat signifikansi dari korelasi Rank Spearman lebih besar dari taraf level of signifikan yaitu 5% (0,05).
c. Autokorelasi
Autokorelasi dapat didefinisikan sebagai “korelasi antara data observasi yang diurutkan berdasarkan urut waktu (data time series) atau data yang
diambil pada waktu tertentu (data cross-sectional)” (Gujarati, 1995:201). Untuk mengujji variabel-variabel yang diteliti apakah terjadi autokorelasi atau tidak dapat digunakan uji Durbin Watson, yaitu dengan cara membandingkan nilai Durbin Watson yang dihitung dengan nilai Durbin Watson (dL dan du) dalam tabel. Distribusi penetuan keputusan dimulai dari 0 (nol) sampai 4 (empat).
Kaidah keputusan dapat dijelaskan sebagai berikut :
1. Jika d lebih kecil daripada dL atau lebih besar daripada (4-dL), maka hipotesis nol ditolak yang berarti terdapat autokorelasi.
2. Jika d teletak antara dU dan (4-dU), maka hipotesis nol diterima yang berarti tidak ada autokorelasi.
3. Jika nilai d terletak antara dL dan dU atau antara (4-dL) dan (4-dU) maka uji Durbin-Watson tidak menghasilkan kesimpulan yang pasti, untuk nilai-nilai ini tidak dapat disimpulkan ada tidaknya autokorelasi di antara faktor-faktor penganggu.
Untuk mengetahui ada tidaknya gejala autokorelasi dalam model penelitian maka perlu dilihat nilai DW tabel. Diketahui jumlah variabel bebas adalah 3 (k=3) dan banyaknya data adalah (n=137) sehingga diperoleh nilai DW tabel adalah sebesar dL = 1,693 dan dU = 1,774
Tabel 10. Tes Autokorelasi
Variabel
Nilai DW Test
Penggunaan Teknologi
Informasi 1,761
0 – 1,693 (ada auto korelasi) 1,693 – 1,774 (daerah ketidak pastian) 1,774 – 2,226 (tidak ada autokorelasi) 2,226 – 2,307 (daerah ketidak pastian) 2,307 - 4 ( ada autokorelasi )
Daerah ketidak Pastian
Berdasarkan hasil analisis Penggunaan Tekonologi Informasi, maka dalam model regresi ini tidak terjadi gejala autokorelasi karena nilai DW tes yang diperoleh adalah sebagai beriku :
d. Normalitas
Hasil uji normalitas untuk variabel manfaat persepsian (X1), variabel kemudahan persepsian (X2), variabel kondisi yang memfasilitasi (X3), dan variabel penggunaan teknologi (Y) dapat dilihat pada tabel 4.11.
Tabel 4.11 : Hasil Uji Normalitas
Hasil Uji Normalitas
No. Variabel Kolmogorov Smirnov Z Signifikansi Keterangan
1 Manfaat Persepsian (X1) 0,462 0,528 Normal 2
Kemudahan Persepsian
(X2) 0,243 0,791 Normal
3
Kondisi Yang Memfasilitasi
(X3) 0,758 0,614 Normal
4 Penggunaan Teknologi (Y) 0,941 0,338 Normal
Berdasarkan pada lampiran 12, dapat dilihat bahwa dengan melakukan
Kolmogorov-Smirnov test yang dihasilkan 0,748 pada seluruh variabel
diketahui mempunyai nilai probabilitas lebih besar dari 0,05 atau 5%, hal ini berarti data distribusi normal atau asumsi normalitas data terpenuhi.
Dari hasil pengujian yang telah dilakukan, maka didapat model analisis regresi linier berganda tersebut telah memenuhi beberapa asumsi regresi klasik yang berarti tidak bias dan analisis regresi linier berganda dapat dilanjutkan.
4.4.2. Analisis Statistik Regresi Linear Berganda
Data yang diperoleh selanjutnya dianalisis dengan menggunakan SPSS 13.0 for windows untuk melihat model persamaan yang dibentuk dan membuktikan hipotesis yang diajukan. Dari hasil analisis tersebut diperoleh nilai – nilai seperti yang disajikan pada tabel 4.12 di bawah ini :
Tabel 4.12
Hasil Analisis Regresi Berganda.
Variabel Koefisien
Regresi t hitung Sig.
Manfaat Persepsian (X1) -0,191 -2,068 0,041
Kemudahan Persepsian (X2) 0,182 2,000 0,048
Kondisi Yang Memfasilitasi
(X3) 0,337 4,741 0,000
Multiple R = 0,455 R² = 0,207 Konstanta : 17,254 Sig = 0,000 Adjusted R Square = 0,189 F hitung = 11,598
Sumber : Lampiran 15
Berdasarkan hasil perhitungan pada tabel 4.11 diatas, maka dapat dibuat model persamaan regresi linier berganda dari pengaruh Penggunaan Teknologi Informasi adalah sebagai berikut :
Y = 17,254 - 0,191 X1 + 0,182 X2 + 0,337 X3 Interprestasi dari model regresi diatas adalah sebagau berikut :
1. Nilai konstanta (b0) menunjukkan besarnya nilai dari Penggunaan Teknologi Informasi (Y) apabila variabel Manfaat Persepsian (X1), Kemudahan Persepsian (X2), dan Kondisi Yang Memfasilitasi (X3) adalah konstan atau nol, maka besarnya nilai Penggunaan Teknologi Informasi naik (Y) sebesar 17,254.
2. Nilai Koefisien regresi pada untuk variabel Manfaat Persepsian (X1) adalah negatif yaitu sebesar 0,191 artinya jika Manfaat Persepsian (X1) naik sebesar satu satuan, maka Penggunaan Teknologi Informasi (Y) akan turun sebesar 0,191 dengan asumsi variabel bebas lainnya adalah konstan. 3. Nilai Koefisien regresi pada untuk variabel Kemudahan Persepsian (X2)
adalah positif yaitu sebesar 0,182 artinya jika Kemudahan Persepsian (X2) naik sebesar satu satuan, maka Penggunaan Teknologi Informasi (Y) akan naik sebesar 0,182 dengan asumsi variabel bebas lainnya adalah konstan. 4. Nilai Koefisien regresi pada untuk variabel Kondisi Yang Memfasilitasi
(X3) adalah positif yaitu sebesar 0,337 artinya jika Kondisi Yang Memfasilitasi (X3) naik sebesar satu satuan, maka Penggunaan Teknologi
Informasi (Y) akan naik sebesar 0,337 dengan asumsi variabel bebas lainnya adalah konstan.
Nilai Koefesien korelasi berganda (R) atau Multiple R dari persamaan regresi linier berganda diatas adalah 0,455. Nilai Koefesien korelasi berganda (R) sebesar 0,455 menunjukan adanya hubungan yang sangat kuat (erat) antara variabel yaitu Manfaat Persepsian (X1), Kemudahan Persepsian (X2), dan Kondisi Yang Memfasilitasi (X3) dengan Penggunaan Teknologi Informasi (Y).
Nilai Koefesien determinan berganda (R²) dari persamaan regresi linier berganda diatas digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat. Nilai Koefesien determinan berganda (R²) sebesar 0,207 menunjukan 20,7 % yang berarti ; Penggunaan Teknologi Informasi yaitu Manfaat Persepsian (X1), Kemudahan Persepsian (X2), dan Kondisi Yang Memfasilitasi (X3) dan selebihnya sebesar 79,3 % disebabkan oleh faktor lain yang tidak dimasukan dalam penelitian.