PENYAJIAN DAN ANALISIS DATA 3.1 Penyajian Data
3.3. Analisis dan Hasil Penelitian
3.3.3. Uji Normalitas dan Homogenitas 1 Uji Normalitas
3.3.3.2. Uji Homogenitas
Pengujian homogenitas varians ini mengasumsikan bahwa skor setiap variabel memiliki varians yang homogen111. Untuk menguji homogenitas populasi penelitian hipotesis yang diajukan adalah sebagai berikut :
Ho : Data populasi bervariasi homogen Ha : Data populasi tidak bervariasi homogen
Dalam penelitian ini, ukuran yang menentukan populasi bervarian homogin atau tidak homogin dengan menggunakan nilai koefisien F
Levene. Disini, nilai kosefisien F Levene dibandingkan dengan nilai krisis F pada tabel. Kriteria pengujian yang digunakan112 yaitu :
- Ho ditolak bila harga koefisien F Levene > nilai kritis F tabel pada df1 dan df2 yang sesuai.
- Ho diterima bila harga koefisien F levene ≤ nilai kritis F tabel pada df1 dan df2 yang sesuai.
Pengujian Homogenitas dilakukan dengan bantuan SPSS, berikut langkah-langkah dalam SPSS :
Pilih Analyze, kemudian klik Compare Means, dan One Way
Anova
Input variabel Y ke kotak Dependen List dan variabel X ke kotak Factor, lalu klik Options
Pada menu Options, beri tanda pada Homogeneity of Variance, lalu klik Continue dan OK untuk memproses data
Tabel 3.36. Hasil Uji Homogenitas Variabel Levene F Statistic > Atau ≤ F Tabel Sign > Atau ≤ α = 5% Simpulan Ho Efektivitas 1,309 ≤ 2,467 0,213 > 0,05 Ho Diterima Efisiensi 0,471 ≤ 2,467 0,905 > 0,05 Ho Diterima Kualitas 1,607 ≤ 2,467 0,094 > 0,05 Ho Diterima
Sumber : Uji Homogenitas
Berdasarkan tabel diatas, dapat diketahui harga koefisien F levene
untuk semua variabel lebih kecil dari koefisien F tabel, pada df yang sesuai (α = 0,05 (5%), df1 = 4, df2 = 95 yaitu 2,467) atau harga koefisien
signifikan lebih besar dari pada α = 0,05 (5%). jadi dapat disimpulkan data tersebut berasal dari populasi yang bervarian homogin dengan kesimpulan Ho diterima.
3.3.4. Uji Asumsi Klasik
Sebelum persamaan regresi dalam menjelaskan hubungan antar variabel, perlu diyakini secara teoritis bahwa antar variabel tersebut memiliki hubungan sebab akibat113. Secara asumsi, model regresi terbaik adalah model regresi yang diperoleh kuadrat terkecil biasa dengan menghasilkan estimator linear tidak bias. Kondisi ini bisa terjadi apabila beberapa asumsi dipenuhi, asumsi klasik tersebut adalah melalui pengujian multikolinearitas, autokorelasi dan heteroskedastisitas berikut:
3.3.4.1. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk mengetahui terjadinya korelasi antara satu variabel bebas dengan variabel lainnya. Multikolinearitas terjadi apabila terdapat hubungan yang sempurna atau hampir sempurna antara variabel-variabel independen sehingga sulit untuk memisahkan pengaruh tiap-tiap variabel itu secara individu terhadap variabel dependen. Persyaratan yang harus dpenuhi dalam model regresi adalah tidak adanya multikolinearitas.
Gejala terjadinya multikolinearitas dapat diketahui dengan menggunakan nilai Variance Inflation Factor (VIF) yang didapat jika menggunakan program SPSS. Pada umumnya, jika VIF lebih besar dari 5, maka variabel tersebut mempunyai persoalan multikolinearitas dengan variabel bebas lainnya114.
Pengujian Multikolinearitas dilakukan dengan bantuan SPSS, berikut langkah-langkah dalam SPSS :
Pilih menu Analyze, kemudian submenu regression, lalu pilih linear.
Pada kotak Dependent, isikan variabel Y
Pada kotak Independent, isikan variabel X1, X2, X3, X4, dst. Pada kotak method, pilih Enter
113 Suliyanto. 2005. Op.Cit. hlm. 63.
Klik Statistics, aktifkan pilihan (dengan centang) Covariance matrix dan Collinierity Diagnostics
Klik Continue, abaikan yang lain dan tekan OK
Berikut hasil uji Multikolinearitas terhadap variabel Efektivitas, Efisiensi dan Kualitas :
Tabel 3.37. Hasil Uji Multikolinearitas Variabel Tolerance Colinearity Statistic VIF
Efektivitas 0,862 1,160
Efisiensi 0,837 1,194
Kualitas 0,734 1,362
Sumber : Uji Multikolinearitas
Dari tabel 3.37 diatas dapat diketahui Variance Inflation Factor
(VIF) untuk masing-masing variabel yaitu Efektivitas (X1) sebesar 1,160, Efisiensi (X2) sebesar 1,194 dan Kualitas (X3) sebesar 1,362. Hasil ini menunjukkan bahwa nilai dari VIF dari masing-masing variabel adalah kurang dari 5, sehingga pada variabel-variabel independen tidak terjadi multikolinearitas (MULTIKOL).
3.3.4.2. Uji Autokorelasi
Autokorelasi merupakan korelasi antara anggota seri observasi yang disusun menurut urutan waktu (data time series) atau urutan tempat / ruang (data cross selection), atau korelasi yang timbul pada dirinya sendiri115. Dengan demikian, semua data (variabel independen) perlu diuji terlebih dahulu autokorelasinya apabila akan dianalisis denagn linear gand. Uji autokorelasi dimaksudkan untuk mengetahui terjadi atau tidaknya korelasi di antara data pengamat atau tidak pada model regresi. Persyaratan yang harus dipenuhi adalah tidak adanya autokorelasi dalam model regresi.
Untuk mengetahui autokorelasi dalam satu model regresi dilakukan pengujian terhadap nilai uji Durbin Watson dengan ketentuan116 :
Tabel 3.38. Ketentuan Uji Durbin Watson
Durbin Watson Kesimpulan
Kurang dari 1,10 Ada Autokorelasi 1,10 – 1,54 Tanpa Kesimpulan 1,55 – 2,46 Tidak Ada Autokorelasi 2,46 – 2,90 Tanpa Kesimpulan Lebih dari 2,91 Ada Auto Korelasi
Sumber : Algifari, 1997
Pengujian Durbin Watson dilakukan dengan bantuan SPSS, berikut langkah-langkah dalam SPSS :
Dari menu SPSS pilih Analyze, lalu klik Regression, selanjutnya klik Linear
Inputkan variabel Y ke Dependent, variabel X1, X2, X3, dst. ke Independent﴾s﴿, laku klik Statistics
Centang ﴾v﴿ Durbin‐Watson ﴾abaikan centangan yang lain﴿.
Klik Ok.Berikut hasil uji autokorelasi (Durbin Watson) : Tabel 3.39. Hasil Uji Durbin Watson
Durbin Watson Kesimpulan
2,286 Tidak Ada Autokorelasi
Sumber : Uji Autokorelasi
Dari uji autokorelasi diketahui dari nilai Durbin-Watson sebesar 2,286 yang menunjukkan bahwa model penelitian yang dilakukan tehadap data yang ada tidak ada auto korelasi, sehingga data penelitian yang ada dapat digunakan dalam model regresi.
116 Algifari. 1997. Analisis Regresi, Teori, Kasus dan Solusi, Edisi pertama. BPFE. Universitas
3.3.4.3. Uji Heteroskedastisitas
Uji Heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik heterokedastisitas, yaitu adanya ketidaksamaan varian dari residualuntuk semua pengamatan pada model regresi. Persyaratan yang harus terpenuhi dalam model regresi adalah tidak adanya gejala hetroskedastisitas117.
Dalam penelitian ini metode korelasi yang digunakan adalah Uji Glesjer. Uji Glesjer yaitu dengan meregresikan nilai absolute residual terhadap masing-masing variabel independen. Kriterianya adalah :
- Jika nilai signifikansi lebih besar dari 0,05, kesimpulannya adalah tidak terjadi heteroskedastisitas.
- Jika nilai signifikansi lebih kecil dari 0,05, kesimpulannya adalah terjadi heteroskedastisitas.
Pengujian Heteroskedastisitas dilakukan dengan bantuan SPSS, berikut langkah-langkah dalam SPSS :
Buat variabel dalam bentuk unstandardized residual, caranya : dari menu SPSS pilih Analyze, lalu klik Regression, selanjutnya klik Linear
Input variabel Y ke Dependent, masukkan variabel X1, X2, X3, dst. ke Independent ﴾s﴿, laku klik Save
Pada bagian Residual, centang ﴾V﴿ Unstandardized lalu klik Continue
Klik OK, lihat di bagian Data View maka akan muncul variabel baru dengan nama RES_1
Buat variabel RES2. Caranya, dari menu utama SPSS pilih Transform, lalu Compute Variable : pada kotak "Target Variable" Isi dengan RES2. Pada kotak "Numeric Expression" ketikkan rumus: "ABS_RES﴾RES_1﴿"
Klik OK, lihat di bagian Data View maka akan muncul variabel baru dengan nama RES2
Pilih Analyze, kemudian pilih Regression, lalu klik Linear
Keluarkan dulu variabel Y yang terdapat pada Dependent dan ganti dengan variabel RES2, lalu klik Save
Pada bagian Residual, hilangkan tanda centang ﴾V﴿ Unstandardized, lalu klik Continue dan klik Ok
Berikut adalah hasil uji heteroskedatisitas pada masing-masing variabel independen:
Tabel 3.40. Hasil Uji Heteroskedastisitas Variabel Glesjer (sig.) Hasil Uji Kesimpulan Efektivitas 0,065 Heteroskedastisitas Tidak ada
Efisiensi 0,211 Heteroskedastisitas Tidak ada Kualitas 0,386 Heteroskedastisitas Tidak ada
Sumber : Uji Multikolinearitas
Dari Tabel 3.40 diatas, dapat dilihat bahwa nilai signifikan untuk masing-masing variabel yaitu Efektivitas (X1) sebesar 0,065, Efisiensi (X2) sebesar 0,211 dan Kualitas sebesar 0,386. Hasil ini menunjukkan bahwa nilai signifikan dari masing-masing variabel adalah lebih dari 0,05, sehingga pada variabel-variabel independen tidak terjadi heteroskedastisitas.
3.3.5. Analisis Regresi Linear Berganda
Model analisis dalam penelitian ini adalah regresi linear berganda. Analisis linear bergandaadalah alat untuk meramalkan nilai pengaruh dua variabel bebas atau lebih terhadap satu variabel terikat (untuk membuktikan ada tidaknya hubungan fungsional atau hubungan kausal antara dua atau lebih variabel bebas terhadap suatu variabel terikat)118.
Analisis ini digunakan untuk menganalisa sejauh mana faktor-faktor kinerja sistem informasi dapat mempengaruhi kinerja OPAC dengan rumus persamaan regresi sebagai berikut :
Y = a+b1X1+b2X2+b3X3+e Keterangan : Y = Kinerja OPAC a = Konstanta X1 = Faktor Efektivitas X2 = Faktor Efisiensi X3 = Faktor Kualitas
b = Koefisien regresi dari masing-masing variabel bebas e = Estimasi Standard Error
Analisis regresi linear berganda dilakukan dengan bantuan SPSS, berikut langkah-langkah dalam SPSS (Cara ini dapat diulangi pada Uji t) :
Pilih Analyze – Regression – Linear
Inputkan variabel X1, X2, X3, dst. ke kotak Independent ﴾S﴿, masukkan variabel Y pada kotak Dependent, pada Method pilih Enter, selanjutnya klik Statistics
Berikan tanda centang pada Estimates dan Model fit kemudian klik Continue, lalu klik OK.
Karena penelitian ini menggunakan dua teori yang berbeda, maka analisis regresi linear berganda juga dilakukan dua kali, yakni pengujian pada variabel efektivitas dan efisiensi dan variabel kualitas pada pengujian yang lain.
3.3.5.1. Analisis Regresi pada Variabel Efektivitas dan Efisiensi
Hasil analisis regresi linear berganda terhadap variabel efektivitas dan efisiensi dalam penelitian ini diperoleh koefisien regresi sebagai berikut :
Tabel 3.41. Hasil Analisis Koefisien Regresi pada Variabel Efektivitas dan Efisiensi
Variabel Bebas Koefisien Regresi Thitung Sig
(Konstanta) 1,774 1,011 0,315
Efektivitas 0,274 5,955 0,000
Efisiensi 0,351 4,577 0,000
Sumber : Uji Regresi Linear Berganda
Maka diketahui :
Y = 1,774 + 0,274 X1 + 0,351 X2
Dari analisis persamaan regresi diatas, dapat dilihat pengaruh dari variabel-variabel independen (efektivitas dan efisiensi) terhadap variabel dependen (kinerja OPAC), sedangkan makna dari persamaan regresi linear berganda dapat dijelaskan sebagai berikut :
a. Konstanta persamaan regresi β0 bernilai positif sebesar 1,774 berarti jika tidak ada satupun variabel independen (efektivitas dan efisiensi), maka kinerja OPAC masih memiliki nilai plus / positif sebesar 1,774.
b. Koefisien regresi variabel β1 bernilai positif sebesar 0,274. Berarti setiap mengalami kenaikan 1% efektivitas (X1) akan meningkatkan kinerja OPAC (Y) sebesar 0,274. Hal ini juga menunjukkan bahwa variabel efektivitas (X1) mempunyai pengaruh positif terhadap kinerja OPAC (Y). Semakin besar efektivitas (X1) akan memperkuat kinerja OPAC (Y).
c. Koefisien regresi variabel β2 bernilai positif sebesar 0,351. Berarti setiap mengalami kenaikan 1% efisiensi (X2) akan meningkatkan kinerja OPAC (Y) sebesar 0,351. Hal ini juga menunjukkan bahwa variabel efisiensi (X2) mempunyai
pengaruh positif terhadap kinerja OPAC (Y). Semakin besar efisiensi (X2) akan memperkuat kinerja OPAC (Y).
3.3.5.2. Analisis Regresi pada Variabel Kualitas
Hasil analisis regresi terhadap variabel kualitas dalam penelitian ini diperoleh koefisien regresi sebagai berikut :
Tabel 3.42. Hasil Analisis Koefisien Regresi pada Variabel Kualitas Variabel Bebas Koefisien Regresi Thitung Sig
(Konstanta) 5,003 3,885 0,000
Kualitas 0,403 8,017 0,000
Sumber : Uji Regresi Linear Berganda
Maka diketahui :
Y = 5,003 + 0,403 X3
Dari analisis persamaan regresi diatas, dapat dilihat pengaruh dari variabel independen (kualitas) terhadap variabel dependen (kinerja OPAC), sedangkan makna dari persamaan regresi linear berganda dapat dijelaskan sebagai berikut :
a. Konstanta persamaan regresi β0 bernilai positif sebesar 5,003 berarti jika tidak ada satupun variabel independen (kualitas), maka kinerja OPAC masih memiliki nilai plus / positif sebesar 5,003.
b. Koefisien regresi variabel β3 bernilai positif sebesar 0,403. Berarti setiap mengalami kenaikan 1% kualitas (X3) akan meningkatkan kinerja OPAC (Y) sebesar 0,403. Hal ini juga menunjukkan bahwa variabel kualitas (X3) mempunyai pengaruh positif terhadap kinerja OPAC (Y). Semakin besar kualitas (X3) akan memperkuat kinerja OPAC (Y).
3.3.5.3. Analisis Korelasi Ganda (R)
Analisis Korelasi Ganda adalah analisis untuk mengetahui hubungan dua atau lebih variabel bebas (X) secara bersama-sama dengan variabel tak bebas(Y)119. Nilai R berkisar antara 0 -1. Apabila nilai semakin mendekati 1, berarti hubungan yang terjadi semakin kuat,sebaliknya, apabila nilai semakin mendekati 0, berarti hubungan yang terjadi semakin lemah120. Pedoman untuk memberikan interpretasi koefisien korelasi adalah sebagai berikut121 :
Tabel 3.43. Penafsiran Analisis Perolehan R Korelasi / Hubungan
0,00 – 0,199 Sangat Rendah 0,20 – 0,399 Rendah 0,40 – 0,599 Sedang 0,60 – 0,799 Kuat 0,80 – 1,000 Sangat Kuat Sumber : Sugiyono (2007)
Oleh karena penelitian ini menggunakan dua teori yang berbeda, maka analisis korelasi juga dilakukan dua kali, yakni pengujian pada variabel efektivitas dan efisiensi dan variabel kualitas pada pengujian yang lain.
3.3.5.3.1. Analisis Korelasi pada Variabel Efektivitas dan Efisiensi
Berikut adalah perolehan analisis korelasi pada variabel efektivitas dan efisiensi:
Tabel 3.44. Hasil Analisis Regresi pada Variabel Efektivitas dan Efisiensi
R R Square Adjusted R Square Std. Error of the Estimate
0,631 0,399 0,386 1,949
Sumber : Uji Regresi Linier Berganda
119Ibid. hlm. 233.
120 Priyatno, Duwi. 2008. Loc. Cit. hlm. 78. 121 Sugiyono. 2007. Op. Cit. hlm. 80.
Dari hasil analisis regresi pada tabel 3.44, diketahui besarnya hubungan antara variabel-variabel independen (efektivitas dan efisiensi) terhadap variabel dependen (kinerja OPAC) secara serempak (R) adalah sebesar 0,631. Hal ini menunjukkan bahwa korelasi / hubungan antara kinerja OPAC (Y) dengan variabel efektivitas dan efisiensi adalah kuat. Jika nilai R semakin mendekati 1, maka korelasi / hubungan antara variabel semakin kuat.
3.3.5.3.2. Analisis Korelasi pada Variabel Kualitas
Berikut adalah perolehan analisis korelasi pada variabel kualitas: Tabel 3.45. Hasil Analisis Regresi pada Variabel Kualitas
R R Square Adjusted R Square Std. Error of the Estimate
0,629 0,396 0,390 1,943
Sumber : Uji Regresi Linier Berganda
Dari hasil analisis regresi pada tabel 3.45, diketahui besarnya hubungan antara variabel-variabel independen (kualitas) terhadap variabel dependen (kinerja OPAC) secara serempak (R) adalah sebesar 0,629. Hal ini menunjukkan bahwa korelasi / hubungan antara kinerja OPAC (Y) dengan variabel kualitas adalah kuat. Jika nilai R semakin mendekati 1, maka korelasi / hubungan antara variabel semakin kuat.
3.3.5.4. Analisis Determinasi (R2)
Analisis determinasi dalam regresi linear berganda untuk mengetahui prosentase sumbangan pengaruh variabel independen (X) secara serentak terhadap variabel dependen (Y). Koefisien ini menunjukkan seberapa besar prosentase variasi variabel independen yang digunakan dalam model mampu menjelaskan variabel-variabel dependen.
Apabila R2 sama dengan 0, maka tidak ada sedikitpun persentase pengaruh yang diberikan variabel independen terhadap variabel dependen
atau variasi variabel independen yang digunakan dalam model tidak menjelaskan sedikitpun variasi variabel dependen. Sebaliknya, apabila R2 sama semakin mendekati 1, maka persentase pengaruh yang diberikan variabel independen terhadap variabel dependen semakin bernilai sempurna atau variasi variabel independen yang digunakan dalam model semakin menjelaskan variasi variabel dependen122.
Berdasarkan hasil analisis regresi pada tabel 3.44 dan 3.45, maka diketahui:
- Diperoleh angka R2 (R Square) pada variabel efektivitas dan efisiensi sebesar 0,399 atau 39,9% dan pada variabel kualitas sebesar 0,396 atau 39,6%. Hal ini menunjukkan bahwa presentase sumbangan pengaruh variabel efektivitas dan efisiensi sebesar 39,9% dan variabel kualitas sebesar 39,6% terhadap variabel dependen (kinerja OPAC). Atau variasi variabel efektivitas dan efisiensi yang digunakan dalam model ini mampu menjelaskan sebesar 39,9% variasi kinerja OPAC dan variabel kualitas yang digunakan dalam model ini mampu menjelaskan sebesar 39,6% variasi variabel kinerja OPAC. - Adjusted R Square adalah nilai R Square yang telah
disesuaikan. Nilai ini selalu lebih kecil dari R Suare dan angka ini bisa memiliki harga negatif. Untuk regresi dengan lebih dari dua variabel digunakan Adjusted R Square sebagai koefisien determinasi. Berdasarkan tabel 3.44, diperoleh angka Adjusted R Square sebesar 0,631 atau 63,1% memperlihatkan bahwa pengaruh variabel-variabel independen (efektivitas, efisiensi dan kualitas) terhadap variabel dependen (kinerja OPAC) sebesar 63,1%. Sedangkan berdasarkan tabel 3.45, diperoleh angka Adjusted R Square sebesar 0,629 atau 62,9% memperlihatkan bahwa pengaruh variabel-variabel independen
(efektivitas, efisiensi dan kualitas) terhadap variabel dependen (kinerja OPAC) sebesar 62,9%.
- Standard Error of Estimate (SEE) adalah suatu ukuran banyaknya kesalahan model regresi dalam memprediksikan nilai Y. Dari hasil regresi diperoleh nilai sebesar 1,949, memperlihatkan kesalahan prediksi sebesar 1,949 pada variabel efektivitas dan efisiensi, serta sebesar 1,943, memperlihatkan kesalahan prediksi sebesar 1,943 pada variabel kualitas sebagai pedoman jika SEE kurang dari standar deviasi Y, maka model regresi semakin baik dalam memprediksikan nilai Y.
3.3.6. Pengujian Hipotesis
3.3.6.1. Koefisien Regresi Secara Simultan (Bersama-sama) dengan Uji F
Hipotesis pertama, diduga faktor-faktor dari variabel efektivitas, efisiensi dan kualitas secara simultan berpengaruh terhadap variabel kinerja OPAC di perpustakaan UTM.
Uji ini digunakan untuk mengetahui apakah variabel independen (X1, X2 dan X3) secara simultan (bersama-sama) berpengaruh signifikan terhadap variabel dependen (Y). Uji F dilakukan dengan bantuan SPSS, berikut langkah-langkah dalam SPSS :
Klik Analyze, Regression, Linear
inputkan variabel Y ke dalam kotak Dependent dan variabel X1, X2 dan X3 ke dalam kotak Independent
Klik OK
3.3.6.1.1. Koefisien Regresi Secara Simultan (Bersama-sama) dengan Uji F
pada Variabel Efektivitas dan Efisiensi
Hasil pengujian dengan uji F pada Variabel Efektivitas dan Efisiensi dalam penelitian ini adalah sebagai berikut :
Tabel 3.46. Hasil Uji F pada Variabel Efektivitas dan Efisiensi Model Squares Sum of df Square Mean F Sig. 1
Regression 244.213 2 122.106 32.153 .000b
Residual 368.377 97 3.798
Total 612.590 99
a. Dependent Variable: Kinerja OPAC b. Predictors: (Constant), Efektivitas, Efisiensi
Sumber : Uji Regresi Linier Berganda
Tahap-tahap untuk melakukan uji F adalah sebagai berikut : 1. Rumusan hipotesis
- Ho : bj = 0, artinya secara simultan tidak terdapat pengaruh yang signifikan antara variabel Efektivitas (X1) dan Efisiensi (X2) terhadap kinerja OPAC (Y).
- Ho : bj ≠ 0, artinya secara simultan terdapat pengaruh yang signifikan antara variabel Efektivitas (X1) dan Efisiensi (X2) terhadap kinerja OPAC (Y).
2. Tingkat signifikansi menggunakan α = 5% atau 0,05.
3. F-hitung, berdasarkan hasil analisis pada tabel 3.46, diperoleh F hitung sebesar 32,153.
4. F-tabel, dengan tingkat signifikansi pada 5% atau 0,05 dan Df1 = Jumlah variabel - 1 = 3 dan Df2 =N – Variabel = 96 Sehingga diperoleh F-tabel sebesar = 2,70.
5. Kriteria pengujian :
- Ho Diterima apabila F-hitung < F-tabel, artinya secara simultan tidak terdapat pengaruh yang signifikan antara variabel Efektivitas (X1) dan Efisiensi (X2) terhadap kinerja OPAC (Y).
- Ho ditolak apabila F-hitung > F-tabel, artinya secara simultan terdapat pengaruh yang signifikan antara variabel Efektivitas (X1) dan Efisiensi (X2) terhadap kinerja OPAC (Y).
Nilai F-hitung (32,153) > F-tabel (2,70), maka Ho ditolak 7. Gambar bentuk kurva normal adalah sebagai berikut :
Gambar 3.1. Kurva Uji F Daerah Penerimaan dan Penolakan Ho
8. Kesimpulan hasil uji F
Karena nilai F-hitung (32,153) > F-tabel (2,70), maka Ho ditolak yang berarti dari variabel independen Efektivitas (X1) dan Efisiensi (X2) secara simultan atau bersama-sama mempunyai pengaruh yang signifikan terhadap variabel kinerja OPAC (Y).
3.3.6.1.2. Koefisien Regresi Secara Simultan (Bersama-sama) dengan Uji F
pada Variabel Kualitas
Hasil pengujian dengan uji F pada Variabel Kualitas dalam penelitian ini adalah sebagai berikut :
Tabel 3.47. Hasil Uji F pada Variabel Kualitas
Model Squares Sum of df Square Mean F Sig. 1
Regression 242.650 1 242.650 64.280 .000b
Residual 369.940 98 3.775
Total 612.590 99
a. Dependent Variable: Kinerja OPAC b. Predictors: (Constant), Kualitas
Tahap-tahap untuk melakukan uji F adalah sebagai berikut : 9. Rumusan hipotesis
- Ho : bj = 0, artinya secara simultan tidak terdapat pengaruh yang signifikan antara variabel Kualitas (X3) terhadap kinerja OPAC (Y).
- Ho : bj ≠ 0, artinya secara simultan terdapat pengaruh yang signifikan antara variabel Kualitas (X3) terhadap kinerja OPAC (Y).
10.Tingkat signifikansi menggunakan α = 5% atau 0,05.
11.F-hitung, berdasarkan hasil analisis pada tabel 3.47, diperoleh F hitung sebesar 64,280.
12.F-tabel, dengan tingkat signifikansi pada 5% atau 0,05 dan Df1 = Jumlah variabel - 1 = 3 dan Df2 =N – Variabel = 96 Sehingga diperoleh F-tabel sebesar = 2,70.
13.Kriteria pengujian :
- Ho Diterima apabila F-hitung < F-tabel, artinya secara simultan tidak terdapat pengaruh yang signifikan antara variabel Kualitas (X3) terhadap kinerja OPAC (Y).
- Ho ditolak apabila F-hitung > F-tabel, artinya secara simultan terdapat pengaruh yang signifikan antara variabel Kualitas (X3) terhadap kinerja OPAC (Y).
14.Perbandingan F-hitung dengan F-tabel.
Nilai F-hitung (64,280) > F-tabel (2,70), maka Ho ditolak 15.Gambar bentuk kurva normal adalah sebagai berikut :
Gambar 3.2. Kurva Uji F Daerah Penerimaan dan Penolakan Ho
16.Kesimpulan hasil uji F
Karena nilai F-hitung (64,280) > F-tabel (2,70), maka Ho ditolak yang berarti dari variabel independen Kualitas (X3) secara simultan atau bersama-sama mempunyai pengaruh yang signifikan terhadap variabel kinerja OPAC (Y).
3.3.6.2. Koefisien Regresi Secara Parsial dengan Uji T
Hipotesis kedua, diduga faktor-faktor dari variabel Efektivitas (X1), Efisiensi (X2) dan Kualitas (X3) secara parsial berpengaruh terhadap variabel kinerja OPAC (Y) UTM.
Uji t ini digunakan untuk mengetahui apakah dalam model regresi variabel independen (X1, X2 dan X3) secara parsial berpengaruh secara signifikan terhadap variabel dependen (Y). Pengujian ini membandingkan antara t-hitung dengan t-tabel hasil dari pengujian terhadap masing-masing variabel (Efektivitas, Efisiensi, dan Kualitas) terhadap kinerja OPAC.
Tahap-tahap untuk menguji t adalah sebagai berikut : 1. Rumusan hipotesis
- Ho : bj = 0, artinya secara parsial tidak terdapat pengaruh yang signifikan antara variabel Efektivitas (X1), Efisiensi (X2) dan Kualitas (X3) terhadap variabel kinerja OPAC (Y).
- Ho : bj ≠ 0, artinya secara parsial terdapat pengaruh yang signifikan antara variabel Efektivitas (X1), Efisiensi (X2) dan Kualitas (X3) terhadap variabel kinerja OPAC (Y).
2. Tingkat signifikansi menggunakan α = 5% atau 0,05.
3. Menentukan t-hitung, berdasarkan perolehan pada tabel 3.48. 4. Menentukan t-tabel = ketentuan penetapan nilai t-tabel pada SPSS
dengan tingkat signifikansi pada 5% : 2 = 2,5% dan derajat kebebasan (df) = N-Variabel-1 = 96 sehingga diperoleh nilai t-tabel sebesar 1,985
5. Kriteria pengujian :
- Ho Diterima apabila t-hitung < t-tabel, artinya secara parsial tidak terdapat pengaruh yang signifikan antara variabel Efektivitas (X1), Efisiensi (X2) dan Kualitas (X3) terhadap variabel kinerja OPAC (Y).
- Ho ditolak apabila t-hitung > t-tabel, artinya secara parsial terdapat pengaruh yang signifikan antara variabel Efektivitas (X1), Efisiensi (X2) dan Kualitas (X3) terhadap variabel kinerja OPAC (Y).
Berdasarkan langkah-langkah uji t diatas, pengujian hipotesis dilakukan sendiri-sendiri untuk masing-masing variabel Efektivitas (X1), Efisiensi (X2) dan Kualitas (X3) terhadap variabel kinerja OPAC (Y). Uji t dilakukan dengan bantuan SPSS.
Hasil pengujian dengan uji t dalam penelitian ini adalah sebagai berikut :
Tabel 3.48. Hasil Uji t pada Variabel Efektivitas dan Efisiensi Model Unstandardized Coefficients Standardized Coefficients t Sig.
B Std. Error Beta
(Constant) 1.774 1.755 1.011 .315
Efektivitas .274 .046 .473 5.955 .000
Efisiensi .351 .077 .363 4.577 .000
a. Dependent Variable: Kinerja OPAC
Berdasarkan hasil Uji Parsial pada tabel 3.45, diketahui pada masing-masing variabel sebagai berikut :
a. Variabel Efektivitas (X1)
Dari tabel 3.48 diketahui variabel Efektivitas (X1) mempunyai t- hitung sebesar 5,955 dengan probabilitas sebesar 0,000 sedangkan nilai t- tabel sebesar 1,985, sehingga t-hitung > t-tabel (5,955 > 1,985), maka dengan demikian Ho ditolak.
Hal tersebut menunjukkan bahwa variabel Efektivitas (X1) secara parsial mempunyai pengaruh yang signifikan terhadap kinerja OPAC. Dapat disimpulkan bahwa secara parsial, variabel Efektivitas (X1) berpengaruh positif terhadap kinerja OPAC (Y). Jika digambarkan dalam bentuk kurva normal, maka akan tampak seperti berikut :
Gambar 3.3. Kurva Uji t Efektivitas (X1) Terhadap Kinerja OPAC (Y)
b. Variabel Efisiensi (X2)
Dari tabel 3.48 diketahui variabel Efisiensi (X2) mempunyai t- hitung sebesar 4,577 dengan probabilitas sebesar 0,000 sedangkan nilai t- tabel sebesar 1,985, sehingga t-hitung > t-tabel (4,577 > 1,985), maka dengan demikian Ho ditolak.
Hal tersebut menunjukkan bahwa variabel Efisiensi (X2) secara parsial mempunyai pengaruh yang signifikan terhadap kinerja OPAC. Dapat disimpulkan bahwa secara parsial, variabel Efisiensi (X2) berpengaruh positif terhadap kinerja OPAC (Y). Jika digambarkan dalam bentuk kurva normal, maka akan tampak seperti berikut :
Gambar 3.4. Kurva Uji t Efisiensi (X2) Terhadap Kinerja OPAC (Y)
Tabel 3.49. Hasil Uji t pada Variabel kualitas
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta
(Constant) 5.003 1.288 3.885 .000
Kualitas .403 .050 .629 8.017 .000
a. Dependent Variable: Kinerja OPAC
Sumber : Uji Regresi Linier Berganda
c. Variabel Kualitas (X3)