47 Universitas Sumatera Utara
4.3.1.2 Uji Multikolinearitas
Deteksi multikolinieritas pada suatu model dapat dilihat dengan melihat nilai VIF, jika nilai Variance Inflation Factor VIF tidak lebih dari 10 dan nilai
Tolerance tidak kurang dari 0,1, maka model tersebut dapat dikatakan terbebas dari multikolinieritas. VIF = 1Tolerance, jika VIF = 10 maka Tolerance = 110 =
0,1. Maka hasil uji Multikolinearitas dengan VIF dapat dilihat pada Tabel 4.3.
Tabel 4.3. Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 DAU
.375 2.668
PD .281
3.562 RD
.441 2.266
a. Dependent Variable: ABD
Sumber : Lampiran 12 Hasil Output SPSS Nilai toleransi untuk variabel DAU adalah sebesar 0,375 0,1, untuk PD
bernilai 0,281 0,1, dan RD sebesar 0,441 0,1. Tabel diatas menunjukkan bahwa semua variabel yang diuji memiliki nilai toleransi yang tidak kurang dari
0,1 hal ini menunjukkan bahwa variabel independen terbebas dari multikolinearitas. Nilai VIF dari variabel DAU sebesar 2,668 10, variabel PD
sebesar 3,562 10, variabel RD sebesar 2,266 10, semua variabel memiliki nilai VIF tidak lebih dari 10, maka model yang diuji terbebas dari multikolinearitas.
4.3.1.3 Uji Autokorelasi
Pada penelitian ini, uji autokorelasi dilakukan dengan dengan Uji Durbin Watson, karena uji ini yang umum digunakan. Uji ini hanya digunakan untuk
Universitas Sumatera Utara
48 Universitas Sumatera Utara
autokorelasi tingkat pertama first order autokorelasi dan mensyaratkan adanya intercept konstanta dalam model regresi,pengambilan keputusan ada tidaknya
autokorelasi adalah sebagai berikut:
Tabel 4.4. Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.850
a
.722 .711
.33178 1.830
a. Predictors: Constant, RD, DAU, PD b. Dependent Variable: ABD
Sumber : Lampiran 13 Hasil Output SPSS
Tabel 4.4 diatas menunjukkan bahwa nilai Durbin-Watson sebesar 1,830 dan nilai tersebut berada diantara nilai -2 dan +2, sehingga dapat ditarik
kesimpulan bahwa tidak terjadi autokorelasi pada data yang diteliti .
4.3.1.4 Uji Heteroskedastisitas
Dengan memperhatikan grafik scatterplot, bila membentuk pola tertentu hal itu menunjukkan adanya masalah heteroskedastisitas pada model regresi yang
dibentuk. Dari grafik pada gambar 4.3 menunjukkan titik titik menyebar secara acak, artinya heteroskedastisitas tidak terjadi.
Universitas Sumatera Utara
49 Universitas Sumatera Utara
Gambar 4.3. Hasil Uji Scatterplot 4.4
Hasil Pengujian Hipotesis Pertama H1 4.4.1 Uji Koefisien Determinasi
Nilai Koefisien Determinasi R bertujuan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien
determinasi adalah antara nol dan satu. Hipotesis yang akan diuji dalam penelitian ini adalah DAU, Pajak Daerah dan Retribusi Daerah berpengaruh secara simultan
danparsial terhadap Alokasi Belanja Daerah.Maka untuk melihat seberapa jauh kemampuan variabel DAU, Pajak Daerah dan Retribusi Daerah dalam
menerangkan variabel Alokasi Belanja Daerah dapat dilihat melalui nilai R Squareyang diperoleh dari hasil pengolahan data pada Tabel 4.5.
Universitas Sumatera Utara
50 Universitas Sumatera Utara
Tabel 4.5. Nilai Koefisien Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .850
a
.722 .711
.33178 2.042
a. Predictors: Constant, RD, DAU, PD b. Dependent Variable: ABD
Sumber : Lampiran 15 Hasil Output SPSS
Nilai R Square pada Tabel di atas sebesar 0,722 artinya mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang
dibutuhkan untuk memprediksi variasi variabel dependen. Hal ini menunjukkan bahwa 72,2 varibel Alokasi Belanja Daerah dapat dijelaskan oleh varibel DAU,
Pajak Daerah dan Retribusi Daerah. Sisanya sebesar 27,8 dipengaruhi oleh variabel lain yang tidak dijelaskan oleh model penelitian ini. Untuk menguji
tingkat kepercayaan hasil hipotesis, selanjutnya dilakukan uji variabel secara simultan F dan secara pars
ial t dengan tingkat kepercayaan5 α=0,05.
4.4.2 Hasil Uji Statistik F
Kategori