commit to user
97
4.5.2. Uji Koefisien Regresi Secara Bersama-sama Uji F
Uji ini digunakan untuk mengetahui apakah variabel Jumlah Penduduk, PDRB dan Pengeluaran Pemerintah secara bersama-sama berpengaruh secara
signifikan terhadap variabel PAD. Hasil uji F dapat dilihat pada
output ANOVA
dari hasil analisis regresi linier berganda pada Tabel 4.10.
Tabel 4.10. Anova Uji-F
Sumber: Data sekunder, diolah lampiran 3
Tahap-tahap untuk melakukan uji F adalah: 1
Merumuskan hipotesis Ho:
β
1
= β
2
= β
3
= 0, berarti tidak ada pengaruh antara Jumlah Penduduk, PDRB dan Pengeluaran Pemerintah secara bersama-sama terhadap PAD.
Ha: β
1
≠ β
2
≠ β
3
≠ 0, berarti ada pengaruh antara Penduduk, PDRB dan Pengeluaran Pemerintah secara bersama-sama terhadap PAD.
2 Menentukan tingkat signifikansi
Tingkat signifikansi menggunakan 0,05 α = 5
3 Menentukan F hitung
Berdasarkan hasil
print out Anova
dari SPSS 17.0 diperoleh F hitung sebesar 170,497.
commit to user
98
Ho diterima Ho ditolak
3,239 4
Menentukan F tabel Dengan menggunakan tingkat keyakinan 95,
α = 5, df1 jumlah variabel – 1 atau 4-1=3, dan df2 n-k-1 atau 20-3-1=16 n adalah jumlah data dan k
adalah jumlah variabel bebas, hasil diperoleh untuk F tabel sebesar 3,239 atau dengan Ms Excel adalah =finv0.05,3,16.
5 Kriteria pengujian
a. Ho diterima bila F hitung
≤ F tabel b.
Ho ditolak bila F hitung F tabel 6
Membandingkan F hitung dengan F tabel Nilai F hitung F tabel atau 170,497 3,239 maka Ho ditolak
7 Kesimpulan
Karena F hitung F tabel atau 170,497 3,239, maka Ho ditolak, artinya Penduduk, PDRB dan Pengeluaran Pemerintah secara bersama-sama
berpengaruh terhadap PAD. Daerah Uji kritis uji F dapat dilihat pada Gambar 4.8 berikut ini.
Gambar 4.8. Daerah Kritis Nilai
F Test
Uji F.
Sumber: Data sekunder, diolah lampiran 3.
170,497
commit to user
99
4.5.3. Analisis Determinasi R
2
Analisis determinasi digunakan untuk mengetahui prosentase sumbangan pengaruh variabel bebas Jumlah Penduduk, PDRB dan Pengeluaran Pemerintah
secara serentak terhadap variabel dependen PAD. Koefisien determinasi menunjukkan seberapa besar prosentase variasi variabel bebas yang digunakan
dalam model mampu menjelaskan variasi variabel terikat. Nilai R
2
antara 0 sampai 1. Apabila R
2
sama dengan 0, maka variasi variabel bebas yang digunakan dalam model tidak menjelaskan sedikitpun variasi variabel terikat, sebaliknya R
2
sama dengan 1 maka variasi variabel bebas yang digunakan dalam model menjelaskan 100 variasi variabel terikat.
Adjusted R Square
adalah nilai R
Squar
e yang telah disesuaikan. Santoso 2001 dalam Priyatno 2010 mengatakan bahwa untuk regresi dengan lebih dari
dua variabel bebas digunakan
Adjusted
R
2
sebagai koefisien determinasi. Hasil analisis determinasi dapat dilihat pada output
Model Sumarry
dari hasil analisis regresi linier. Nilai dari
Adjusted
R
2
dari pengolahan data dengan SPSS 17.0 yang telah dilakukan pada tabel 4.11. berikut ini.
Tabel 4.11. Koefisien Determinasi R
2
Sumber: Data sekunder diolah
commit to user
100 Berdasarkan Tabel 4.11
diperoleh angka
Adjusted
R
2
sebesar 0,964. Hal ini menunjukkan bahwa persentase sumbangan pengaruh variabel bebas Jumlah
Penduduk, PDRB dan Pengeluaran Pemerintah terhadap variabel terikat PAD sebesar 96,4. Variasi variabel bebas yang digunakan dalam model mampu
menjelaskan sebesar 96,4 variasi variabel terikat, sedangkan sisanya sebesar 3,6 dipengaruhi atau dijelaskan oleh variabel lain yang tidak dimasukkan dalam
model penelitian ini.
4.5.4. Pengujian Asumsi Klasik
Kategori