Tabel 4.8 Uji Normalitas dengan One-Sample Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
45 .0000000
.01946481 .085
.056 -.085
.573 .898
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences
Kolmogorov-Smirnov Z As ymp. Sig. 2-tailed
Unstandardiz ed Res idual
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Diolah dari SPSS, 2009
Nilai Kolmogrov – Smirov sebesar 0.573 dan tidak signifikan pada 0.05 karena p= 0.898 dari 0.05. Hal ini berarti Ho diterima yang mengatakan bahwa
residual terdistribusi secara normal atau dengan kata lain residual berdistribusi normal.
Semua hasil pengujian melalui analisis grafik dan statistik di atas menunjukkan hasil yang sama yaitu normal, dengan demikian telah terpenuhi
asumsi normalitas dan bisa dilakukan pengujian asumsi klasik berikutnya pada data.
b. Uji Heteroskedastisitas
Uji heterokedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke
pengamatan yang lain. Heteroskedastisitas ini dapat dilihat dengan grafik scatterplot dan Uji Glejser.
Hasil dari uji heteroskedastisitas dapat dilihat pada grafik scatterplot berikut ini :
Hasil Uji Heteroskedastisitas
Regression Standardized Predicted Value
4 3
2 1
-1 -2
R egressi
on S
tudent iz
ed R
esi dual
2 1
-1 -2
-3
Scatterplot Dependent Variable: Kemandirian
Gambar 4.3 Grafik Scatterplot
Sumber : Diolah dari SPSS, 2009
Dari gambar scatterplot di atas, terlihat bahwa titik-titik menyebar secara acak di atas dan di bawah angka 0 pada sumbu Y. Hal ini mengindikasikan tidak
terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai.
Selain dengan grafik, hasil uji heteroskedastisitas dapat dilihat pada
statistik uji glejser berikut ini :
Tabel 4.9 Hasil Uji Heteroskedastisitas dengan uji Glejser
Coefficients
a
.041 .015
2.843 .007
-.004 .006
-.097 -.590
.558 -.033
.021 -.264
-1.580 .122
.022 .089
.045 .249
.805 Constant
EfektivitasPAD DAU
DAK Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: abs ut a.
Sumber : Diolah dari SPSS, 2009 Berdasarkan hasil Uji Glejser di atas, dapat dilihat bahwa pada tabel
Coefficients
a
nilai sig. semua variabel independen lebih besar dari 0,05 5. Sehingga dapat disimpulkan tidak terjadi heteroskedastisitas atau terjadi
homoskedastisitas. Dengan demikian terpenuhilah asumsi klasik untuk uji heteroskedastisitas.
c. Uji Autokorelasi
Uji autokorelasi ini digunakan untuk menguji asumsi klasik regresi berkaitan dengan adanya autokorelasi. Model regresi yang baik adalah model
yang tidak mengandung autokorelasi. Hasil dari uji autokorelasi dapat dilihat pada
tabel berikut ini :
Tabel 4.10 Hasil Uji Autokorelasi
Model Summaryb
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-
Watson 1
.922a .849
.838 .02016
1.211 a Predictors: Constant, DAK, EfektivitasPAD, DAU
b Dependent Variable: Kemandirian Sumber : Diolah dari SPSS, 2009
Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin Watson DW sebesar 1,211. Maka Ho diterima, yang artinya dalam model regresi tidak
terdapat autokorelasi atau kesalahan pengganggu, sebab DW terletak diantara -2 sampai +2 yang berarti tidak ada autokorelasi.
d. Uji Multikolinearitas
