4.2 Analisis Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Berikut ini merupakan deskripsi data statistik dari seluruh data yang digunakan secara umum dalam penelitian ini, dari data deskriptif statistik data
penelitian diperoleh data hasil yang mencakup n banyaknya data yang diperoleh, rata – rata mean, nilai tengah median, standar deviasi, variance, range, nilai
minimum dan nilai maksimun atas variabel-variabel penelitian.
Tabel 4.1.
Deskriptif Statistik
Descriptive Statistics
N Minimum Maximum
Mean Std. Deviation
PAD 40
4155.00 79924.00
18815.4250 14939.31782
DAU 40
184453.00 585406.00 297495.6000 83048.23572
DAK 40
16841.00 451486.00
47308.8500 66166.37036
BD 40
291178.00 1280245.00 489904.8250 2.26576E5 Valid N
listwise 40
Berdasarkan hasil yang diperoleh dari Tabel 4.1 dapat dijelaskan beberapa hal. 1. Jumlah Sampel N adalah sebanyak 40.
Universitas Sumatera Utara
2. Pendapatan Asli Daerah terendah adalah 4155, Pendapatan Asli Daerah tertinggi adalah 79924 dengan rata – rata 18815.4250 serta standar deviasi
sebesar 14939.31782. 3. Dana Alokasi Umum terendah adalah 18445318, Dana Alokasi Umum
tertinggi adalah 585406 dengan rata – rata 297495.6000 serta standar deviasi sebesar 83048.23572.
4. Dana Alokasi Khusus terendah adalah 16841, Dana Alokasi Khusus tertinggi adalah 451486 dengan rata – rata 47308.8500 serta standar
deviasi sebesar 66166.37036. 5. Belanja Pemerintah Daerah terendah adalah 291178, Belanja Pemerintah
Daerah tertinggi adalah 1280245 dengan rata – rata 489904.8250 serta standar deviasi sebesar 2.26575E5.
4.2.2 Uji Asumsi Klasik
Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang diperlukan benar – benar bebas dari adanya genjala heterokedasitas,
gejala multikolonieritas dan gejala autokorelasi. Model regresi akan dapat dijadikan alat estiminasi yang tidak bias jika telah memenuhi persyaratan BLUE Best Linear
Unbiased Estimator yakni tidak terdapat heterokedasitas serta tidak terdapat multikolinieritas dan tidak terdapat autokorelasi yang dapat diuraikan di bawah ini.
4.2.2.1 Uji Normalitas
Universitas Sumatera Utara
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel penggangu atau residual memiliki distribusi normal Erlina, 2008. Asumsi ini
dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel yang lebih kecil. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni
distribusi data tersebut tidak menceng ke kiri atau kanan. Setelah melakukan uji normalitas dengan menggunakan software SPSS diketahui bahwa model regresi
penelitian ini berdistribusi normal hal dapat disimpulkan melalui analisis grafik.
4.2.2.2 Analisis Grafik
Analisis grafik dapat digunakan dengan dua alat yaitu dengan grafik histrogram dan garafik P-P Plot. Data yang baik adalah data yang memiliki pola
distribusi normal. Pada grafik histogram data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot
sebuah data dikatakan berdistribusi normal apabila titik – titik datanya tidak menceng kiri atau ke kanan, melainkan menyebar disekitar garis diagonal.
Universitas Sumatera Utara
G ambar 4.1 Grafik Histrogram
Grafik histogram pada gambar diatas menunjukkan distribusi normal karena grafik tidak menceng kekiri maupun kekanan, dengan demikian dapatdisimpulkan
bahwa model regresi telah memenuhi asumsi normalitas.
Universitas Sumatera Utara
Gambar 4.2 Normal P-Plot of Regresion Standarized Residual
Grafik normal P-Plot diatas terlihat bahwa titik-titik data tersebut menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, dengan demikian, model
regresi memenuhi asumsi normalitas.
4.2.2.3 Analisis Statistik
Pengujian normalitas data dengan hanya melihat grafik dapat menyesatkan kalau tidak melihat secara seksama, sehingga kita perlu melakukan uji normalitas
data dengan menggunakan statistik agar lebih meyakinkan, untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji
Universitas Sumatera Utara
Kolmogorov-Smirnov 1 sample KS dengan melihat data residualnya apakah berdistribusi normal atau tidak, jika nilai signifikansinya lebih besar dari 0,05 maka
data tersebut terdistribusi normal, jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal. Hasil uji Kolmogorov-Smirnov dapat dilihat pada
tabel 4.2, berdasarkan output SPSS di bawah ini terlihat bahwa nilai asymp sig 2- tailed adalah 0,394 dan di atas nilai signifikan 0,05 dengan kata lain variabel residual
berdistribusi normal.
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 40
Normal Parameters
a,,b
Mean .0000000
Std. Deviation
9.01767292E4
Most Extreme Differences
Absolute .142
Positive .142
Negative -.109
Kolmogorov-Smirnov Z .899
Asymp. Sig. 2-tailed .394
Universitas Sumatera Utara
4.2.3 Uji Heteroskedasitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan kepengamatan yang lain, jika
variance dari residual satu pengamatan kepengamatan lain tetap maka disebut Homoskedastisitas dan jika berbeda disebut heteroskedastisitas atau tidak terjadi
heteroskedastisitas. Penelitian ini mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat grafik scatterplot antara variabel dependen ZPRED dengan
residualnya SRESID yang dihasilkan dari pengolahan data dengan menggunakan
SPSS. Dasar pengambilan keputusannya adalah gambar 4.3.
Gambar 4.3
Universitas Sumatera Utara
Scatterplot
Gambar scatterplot diatas, dapat dilihat bahwa titik-titik menyebar secara acak serta tidak membentuk pola tertentu atau tidak teratur serta titik-titik menyebar diatas
dan dibawah angka 0 pada sumbu Y, hal ini mengindikasi tidak terjadi heteroskedastisitas pada model regresi.
4.2.4 Uji Multikolinieritas
Kategori