30
3.6.1.4 Uji Autokorelasi
Autokorelasi merupakan suatu kondisi dimana terdapat korelasi atau hubungan antar pengamatan atau observasi, baik
itu dalam bentuk observasi deret waktu atau observasi cross- section Gunawan, 2013. Jika terdapat autokorelasi dalam
sebuah penelitian, maka varians tidak minimum dan uji-t tidak dapat digunakan karena dapat memberikan kesimpulan yang
salah. Guna mendeteksi ada tidaknya autokorelasi banyak
metode yang dapat digunakan antara lain yakni uji Durbin Watson, uji Lagrange Multiplier, uji Statistik Q : Box - Pierce
dan Ljung Box, uji Breusch-Godfrey dan metode grafik. Penelitian ini sendiri menggunakan uji Durbin Watson. Ukuran
yang digunakan adalah apabila nilai Durbin Watson DW mendekati angka 2, maka dapat dikatakan bahwa data tersebut
tidak memiliki autokorelasi dan sebaliknya.
3.6.2 Analisis Regresi Linear Berganda
Analisis ini digunakan untuk mengetahui apakah ada pengaruh yang positif dari variabel independen X
1
, X
2,
X
3
terhadap variabel dependen Y dengan model regresi sebagai berikut :
Y = α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ ε
Dimana : α = bilangan konstanta
β = koefisien beta
Universitas Sumatera Utara
31
X
1
= PAD
X
2
= DAU
X
3
= Luas Wilayah
Y = Belanja Modal ε = Standar Error
3.6.3 Pengujian Hipotesis
Pengujian hipotesis dilakukan dengan menggunakan metode regresi linear berganda. Analisis regresi linear berganda dilakukan untuk
menguji fungsi linear variabel dependen Y terhadap variabel independen X1, X2, X3 dengan bantuan software SPSS versi 17. Analisis meliputi uji
koefisien determinasi adjusted R square, uji signifikansi simultan uji F, uji signifikansi parsial uji t, uji persamaan gari
s regresi uji koefisien β, dan menentukan koefisien regresi.
3.6.3.1 Koefisien Determinasi adjusted R square
Koefisien determinasi bertujuan untuk mengetahui seberapa besar kemampuan variabel independen menjelaskan variabel
dependen. Koefisien determinasi terletak pada tabel model summary
dan tertulis R Square.
Nilai koefisien korelasi r menunjukkan seberapa besar hubungan yang terjadi antara variabel independen terhadap
variabel dependen. Nilai R berkisar antara 0 sampai 1, apabila nilai semakin mendekati 1 berarti hubungan yang terjadi semakin kuat,
sebaliknya nilai semakin mendekati 0 maka hubungan yang terjadi semakin lemah.
Universitas Sumatera Utara
32
3.6.3.2 Uji Signifikansi Simultan Uji F
Uji statistik F dilakukan untuk mengetahui apakah semua variabel independen X1, X2, X3 yang dimasukkan dalam model
mempunyai pengaruh terhadap variabel dependen Y. Uji statistik F tersebut dilakukan dengan memperhatikan ketentuan sebagai
berikut :
a. Tingkat signifikansi α = 5
b. df derajat kebebasan = jumlah data – 2
c. Jika statistik F
hitung
statistik F
tabel
, maka H diterima dan
menolak H
1
d. Jika statistik F
hitung
statistik F
tabel
, maka H ditolak dan
menerima H
1
e. Pengujian F tabel untuk 2 sisi
Dimana : H
: Variabel bebas secara simultan bukan merupakan penjelas
yang signifikan terhadap variabel terikat H
1
: Variabel bebas secara simultan merupakan penjelas yang
signifikan terhadap variabel terikat.
3.6.3.3 Uji Signifikansi Parsial Uji t
Uji statistik t dilakukan untuk menunjukkan seberapa jauh pengaruh variabel bebas secara individual dalam menerangkan
variasi variabel terikat, sehingga uji statistik t ini digunakan untuk menguji hipotesis. Uji statistik t tersebut dilakukan dengan
memperhatikan ketentuan sebagai berikut :
Universitas Sumatera Utara
33
a. Tingkat signifikansi α = 5
b. df derajat kebebasan = jumlah data – 2
c. Jika statistik t
hitung
statistik t
tabel,
maka H diterima dan menolak
H
1
d. Jika statistik t
hitung
statistik t
tabel
, maka H ditolak dan
menerima H
1
e. Pengujian t tabel untuk 2 sisi Dimana :
H :
Variabel bebas secara individual bukan merupakan penjelas yang signifikan terhadap variabel terikat
H
1
: Variabel bebas secara individual merupakan penjelas yang
signifikan terhadap variabel terikat.
Universitas Sumatera Utara
34
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Analisis Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk mengetahui deskripsi suatu data yang dilihat dari nilai maksimum, nilai minimum, nilai rata-rata mean dan
nilai standar deviasi dari variabel Belanja Modal, Pendapatan Asli Daerah, Dana Alokasi Umum dalam jutaan rupiah dan Luas Wilayah dalam km
2
. Berdasarkan analisis statistik deskriptif diperoleh gambaran sampel sebagai
berikut :
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation Belanja Modal
66 34,243.00
352,334.00 161,562.4545 75,714.77589 Pendapatan Asli Daerah
66 5,805.00
328,348.00 45,995.9545 56,230.82056 Dana Alokasi Umum
66 198,239.00 1,260,755.00 473,552.6364 2.21972E5
Luas Wilayah 66
41.31 6,262.00
2,543.3500 1,952.87981 Valid N listwise
66 Sumber: hasil olahan software SPSS
Berdasarkan Tabel 4.1, diketahui nilai Belanja Modal minimum adalah Rp 34.243.000,- sedangkan nilai Belanja Modal maksimum adalah Rp 352.334.000,-.
Rata-rata mean Belanja Modal adalah Rp 161.562.454,5,- dan standar deviasinya sebesar Rp 75.714.775,89,-. Diketahui nilai Pendapatan Asli Daerah
minimum adalah Rp 5.805.000,- sedangkan nilai Pendapatan Asli Daerah maksimum adalah Rp 328.348.000,-. Rata-rata mean Pendapatan Asli Daerah
adalah Rp 45.995.954,5,- dan standar deviasinya sebesar Rp 56.230.820,56,-.
Universitas Sumatera Utara
35
Nilai Dana Alokasi Umum minimum adalah Rp 198.239.000,- sedangkan nilai Dana Alokasi Umum maksimum adalah Rp 1.260.755,-. Rata-rata mean Dana
Alokasi Umum adalah Rp 473.552.636,4,- dan standar deviasinya sebesar Rp 221.972,-. Nilai Luas Wilayah minimum adalah 41,31 km
2
sedangkan nilai Luas Wilayah maksimum adalah 6,262 km
2
. Rata-rata mean Luas Wilayah adalah 2,543.3500 km
2
, dan standar deviasinya sebesar 1,952.87981 km
2
.
4.2 Uji Asumsi Klasik
4.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Uji
dan � mengasumsikan bahwa nilai residual mengikuti distribusi normal.
Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil Ghozali, 2011. Dalam penelitian ini, uji normalitas
terhadap residual dengan menggunakan uji Kolmogorov-Smirnov. Tingkat signifikansi yang digunakan
� = , . Dasar pengambilan keputusan adalah melihat angka probabilitas , dengan ketentuan sebagai berikut :
1. Jika nilai probabilitas Asymp. Sig. 2-tailed 0,05, maka asumsi
normalitas terpenuhi. 2.
Jika probabilitas Asymp. Sig. 2-tailed 0,05, maka asumsi normalitas tidak terpenuhi.
Universitas Sumatera Utara
36
Tabel 4.2 Uji Normalitas dengan Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 66
Kolmogorov-Smirnov Z .969
Asymp. Sig. 2-tailed .304
a. Test distribution is Normal. b. Calculated from data.
Sumber: hasil olahan software SPSS Berdasarkan Tabel 4.2, diketahui nilai probabilitas
p atau Asymp. Sig. 2-tailed sebesar 0,304. Karena nilai probabilitas
p, yakni 0,304, lebih besar dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti
asumsi normalitas terpenuhi. Pengujian asumsi normalitas dapat juga digunakan pendekatan
analisis grafik, histogram. Pada pendekatan histogram, jika kurva berbentuk kurva normal, maka asumsi normalitas dipenuhi. Pada
pendekatan normal probability plot, jika titik-titik dots menyebar jauh menyebar berliku-liku pada garis diagonal seperti ular dari garis
diagonal, maka diindikasi asumsi normalitas error tidak dipenuhi. Jika titik-titik menyebar sangat dekat pada garis diagonal, maka asumsi
normalitas dipenuhi. Gambar 4.1 dan Gambar 4.2 merupakan output dari SPSS.
Perhatikan bahwa kurva pada histogram berbentuk kurva normal, sehingga disimpulkan bahwa asumsi normalitas error dipenuhi. Di samping itu pada
normal probability plot Gambar 4.2, titik-titik menyebar cukup dekat pada garis diagonal, maka disimpulkan bahwa asumsi normalitas dipenuhi.
Universitas Sumatera Utara
37
Gambar 4.1 Histogram untuk Uji Normalitas
Sumber: hasil olahan software SPSS
Gambar 4.2 Uji Normalitas dengan
Normal Probability Plot
Sumber: hasil olahan software SPSS
4.2.2 Uji Multikolinearitas
Kategori