Metode Analisa Data Uji Asumsi Klasik

Alokasi Umum DAU, Dana Alokasi Khusus DAK, Dana Bagi Hasil DBH dan Pendapatan Asli Daerah PAD.

4.5. Model dan Teknis Analisa Data

4.5.1. Metode Analisa Data

Data dianalisis dengan menggunakan metode analisa data multivariate, yang merupakan metode statistik deskriptif dan infrensial yang digunakan untuk menganalisa data lebih dari dua variabel penelitian.

4.5.2. Uji Asumsi Klasik

Sebelum dilakukan pengujian hipotesis dengan menggunakan analisis regresi maka diperlukan pengujian asumsi klasik meliputi: 1. Uji Normalitas bertujuan untuk mengetahui distribusi data dalam variabel yang digunakan dalam penelitian. Data yang baik dan layak digunakan dalam penelitian adalah data yang memiliki distribusi normal. Untuk menguji apakah distribusi normal atau tidak dapat dilihat melalui normal probability plot dengan membandingkan distribusi kumulatif dan distribusi normal. Data normal akan membentuk satu garis lurus diagonal, dan ploting data akan dibandingkan dengan garis diagonal Jika distribusi data adalah normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya Ghozali, 2005: 110. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah analisis grafik dan uji statistik. Uji normalitas data dilakukan p d f Machine A pdf w rit er t hat produces qualit y PDF files w it h ease Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, sim ply open the docum ent you want to convert, click “print”, select the “ Broadgun pdfMachine printer” and that’s it Get yours now Universitas Sumatera Utara dengan uji kolmogoorov smirnov, distribusi data dikatakan normal jika signifikansi 0,05. 2. Uji Multikolinieritas, diperlukan untuk mengetahui apakah ada tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lain dalam satu model. Selain itu deteksi terhadap multikolinieritas juga bertujuan untuk menghindari bias dalam proses pengambilan keputusan mengenai pengaruh pada uji parsial masing-masing variabel independen terhadap variabel dependen. Deteksi multikolinieritas pada suatu model dapat dilihat 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. 3. Uji Heteroskedastisitas, bertujuan untuk menguji apakah dalam model regresi terjadi perbedaan variance residual suatu periode pengamatan ke periode pengamatan yang lain. Model regresi yang baik adalah model regresi yang memiliki kesamaan variance residual suatu periode pengamatan dengan pengamatan yang lain, atau homokesdastisitas. Cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar scatterplot model tersebut dan melakukan uji Park yaitu dengan melakukan transformasi logaritma terhadap residual Ghozali, 2005: 107. 4. Uji autokorelasi. Uji Autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan ada periode t-1 atau sebelumnya. Autokorelasi muncul karena p d f Machine A pdf w rit er t hat produces qualit y PDF files w it h ease Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, sim ply open the docum ent you want to convert, click “print”, select the “ Broadgun pdfMachine printer” and that’s it Get yours now Universitas Sumatera Utara observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual atau kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu atau time series karena “gangguan” pada individukelompok cenderung mempengaruhi “ gangguan” pada individukelompok yang sama pada periode berikutnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Pada penelitian ini, uji autokorelasi dilakukan dengan dengan Uji Durbin Watson, karena uji ini yang umum digunakan. Uji ini hanya digunakan untuk autokorelasi tingkat pertama first order autokorelasi dan mensyaratkan adanya intercept konstanta dalam model regresi. Menurut Santoso 2002 pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut: 1 Angka D-W di bawah -2 berarti ada autokorelasi positif. 2 Angka D-W di antara -2 sampai +2 berarti tidak ada autokorelasi. 3 Angka D-W di atas + berarti ada autokorelasi negatif.

4.5.3. Model Analisis