23 2006
0,41 86.407
38 665.133
24 2007
0,46 365.113
40 593.321
25 2008
0,46 219.123
42 602.577
26 2009
0,47 270.280
44 590.838
Sumber: BPS Sumatera Utara, data diolah
4.9. Pengujian Asumsi Klasik
Sebelum data diinterpretasikan terlebih dahulu dilakukan pengujian asumsi klasik agar dapat diperoleh estimasi yang BLUE Best Linier Unbiased Estimator.
Pengujian asumsi klasik yang dilakukan dalam penelitian ini meliputi Uji Normalitas Data, Uji Multikolinieritas, Uji Autokorelasi dan Uji Heteroskedastisitas.
4.9.1. Uji Normalitas Data
Untuk menguji apakah distribusi data normal atau tidak dalam penelitian ini digunakan dengan melihat nomal probability plot, yang membandingkan distribusi
kumuatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data akan
dibandingkan dengan garis diagonal. Jika distribusi data normal, maka garis yang menggambaran data sesungguhnya akan mengikuti garis diagonalnya. Hasil Uji
Normalitas dengan normal probability plot dapat dilihat pada Gambar 4.1 dibawah ini:
Gambar 4.1. Uji Normalitas Data
Universitas Sumatera Utara
Gambar 4.1 di atas menggambarkan data pada penelitian ini berdistribusi normal dengan uji normalitas data, karena garis yang menggambarkan data penelitian
mengikuti garis normal. 4.9.2. Uji Multikolinearitas
Multikolinearitas terjadi jika terdapat hubungan yang sempurna atau pasti diantara beberapa variabel atau semua variabel independen dalam model. Pada kasus
multikolinearitas yang serius, koefisien regresi tidak lagi menunjukkan pengaruh murni dari variabel independen dalam model. Multikolinearitas berarti adanya
hubungan yang sempurna atau pasti diantara beberapa variabel atau semua variabel yang menjelaskan dari model regresi Sumarno, 2003; Gujarati; 2003. Pengujian
asumsi klasik multikolinearitas dilakukan dengan melihat nilai VIF Variance Inflation Factor dan Tolerance. Bila Nilai VIF lebih kecil dari 10 dan nilai toleransinya di atas
0,1, atau 10 maka disimpulkan dalam model bebas dari penyimpangan asumsi klasik multikolinearitas. Ghozali, 2005; gujarati, 2003. Hasil perhitungan dengan
menggunakan SPSS diperoleh nilai sebagai berikut:
Tabel 4.17. Pengujian Multikolinearitas Variabel
Nilai VIF Tolerance
keterangan
Investasi Swasta Perkapita 2,179
0,459 Bebas Multikolinearits
Rasio Angkatan Kerja 1,426
0,701 Bebas Multikolinearits
Alokasi Dana Bantuan Pembangunan Perkapita
2,198 0,455
Bebas Multikolinearits Untuk ketiga variabel independen di atas, investasi swasta, angkatan kerja dan
alokasi dana pembangunan, masing-masing nilai VIF lebih kecil dari 10 dan nilai
Universitas Sumatera Utara
toleransinya di atas 0,1 atau 10 maka disimpulkan dalam model bebas dari penyimpangan asumsi klasik multikolinearitas.
4.9.3. Uji Autokorelasi