41
Nilai Kolmogrov – Smirov sebesar 0.907 dan tidak signifikan pada 0.05 karena p= 0.383 dari 0.05. Jadi kita tidak dapat menolak HO 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.
4.2.2.2 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan yang lain Erlina, 2011. Pendeteksian ada tidaknya heteroskedastisitas dapat dilakukan dengan uji Glejser. Heteroskedastisitas tidak
terjadi jika nilai t
hitung
t
tabel
dengan tingkat signifikansi sebesar 0,05, dan nilai signifikansi lebih besar daripada 0,05. Heteroskedastisitas terjadi jika t
hitung
t
tabel
, dan nilai signifikansi lebih kecil daripada 0,05.
Hasil uji heteroskedastisitas dengan melakukan uji Glejser adalah sebagai berikut:
Universitas Sumatera Utara
42
Tabel 4.3 Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
B Std. Error
Beta t
Sig. 1
Constant 43789.869
11066.282 3.957
.000 PDRB
-1.090 1.605
-.359 -.679
.500 PAD
.036 .039
.400 .910
.367 DAU
-.010 .028
-.088 -.344
.733 a. Dependent Variable: Ares
Sumber: Diolah dari SPSS 17.0
Berdasarkan hasil Uji Glejser di atas, dapat dilihat bahwa pada tabel Coefficientsa nilai sig. semua variabel independen lebih besar dari 0,05 5.
Sehingga dapat disimpulkan tidak terjadi heteroskedastisitas 4.2.2.2
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 :
Universitas Sumatera Utara
43
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .970
a
.941 .938
4.860818E4 1.641
a. Predictors: Constant, DAU, PAD, PDRB b. Dependent Variable: Belanja Modal
Sumber: Diolah dari SPSS 17.0
Berdasarkan hasil penelitian, nilai Durbin-Watson sebesar 2,352. Jika melihat tabel Durbin-Watson dimana tingkat signifikansi 5, dengan jumlah data
sebanyak 51 data dan 4 variabel independen, maka didapat nilai DU sebesar 1,7128. Nilai Durbin-Watson berada di antara nilai 1,7128 dan 4-1,7128, maka
dapat disimpulkan bahwa model regresi linear tidak terjadi autokorelasi.
4.2.2.3 Uji Multikolinearitas
