Rolan Pakpahan : Pengaruh Pajak Daerah Dan Retribusi Daerah Terhadap Belanja Daerah Pemerintahan KabupatenKota Di Sumatera Utara, 2008.
USU Repository ©2009
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan
distribusi yang mendekati distribusi normal. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi
kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal dan plotnya data residual akan dibandingkan dengan garis
diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
ii Analisis statistik
Uji statistik sederhana dapat dilakukan dengan melihat nilai kurtosis dan nilai Z-skewness. Uji statistik lain yang dapat digunakan untuk menguji normalitas
residual adalah uji statistik non parametrik Kolmogorov-Smirnov K-S.
Pedoman pengambilan keputusan tentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov dapat dilihat
dari : a
nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah tidak normal.
b. nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal.
b. Uji Multikolinearitas,
Menurut Gujarati 1995 dalam Hadi 2006 : 168, “uji multikolinearitas
berhubungan dengan adanya korelasi antar variable independen. Sebuah persamaan terjangkit penyakit ini bila dua atau lebih variabel independen
memiliki tingkat korelasi yang tinggi. Sebuah persamaan regresi dikatakan baik bila persamaan tersebut memiliki variabel independen yang saling tidak
berkorelasi.” Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi
menurut Hadi 2006 : 168 dapat dilihat dari :
Rolan Pakpahan : Pengaruh Pajak Daerah Dan Retribusi Daerah Terhadap Belanja Daerah Pemerintahan KabupatenKota Di Sumatera Utara, 2008.
USU Repository ©2009
i Salah satu ciri regresi yang terjangkit multikolinear adalah persamaan tersebut
memiliki nilai R
2
yang sangat tinggi, tetapi hanya memiliki sedikit variabel independen yang signifikan memiliki nilai t hitung tinggi. Keadaan yang
paling ekstrim adalah bila model memiliki nilai R
2
dan F hitung yang tinggi dan secara otomatis akan memiliki nilai signifikansi F yang sangat bagus
tetapi tidak satupun variabel independen yang memiliki nilai t cukup signifikan. Bila hal ini terjadi maka bisa disimpulkan bahwa bagusnya F dan
R
2
karena adanya interaksi antar variabel independen yang cukup tinggi multikolinear
ii Indikator lain yang bisa dipakai adalah CI Condition Index atau Eigenvalues.
Bila CI berkisar antara10 sampai dengan 30 maka kita bisa mengatakan bahwa persamaan tersebut terjangkit multikolinear. Bila CI 30 maka terjangkitnya
semakin kecil.
iii VIF Variable Inflation Factor juga bisa digunakan sebagai indicator. Bila
VIF 10 maka variable tersebut memiliki kolinearitas yang tinggi.
Bila ternyata model terindikasi penyakit multikolinear, maka baru dicari korelasi diantara variabel independen. Gujarati 1995 dalam Hadi 2006 : 168
menyatakan bahwa “dua variabel yang memiliki tingkat korelasi 0,8 sudah terlalu tinggi tetapi kalau 0,5 tidak ada masalah.”
Menurut Ghozali 2005 : 91, untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi adalah sebagai berikut :
1 Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independennya banyak yang
tidak signifikan mempengaruhi variabel dependen. 2
Menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi umumnya di atas 0.90, maka hal
ini merupakan indikasi adanya multikolinearitas. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikolinearitas.
Multikolinearitas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen.
3 Multikolinearitas dapat juga dilihat dari a nilai tolerance dan lawannya b
variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya.
Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen terikat dan diregres terhadap variabel independen lainnya.
Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah
sama dengan nilai VIF tinggi karena VIF = 1 Tolerence. Nilai cutoff yang
Rolan Pakpahan : Pengaruh Pajak Daerah Dan Retribusi Daerah Terhadap Belanja Daerah Pemerintahan KabupatenKota Di Sumatera Utara, 2008.
USU Repository ©2009
umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10.
Menurut Ghozali 2005 : 95, cara mengobati apabila terjadi multikolonieritas dalam data penelitian adalah sebagai berikut:
a Menggabungkan data crossection dan time series pooling data
b Keluarkan satu atau lebih variable indevenden yang mempunyai korelasi
tinggi dari model regresi dan identifikasikan variable indevenden lainnya untuk membantu prediksi.
c Transformasi variable merupakan salah satu cara mengurangi hubungan linear
di antara variable indevenden. Transformasi dapat dilakukan dalam bentuk logaritmo natural dan bentuk first difference atau delta. Caranya
Yt = b1 + b2 X2t + b3 X3t + ut
…………………… 1 Yt-1
= b1 + b2 X2t-1 + b3 X3t-1 + ut-1 …………… 2
Kurangkan persamaan 2 dari 1 didapat first difference Yt – Yt-1
= b2 X2t – X2t-1 + b3 X3t – X3t-1 + vt……3 d
Gunakan model dengan variabel indevenden yang mempunyai korelasi tinggi hanya semata-mata untuk prediksi jangan mencoba untuk
menginterpretasikan koefisien regresinya.
e Gunakan metode analisis yang lebih canggih seperti Bayesian regression atau
dalam kasus khusus ridge regression.
c. Uji Heterokedastisitas,
