4.3.2 Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas. Menurut Ghozali
2005:91 “adanya gejala multikolinearitas dapat dilihat dari nilai tolerance atau nilai Variance Inflation Factor VIF. Batas nilai tolerance adalah 0,1 dan
batas VIF adalah 10”. Apabila nilai tolerance 0,1 atau VIF 10 = terjadi multikolinearitas. Apabila nilai tolerance 0,1 atau VIF 10 = tidak terjadi
multikolinearitas. Hasil pengujian terhadap multikolinearitas pada penelitian ini dapat dilihat pada tabel 4.3.
Tabel 4.3 Colinearity Statistic
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant 8864216.929 877248.347
10.105 .000
PAD 5.014E-5
.000 .726
7.865 .000
.635 1.576
DAU 2.289E-6
.000 .084
.696 .489
.371 2.696
BM 6.764E-7
.000 .009
.083 .934
.433 2.311
Diolah oleh Penulis 2012 Hasil uji statistik nilai Tolerance menunjukkan tidak ada variabel
independen yang memiliki nilai Tolerance kurang dari 0.10, dan demikian juga hasil perhitungan Variance Inflation Factor VIF menunjukkan nilai
VIF lebih kecil dari 10.
Universitas Sumatera Utara
Tabel 4.4 Covariance Matrix
Coefficient Correlations
a
Model BM
PAD DAU
1 Correlations
BM 1.000
-.100 -.649
PAD -.100
1.000 -.389
DAU -.649
-.389 1.000
Covariances BM
6.702E-11 -5.204E-12
-1.749E-11 PAD
-5.204E-12 4.065E-11
-8.158E-12 DAU
-1.749E-11 -8.158E-12
1.083E-11
Diolah oleh penulis 2012 Berdasarkan tabel 4.4 maka kita dapat melihat hasil besaran korelasi
antar variabel dependen tampak bahwa hanya variabel Belanja Modal yang mempunyai korelasi cukup tinggi dengan variabel Dana Alokasi Umum
dengan tingkat korelasi - 0,649 atau sekitar 64,9 . Oleh karena korelasi ini masih dibawah 95 , maka dapat disimpulkan tidak terjadi multikolinearitas.
4.3.3 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi
yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas
dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada runtut waktu time series karena “gangguan” pada seseorang individukelompok
yang sama pada periode berikutnya. Model regresi yang baik adalah regresi
Universitas Sumatera Utara
yang bebas dari autokorelasi. Salah satu cara untuk mengetahui ada atau tidaknya korelasi yaitu dengan melakukan uji Durbin-Watson DW test.
Tabel 4.5 Uji Statistik Durbin-Watson
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .785
a
.616 .599
2860830.191 .581
Diolah oleh penulis 2012 Berdasarkan output SPSS pada tabel 4.5 diketahui bahwa nilai Dubrin-
Watson sebesar 1,122 sehingga dapat dikatakan bahwa tidak ada autokorelasi, hal ini berdasarkan pengambilan keputusan ada tidaknya autokorelasi
menurut Ghozali 2006 dengan cara melihat besaran Dubrin-Watson D-W sebagai berikut:
• angka D-W dibawah -2, berarti ada autokorelasi positif. • angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi.
•
angka D-W di atas +2, berarti ada autokorelasi negative.
4.3.4 Uji Heteroskedastisitas
Kategori