Hasil Uji Asumsi Klasik

Tabel 4.6 Hasil Uji Validitas Item Pertanyaan Variabel Pengamanan Y Pertanyaan Corrected item total correation r hitung R table VALIDITAS 1 0,640 0,361 Valid 2 0,586 0,361 Valid 3 0,744 0,361 Valid 4 0,662 0,361 Valid 5 0,750 0,361 Valid 6 0,497 0,361 Valid Sumber : Hasil Pengolahan Data Primer dengan Alat Bantu Program Statistik, 2008 data diolah Berdasarkan hasil pengujian seperti pada tabel 4.6 diatas, setiap item pertanyaan menghasilkan koefisien korelasi yang lebih besar dari r-Tabel. Berdasarkan hasil ini maka item variable Pengamanan dapat disimpulkan lolos uji validitas. Hasil pengujian terhadap reliabilitas kuesioner menghasilkan angka cronbach alpha lebih besar dari 0,5 yaitu sebesar 0,857, berdasarkan hasil ini juga dapat disimpulkan item pertanyaan kuesioner sudah memiliki reliabilitas yang tinggi.

5. Hasil Uji Asumsi Klasik

Pengujian Statistik dengan analisis regresi dapat dilakukan dengan pertimbangan tidak adanya pelanggaran terhadap asumsi-asumsi klasik Damodar,1995:122. Asumsi-asumsi klasik tersebut antara lain:

a. Uji Normalitas

Menurut cetral limit theorem, asumsi normalitas akan terpenuhi apabila jumlah sample yang digunakan lebih dari satu atau sama dengan 25 Mendenhall dan Beaver,1992:164. Uji normalitas dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dapat juga dengan melihat histogram Universitas Sumatera Utara dari residualnya. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafiknya histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas, demikian sebaliknya. Pada hasil pengolahan data menampilkan grafik normal plot yang ada menunjukkan titik menyebar sekitar garis diagonal, serta penyebaran mengikuti arah garis diagonal, demikian juga dengan grafik histogram memberikan pola distribusi normal .Maka model regresi layak dipakai untuk memprediksikan keberhasilan pengamanan aset daerah berdasarkan masukan variabel independennya inventarisasi, pembukuan, pelaporan. Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 Ex pe ct ed Cu m Pr ob 1.0 0.8 0.6 0.4 0.2 0.0 Normal P-P Plot of Regression Standardized Residual Dependent Variable: Y Sumber : Hasil Pengolahan Data Primer dengan Alat Bantu Program Statistik, 2008 data diolah. Universitas Sumatera Utara Regression Standardized Residual 3 2 1 -1 -2 -3 Frequency 10 8 6 4 2 Histogram Dependent Variable: Y Mean =-2.85E-15 Std. Dev. =0.947 N =30 Sumber : Hasil Pengolahan Data Primer dengan Alat Bantu Program Statistik, 2008 data diolah Selain itu, dilakukan uji normalitas data dengan menggunakan One sample kolmogorov-smirnov test. Berdasarkan hasil pengujian diperoleh nilai asymptotic significance 2-tailed adalah 0,484, dan diatas nilai signifikansi 0,05. Dengan kata lain variabel residual berdistribusi normal. b. Uji Multikolinieritas Uji multikolinieritas digunakan untuk menguji apakah ada korelasi antara variabel independen. Metode yang digunakan untuk mendeteksi adanya multikolinieritas dengan menggunakan nilai VIF Variance Inflation Floor, jika nilai VIF dibawah 2, maka dapat dikatakan bahwa tidak terjadi gejala Universitas Sumatera Utara multikolinearitas dalam model penelitian. Hasil pengujian multikolinieritas disajikan pada tabel 4.7. Tabel 4.7 Hasil Uji Gejala Multikolinieritas NO Variabel VIF 1 Inventarisasi 1.052 2 Pembukuan 1.107 3 Pelaporan 1.089 Dependen Variabel : Y = Keberhasilan Pengamanan aset daerah Sumber : Hasil Pengolahan Data Primer dengan Alat Bantu Program Statistik, 2008 data diolah Berdasarkan hasil pengujian pada tabel 4.7 diatas, karena nilai VIF untuk semua variable memiliki nilai lebih kecil daripada 2, maka dapat disimpulkan tidak terdapat gejala multikolinieritas antar variable independen.

c. Uji Heteroskedastisitas

Heterokedastisitas digunakan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heterokedastisitas. Uji heteroskedastisitas dilakukan dengan melihat ada tidaknya pola tertentu pada grafik Scatterplot antara SRESID dan ZPRED dimana dasar analisisnya adalah: 1 jika titik-titik yang ada membentuk suatu pola tertentu yang teratur, bergelombang, melebar kemudian menyempit maka terjadi heterokedastisitas, dan jika 2 jika tidak ada pola yang jelas titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y maka tidak terjadi gejala heterokedastisitas. Dari grafik Scatterplot penelitian ini terlihat titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada Universitas Sumatera Utara sumbu Y hal ini menunjukkan tidak terjadi heterokedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi keberhasilan pengamanan aset daerah berdasarkan masukan variable independennya Inventarisasi, Pembukuan dan Pelaporan. Regression Studentized Residual 3 2 1 -1 -2 -3 Re gr es si on Stan dar diz ed Pre di cte d Value 2 1 -1 -2 -3 Scatterplot Dependent Variable: Y Sumber : Hasil Pengolahan Data Primer dengan Alat Bantu Program Statistik, 2008 data diolah

6. Hasil Analisis Regresi Berganda