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