32
G. Metode Analisis Data
Metode statistik yang digunakan adalah regresi sederhana. Metode ini menghubungkan antara satu variabel independen dengan satu variabel
dependen sesuai dengan hipotesis yang diuji dalam penelitian ini. Model persamaannya adalah sebagai berikut:
y = a + bx + e Dimana:
y = Pendapatan Asli Daerah x = Retribusi Daerah
a = Konstanta b = Koefisien Regresi
e = error tingkat kesalahan Pendapatan Asli Daerah Y merupakan variabel dependen yang dipengaruhi
oleh variabel independen yaitu Retribusi Daerah.
1. Uji Asumsi Klasik
a. Uji Normalitas Data Menurut Ghozali, 2005. “Uji normalitas bertujuan untuk menguji apakah
dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal”. Ada dua cara untuk mendeteksi apakah residual
berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik. Dalam penelitian ini pertama digunakan analisis grafik untuk
mengetahui apakah distribusi sebuah data mengikuti atau mendekati
Universitas Sumatera Utara
33
distribusi normal, yaitu distribusi data dengan bentuk lonceng bell Shaped. Data yang baik adalah data yang mempunyai pola seperti
distribusi normal. Jika grafik histogram menunjukkan pola distribusi normal, artinya titik puncak kurva berada di titik nol 0 pada sumbu X
maka model regresi memenuhi syarat normalitas, begitu juga bila sebaliknya. Namun demikian hanya dengan melihat histogram hal ini
dapat menyesatkan khususnya untuk jumlah sampel yang kecil. 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 ploting data
residual akan dibandingkan dengan garis diagonal. Menurut Ghozali 2005, “Jika distribusi data residual normal, maka garis yang
menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.” Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati secara
visual kelihatan normal, padahal secara statistik bisa sebaliknya. Oleh karena itu tahap kedua dilakukan uji statistik non parametrik Kolmogorov-
Smirnov K-S. Untuk melihat normal atau tidaknya data dengan Kolmogorov-Smirnov, pedoman pengambilan keputusan dapat dilihat dari:
i. Nilai Sig 0,05; maka distribusi data adalah tidak normal ii. Nilai Sig 0,05 maka distribusi data adalah normal.
Universitas Sumatera Utara
34
b. Uji Heteroskedastisitas Menurut Santoso 2004:208, “Metode ini digunakan untuk menguji
apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual pada satu pengamatan ke pengamatan yang lain”. Jika varians dari
residual dari suatu pengamatan ke pengamatan lainnya tetap, maka disebut Homoskedastisitas. Dan jika varians berbeda, maka disebut
heteroskedastisitas. Menurut Erlina dan Mulyani 2007:108, “Model regresi yang baik adalah tidak terjadi heteroskedastisitas”.
Deteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat ada tidaknya pola tertentu pada grafik scatterplot di sekitar nilai X dan Y. Jika
ada pola tertentu, maka telah terjadi gejala heteroskedastisitas. 1 Uji autokorelasi
Uji ini bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pada periode t-1 atau sebelumnya. Hal ini sering ditemukan pada data runtut waktu atau time series. Uji yang sering digunakan adalah uji Durbin
WatsonDW. Uji ini hanya digunakan untuk autokorelasi tingkat pertama first order autokorelasi dan mensyaratkan adanya intercept konstanta
dalam model regresi. Menurut Erlina dan Mulyani 2007:110, ketentuan uji ini antara lain:
1. Bila nilai DW terletak antara batas atas atau Upper Bound DU
Kategori