sumbu Y. Hal ini menunjukkan tidak terjadi heterokedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi Pendapatan Asli
Daerah berdasarkan masukan variabel independennya retribusi daerah dan pajak daerah.
Gambar 4.13
Sumber Olahan : SPSS 16, 2009
d. Uji Autokorelasi
Uji autokorelasi hanya digunakan untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept konstanta dalam
model regresi dan tidak ada variabel lagi diantara variabel independen. Hipotesis yang akan diuji:
Ho : tidak ada autokorelasi r=0 Ha : ada autokorelasi r
≠0
Pengambilan keputusan ada tidaknya autokorelasi: TABEL 4.14
Hipotesis Nol Keputusan
Jika
Tidak ada autokorelasi positif Tolak
0 d dl Tidak ada autokorelasi positif
No desicison dl
≤ d ≤ du Tidak ada autokorelasi negatif
Tolak 4 – dl d 4
Tidak ada autokorelasi negatif No desicison
4 – du ≤ d ≤ 4 – dl
Tidak ada autokorelasi positif atau negatif
Tidak ditolak du d 4 – du
Hasil dari uji autokorelasi dapat dilihat dari tabel berikut: Tabel 415
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .919
a
.844 .839
.42010 1.951
a. Predictors: Constant, LNRETRIBUSI_DAERAH, LNPAJAK_DAERAH b. Dependent Variable: LNPENDAPATAN_ASLI_DAERAH
Sumber Olahan : SPSS 16, 2009
Berdasarkan tabel di atas diketahui bahwa nilai DW sebesar 1,951 Nilai ini dibandingkan dengan nilai tabel dengan menggunakan nilai signifikan 5, jumlah
variabel independen 2 k=2 dan jumlah observasi sebanyak 72 n=72 maka deri tabel Durbin Watson akan didapatkan nilai DL sebesar 1,571 dan nilai DU sebesar
1,680 oleh karena nilai DW 1,951 lebih besar dari batas atas DU 1,680 dan kurang dari 4 – 1,680 = 3,320 4 – DU, berarti DUd4-DU 1,680 1,951
3,320 maka dapat disimpulkan bahwa tidak terdapat autokorelasi.
2. Pengujian Hipotesis
Model analisis data yang digunakan adalah model regresi berganda untuk melihat pengaruh retribusi daerah dan pajak daerah terhadap Pendapatan Asli
Daerah. Adapun formula regresi berganda adalah:
Y = + 1x1 + 2x2 + Keterangan;
Y =
Pendapatan Asli Daerah PAD X1
= Pajak Daerah
X2 =
Retribusi daerah =
konstanta 1, 2
= koefisien regresi yang menunjukkan angka peningkatan atau
penurunan variabel dependen berdasarkan pada variabel independen
= error
Hasil pengujian regresi berganda untuk melihat pengaruh retribusi daerah dan pajak daerah dapat dilihat dari tabel berikut:
Tabel 4.16
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .919
a
.844 .839
.42010 1.951
a. Predictors: Constant, LNRETRIBUSI_DAERAH, LNPAJAK_DAERAH b. Dependent Variable: LNPENDAPATAN_ASLI_DAERAH
Sumber Olahan : SPSS 16, 2009
Berdasarkan tabel di atas, angka R adalah sebesar 91,9 menunjukkan bahwa korelasi atau hubungan antara PAD dengan retribusi daerah dan pajak
daerah sangat erat. Dasar untuk mengatakan hubungan ini kuat adalah nilai R diatas 50. Sedangkan koefisien determinasi R Square sebesar 84,4
menunjukkan seberapa besar kemampuan model dalam menjelaskan variasi variabel dependen. Artinya hanya 84,4 variasi atau perubahan dalam PAD
dapat dijelaskan oleh retribusi daerah dan pajak daerah. Jika indevenden lebih dari satu maka dianalisis data edjustment R kuadrat. Sedangkan sisanya sebesar 15,6
dijelaskan oleh faktor-faktor lain yang tidak dimasukkan dalam model penelitian.
a. Uji t
