40
menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian
sederhana setiap variabel independen menjadi variabel dependen terikat dan diregres terhadap variabel independen lainnya.
Tolerance mengukur variabilitas variabel independen yang terpilih yang tidakdijelaskan oleh variabel independen lainnya.
Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1 Tolerance. Nilai cutoff yang umum dipakai
untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10.
3.6.1.3 Uji Heteroskedastisitas
Uji heterokedastisitasmenunjukkan bahwa varians variabel tidaksama untuk semua pengamatanobservasi. Jika varians dari residual satu
pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas Model regresi yang baik adalah terjadi homokedastisitas dalam model, atau
dengan perkataan lain tidak terjadi heterokedastisitas. Untuk mendeteksi adanya heterokedastisitas dilakukan dengan melihat Scatterplot.
Dasar analisis yang digunakan dalam uji heterokedatisitas dijelaskan sebagai berikut:
1. Jika ada pola tertentu, seperti titik - titik yang membentuk suatu pola
tertentu teratur bergelombang, melebar, kemudian menyempitmaka mengindikasikan telah terjadi heterokedastisitas.
Universitas Sumatera Utara
41
2. Jika tidak ada pola yang jelas, serta titik- titik menyebar diatas dan dibawah angka 0 sumbu Y, maka tidak terjadi heterokedastisitas.
Analisis dengan grafik plots memiliki kelemahan yang cukup signifikan oleh karena jumlah pengamatan mempengaruhi hasil ploting.
Semakin sedikit jumlah pengamatan, semakin sulit untuk mengintepretasikan hasil grafik plot.Uji statistik diperlukan untuk
mendapatkan hasil yang lebihdapat menjamin keakuratan hasil, yaitu dengan uji parkGhozali, 2006. Dasar pengambilan keputusan uji
heterokedatisitas melalui uji parkdijelaskan sebagai berikut: a Apabila koefisien parameter betasig 0,05 dari persamaan regresi
signifikan statistik, yang berarti data empiris yang diestimasi terdapat heterokedastisitas.
b Apabila koefisien parameter beta sig 0,05dari persamaan regresi tidak signifikan statistik, maka berarti data empiris yang diestimasi
tidak terdapat heteroskedastisitas.
3.6.1.4 Uji Autokorelasi
Uji ini bertujuan untuk “menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pada periode t-1 sebelumnya”, Ghozali, 2006:99. Autokorelasi dapat terjadi pada observasi yang menggunakan
runtut waktu time series dimana pengganggu dari data pada periode sebelumnya akan berpengaruh terhadap data pada periode berikutnya.
Model regresi yang baik harus terbebas dari adanya autokorelasi. Salah
Universitas Sumatera Utara
42
satu cara untuk mengetahui ada atau tidaknya korelasi yaitu dengan melakukan uji Durbin-Watson DW test 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.
3.6.2
Uji Regresi Linear Berganda
Analisis yang digunakan dalam penelitian ini adalah analisis regresi berganda multiple regression analysis. Uji ini dilakukan untuk mengetahui
seberapa besar pengaruh beberapa variabel independen terhadap satu variabel dependen. Hasil dari analisis regresi berganda berupa koefisien untuksetiap
variabel independen. Persamaan regresi linier berganda yang digunakan adalah sebagai berikut:
Y = α + �1 X1 +�2 X2+�3 X3 + �
Keterangan:
Y = kemiskinan α = konstanta
β1, β2, β3 = koefisian regresi dari variabel independen
X1 = DAK bidang pendidikan X2 = DAK bidang kesehatan
X3 = DAK bidang lingkungan hidup ε = error
Universitas Sumatera Utara
43
3.6.3 Pengujian Hipotesis Penelitian 3.6.3.1 Uji Statistik t uji secara parsial