52
Tabel 4.3.1 Uji One-Sample Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 63
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 1083432.05386
593 Most Extreme Differences
Absolute .075
Positive .075
Negative -.066
Kolmogorov-Smirnov Z .597
Asymp. Sig. 2-tailed .869
a. Test distribution is Normal. b. Calculated from data.
Diolah oleh penulis 2016
Hasil uji statistik dengan menggunakan uji non parametrik KolmogorovSmirnov terlihat bahwa nilai asymp sig 2- tailed adalah 0, 869 dan
di atas nilai signifikan 0,05 dengan kata lain variabel residual berdistribusi normal.
4.3.2 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang
baik seharusnya tidak terjadi korelasi di antara variabel independen. Untuk dapat melihat ada tidaknya multikolinieritas dengan melihat angka colinierity statistic
yang ditunjukkan oleh nilai Variance Inflation Factor VIF dan nilai tolerance, dengan kriteria : jika nilai VIF 10 atau nilai tolerance 0,1 maka tidak terjadi
multikolinieritas. Hasil pengujian multikolinearitas adalah sebagai berikut :
Universitas Sumatera Utara
53
Tabel 4.3.2 Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 PAD
.400 2.499
DP .400
2.499 a. Dependent Variable: PE
Diolah oleh penulis 2016
Hasil uji statistik pada tabel 4.3.2 menunjukkan bahwa tidak terjadi multikolinearitas dimana nilai VIP untuk variabel PAD dan DP 10 sedangkan
nilai tolerance 0,1. Hal ini menunjukkan bahwa indikator variabel PAD, DAU dan DAK dalam penelitian ini tidak saling berkolerasi.
4.3.3 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Hal ini sering ditemukan pada time series.
Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Autokorelasi dapat
diketahui dengan melihat besaran Dubrin-Watson D-W sebagai berikut: 1 Angka D-W dibawah -2, berarti ada autokorelasi positif.
2 Angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi. 3 Angka D-W di atas +2, berarti ada autokorelasi negative.
Hasil pengujian autokorelasi adalah sebagai berikut :
Universitas Sumatera Utara
54
Tabel 4.3.3 Uji Statistik Durbin-Watson
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .956
a
.913 .911
1101341.23497 1.380
a. Predictors: Constant, DP, PAD b. Dependent Variable: PE
Diolah oleh penulis 2016
Berdasarkan tabel 4.3.3 diketahui bahwa nilai Dubrin-Watson sebesar 1,380. Hal tersebut mengindikasikan bahwa dalam penelitian ini bebas dari
autokorelasi karena masih dalam kisaran nilai -2 dan 2.
4.3.4 Uji Heteroskedastisitas
