commit to user 43
B. Pengujian Hipotesis
1. Pengujian Asumsi Klasik
Model regresi dalam penelitian dapat digunakan untuk estimasi dengan signifikan dan representatif jika model regresi tersebut tidak menyimpang dari
asumsi dasar klasik regresi berupa: normalitas, autokorelasi, heterokedastisitas dan multikolinearitas. Berikut ini dipaparkan hasil asumsi klasik atas data yang
digunakan dalam penelitian.
a. Uji Heterokedastisitas
Heterokedastisitas merupakan keadaan yang menggambarkan seluruh faktor gangguan tidak memiliki varian yang sama untuk seluruh pengamatan
atas variabel independen. Dalam penelitian ini, uji yang digunakan untuk mendeteksi adanya heterokedastisitas dalam model regresi adalah metode
Glejser, yaitu dengan meregresikan nilai dari seluruh variabel independen dengan nilai mutlak absolute dari nilai residual sehingga dihasilkan
probability value. Kriteria pengujiannya adalah jika probability value 0,05 maka terjadi heterokedastisitas dan jika probability value 0,05 maka tidak
terjadi heterokedastisitas. Hasil uji heterokedastisitas dapat dilihat pada tabel berikut ini.
commit to user 44
Tabel 4. 2 Hasil Uji Heterokedastisitas
Sebelum Outlier Data
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error
Beta 1
Constant -1,1420
0,638 2,225
0,030 Ln_TA
0,023 0,023
0,156 0,998 0,322
Ln_PAD 0,045
0,021 0,381 2,171
0,034 DPRD
-0,006 0,002
-0,525 -3,739 0,000
Leverage 0,089
0,461 0,023 0,194
0,847 Inter_Rev
-0,015 0,110
-0,019 -0,136 0,034
Hasil uji heterokedastisitas di atas menunjukkan bahwa data variabel yang digunakan dalam penelitian ini mengalami heterokedastisitas pada
ukuran DPRD dan intergovermental revenue dengan dibuktikan oleh nilai sig yang lebih kecil dari tingkat signifikasi penelitian 5. Oleh karena data
mengalami heterokedastisitas, maka dilakukan proses outlier dengan mengeluarkan data yang bernilai ekstrem dari data penelitian.
Proses outlier dilakukan dengan menggunakan dasar Z-score atas data dalam penelitian. Dengan mengeluarkan nilai ekstrem dalam data penelitian
berdasar Z-score diharapkan dapat diperoleh data penelitian terdistribusi normal sehingga proses regresi dapat dilakukan. Setelah melakukan proses
outlier diperoleh data penelitian yang berdistribusi normal sejumlah 50 data yang berarti terdapat 14 data ekstrem yang dikeluarkan dari data penelitian
ini. Berikut disajikan hasil uji heterokedastisitas data setelah dilakukan proses outlier data.
commit to user 45
Tabel 4. 3 Hasil Uji Heterokedastisitas
Setelah Outlier Data
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
-0,410 0,254
-1,615 0,114
Ln_TA 0,004
0,006 0,100
0,610 0,545
Ln_PAD 0,012
0,006 0,501
2,009 0,051
DPRD 0,000
0,000 -0,189 -1,085
0,284 Leverage
-0,094 0,106
-0,129 -0,893 0,377
Inter_Rev 0,062
0,065 0,220
0,957 0,344
Tabel di atas menunjukkan bahwa probabilitas sig dalam tiap model regresi yang digunakan dalam penelitian ini lebih besar dari 0,05 atau 5
sehingga dapat dinyatakan bahwa tidak terjadi gejala heteroskedastisitas dalam semua model regresi penelitian ini.
b. Uji Normalitas Data
Kategori