48
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xpect
ed C
um P
rob
1.0 0.8
0.6 0.4
0.2 0.0
Gambar 4.2 Grafik Normal P-P Plot
Sumber : Diolah dari SPSS, 2009 Demikian juga dengan hasil uji normalitas dengan menggunakan grafik plot,
terlihat titik-titik menyebar disekitar garis diagonal serta penyebarannya agak mendekati garis diagonal sehingga dapat disimpulkan bahwa data terdistribusi dengan normal.
b. Uji Multikolineritas
Menguji dengan cara melihat besaran korelasi antar variabel independen dan besarnya tingkat kolinearitas yang masih dapat ditolerir, yaitu : Tol 0.10 dan variance
Inflation factor VIF 10
Tabel 4.4 Uji Multikolineritas
Coefficientsa
odel Unstandardized
Coefficients Sta
ndardized ig.
Collinearity Statistics
Universitas Sumatera Utara
49
Coefficients B
St d. Error
Bet a
T olerance
IF Constant
3 1167.848
11 460.682
.720 010
X 1
. 664
.5 04
.23 .316
197 .7
73 .294
X 2
1 .057
.5 84
.31 6
.809 080
.7 73
.294 a Dependent Variable: Y
Coefficient Correlationsa
odel X
2 X
1 Corr
elations 2
1. 000
- .477
1 -
.477 1.
000 Cov
ariances 2
.3 41
- .140
1 -
.140 .2
54 a Dependent Variable: Y
Nilai tolerance variabel independen menunjukkan lebih dari 0,10 yaitu 0,773 yang berarti tidak terjadi korelasi antar variabel. Hasil perhitungan VIF juga menunjukkan hal
yang sama dimana variabel independen memiliki nilai VIF kurang dari 10 yaitu 1,294. Berdasarkan tabel di atas dapat disimpulkan bahwa tidak ada multikolinieritas antar
variabel independen pada penelitian ini.
c. Uji Heterokedastisitas
Grafik scatterplot yang dihasilkan dari pengolahan data dengan program SPSS digunakan untuk mendeteksi ada tidaknya gejala heterokedastisitas.
Universitas Sumatera Utara
50
Regression Standardized Predicted Value
4 3
2 1
-1 -2
R egressi
on S
tudent iz
ed R
esi dual
4
2
-2
Gambar 4.3 Scatterplot
Dari gambar terlihat bahwa titik-titik menyebar secara acak serta tidak membentuk pola tertentu atau tidak teratur, serta titik-titik menyebar diatas dan dibawah angka 0 pada
sumbu Y. Pengujian asumsi heterokedastisitas menyimpulkan bahwa model regresi tidak terjadi heterokedastisitas. Dengan kata lain terjadi kesamaan varian dari residual dari satu
pengamatan ke pengamatan yang lain.
d. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linier ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1.
Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Untuk mendeteksi masalah autokorelasi yaitu dengan cara
menggunakan nilai uji.Durbin Watson dengan ketentuan sebagai berikut :
Universitas Sumatera Utara
51 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 diatas +2 berarti ada autokorelasi negatif.
Tabel 4.5
Model Summaryb
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.47 1a
.22 2
.175 41605.
97811 1.723
a Predictors: Constant, X2, X1 b Dependent Variable: Y
Sumber : Diolah dari SPSS,2009
Dari hasil pengujian setelah ada transformasi data terlihat bahwa angka D-W sebesar +1.723 atau dibawah +2, maka dapat disimpulkan bahwa dalam penelitian ini tidak
terdapat autokorelasi.
3. Analisis Regresi
Melalui hasil pengujian asumsi klasik dapat disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang BLUE Best Linier
Unbiased Estimator dan layak dilakukan analisis regresi.
a. Persamaan Regresi
Hasil dari regresi dapat dilihat sebagai berikut :
Tabel 4.6
Coefficientsa
odel Unstandardized
Coefficients Standardiz
ed Coefficient
s T
ig. Collinearity
Statistics
Universitas Sumatera Utara
52
B Std. Error Beta Toleranc
e IF
Std. Error Constant 31167.84
8 11460.68
2 2.720
010 X1
.664 .504
.230 1.316
197 773
1.294 X2
1.057 .584
.316 1.809
080 773
1.294 a Dependent Variable: Y
Sumber : Diolah dari SPSS, 2009
Dari nilai-nilai koefisien diatas, persamaan regresi yang dapat disusun untuk variabel Belanja Pemeliharaan dan Penerimaan daerah dalam hal ini adalah PAD dalam
ribuan rupiah :
Y = 31167.848 + 0.664 X1 + 1.057 X2
Dimana : Y
= Belanja Modal X1
= Belanja pemeliharaan X2
= Penerimaan daerah PAD Konstanta sebesar 31167.848 menyatakan bahwa jika variabel independen
dianggap nol, maka Belanja Modal sebesar 31167.848. Belanja Pemeliharaan memiliki koefisien regresi yang bertanda positif sebesar
0.664, artinya apabila terjadi perubahan variabel Belanja Pemeliharaan sebesar 1 akan menaikkan Belanja Modal sebesar 0.664 atau 66,4 . Penerimaan daerah dalam hal ini
PAD memiliki koefisien regresi bertanda positif sebesar 1.057, artinya apabila terjadi perubahan variabel PAD sebesar 1 akan menaikkan Belanja Modal sebesar 1.057 atau
105,7.
b. Koefisien Determinasi