Pengujian Asumsi Klasik a

c. Rata-rata dari retribusi daerah adalah 17.0264 dengan standard deviasi 6.63140 dan jumlah data yang ada adalah 76. Nilai retribusi daerah X2 tertinggi adalah adalah 23.61 dan nilai retribusi daerah terendah adalah 7.63.

2. Pengujian Asumsi Klasik a

Uji normalitas Uji normalitas bertujuan untuk mengetahui distribusi data dalam variabel yang akan digunakan dalam penelitian memiliki distribusi normal atau tidak. Untuk menguji apakah data penelitian ini terdistribusi normal atau tidak dapat dideteksi melalui dua cara yaitu analisis grafik dan uji statistik. 1 Analisis Grafik Hasil dari uji normalitas dengan grafik histogram, ditunjukkan sebagai berikut : Universitas Sumatera Utara Gambar 4.1 Sumber: Hasil Olah Data SPSS lampiran x Hasil uji normalitas diatas memperlihatkan bahwa pada grafik histogram terebut memberikan pola distribusi data megikuti kurva berbentuk lonceng yang tidak menceng skewness kiri maupun menceng kanan. Sehingga dapat disimpulkan bahwa data tersebut adalah normal. Universitas Sumatera Utara Gambar 4.2 Sumber: Hasil Olah Data SPSS lampiran xi Berdasarkan pada gambar 4.2, Ghozali 2005 menyatakan bahwa “jika distribusi data adalah normal, maka terdapat titik-titik yang menyebar disekitar garis diagonal dan penyebarannya mengikuti arah garis diagonalnya”. Dari hasil uji normalitas diatas, dengan menggunakan grafik normal plot, terlihat titik-titik menyebar disekitar garis diagonal serta penyebarannya agak mendekati dengan garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal. 2 Uji statistik Pengujian normalitas data dalam penelitian ini menggunakan uji statistik One Sample Kolmogorov- Smirnov K-S dengan membuat hipotesis : Universitas Sumatera Utara H : Data residual berdistribusi normal H 1 : Data residual tidak berdistribusi normal H : Diterima apabila nilai signifikansinya lebih besar dari 0,05, sedangkan H : Ditolak jika nilai signifikansinya lebih kecil dari 0,05. Tabel 4.2 One-Sample Kolmogorov-Smirnov Test transformasi data One-Sample Kolmogorov-Smirnov Test Standardized Residual N 28 Normal Parameters a,b Mean .0000000 Std. Deviation .96225045 Most Extreme Differences Absolute .118 Positive .118 Negative -.084 Kolmogorov-Smirnov Z .622 Asymp. Sig. 2-tailed .834 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Olah Data SPSS lampiran xii Hasil analisis metode one Sample Kolmogorov-Smirnov, menunjukkan bahwa nilai Kolmogorov-Smirnov sebesar 0,62 dan tidak signifikan pada 0,05 karena Asymp. Sig 2 tailed 0.834 dari 0,05 jadi kita tidak dapat menolak H yang mengatakan bahwa residual terdistibusi secara normal atau dengan kata lain variabel residual berdistribusi normal. Universitas Sumatera Utara b Uji Multikolonieritas Uji multikoloniearitas bertujuan untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lain dalam satu model. Menurut Ghozali 2005 “adanya gejala multikolinearitas dapat dilihat dari tolerance value atau nilai variance inflation factor VIF. Batas tolerance value adalah 0,1 dan batas VIF adalah 10”. Apabila tolerance value 0,1 atau VIF 10 = terjadi multikolinearitas. Apabila tolerance value 0,1 atau VIF 10 = tidak terjadi multikolinearitas. Universitas Sumatera Utara Tabel 4.4 Uji Multikolinearitas Sumber : Hasil Olah Data SPSS 18lampiran viii Berdasarkan hasil pengujian diatas, dapat dilihat bahwa angka Tolerance pajak daerah PD, retribusi daerah RD 0,10 dan VIF nya 10. Hasil Pengujian ini mengindikasikan bahwa terjadi multikolonieritas diantara variabel independen dalam penelitian. Tindakan perbaikan yang dilakukan dalam penelitian ini menggunakan salah satu dari beberapa cara yang telah dikemukakan pada bab sebelumnya yaitu dengan menggunakan transformasi seluruh variabel penelitian ke dalam fungsi Logaritma Natural LN, sehingga data pajak daerah dan retribusi daerah menjadi LN_pajak daerah atau LNPD dan LN_retribusi daerah atau LNRD. c Uji Heterokedastisitas Uji heteroskedastisitas bertujuan untuk menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode pengamatan yang lain. Model regresi yang baik adalah tidak terjadi Coefficients a Model Unstandardized Coefficients Standardize d Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF Constant 3.231 .396 8.163 .000 LN_RD 1.370 .331 1.351 4.141 .036 .110 9.066 LN_PD -.369 .337 -.357 -1.095 .523 .110 9.066 a. Dependent Variable: LN_BM Universitas Sumatera Utara heteroskedastisitas. Grafik scatterplot digunakan dalam penelitian ini untuk mengetahui apakah dalam penelitian terjadiheterokedastisitas. Analisis pada gambar scatterplot yang menyatakan model regresi linier berganda tidak terdapat heterokedastisitas. Metode pengambilan keputusan dengan uji heteroskedastisitas dengan melihat scatterplots yaitu dengan melihat jika titik-titik menyebar dengan pola yang tidak jelas di atas dan dibawah 0 pada sumbu Y maka dapat disimpulkan bahwa tidak terjadi masalah pada heteroskidastisitas pada model regresi. Dari table 4.5 dapat disimpulkan bahwa titk-titik menyebar dengan pola yang tidak jelas di atas dan di bawah sumbu 0 pada sumbu Y, maka dapat disimpulkan bahwa pada model regresi tidak terjadi masalah heteroskidastisitas.Hasil dari uji heterokedastisitas dapat dilihat pada grafik scatterplot berikut ini : Gambar 4.5 Sumber: Hasil Olah Data SPSS lampiran ix Universitas Sumatera Utara Gambar scatterplot diatas memperlihatkan 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. Gambar scatterplot ini mengindikasikan tidak terjadi heterokedastisitas pada model regresi sehingga model regresi layak dipakai untuk memprediksi variabel dependen belanjamodal berdasarkan masukan variabel independen yaitu pajak daerah dan retribusi daerah. d Uji Autokorelasi Uji autokorelasi bertujuan untuk mengetahui ada tidaknya korelasi antara variabel pengganggu pada periode tertentu t dengan variabel pengganggu periode sebelumnya t-1. Jika terjadi korelasi, maka terdapat problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual atau kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hasil dari uji autokorelasi dapat dilihat pada tabel berikut ini : Universitas Sumatera Utara Tabel 4.6 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson d i m e n s i o n 1 .995 a .990 .989 .71809 1.810 a. Predictors: Constant, LN_PD, LN_RD b. Dependent Variable: LN_BM Sumber : Hasil Olah Data SPSS 18Lampiran x Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji Durbin Watson dengan ketentuan dari Prof.Singgih 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 diatas +2 berarti ada autokorelasi negatif, Pada bagian model summary, hasil pengujian diatas terlihat bahwa angka D-W sebesar +1.810 -21.810+2 karena angka D-W diantara -2 sampai +2, maka dapat disimpulkan bahwa dalam penelitian ini tidak ada autokorelasi. e Analisis Regresi Dalam pengolahan data dengan menggunakan regresi linear, beberapa tahapan dilakukan untuk mencari hubungan antara variabel Universitas Sumatera Utara independen dan variabel dependen, melalui pengaruh LN_X1 pajak daerah dan LN_X2 retribusi daerah terhadap LN_Y belanja modal. Hasil regresi dapat dilihat pada tabel berikut ini : Tabel 4.7 ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 2 621.017 26.830 .099 a Residual 25 .516 Total 27 a. Predictors: Constant, LN_PD, LN_RD b. Dependent Variable: LN_BM Sumber : Hasil Olah Data SPSS 16 lampiran xi Hasil Analisis Regresi a. Dependent Variable: Ln_BM Berdasarkan nilai-nilai koefisien diatas, persamaan regresi yang dapat disusun untuk variabel pajak daerah dan retribusi daerah adalah dalam ribuan rupiah Dari tabel 4.7 ANNOVA terlihat bahwa kolom significance secara keseluruhan untuk tahun 2008 sd 2010 adalah 0,099 lebih besar dari 0.05 maka H diterima, kesimpulannya yaitu PD dan RD secara bersama-sama mempunyai pengaruh yang signifikan terhadap BM.

C. Pengujian Hipotesis