60
4.2.3.3. Uji Heteroskedastisitas sebelum Transformasi
Gambar 4.3. Scatterplot Heteroskedastisitas sebelum Transformasi
Ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu bergelombang, melebar lalu
menyempit pada grafik Scatterplot antara prediksi nilai variabel terikat. Berdasarkan Gambar 4.3, terlihat bahwa titik-titik menyebar lebih meluas
dan secara acak baik di atas maupun di bawah garis 0 pada sumbu Y dan Titik-titik data tidak mengumpul hanya di atas atau di bawah saja sehingga
dapat disimpulkan tidak terdapat masalah heteroskedastisitas.
4.2.3.4. Uji Normalitas setelah Transformasi
Sebelum dilakukan pengujian hipotesis maka terlebih dahulu dilakukan pengujian normalitas data untuk menguji apakah data yang
digunakan berdistribusi normal atau tidak. Analisis normalitas
Universitas Sumatera Utara
61
menggunakan uji Kolmogorov_Smirnov dengan menggunakan tingkat signifikansi 5.
Tabel 4.6 Hasil Uji Normalitas Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
78 Normal Parameters
a,b
Mean .0000000
Std. Deviation 3.52433948
Most Extreme Differences Absolute
.060 Positive
.052 Negative
-.060
Test statistic
.060 Asymp. Sig. 2-tailed
.200
c,d
a.Test distribution is Normal.
Sumber data : diolah SPPS
Berdasarkan dari analisis statistik
Kolmogorov- Smirnov, pada tabel
4.6 di atas menunjukkan bahwa nilai memiliki p-value 0,05 yaitu signifikansi pada angka 0,200 yang mempunyai arti bahwa data variabel
yang digunakan dalam penelitian ini telah terdistribusi normal.
Universitas Sumatera Utara
62
Gambar 4.4. Uji Normalitas Histogram
Hasil perhitungan SPSS untuk uji normalitas data menggunakan Histogram Display Normal Curve pada gambar 4.4 variabel Pendapatan
Asli Daerah Regresi Residual menunjukkan bahwa bentuk histogram mengikuti bentuk distribusi normal.
Gambar 4.5 Uji Normalitas Grafik P-Plot
Universitas Sumatera Utara
63
Pada gambar 4.5 P-P Plot terlihat bahwa nilai plot P-P terletak di sekitar garis diagonal. Plot tidak menyimpang jauh dari garis diagonal dan
penyebaran titik-titik data searah mengikuti garis diagonal, yang menunjukkan bahwa regresion residual model ini berdistribusi normal.
Dari hasil uji normalitas dalam seluruh tahap, menyimpulkan arti bahwa semua Variabel dalam penelitian ini telah berdistribusi normal.
4.2.3.5. Uji Multikolinieritas Setelah Transformasi
Setelah dilakukan transformasi, diperoleh nilai korelasi yang lebih besar dari 0,10 dan Variance Inflation Factor VIF lebih kecil dari
10. Hal ini menunjukkan bahwa variabel independen dalam penelitian ini tidak saling berkolerasi atau tidak ditemukan adanya korelasi antara
variabel independen. Multikolinieritas terjadi apabila nilai tolerance 0,10 dan VIF 10. Hasil pengujian terlihat pada Tabel 4.7 berikut :
Tabel 4.7 Hasil Uji Multikolinieritas Setelah Transformasi
Model Tolerance
VIF Intreprestasi hasil
LnX1 .835
1.198 Tidak terjadi
multikolinearitas LnX2
.895 1.117
Tidak terjadi multikolinearitas
LnX3 .865
1.156 Tidak terjadi
multikolinearitas LnX1.Z
.322 3.105
Tidak terjadi multikolinearitas
LnX2.Z .413
2.422 Tidak terjadi
multikolinearitas Sumber : Data Olahan SPSS
Universitas Sumatera Utara
64
Berdasarkan Hasil uji multikolinearitas pada tabel 4.7, menunjukkan tidak ada variabel yang memiliki nilai tolerance kurang dari
0,10. Demikian juga hasil perhitungan Variance Inflation Factor VIF tidak ada variabel yang memiliki nilai VIF lebih besar dari 10. Dengan
demikian dapat disimpulkan bahwa dari model regresi yang digunakan tidak terjadi multikolinieritas.
4.2.3.6. Uji Heteroskedasitas Setelah Transformasi
Kategori