Luas wilayah KabupatenKota di Sumatera Utara terkecil yang digunakan dalam penelitian ini adalah 31 Km
2
dan yang terluas adalah 6.262 Km
2
dengan rata-rata Luas Wilayah KabuptenKota sebesar 2.424 Km
2
dan standar deviasi 1.951 Km
2
lebih besar dari 30 dari mean, yang menunjukkan variasi yang cukup besar antara nilai tertinggi dengan nilai terendah. Jumlah alokasi DAK tahun
2011-2012 KabupatenKota di Sumatera Utara yang paling kecil senilai 19,3 milyar rupiah dan alokasi terbesar senilai 90,9 milyar rupiah dengan rata-rata
alokasi DAK sebesar 44,2 milyar rupiah per KabupatenKota setiap tahunnya dan standar deviasi 16,6 milyar rupiah lebih besar dari 30 dari mean, yang
menunjukkan variasi yang cukup besar antara nilai tertinggi dengan nilai terendah.
5.2 Pengujian Data
5.2.1 Hasil Uji Asumsi Klasik
Pengujian terhadap ada tidaknya pelanggaran terhadap asumsi-asumsi klasik yang merupakan dasar dalam model regresi linier berganda yang meliputi:
5.2.1.1 Hasil Uji Normalitas
Uji Normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal atau tidak. Untuk
menguji data penelitian ini terdistribusi normal atau tidak dapat dideteksi melalui 2 cara yaitu analisis grafik dan analisis statistik. Hasil yang diperoleh dapat dilihat
dari gambar dan tabel berikut ini: a. Analisis Grafik
Universitas Sumatera Utara
Gambar 5.1 Grafik Normalitas
Hasil grafik diatas terlihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Hal ini menunjukkan bahwa pola distribusi
data normal, maka model regeresi memenuhi asumsi normalitas.
b. Analisis Statistik
Tabel 5.2. Hasil Pengujian One Sampel Kolmogorov Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
52 Normal Parameters
a,b
Mean -.0000032
Std. Deviation 4.0377894E10
Most Extreme Differences Absolute
.134 Positive
.134 Negative
-.054 Kolmogorov-Smirnov Z
.968 Asymp. Sig. 2-tailed
.306
Sumber: Lampiran 3 Hasil Output SPSS
Dari hasil pengujian statistik non-parametrik KS pada Tabel 5.1 diatas dapat dilihat bahwa besarnya nilai KS adalah 0,968
dan signifikan pada 0,306 diatas α = 0,05. Hal ini berarti H0 diterima yang berarti data residual terdistribusi normal,
konsisten dengan hasil uji sebelumnya.
Universitas Sumatera Utara
5.2.1.2 Hasil Uji Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen. Cara untuk mendeteksi multikolinieritas adalah dengan melihat nilai Variance Inflation
Factor VIF. Jika VIF 10, maka variabel tersebut memiliki persoalan multikolinieritas dengan variabel bebas lainnya.
Tabel 5.3 Hasil Uji Multikolinieritas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
2.577E10 2.182E10
1.181 .244
PAD_X1 .295
.066 .558
4.434 .000
.193 5.185
DAU_X2 .192
.069 .361
2.768 .008
.180 5.565
DBH_X3 -.256
.363 -.111
-.705 .484
.123 8.150
SiLPA_X4 .517
.150 .275
3.440 .001
.478 2.092
LW_X5 6456232.832
3873923.575 .117
1.667 .102
.621 1.611
a. Dependent Variable: BM_Y
Sumber: Lampiran 4 Hasil Output SPSS
Dari tabel 5.3 diatas,dapat dilihat bahwa seluruh variabel independen yaitu PAD, DAU, DBH, SiLPA dan LW mempunyai nilai VIF 10. Hal ini
berarti bahwa regresi yang dipakai untuk ke 5 lima variabel independen diatas tidak terdapat persoalan multikolinieritas.
5.2.1.3 Hasil Uji Heterokedastisitas
