pen dia
der ngujian dil
agonal berd rajat keperc
lakukan unt distribusi n
cayaan 0,05
Sumber
Sumber
tuk memas normal, jik
5 maka data
Gam Hist
r: Hasil pen
Gam Grafik No
r : Hasil Pe
stikan apaka ka nilai sig
terdistribus
mbar 4.1 togram
ngolahan S
mbar 4.2 ormal P-Pl
engolahan S
ah data di gnifikansi l
si normal.
SPSS, 2011
ot SPSS, 2011
sepanjang lebih besar
garis r dari
Universitas Sumatera Utara
Pada grafik histogram gambar 4.1 menunjukkan bahwa bahwa data telah berdistribusi normal karena grafik histogram menunjukkan distribusi
data tersebut tidak menceng ke kiri atau menceng ke kanan. Pada scatter plot gambar 4.2 memperlihatkan titik-titik menyebar di sekitar garis
diagonal serta penyebarannya mendekati garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
Uji normalitas juga dapat dilakukan dengan Kolmogorov Smirnov untuk mengetahui apakah variabel dana alokasi umum, kapasitas fiskal,
dan belanja daerah berdistribusi normal atau tidak. Apabila nilai signifikansinya lebih besar dari 0,05 maka data berdistribusi normal,
sedangkan jika nilai signifikansinya lebih kecil dari 0,05 maka data tidak berdistribusi normal.
Tabel 4.3 berikut menyajikan tabel hasil uji Kolmogorov Smirnov.
Tabel 4.3 Hasil Uji Kolmogorov-Smirnov
Sumber : Hasil Pengolahan SPSS, 2011
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
32 Normal Parameters
a
Mean .0000010
Std. Deviation 1.14709206E11
Most Extreme Differences
Absolute .143
Positive .143
Negative -.137
Kolmogorov-Smirnov Z .810
Asymp. Sig. 2-tailed .528
a. Test distribution is Normal.
Universitas Sumatera Utara
Hasil pengolahan data dengan menggunakan pendekatan 1 sample KS menunjukkan besar nilai Kolmogorov-Smirnov adalah 0,810 dan
signifikansi pada 0.528 maka disimpulkan data terdistribusi secara normal karena nilai asymp. Sig. adalah 0.528 dan berada di atas nilai signifikan
0,05. Kesimpulan secara keseluruhan yang dapat diambil adalah bahwa nilai-nilai observasi data telah terdistribusi secara normal dan dapat
dilanjutkan dengan uji asumsi klasik lainnya.
b. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen. Model regresi
yang baik seharusnya tidak terjadi korelasi diantara variabel independen Erlina, 2008.
Gejala multikolinieritas dapat dilihat dari nilai Tolerance dan VIF Varience Inflation Factor. Kedua ukuran ini menunjukkan setiap
variabel bebas mana saja yang dijelaskan oleh variabel bebas lainnya. Tolerance mengukur variabilitas variabel terpilih yang tidak dijelaskan
oleh variabel independen lainnya. Nilai yang biasa dipakai dalam uji ini adalah jika nilai Tolerance 0,1 atau nilai VIF 5, maka tidak terjadi
multikolinieritas Situmorang, 2007. Hasil uji multikolinearitas pada tabel berikut:
Universitas Sumatera Utara
Tabel 4.4 Hasil Uji Multikolinearitas
Sumber : Hasil Pengolahan SPSS, 2011
Berdasarkan uji multikolinearitas yang terdapat dalam tabel 4.4 tersebut, seluruh variabel independen yang digunakan dalam penelitian ini
yaitu DAU dan KF memiliki angka variance inflaction factor VIF lebih kecil dari 5, DAU dan KF memiliki angka VIF 1,011. Sementara itu,
angka tolerance menunjukkan nilai yang lebih besar dari 0,1 yaitu untuk variabel DAU memiliki nilai tolerance 0,989; variabel kapasitas fiskal
memiliki nilai tolerance 0,989. Dengan demikian dapat disimpulkan bahwa tidak terjadi gejala multikolineritas dalam variabel bebasnya.
c. Heterokedastisitas