Pengujian Asumsi Klasik Hasil Pengujian Instrumen

Ekonomi Masyarakat X 1 , Pendidikan X 2 , Pelayanan Sosial dan Kesehatan X 3 , Keagamaan X 4 dan Kesadaran Lingkungan X 5 mempunyai nilai Cronbach Alpha lebih besar dari 0.6. Dengan demikian berarti item pernyataan untuk semua variabel adalah reliabel. Tabel 4.16. Reliabilitas Variabel Variabel Cronbach Alpha Keterangan Y Pengembangan Wilayah 0,725 Reliabel X 1 Pemberdayaan Ekonomi Masyarakat 0,828 Reliabel X 2 Pendidikan 0,822 Reliabel X 3 Pelayanan Sosial dan Kesehatan 0,831 Reliabel X 4 Keagamaan 0,887 Reliabel X 5 Kesadaran Lingkungan 0,863 Reliabel Sumber: Data Output SPSS, 2010.

4.6.3. Pengujian Asumsi Klasik

Pada prakteknya, beberapa masalah sering muncul pada saat analisis regresi digunakan untuk mengestimasi suatu model dengan sejumlah data. Masalah tersebut dalam buku ekonometrika termasuk dalam pengujian asumsi klasik yaitu ada tidaknya masalah multikolinearitas, tidak ada heteroskedastisitas, dan normalitas Mudrajad Kuncoro, 2001: 105. Terjadinya penyimpangan terhadap asumsi klasik tersebut di atas akan menyebabkan uji statistik uji t dan F yang dilakukan menjadi tidak valid dan secara statistik akan mengacaukan kesimpulan yang diperoleh. Universitas Sumatera Utara Uji Normalitas Uji Normalitas untuk melakukan uji regresi disyaratkan agar data yang dipakai normal. Pada penelitian ini untuk mengetahui normalitas distribusi data dilakukan dengan melihat nilai residual pada model regresi yang akan diuji. Jika residual berdistribusi normal maka nilai-nilai sebaran datanya akan terletak di sekitar garis lurus Santoso, 2001. Hasil pengujian normalitas dapat dilihat Gambar 4.3, dapat disimpulkan nilai- nilai sebaran datanya akan terletak di sekitar garis lurus, sehingga model regresi layak digunakan. Gambar 4.3. Hasil Uji Normalitas Universitas Sumatera Utara Uji Multikolinearitas Menurut Ghozali 2001, uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas independen. Jika terjadi korelasi, maka dinamakan terdapat problem multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Uji multikolinearitas dapat dilihat pada Tabel 4.17 di bawah ini. Tabel 4.17. Hasil Uji Multikolinearitas Variabel Collinearity Statistics Keterangan Dependen Independen Tolerance VIF Y Pengembangan Wilayah X 1 Pemberdayaan Ekonomi 0,142 7,054 Bebas Multikolinearitas X 2 Pendidikan 0,267 3,747 Bebas Multikolinearitas X 3 Pelayanan Sosial dan Kesehatan 0,227 4,410 Bebas Multikolinearitas X 4 Keagamaan 0,321 3,118 Bebas Multikolinearitas X 5 Kesadaran Lingkungan 0,421 2,375 Bebas Multikolinearitas Sumber: Data Primer Diolah, 2010. Untuk mendeteksi ada tidaknya multikolinearitas dapat dilihat dari nilai tolerance value dan variance inflation factor VIF. Jika nilai tolerance value di atas 0,1 dan nilai VIF adalah di bawah 10 maka dianggap tidak terkena multikolinearitas. Dari hasil pengujian Tabel 4.10 menunjukkan bahwa nilai tolerance value dari kelima variabel independen berada di atas 0,1 dan nilai VIF di bawah 10 dengan demikian persamaan regresi linear berganda tidak terjadi multikolinearitas. Universitas Sumatera Utara Uji Heteroskedastisitas Pengujian heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang terjadi homoskedastisitas Ghozali, 2001. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat adanya tidaknya pola tertentu pada grafik scatterplot. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengidentifikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y maka tidak terjadi heteroskedastisitas Ghozali, 2001. Hasil pengolahan data menunjukkan grafik scatterplot seperti terlihat sebagai berikut: Gambar 4.4. Hasil Uji Heteroskedastisitas Universitas Sumatera Utara

4.7. Analisis Regresi Linier Berganda