Uji autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan
pada periode t-1. Cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi yaitu dengan menggunakan nilai uji Durbin Watson dengan ketentuan
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. Hasil dari uji autokorelasi dapat dilihat pada tabel berikut ini :
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.680 a
.463 .429
.33206 1.802
a. Predictors: Constant, LN_DBH_SDA, LN_DAU, LN_DBH_PJKJ, LN_PAD b. Dependent Variable: LN_BM
Sumber : Diolah dari SPSS, 2013. Hasil uji autokorelasi diatas menunjukkan nilai statistik D-W sebesar 1,802
angka ini terletak diantara -2 dan +2, sehingga dapat disimpulkan bahwa tidak terjadi autokorelasi positif maupun negatif.
4.1.4 Model dan Teknik Analisis Data
4.1.4.1 Model Regresi Berganda
Universitas Sumatera Utara
Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan variabel
dependen, melalui pengaruh Ln_PAD X1, Ln_DAU X2, Ln_DBH_PJK X3, dan Ln_DBH_SDA X4 terhadap Ln_BM Y. Hasil regresi dapat dilihat pada tabel
berikut :
Tabel 4.5 Hasil Analisis Regresi
Coefficients
a
Model Unstandardized
Coefficient Standardized
Coefficient t
Sig. Collinearity Statistics
B Std.Error
Tolerance VIF
1 Constant Ln_PAD
Ln_DAU Ln_DBH_PJK
Ln_DBH_SDA 7.575
.135 .123
.099 .262
3.216 .072
.173 .077
.059 .241
.082 .146
.461 2.356
1.866 .714
1.281 4.431
.022 .067
.478 .205
.000 .502
.632 .650
.775 1.992
1.582 1.539
1.29 a. Dependent Variable: LN_BM
Sumber : Diolah dari SPSS, 2013. Model regresi dalam penelitian ini telah diubah menjadi model logaritma
natural, sehinga beta dan koefisien dari penelitian ini dapat disimpulkan dalam bentuk logaritma natural.
Berdasarkan tabel di atas, persamaan regresi yang dapat disusun untuk variabel Pendapatan Asli Daerah, Dana Alokasi Umum, Dana Bagi Hasil Pajak, dan
Dana Bagi Hasil Sumber Daya Alam adalah dalam jutaan rupiah :
Universitas Sumatera Utara
LnBM = 7.575 + 0.135 LnPAD + 0.123 LnDAU + 0.099 LnDBH_PJK + 0.262 LnDBH_SDA
Keterangan :
Ln BM = Logaritma Natural LN Realisasi Belanja Modal
Ln PAD = Logaritma Natural LN Realisasi Pendapatan Asli Daerah
Ln DAU = Logaritma Natural LN Realisasi Dana Alokasi Umum
Ln DBH_PJK = Logaritma Natural LN Realisasi Dana Bagi Hasil Pajak Ln DBH_SDA = Logaritma Natural LN Realisasi Dana Bagi Hasil Sumber Daya
Alam Interpretasi dari persamaan di atas adalah :
1 Konstanta a sebesar 7,575, menyatakan bahwa jika variabel independen dianggap konstan, maka belanja modal sebesar 7,575.
2 Koefisien PAD b1 = 0,135, koefisien regresi ini menunjukkan bahwa setiap kenaikan variabel pendapatan asli daerah sebesar 1, maka akan menaikkan
belanja modal sebesar 0,135 atau 13,5 dengan asumsi variabel lainnya tetap atau sama dengan nol,
3 Koefisien DAU b2 = 0,123, koefisien regresi ini menunjukkan bahwa setiap kenaikan variabel dana alokasi umum sebesar 1, maka akan menaikkan
belanja modal sebesar 0,123 atau 12,3 dengan asumsi variabel lainnya tetap atau sama dengan nol,
4 Koefisien DBH_PJK b3 = 0,099, koefisien regresi ini menunjukkan bahwa
Universitas Sumatera Utara
setiap kenaikan variabel dana bagi hasil pajak sebesar 1, maka akan menaikkan belanja modal sebesar 0,099 atau 9,9 dengan asumsi variabel
lainnya tetap atau sama dengan nol, 5 Koefisien DBH_SDA b4 = 0,262, koefisien regresi ini menunjukkan bahwa
setiap kenaikan variabel dana bagi hasil sumber daya alam sebesar 1, maka akan menaikkan belanja modal sebesar 0,262 atau 26,2 dengan asumsi
variabel lainnya tetap atau sama dengan nol.
4.1.5 Pengujian Hipotesis 4.1.5.1 Uji Parsial Uji t Statistik
