Tabel 4.6 diatas menunjukkan bahwa hasil Durbin-Watson yang diperoleh adalah 1,995 berada diantara -2 sampai +2 atau juga dapat
dikatakan mendekati 2. Ini menunjukkan bahwa tidak terjadi autokorelasi antara variabel dependen dengan variabel independen.
4.2.2.4 Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk menguji apakah di dalan sebuah model regresi terjadi ketidaksamaan varians dari residual dalam
suatu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah terjadi homokedastisitas dalam model atau dengan kata lain tidak terjadi
heterokedastisitas. Uji heteroskedastisitas ini dapat dilihat dengan grafik scatterplot berikut ini.
Sumber: output SPSS, lampiran 5 hal. 65
Gambar 4.5 Scatterplot Uji Heteroskedastisitas
Universitas Sumatera Utara
Pada gambar scatterplot diatas, terlihat penyebaran residual cenderung tidak teratur atau terlihat bahwa titik-titik menyebar secara acak diatas dan
dibawah angka 0 pada sumbu Y. Hal ini disimpulkan tidak terdapat gejala heteroskedastisitas pada model regresi penelitian ini sehingga model regresi
layak dipakai untuk memprediksi variabel Penggunaan Anggaran berdasarkan masukan variabel independen Pendapatan Asli Daerah dan Belanja Daerah.
Adanya titik-titik yang menjauh dari titik-titik yang lain dikarenakan adanya data observasi yang sangat berbeda dengan data observasi yang lain.
4.2.3 Analisis Regresi Linear Berganda
Dalam pengelolaan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel
independen dan variabel dependen, melalui pendapatan Asli Daerah dan Belanja Daerah terhadap Penggunaan Anggaran. Hasil regresi dapat dilihat
pada tabel 4.7 dibawah ini.
Tabel 4.7 Uji Analisis Regresi Linier Berganda
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -11690,970
2485,553 -4,704
,000 PAD
-,004 ,002
-,041 -1,774
,079 Belanja_Daerah
,121 ,003
,998 43,033
,000 a. Dependent Variable: Penggunaan_Anggaran
Sumber: output SPSS, lampiran 5 hal. 65 Tabel 4.7 di atas, maka dapat disimpulkan persamaan regresi linear
berganda sebagai berikut:
Y= - 11690,970 – 0,004X
1
+ 0,121X
2
+ e
Universitas Sumatera Utara