Sumber: Hasil SPSS
Gambar 5.7 Pengujian Normalitas Data
Dengan cara membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal, dari grafik di atas dapat disimpulkan bahwa distribusi normal karena grafik
histogram menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng skewness ke kiri maupun ke kanan atau normal.
Sumber: Hasil SPSS
Gambar 5.8 Pengujian Normalitas Data
Demikian pula dengan hasil uji normalitas dengan menggunakan grafik plot. Pada grafik normal plot, terlihat titik-titik menyebar disekitar garis diagonal serta penyebarannya agak
mendekati dengan garis diagonal sehinggan dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal
5.1.3.2.2. Pengujian Heteroskedastisitas
Hasil pengujian data menyimpulkan bahwa model regresi tidak terjadi heterokedastisitas. Hasil pengujian heterokedastisitas dapat dilihat pada Gambar 5.9 berikut ini.
Universitas Sumatera Utara
Sumber: Hasil SPSS
Gambar 5.9 Pengujian Heteroskedastisitas Data
Dari Gambar 5.9 scatterplot di atas, terlihat bahwa titik-titik menyebar secara acak serta tidak membentuk pola tertentu atau tidak teratur, serta titik-titik menyebar di atas dan di bawah
angka 0 pada sumbu Y. Hal ini mengindikasikan tidak terjadi heteroskedastisitas pada model regresi.
5.1.3.2.3. Pengujian Multikolinieritas
Dalam penelitian ini, untuk mendeteksi data ada tidaknya gejala multikolinieritas adalah dengan melihat besaran korelasi antar variabel independen dan besarnya tingkat kolinieritas yang
masih dapat ditolerir, yaitu : Tolerance 0,10 dan Variance Inflation Factor VIF 10. Berikut disajikan Tabel 5.3 hasil pengujian:
Tabel 5.3 Pengujian Multikolinieritas Data LN_Y
Model Unstandardized Coefficient
Standardized Coefficient
Collinearity Statistics
Tolerance VIF
Β Std Error
Beta Constant
-14,973 0,908
LN_X1 0,744
0,039 1,204
0,238 4,197
LN_X2 -0,373
0,042 -0,480
0,317 3,153
LN_Z 0,203
0,065 0,127
0,583 1,717
Sumber: Hasil SPSS
Hasil Perhitungan nilai tolerance menunjukkan variabel independen memiliki nilai tolerance lebih dari 0,10 lihat lampiran 4 yaitu LN_X1Pendapatan Asli Daerah sebesar 0,238,
LN_X2Dana Bagi Hasil sebesar 0,317, dan LN_ZPDRB Perkapita sebesar 0,583 yang berarti tidak terjadi korelasi antar variabel. Hasil perhitungan VIF juga menunjukkan hal yang sama
Universitas Sumatera Utara
dimana variabel independen memiliki nilai VIF kurang dari 10 yaitu LN_X1Pendapatan Asli Daerah sebesar 4,197, LN_X2Dana Bagi Hasil sebesar 3,153, dan LN_ZPDRB Perkapita
sebesar 1,717.
5.1.3.2.4. Pengujian Autokorelasi
Pada penelitian ini, uji autokorelasi dilakukan dengan uji Durbin Watson, karena uji ini yang umum digunakan. Nilai Durbin watson yang diperoleh sebesar 1,736 lihat lampiran 6. Nilai
1,736 dibandingkan dengan nilai tabel dengan jumlah observasi 125 n = 125 dan variabel independen k sebanyak 2, Nilai dw berada di antara -2 sampai +2 -2 1,736 +2 berarti tidak
ada autokorelasi. Hasil pengujian asumsi klasik untuk model 1 sampai dengan model 2 dapat dilihat pada
lampiran 3 sampai lampiran 6. Berdasarkan hasil pengujian tersebut, dapat disimpulkan bahwa seluruh model tidak melanggar asumsi klasik.
5.1.4. Pengujian Hipotesis
Setelah dilakukan pengujian asumsi klasik dan diperoleh kesimpulan bahwa model sudah dapat digunakan untuk melakukan pengujian analisa regresi berganda, maka langkah selanjutnya
adalah melakukan pengujian hipotesis.
Tabel 5.4. Ringkasan Pengujian Hipotesis
Koefisien Prob
Persamaan 1 Konstanta
A 10,806
0.000 LN_X1
b 0,311
1
0.000 LN_X2
b2 -0,102
0,085 R
0,646 R
2
0.417 F
43.711 Prob. F
0.000 Persamaan 2
Konstanta C
-14,973 0.000
LN_X1 b
0,744
1
0.000 LN_X2
b2 -0,373
0,000 LN_Z
b3 0,203
0,002 R
0,941 R
0.886
2
F 312.720
Prob. F 0.000
Sumber: Hasil SPSS
Universitas Sumatera Utara
