50 ini pengujian normalitas yang berdasarkan dengan uji statistik non-
parametrik Kolmogrov-Smirnov K-S untuk memastikan apakah data benar berdistribusi normal.
Tabel 4.7 One-Sample Kolmogrov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 100
Normal Mean
0E-7
Parameters
a,b
Std.
1.52323554
Deviation Most Extreme
Absolute .084
Differences Positive
.084
Negative -.058
Kolmogorov-Smirnov Z .839
Asymp. Sig. 2-tailed
.482
Sumber : Hasil Pengolahan SPSS
Berdasarkan Tabel 4.7 terlihat bahwa nilai Asymp. Sig. 2- tailed adalah 0.482, dan diatas nilai signifikan 0.05, dengan kata
lain variabel residual berdistribusi normal. Nilai Kolmogrov-Smirnov Z yakni 0.839 lebih kecil dari 1,97 berarti tidak ada perbedaan antara
distribusi teoritik dan distribusi empirik atau dengan kata lain data dikatakan normal.
b. Uji Heteroskedastisitas
Uji heteroskedastisitas ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan
ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap,maka disebut homoskedastisitas dan jika
berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang
Universitas Sumatera Utara
51 homoskedastisitas atau tidak terjadi heteroskedastisitas.
Ada beberapa cara untuk mendeteksi ada atau tidaknyaheteroskedastisitas,yaitu:
1. Metode Grafik Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik
menyebar di atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang
membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.
Sumber : Hasil Pengolahan SPSS
Gambar 4.3 Grafik ScatterPlot Uji heteroskedastisitas
Universitas Sumatera Utara
52 Berdasarkan Gambar 4.3 dapat terlihat dari grafik ScatterPlot yang
disajikan, terlihat titik-titik menyebar secara acak tidak membentuk suatu pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka
nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi
transparansi laporan keuangan daerah, berdasarkanmasukan variabel independennya
2. Uji Glejser Uji Glejser dilakukan dengan cara meregresikan antara variabel
independendengan nilai absolut residualnya, jika nilai signifikansi antara variabel independen dengan absolut residual lebih dari 0.05 maka tidak
terjadi masalah heteroskedastisitas.
Tabel 4.8 Uji Glejser
Coefficients
a
Model Unstandardized
Standardized t
Sig. Coefficients
Coefficients B
Std. Error Beta 1
Constant .904
.805 1.124
.264
PENDIDIK -.033
.060 -.081
-.558 .578
KURIKULUM .050
.050 .153
.993 .323
SPEKKOMP
-.006 .039
-.022 -.156
.876
Sumber : Hasil Pengolahan SPSS
Berdasarkan Tabel 4.8 terlihat jelas menunjukkan tidak satupun variabel independen yang signifikan mempengaruhi variabel dependen
absolut Ut asbUt.Hal ini terlihat dari probabilitas signifikansinya diatas tingkat kepercayaan 5, jadi disimpulkan model regresi tidak
Universitas Sumatera Utara
53 memengaruhi heteroskedastisitas.
c. Uji Multikolinearitas
