90
Tabel 4.6. Hasil Uji Normalitas
Kolmogorov-Smirnov Statistic df Sig
Pajak Reklame 0,196
6 0,200
Pajak Hiburan 0,166
6 0,200
Pajak Asli Daerah 0,135
6 0,200
Sumber : Lampiran 3 Dari tabel 4.6. di atas dapat diketahui bahwa variabel pajak
reklame X
1
, pajak hiburan X
2
serta Pendapatan Asli Daerah Y secara keseluruhan memiliki nilai kolmogorov smirnov dengan tingkat
signifikansi lebih besar dari 0,05 sehingga dapat disimpulkan bahwa datanya berdistribusi normal.
4.3.2. Hasil Pengujian Asumsi Klasik
4.3.2.1.Hasil Pengujian Autokorelasi
Autokorelasi digunakan untuk menguji apakah dalam sebuah
model regresi linier berganda, ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Jika
terjadi korelasi, maka dinamakan ada problem autokorelasi Ghozali 2006: 100.
Berdasarkan hasil pengujian regresi linier berganda diketahui nilai Durbin Watson adalah 2,167 lampiran 4 dan berdasarkan pedoman regresi
untuk mendeteksi autokorelasi angka dengan keputusan untuk mendeteksi autokorelasi du d 4 – du dan nilai Durbin Watson terletak diantara 1,4
2,167 2,6 sehigga dapat diputuskan bahwa tidak ada autokorelasi positif atau negatif.
91
4.3.2.2.Hasil Pengujian Multikolinieritas
Multikoliner adalah terjadinya hubungan antar variabel bebas
dalam persamaan regresi linier berganda. Pendeteksian adanya multikolinier dengan Mengetahui nilai ”pembengkakan varians” atau
Varians inflation Factor VIF. Berikut ini hasil pengujian
multikolinieritas :
Tabel 4.7. Hasil Pengujian Multikolinieritas
No Variabel Tolerance
VIF Keterangan
1 2
Pajak Reklame X
1
Pajak Hiburan X
2
0,108 0,108
9,516 9,516
Non Multikolinier Non Multikolinier
Sumber : Lampiran 4 Berdasarkan hasil pengujian diatas diketahui bahwa nilai VIF
adalah 9,516 yang berarti 10 maka dapat diputuskan bahwa tidak terjadi multikolinieritas.
4.3.2.3.Hasil Pengujian Heteroskedastisitas
Heterokedastisitas, model regresi yang baik adalah tidak
mempunyai heterokedastisitas. Dalam asumsi klasik, salah satu persyaratan yang harus dipenuhi adalah varian dan komponen pengganggu
dianggap konstan dari pengamatan yang satu ke pengamatan yang lain, anggapan ini dikenal sebagai heterokedastisitas. Situasi atau gejala yang
terjadi tersebut disebut gejala heterokedastisitas. Identifikasi heterokedastisitas dalam penelitian ini menggunakan korelasi rank
Spearman. Berikut ini hasil heteroskedastisitas:
92
Tabel 4.8. Hasil Pengujian Heteroskedastisitas
No Variabel
Nilai mutlak dari residual
Taraf Signifikansi
Keterangan
1. 2.
Pajak Reklame X
1
Pajak Hiburan X
2
0,143 0,143
0,787 0,787
Non Heteroskedastisitas Non Heteroskedastisitas
Sumber : Lampiran 5 Tabel di atas menunjukkan bahwa taraf signifikansi untuk masing-
masing variabel bebasnya di atas 0,5 dapat diputuskan tidak terjadi heteroskedastisitas.
4.3.3. Hasil Pengujian Regresi Linier Berganda
