55
3.7.2.3 Uji Heterokedastisitas
“Uji heterokedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varian dari residual satu ke pengamatan ke pengamatan yang lain. Model regresi yang
memenuhi persyaratan adalah terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas” Sunjoyo,
2013:69. Uji heterokedastisitas pada aplikasi EViews dapat dilakukan dengan beberapa metode, seperti White’s General Heterocedasticity.
Hipotesis: H
= Tidak ada heterokedastisitas H
1
= Ada heterokedastisitas Kriteria pengambilan keputusan:
Jika p-value = 5 maka H ditolak.
3.7.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan
pengganggu periode t-1 sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Pengujian yang bisa
digunakan untuk meneliti kemungkinan terjadinya autokorelasi adalah uji Durbin-
Watson D-W.
56
Tabel 3.2 Kriteria Autokorelasi Durbin-Watson
Hasil Hipotesis Hasil Estimasi
Kesimpulan
H 0 dw dl
Tolak H
dl ≤ dw ≤ du
Tidak ada kesimpulan H
1
4 – dl dw 4 Tolak
H
1
4 – du ≤ dw ≤ 4 – dl
Tidak ada kesimpulan Tidak ada autokorelasi, baik
positif maupun negative du dw 4 du
Terima Sumber: Basic Econometrics, Damodar Gujarati 2003
57
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Deskripsi Objek Penelitian
Penelitian ini menggunakan data sekunder yang diperoleh dari internet melalui situs www.djpk.depkeu.go.iddan www.sumut.bps.go.id. Data yang digunakan merupakan
data laporan realisasi Anggaran Pendapatan Belanja Daerah dan laporan Produk Domestik Regional Bruto pada tahun 2010-2014. Metode analisis data yang
digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi berganda. Pengujian asumsi klasik dan regresi berganda dilakukan
dengan menggunakan software EViews versi 5,0. Berdasarkan kriteria yang telah ditentukan, diperoleh 11 kabupatenkota yang memenuhi kriteria dan menjadi sampel
dalam penelitian ini selama periode tahun 2010-2014.
4.2 Analisa Regresi Sederhana dan Variabel Moderator
Komponen-komponen model regresi dalam EViews dapat dijabarkan sebagai berikut:
1. R-squared adalah data yang menunjukkan kemampuan model, yaitu sebesar
apa variabel-variabel independen mampu menjelaskan pengaruhnya terharap variabel dependen.
2. Adjusted R-squared adalah nilai R
2
yang sudah disesuaikan. 3.
S.E. of regression adalah standar error dari persamaan regresi.