b. Uji Multikolonieritas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala multikolonieritas adalah dengan melihat besaran korelasi antar variabel
independen dan besarnya tingkat kolonieritas yang masih dapat ditolerir, yaitu: Tolerance 0.10 dan Variance Inflation Factor VIF 10. Berikut disajikan
tabel hasil pengujian:
Tabel 4.4 Coefficients untuk Kinerja = fpajak, retribusi, hasil PH, lain-lain
Model Collinearity Statistics
Tolerance VIF
1 Constant
Pajak .027
36.512 Retribusi
.028 35.579
Hasil_PH .726
1.378 Lain_lain
.719 1.391
a Dependent Variable: Kinerja
Sumber: Data yang diolah penulis, 2009.
Tabel 4.5 Coefficient Correlations = fpajak, retribusi, hasil PH, lain-lain
Model Lain_lain
Retribusi Hasil_PH
Pajak 1
Correlations Lain_lain
1.000 .277
-.360 -.306
Retribusi .277
1.000 -.092
-.983 Hasil_PH
-.360 -.092
1.000 .034
Pajak -.306
-.983 .034
1.000 Covariances
Lain_lain 1.53E-022
3.26E-023 -1.41E-022 -2.34E-023 Retribusi
3.26E-023 9.04E-023 -2.77E-023 -5.76E-023
Hasil_PH -1.41E-022 -2.77E-023
9.97E-022 6.67E-024
Pajak -2.34E-023 -5.76E-023
6.67E-024 3.80E-023
a Dependent Variable: Kinerja
Sumber: Data yang diolah penulis, 2009.
Universitas Sumatera Utara
Tabel diatas menyimpulkan bahwa untuk uji multikolonieritas, data tidak terdistribusi secara normal. Hal ini ditunjukkan dari hasil perhitungan nilai
tolerance menunjukkan variabel independen memiliki nilai tolerance 0.10 yang berarti terjadi korelasi antar variabel independen. Hasil perhitungan VIF juga
menunjukkan hal yang sama dimana variabel independen memiliki nilai VIF 10. Berdasarkan tabel diatas dapat disimpulkan bahwa ada multikolonieritas antar
variabel independen dalam model ini. Untuk mengatasi hal ini, penulis mencoba melakukan penulis melakukan
transformasi data ke model Lg10 dari persamaan Kinerja = fPajak, Retribusi, Hasil_PH, dan Lain_lain, menjadi Kinerja = fLg10_Pajak, Lg10_Retribusi,
Lg10_HasilPH, dan Lg10_Lain-lain . Berdasarkan hasil dari transformasi data ini, maka di dapat hasil sebagai berikut:
Tabel 4.6 Coefficients untuk Kinerja = fPajak, Retribusi, Hasil_PH, dan Lain_lain
Model Collinearity Statistics
Tolerance VIF
1 Constant
lg10_pajak .148
6.780 lg10_retribusi
.175 5.706
lg10_hasil_PH .724
1.382 lg10_lain_lain
.646 1.549
a. Dependent Variable: lg10_kinerja
Sumber: Data yang diolah penulis, 2009.
Universitas Sumatera Utara
Tabel 4.7 Cofficients Correlations untuk
Kinerja = fPajak, Retribusi, Hasil_PH, dan Lain_lain
Model lg10_lain_lai
n lg10_retribu
si lg10_hasil_
PH lg10_pajak
1 Correlations
lg10_lain_lain 1.000
.245 -.305
-.372 lg10_retribusi
.245 1.000
.041 -.890
lg10_hasil_PH -.305
.041 1.000
-.160 lg10_pajak
-.372 -.890
-.160 1.000
Covariances lg10_lain_lain
.002 .001
.000 -.001
lg10_retribusi .001
.005 7.628E-5
-.004 lg10_hasil_PH
.000 7.628E-5
.001 .000
lg10_pajak -.001
-.004 .000
.004 a. Dependent Variable: lg10_kinerja
Sumber: Data yang diolah penulis, 2009.
Hasil transformasi dengan menggunakan Lg10 diatas dapat kita lihat bahwa data telah terdistribusi secara normal untuk uji multikolonieritas. Melihat hasil
besaran korelasi antar variabel independen tampak bahwa variabel laba bersih mempunyai korelasi sebesar -0.305 atau sekitar 30,5. Hasil dari coefficient
correlations tersebut menunjukkan tidak ada korelasi yang tinggi umumnya diatas 0,90, maka hal ini merupakan indikasi tidak adanya multikolonieritas.
Universitas Sumatera Utara
Hasil perhitungan nilai tolerance menunjukkan variabel independen memiliki nilai tolerance 0.10 yang berarti tidak terjadi korelasi antar variabel independen.
Hasil perhitungan VIF juga menunjukkan hal yang sama dimana variabel independen memiliki nilai VIF 10. Berdasarkan tabel diatas dapat disimpulkan
bahwa tidak ada multikolonieritas antar variabel independen dalam model ini.
c. Uji Heteroskedastisitas Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heteroskedastisitas
adalah dengan melihat plot grafik yang dihasilkan dari pengolahan data dengan
menggunakan program SPSS. Dasar pengambilan keputusannya adalah:
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang terartur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah
angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas.
Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi heteroskedastisitas atau terjadi homoskedastisitas dengan mengamati penyebaran
titik-titik pada gambar.
Universitas Sumatera Utara
3 2
1 -1
-2 -3
Regression Standardized Predicted Value
5 4
3 2
1
-1 -2
R egression S
tudent iz
ed R esi
dual
Scatterplot Dependent Variable: Kinerja
Gambar 4.3 Scatterplot
Sumber: Data yang diolah penulis, 2009. Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta
tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Adanya
titik-titik yang menyebar menjauh dari titik-titik yang lain dikarenakan adanya data observasi yang sangat berbeda dengan data observasi yang lain .
d. Uji Autokorelasi