kolmogorov smirnov z , dari hasil pengujian menggunakan program SPSS
lampiran 7, dapat dilihat pada Tabel 4.8.
Tabel 4.8 Uji normalitas menggunakan kolmogorov smirnov z
One-Sample Kolmogorov-Smirnov Test
35 35
35 3,4178E+011
38295028469 4,4E+011
1,6169E+011 15311884129
2,7E+011 ,142
,180 ,102
,142 ,180
,102 -,083
-,072 -,074
,839 1,065
,606 ,482
,207 ,856
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed Dana alokasi
umum X1 Pendapatan
asli daerah X2
Belanja daerah Y
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Data sekunder diolah lampiran 7 Tabel 4.8 dapat memperlihatkan nilai signifikansi dari masing-masing
variabel yaitu variabel dana alokasi umum X
1
, pendapatan asli daerah X
2
, dan belanja daerah Y masing-masing memiliki nilai signifikansi lebih tinggi dari
0,05, sehingga dapat disimpulkan ketiga variabel tersebut berdistribusi normal.
4.2.2 Uji Asumsi Klasik
Uji asumsi klasik ini digunakan untuk melakukan pengujian terhadap penyimpangan asumsi klasik, dalam penelitian ini digunakan beberapa metode
yaitu uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.
4.2.2.1 Uji Multikolinearitas
Berdasarkan hasil perhitungan statistik menggunakan SPSS ver. 15.0 lampiran 6, diperoleh hasil perhitungan multikoleniaritas untuk variabel dana
alokasi umum X
1
, dan pendapatan asli daerah X
2
dapat disajikan seperti pada Tabel 4.9.
Tabel 4.9
Hasil Perhitungan Multikolinearitas
Collinearity Statistics
Variabel
Tolerance
VIF ‐ Dana alokasi umum X
1
‐ Pendapatan asli daerah X
2
0,414 0,414
2,415 2,415
Sumber : Data sekunder yang diolah lampiran 6 Berdasarkan Tabel 4.9, menunjukkan bahwa model regresi tidak
mengalami gejala multikolinearitas. Hal ini tampak pada nilai tolerance untuk kedua variabel independen tidak ada variabel bebas yang memiliki nilai tolerance
kurang dari 1. Jadi hasil perhitungan nilai Variance Inflation Factor VIF juga menunjukkan hal yang sama tidak ada satu variabel yang memiliki nilai VIF lebih
dari 10 Ghozali, 2005. Jadi dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel bebas dalam model regresi.
4.2.2.2 Uji Autokorelasi
Uji autokorelasi dilakukan dengan uji mapping Durbin Watson DW. Dari regresi diperoleh angka DW sebesar 1,934 lihat lampiran 6. Dengan jumlah
data n sama dengan 35 dan jumlah variabel k sama dengan 2 serta α= 5
diperoleh angka d
L
= 1,28 dan d
U
= 1,65.
Tabel 4.10 Hasil Pengujian Durbin Watson
Model Summary
b
,923
a
,852 ,843
1,050E+011 1,934
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, Pendapatan asli daerah X2, Dana alokasi umum X1
a. Dependent Variable: Belanja daerah Y
b.
Sumber : Data sekunder yang diolah lampiran 6 Berdasarkan Tabel 4.10, pada uji autokorelasi dengan menggunakan
uji mapping Durbin Watson DW. Karena nilai DW Durbin Watson = 1,934 terletak antara 4-dU dan dU maka model persamaan regresi yang diajukan tidak
terdapat autokorelasi baik positif maupun negatif.
4.2.2.3 Uji Heteroskedastisitas
Hasil perhitungan menggunakan SPSS ver. 15.0 lampiran 8 dapat disajikan pada Gambar 4.5.
Regression Standardized Residual
2 1
-1 -2
-3 -4
Re gr
es si
on St an
dar di
zed Pr ed
ic te
d Valu
e
3 2
1 -1
-2
Scatterplot Dependent Variable: Belanja daerah Y
Gambar 4.5 Diagram Heterokedastisitas
Dari diagram
scatterplot menunjukkan bahwa titik-titik yang
menggambarkan data menyebar secara acak, tidak membentuk pola tertentu yang jelas, serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini
berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai.
4.2.3 Uji Regresi Berganda
