tailed adalah 0,471 dan di atas nilai signifikan 0,05 dengan kata lain variabel residual berdistribusi normal.
Tabel 4.2 Uji One-Sample Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test Unstandardized
Residual N
72 Normal Parameters
a,b
Mean .0000000
Std. Deviation .66282239
Most Extreme Differences
Absolute .100
Positive .100
Negative -.063
Kolmogorov-Smirnov Z .846
Asymp. Sig. 2-tailed .471
a. Test distribution is Normal. b. Calculated from data.
Sumber: Diolah oleh penulis 2013
4.3.2 Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas. Menurut Ghozali
2005:91 “adanya gejala multikolinearitas dapat dilihat dari nilai tolerance atau nilai Variance Inflation Factor VIF. Batas nilai tolerance adalah 0,1 dan
batas VIF adalah 10”. Apabila nilai tolerance 0,1 atau VIF 10 = terjadi multikolinearitas. Apabila nilai tolerance 0,1 atau VIF 10 = tidak terjadi
multikolinearitas. Hasil pengujian terhadap multikolinearitas pada penelitian ini dapat dilihat pada tabel 4.3.
Universitas Sumatera Utara
Tabel 4.3 Colinearity Statistic
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1
Constant -
16.555 4.631
-3.575 .001
LN_DIK .945
.186 .547
5.093 .000
.792 1.263 LN_SEH
.209 .198
.114 1.057
.294 .792 1.263
a. Dependent Variable: ln KEMISKINAN
Sumber: Diolah oleh penulis 2013 Hasil uji statistik nilai Tolerance menunjukkan tidak ada variabel
independen yang memiliki nilai Tolerance kurang dari 0.10, dan demikian juga hasil perhitungan Variance Inflation Factor VIF menunjukkan nilai
VIF lebih kecil dari 10.
Tabel 4.4 Covariance Matrix
Model 1
Correlations LN_DIK
-.456 1.000
LN_SEH 1.000
-.456 Covariances
LN_DIK -.017
.034 LN_SEH
.039 -.017
Berdasarkan tabel 4.4 maka kita dapat melihat hasil besaran korelasi antar variabel dependen tampak bahwa hanya variabel DAK bidang
pendidikan yang mempunyai korelasi cukup rendah dengan variabel DAK bidang kesehatan dengan tingkat korelasi - 0,456 atau sekitar 45,6 . Oleh
karena korelasi ini masih dibawah 95 , maka dapat disimpulkan tidak terjadi multikolinearitas.
Universitas Sumatera Utara
4.3.3 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada masalah autokorelasi. Autokorelasi muncul karena observasi
yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas
dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada runtut waktu time series karena “gangguan” pada seseorang individukelompok
yang sama pada periode berikutnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Salah satu cara untuk mengetahui ada atau
tidaknya korelasi yaitu dengan melakukan uji Durbin-Watson DW test. Berdasarkan output SPSS 19 pada tabel 4.5 diketahui bahwa nilai
Dubrin-Watson sebesar 0,980 sehingga dapat dikatakan tidak terjadi auto korelasi hal ini bersarkan pengambilan keputusan ada tidaknya autokorelasi
menurut Ghozali 2006:218 dengan cara melihat besaran Dubrin-Watson D- W sebagai berikut:
• angka D-W dibawah -2, berarti ada autokorelasi positif. • angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi.
• angka D-W di atas +2, berarti ada autokorelasi negative.
Universitas Sumatera Utara
Tabel 4.5 Uji Statistik Durbin-Watson
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.608
a
.369 .351
.67236 .980
a. Predictors: Constant, lnDIK, lnKES b. Dependent Variabel: lnKEMISKINAN
Sumber: Diolah oleh penulis 2013
4.3.4 Uji Heteroskedastisitas
