98
a. Uji Normalitas
Uji normalitas digunakan untuk menguji apakah dalam sebuah model regresi, variabel dependen dan variabel independen atau keduanya
mempunyai distribusi normal atau tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal.
Grafik histogram pada kedua model yaitu dapat dilihat pada Gambar 4.1 dan Gambar 4.2 dibawah ini, menunjukkan pola distribusi
normal karena grafik tidak miring ke kiri maupun miring ke kanan. Dan juga dalam penelitian ini jumlah sampel yang digunakan cukup besar n
30 menyebabkan distribusi sampling error term mendekati normal normality asymptotic.
Gambar 4.1 Gambar 4.2 Grafik Histogram Model I
Grafik Histogram Model II
Regression Standardized Residual
6 4
2 -2
-4
Frequency
60 50
40 30
20 10
Histogram Dependent Variable: DISC
Mean =-1.25E-14 Std. Dev. =0.991
N =425
Regression Standardized Residual
6 4
2 -2
-4
Frequency
60 50
40 30
20 10
Histogram Dependent Variable: DISC
Mean =-1.12E-14 Std. Dev. =0.991
N =425
99
Demikian pula hasil uji normalitas dengan menggunakan grafik p- plot pada Gambar 4.3 dan 4.4 di bawah ini di mana data yang diwakili
oleh titik-titik mengikuti garis diagonal yang menunjukkan adanya normalitas.
Gambar 4.3 Gambar 4.4
Grafik P-Plot Model I Grafik P-Plot Model II
b. Uji Multikolinearitas
Uji multikolinieritas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi. Jika pada model
regresi terjadi multikolinieritas, maka koefisien regresi tidak dapat ditaksir dan nilai standard error menjadi tidak terhingga.
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xpe
ct ed
C um
P rob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: DISC
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xpe
ct ed
C um
P rob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: DISC
100
1 Uji Multikolineritas pada Model I
Untuk mengetahui adanya multikorelasi dapat dilakukan dengan menguji Variance Inflation Factor VIF dan Nilai Tolerance
dengan menggunakan SPSS 20. Berdasarkan teori, jika nilai VIF mendekati 1 berarti tidak terdapat multikolineritas, tapi jika nilainya
VIF 10 maka ada multikolinearitas. Sedangkan untuk Tolerance dikatakan tidak mempunyai korelasi jika nilainya mendekati 1, jika
memiliki nilai 0 maka mempunyai korelasi sempurna. Hasil uji multikolinearitas dengan menggunakan VIF dan nilai Tolerance dapat
di lihat pada tabel 4.6 dibawah ini.
Tabel 4.6 Hasil Uji Multikolinearitas Model I
Sumber : output SPSS Hasil yang diperoleh menunjukkan nilai tolerance untuk semua
variabel mendekati 1 dan nilai VIF semuanya 10, maka dapat disimpulkan bahwa model regresi ini bebas dari multikolonieritas
artinya tidak terdapat hubungan diantara kekayaan daerah, tingkat
Coefficients
a
.179 5.597
.350 2.858
.383 2.613
.767 1.304
.397 2.519
.880 1.136
.960 1.042
.948 1.055
LnW EALTH DEPEND
LnASSET TYPE
PO P SKPD
FINDL DEVL
Model 1
Tolerance VIF
Collinearity Statistics
Dependent Variable: DISC a.
101
ketergantungan, total aset, tipe pemerintah, populasi, jumlah SKPD, jumlah temuan dan tingkat penyimpangan pada tahun lalu dalam
model regresi ini.
2 Uji Multikolineritas pada Model II
Hasil uji multikolonieritas model II terlihat pada tabel 4.7 dibawah ini:
Tabel 4.7 Hasil Uji Multikolinearitas Model II
Sumber : output SPSS Hasil yang diperoleh menunjukkan nilai tolerance untuk semua
variabel mendekati 1 dan nilai VIF semuanya 10, maka dapat disimpulkan bahwa model regresi ini bebas dari multikolonieritas
artinya tidak terdapat hubungan diantara kekayaan daerah, tingkat ketergantungan, total aset, tipe pemerintah, populasi, jumlah SKPD,
jumlah temuan dan tingkat penyimpangan dalam model regresi ini.
Coefficients
a
.182 5.488
.350 2.861
.384 2.605
.760 1.315
.405 2.471
.885 1.130
.933 1.072
.964 1.037
LnW EALTH DEPEND
LnASSET TYPE
PO P SKPD
FIND DEV
Model 1
Tolerance VIF
Collinearity Statistics
a.
102
c. Uji Heteroskedastisitas
Kategori