4.6. Model Analisis Data
Model analisis data yang digunakan untuk menguji hipotesis pada penelitian ini adalah regresi linier berganda Multiple Regression Analysis dengan persamaan
sebagai berikut:
Y =
β +
β
1
X
1
+ β
2
X
2
+ β
2
X
3
+ ε
Y = Indeks Pembangunan Manusia
X
1
= Dana Alokasi Umum X
2
= Dana Alokasi Khusus X
3
= Dana Bagi Hasil a
= Konstanta b
1
, b
2,
b
3
=
Koefisien Variabel
e
= Error Term
4.6.1. Pengujian Outlier
Menurut Erlina dan Mulyani 2007 uji ini berguna untuk melihat apakah ada data yang outlier, yaitu data yang mempunyai nilai sangat menyimpang dari nilai data
lainnya. Salah satu sebab terjadi distribusi tidak normal karena ada yang outlier yaitu karena ada data ekstrim yang tidak bisa dihindari keberadaannya. Selanjutnya
menurut Hair et.al. 1998 dalam Erlina 2008 cara untuk mengatasi data yang outlier
dengan cara trimming yaitu membuang data outlier yang mempunyai nilai absolut skor Z standardizedscore sama atau melebihi 3.
Universitas Sumatera Utara
4.6.2. Pengujian Asumsi Klasik
Pengujian asumsi klasik diperlukan sebelum dilakukan pengujian hipotesis. Pengujian asumsi klasik yang dilakukan yaitu uji normalitas, multikolinearitas,
autokorelasi, dan heteroskedastisitas. 4.6.2.1. Uji normalitas
Uji normalitas data bertujuan untuk menguji apakah dalam model regresi, variabel independen dan dependen memiliki distribusi normal atau tidak. Model
regresi yang baik apabila distribusi data normal atau mendekati normal Ghozali, 2005. Uji normalitas dideteksi dengan melihat penyebaran data pada sumbu diagonal
dari grafik atau dapat juga dengan melihat histogram dari resudalnya. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik
histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas, begitu juga sebaliknya.
4.6.2.2. Uji multikolinearitas Multikolinearitas bertujuan untuk menguji apakah dalam model regresi
ditemukan adanya korelasi antar variabel bebas Ghozali, 2005. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Pengujian
multikolinearitas pada penelitian ini dilakukan dengan uji collinierity statistic. Menurut Ghozali, 2005 dalam melakukan uji multikolinearitas harus terlebih dahulu
diketahui Variance Inflation Factor VIF. Pedoman untuk mengambil suatu keputusan adalah sebagai berikut:
Universitas Sumatera Utara
1. Jika Variance Inflation Factor VIF 10, maka artinya terdapat persoalan
multikolinieritas diantara variabel bebas. 2.
Jika Variance Inflation Factor VIF 10, maka artinya tidak terdapat persoalan multikolinieritas diantara variabel bebas.
4.6.2.3. Uji autokorelasi Autokorelasi muncul karena observasi yang berurutan sepanjang waktu
berkaitan satu sama lain Hanke dan Reitsch, 1998 dalam Kuncoro, 2001. Untuk mendeteksi ada atau tidaknya autokorelasi dilakukan pengujian Durbin-Watson DW
dengan melihat model regresi linear berganda. Jika nilai Durbin-Watson berada di bawah angka 2 maka model tersebut terbebas dari autokorelasi Lubis et.al, 2007.
4.6.2.4. Uji heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah di dalam model
regresi terjadi ketidaksamaan variasi dari data pengamatan yang satu ke pengamatan yang lain. Salah satu cara untuk mendeteksi heteroskedastisitas ini adalah dengan
melihat pola sebaran pada grafik scatter plot. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi
heteroskedastisitas dan jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y maka tidak terjadi heteroskedastisitas Ghozali,
2005.
Universitas Sumatera Utara
4.6.3. Pengujian Hipotesis
Kategori