periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada
time series. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji Durbin Watson dengan ketentuan sebagai
berikut: 6.
0 d dl, maka tidak ada autokorelasi positif. 7.
dl ≤ d ≤ du, maka tidak ada autokorelasi positif.
8. 4 – dl d 4, maka tidak ada autokorelasi negatif.
9. 4 – du
≤ d ≤ 4 – dl, maka tidak ada autokorelasi negatif. 10.
du d 4 – du, maka tidak ada autokorelasi positif atau negatif.
Tabel 4.8 Hasil Uji Autokorelasi
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-Watson
1 .187a
.035 -.028
.30883 2.266
a Predictors: Constant, Lain_lain, Retribusi, Hasil_PH, Pajak b Dependent Variable: Kinerja
Sumber: Data yang diolah penuis, 2009. Tabel 4.6 memperlihatkan nilai statistik D-W sebesar 2,148. du yang didapat
dari tabel statistik adalah 1, 767. Berarti du d 4 - du. 1,731 2,266 4 – 1,731. Jadi dapat dismpulkan bahwa tidak terjadi autokorelasi.
3. Analisis Regresi Dari hasil pengujian asumsi klasik disimpulkan bahwa bahwa model regresi
yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Best
Universitas Sumatera Utara
Linear Unbiased Estimator BLUE dan layak dilakukan analisis regresi. Untuk menguji hipotesis, peneliti menggunakan analisis regresi berganda. Berdasarkan
hasil pengolahan data dengan program SPSS 15, maka diperoleh hasil sebagai
berikut: a. Persamaan Regresi
Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan
variabel dependen, melalui pengaruh Pajak Daerah X
1
, Retribusi Daerah X
2
, Hasil Perusahaan dan Kekayaan Daerah yang Dipisahkan X
3
, dan Lain-lain Pendapatan Asli Daerah yang Sah X
4
terhadap Kinerja Keuangan Y. Hasil regresi dapat dilihat pada tabel 4.8 berikut ini:
Tabel 4.9 Analisis Hasil Regresi
Model Unstandardized Coefficients
Standardized Coefficients
t B
Std. Error Beta
1 Constant
-.857 .436
-1.966 lg10_pajak
-.208 .063
-1.115 -3.321
lg10_retribusi .144
.069 .644
2.093 lg10_hasil_PH
.034 .027
.193 1.277
lg10_lain_lain .126
.046 .435
2.714 a. Dependent Variable: lg10_kinerja
Sumber: Data yang diolah penulis, 2009. Berdasarkan tabel di atas, didapatlah persamaan regresi sebagai beikut:
Y = -0,857 – 0,208X
1
+ 0,144X
2
+ 0,034X
3
+ 0,126 X
4
Universitas Sumatera Utara
Setelah dilakukan kuadrat maka, diperoleh persamaan: Y = 0,734 + 0,043 + 0,021 + 0,001 + 0,016
Keterangan : 1.
Konstanta sebesar -0,857 menunjukkan bahwa apabila tidak ada variabel independen X
1
=0, X
2
=0, X
3
=0, dan X
4
=0 maka kinerja sebesar 0,734. 2.
β
1
sebesar 0,043 menunjukkan bahwa setiap kenaikan pajak daerah sebesar 1 akan diikuti oleh kenaikan kinerja sebesar 0,043 dengan
asumsi variabel lain tetap. 3.
β
2
sebesar 0,021 menunjukkan bahwa setiap kenaikan 1 pada retribusi daerah akan diikuti oleh kenaikan kinerja sebesar 0,021 dengan asumsi
variabel lain tetap. 4.
β
3
sebesar 0,001 menunjukkan bahwa setiap kenaikan 1 pada hasil perusahaan dan kekayaan daerah yang dipisahkan akan diikuti oleh
kenaikan kinerja sebesar 0,001 dengan asumsi variabel lain tetap. 5.
β
4
sebesar 0,016 menunjukkan bahwa setiap kenaikan 1 pada lain-lain pendapatan asli daerah yang sah akan diikuti oleh kenaikan kinerja sebesar
0,016 dengan asumsi variabel lain tetap.
b. Analisis Koefisien Korelasi dan Koefisien Determinasi
