nilainya di atas α = 0,05 Asymp.Sig = 0,886 0,05 sehingga hipotesis Ho diterima yang berarti data residual berdistribusi normal.
4.1.3.1.2. Uji Multikolinieritas
Uji multikolinieritas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka
dinamakan terdapat problem Multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Pengujian ada
tidaknya gejala multikolinearitas dilakukan dengan memperhatikan nilai matriks korelasi yang dihasilkan pada saat pengolahan data serta nilai VIF Variance
Inflation Faktor dan Tolerance-nya. Nilai dari VIF yang kurang dari 10 dan tolerance yang lebih dari 0,10 maka menandakan bahwa tidak terjadi adanya
gejala multikolinearitas. Sehingga dapat disimpulkan bahwa model regresi tersebut tidak terdapat problem multikolinieritas.
Tabel 4.5. Hasil Uji Multikolinieritas
Model t
Sig. Collinearity Statistics
Tolerance VIF
1 Constant
33,664 ,000
Pendidikan 3,889
,000 ,370
2,702 Pekerjaan
1,127 ,263
,334 2,995
Pemahaman 4,065
,000 ,370
2,705 Peraturan Daerah
1,655 ,101
,526 1,903
a Dependent Variable: Partisipasi Masyarakat
Dari perhitungan menggunakan program SPSS dapat diketahui bahwa nilai VIF dan tolerance sebagai berikut : Variabel pendidikan mempunyai nilai VIF
sebesar 2,702 dan tolerance sebesar 0,370. Variabel pekerjaan mempunyai nilai VIF sebesar 2,995 dan tolerance sebesar 0,334. Variabel pemahaman mempunyai
Universitas Sumatera Utara
nilai VIF sebesar 2,705 dan tolerance sebesar 0,370. Variabel peraturan daerah mempunyai nilai VIF sebesar 1,903 dan tolerance sebesar 0,526.
Dari ketentuan yang ada bahwa jika nilai VIF 10 dan tolerance 0,10 maka tidak terjadi gejala multikolinearitas dan nilainilai yang didapat dari
perhitungan adalah sesuai dengan ketetapan nilai VIF dan tolerance, dan dari hasil analisis diatas dapat diketahui nilai toleransi semua variabel independen
pendidikan, pekerjaan, pemahaman dan peraturan daerah lebih dari 0,10 dan nilai VIF kurang dari 10 maka dapat disimpulkan bahwa variabel independennya
tidak terjadi multikolinieritas sehingga model tersebut telah memenuhi syarat asumsi klasik dalam analisis regresi.
4.1.3.1.3. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang
lain. Untuk mendeteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat grafik scatterplots.
Dari grafik scatterplots pada Gambar 4.9. menunjukkan bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada
sumbu Y dan tidak membentuk pola tertentu yang teratur, hal ini dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi.
Universitas Sumatera Utara
Gambar 4.9. Grafik scatterplots Partisipasi Masyarakat
Jadi dapat disimpulkan secara keseluruhan bahwa model regresi memenuhi syarat uji asumsi klasik.
Uji Glesjer
Uji Glesjer mengusulkan untuk meregres nilai absolute residual terhadap variable independen Ghozali, 2005. Adapun hasil uji glesjer terdapat pada Tabel
4.6 berikut ini. Tabel 4.6. UJi Glesjer
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
2,767 ,442
6,254 ,000
Pendidikan -,424
,226 -,301
-1,876 ,064
Pekerjaan -,152
,233 -,110
-,653 ,515
Pemahaman ,170
,239 ,114
,713 ,478
Peraturan Daerah ,156
,224 ,094
,697 ,487
a Dependent Variable: abs_res
-2 -1
1 2
Regression Standardized Predicted Value -3
-2 -1
1 2
3
Regressi on
Student ized R
esi
dual Dependent Variable: Partisipasi Masyarakat
Scatterplot
Universitas Sumatera Utara
Hasil yang terlihat menunjukkan koefisien parameter untuk variabel independen tidak ada yang signifikan yaitu pendidikan = 0,064
α = 0,05; pekerjaan = 0,515
α = 0,05; pemahaman = 0,478 α = 0,05; dan peraturan daerah = 0,487
α = 0,05. Maka dapat disimpulkan model regresi tidak terdapat heteroskedastisitas.
4.1.3.2. Pengujian Hipotesis 4.1.3.2.1. Hasil Uji Koefisien Determinasi R
