Uji Normalitas Uji Multikolinearitas,

37 B. Variabel dependen atau terikat, yaitu variabel yang dipengaruhi atau yang menjadi akibat dari variabel yang lainnya. Dalam penelitian ini yang merupakan variabel dependennya adalah Belanja Modal.

F. Metode Analisis Data

Metode Analisis data yang digunakan pada penelitian ini adalah metode analisis statistik.Terlebih dahulu diuji apakah model tersebut memenuhi asumsi klasik atau tidak. Variabel penelitian yang tidak memenuhi asumsi klasik akan menurunkan nilai korelasi antar set variabel.Untuk pengujian hipotesis dilakukan analisis regresi. Kemudian dilakukan proses pengujian analisis F dan pengujian analisis t untuk mengetahui apakah masing-masing variabel independen berpengaruh secara individu maupun secara simultan terhadap variabel dependen.

1. Pengujian Asumsi Klasik

Pengujian regresi linear berganda dapat dilakukan setelah model dari penelitian ini memenuhi syarat-syarat yaitu lolos dari asumsi klasik. Syarat-syarat tersebut adalah data tersebut harus terdistribusi secara normal, tidak mengandung multikolinearitas, autokorelasi dan heterokedastisitas. Untuk itu sebelum melakukan pengujian regresi linear berganda perlu dilakukan terlebih dahulu pengujian asumsi klasik, yang terdiri dari:

a. Uji Normalitas

Bertujuan untuk menguji apakah variabel pengganggu atau residual mempunyai distribusi normal atau tidak dalam sebuah model regresi. Data yang baik dan layak digunakan dalam penelitian adalah data yang memiliki distribusi data normal dengan cara Universitas Sumatera Utara 38 menganalisis grafik normal probability plot. Beberapa cara yang digunakan untuk melihat normalitas data dalam penelitian ini : 1. Uji Kolmogorov Smirnov, dalam uji ini pedoman yang digunakan dalam pengambilan keputusan yaitu : • Jika nilai signifikan 0.05 maka distribusi data tidak normal • Jika nilai signifikan 0.05 maka distribusi data normal 2. Histogram, yaitu pengujian dengan menggunakan ketentuan bahwa data normal berbentuk lonceng bell shaped . Data yang baik adalah data yang memiliki pola distribusi normal. Jika data menceng ke kanan atau menceng ke kiri berarti memberitahukan bahwa data tidak berdistribusi secara normal. 3. Grafik Normality Probability Plot, ketentuan yang digunakan adalah : • Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal maka model regresi memenuhi asumsi normalitas. • Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal maka model regresi tidak memenuhi asumsi normalitas.

b. Uji Multikolinearitas,

Bertujuan untuk menguji apakah ada korelasi antar variabel independen. Pada model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen. Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi menurut Hadi 2006 : 168 dapat dilihat dari : i Salah satu ciri regresi yang terjangkit multikolinear adalah persamaan tersebut memiliki nilai R 2 yang sangat tinggi, tetapi hanya memiliki sedikit variabel independen yang signifikan memiliki nilai t hitung tinggi. Keadaan yang paling ekstrim adalah bila model memiliki nilai R 2 dan F hitung yang Universitas Sumatera Utara 39 tinggi dan secara otomatis akan memiliki nilai signifikansi F yang sangat bagus tetapi tidak satupun variabel independen yang memiliki nilai t cukup signifikan. Bila hal ini terjadi maka bisa disimpulkan bahwa bagusnya F dan R 2 karena adanya interaksi antar variabel independen yang cukup tinggi multikolinear ii Indikator lain yang bisa dipakai adalah CI Condition Index atau Eigenvalues. Bila CI berkisar antara10 sampai dengan 30 maka kita bisa mengatakan bahwa persamaan tersebut terjangkit multikolinear. Bila CI 30 maka terjangkitnya semakin kecil. iii VIF Variable Inflation Factor juga bisa digunakan sebagai indicator. Bila VIF 10 maka variable tersebut memiliki kolinearitas yang tinggi. Menurut Ghozali 2005 : 95, cara mengobati apabila terjadi multikolonieritas dalam data penelitian adalah sebagai berikut: a. Menggabungkan data crossection dan time series pooling data b. Keluarkan satu atau lebih variable indevenden yang mempunyai korelasi tinggi dari model regresi dan identifikasikan variable indevenden lainnya untuk membantu prediksi. c. Transformasi variable merupakan salah satu cara mengurangi hubungan linear di antara variable indevenden. Transformasi dapat dilakukan dalam bentuk logaritmo natural dan bentuk first difference atau delta. Caranya Yt = b1 + b2 X2t + b3 X3t + ut ……………………1 Yt-1 = b1 + b2 X2t-1 + b3 X3t-1 + ut-1 ……………2 Kurangkan persamaan 2 dari 1 didapat first difference Yt – Yt-1 = b2 X2t – X2t-1 + b3 X3t – X3t-1 + vt……3 d. Gunakan model dengan variabel indevenden yang mempunyai korelasi tinggi hanya semata-mata untuk prediksi jangan mencoba untuk menginterpretasikan koefisien regresinya. e. Gunakan metode analisis yang lebih canggih seperti Bayesian regression atau dalam kasus khusus ridge regression. c .Uji Heterokedastisitas Bertujuan untuk menguji apakah terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan lainnya. Menurut Erlina 2007 : 108 “Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homokedasitas, namun jika sebaliknya disebut heterokedastisitas. Suatu model regresi yang baik adalah tidak terjadi heterokedastisitas.Ada tidaknya heterokedastisitas dapat dilakukan dengan Universitas Sumatera Utara 40 melihat grafik Scaterplot antar nilai prediksi variabel independen dengan nilai residualnya. Dasar analisis yang digunakan untuk menentukan heterokedastisitas, antara lain : • Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heterokedastisitas. • Jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas atau terjadi homokedastisitas.

d. Uji Autokorelasi