gram, normal probability plot dan tabel Kolmogorov-Smirnov tes berikut ini: Tabel 4.10
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 69
Normal Parameters
a
Mean .0000000
Std. Deviation .41388079
Most Extreme Differences Absolute
.112 Positive
.098 Negative
-.112 Kolmogorov-Smirnov Z
.930 Asymp. Sig. 2-tailed
.353 a. Test distribution is Normal.
Sumber Olahan : SPSS 16, 2009
Dari grafik histogram dan Normal Probability Plot pada gambar di atas terlihat bahwa setelah dilakukan transformasi data menggunakan LN, grafik
histogram menggambarkan pola distribusi yang normal dan grafik PP-Plot memperlihatkan titik-titik menyebar di sekitarmengikuti arah garis diagonal yang
menunjukkan pola distribusi normal. Dari tabel Kolmogorov-Smirnov di atas dapat dilihat bahwa setelah
dilakukan transformasi data dengan LN, semua data variabel yang diuji menjadi normal, sebagaimana yang dapat dilihat pada tabel Kolmogorov-Smirnov tersebut
nilai signifikan untuk semua tabel 0,05.
b. Uji Multikolonieritas
Tabel 4.11
Coefficient Correlations
a
Model LNRETRIBUSI_
DAERAH LNPAJAK_DAE
RAH 1
Correlations LNRETRIBUSI_DAERAH
1.000 -.859
LNPAJAK_DAERAH -.859
1.000 Covariances
LNRETRIBUSI_DAERAH .009
-.006 LNPAJAK_DAERAH
-.006 .006
a. Dependent Variable: LNPENDAPATAN_ASLI_DAERAH
Sumber Olahan : SPSS 16, 2009
Melihat hasil besaran korelasi antar variabel indepen tampak bahwa variabel pajak daerah mempunyai korelasi yang cukup tinggi dengan variabel
retribusi daerah sebesar -0,859 atau sekitar 86.oleh karena korelasi ini masih dibawah 95 maka dapat dikatakan tidak terjadi multikolonieritas yang serius.
Tabel 4.12
Coefficients
a
Model Unstandardized
Coefficients Standardize
d Coefficients
t Sig.
Collinearity Statistics
B Std.
Error Beta
Tolerance VIF 1
Constant 2.341
.399 5.870
.000
LNPAJAK_DAERAH .455
.079 .547
5.774 .000
.263 3.804 LNRETRIBUSI_DAERAH
.394 .092
.405 4.270
.000 .263 3.804
a. Dependent Variable: LNPENDAPATAN_ASLI_DAERAH
Sumber Olahan : SPSS 16, 2009
Hasil perhitungan nilai Tolerance juga menunjukkan tidak ada variabel independen yang memiliki nilai Tolerance kurang dari 0.10 yang berarti tidak ada
korelasi antar variabel independen. Hasil perhitungan nilai Variance Inflation Factor VIF juga menunjukkan hal yang sama tidak ada satu variabel independen
yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel independen dalam model regresi.
c. Uji Heterokendastisitas
Heterokendastisitas digunakan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heterokedastisitas. Menurut Ghozali 2005:105, uji heterokedastisitas dilakukan
dengan melihat ada tidaknya pola tertentu pada grafik Scatterplot antara SRESID dan ZPRED dimana dasar analisisnya adalah: 1 jika titik-titik yang ada
membentuk suatu pola tertentu yang teratur, bergelombang, melebar kemudian menyempit maka terjadi heterokedastisitas, dan 2 jika tidak ada pola yang jelas,
titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y maka tidak terjadi heterokedastisitas. Dari grafik Scatterplot penelitian ini terlihat titik-titik
menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada
sumbu Y. Hal ini menunjukkan tidak terjadi heterokedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi Pendapatan Asli
Daerah berdasarkan masukan variabel independennya retribusi daerah dan pajak daerah.
Gambar 4.13
Sumber Olahan : SPSS 16, 2009
d. Uji Autokorelasi