X2 : Belanja Modal tahun 2006 dan 2007
Y
1
: IPM tahun 2007 dan 2008
â
..
â
2
: Konstanta
å
: Error Term Pengujian hipotesis dalam penelitian ini menggunakan regresi linier berganda.
Analisis regresi bermanfaat terutama untuk tujuan peramalan estimation yaitu bagaimana variabel independen digunakan untuk mengestimasi nilai variabel
dependen. Penelitian ini pada dasarnya menguji hipotesis tentang pengaruh PAD dan Belanja Modal secara simultan dan parsial terhadap IPM. Sebelum melakukan uji
hipotesa terlebih dahulu dilakukan olah uji asumsi klasik.
4.6.1. Pengujian Asumsi Klasik
Pengujian asumsi klasik diperlukan sebelum dilakukan pengujian hipotesis. Pengujian asumsi klasik yang dilakukan yaitu uji normalitas, outlier,
multikolinearitas, autokorelasi, dan heteroskedastisitas. 4.6.1.1. 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 residualnya. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik
histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi
pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se
Ge t you r s n ow
“ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA
Universitas Sumatera Utara
asumsi normalitas, begitu juga sebaliknya. Jika terdapat data yang tidak normal maka uji metode bisa dilakukan dengan uji outler.
4.6.1.2. Uji 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.
4.6.1.3. 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:
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.
pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se
Ge t you r s n ow
“ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA
Universitas Sumatera Utara
4.6.1.4. 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.
Syarat untuk dilakukannya pengujian Durbin-Watson DW apabila berbedanya kesimpulan antara satu orang dengan yang lainnya dan gambar terlihat mempunyai
skala yang berbeda. 4.6.1.5. 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.
4.6.2. Pengujian Hipotesis