hakekatnya jika asumsi klasik tidak dipenuhi maka variabel-variabel yang menjelaskan akan menjadi tidak efisien Pada penelitian ini dilakukan beberapa uji
asumsi klasik terhadap model regresi yang telah diolah dengan menggunakan program SPSS Singgih Santoso, 2000 yang meliputi:
a. Uji Normalitas
Uji normalitas menguji apakah dalam model regresi, variabel independen dan variabel dependen, keduanya terdistribusikan secara normal atau tidak, maka
pengujian ini menggunakan bantuan computer program SPSS versi 16. Normalitas data dalam penelitian dilihat dengan cara memperhatikan penyebaran data titik pada
Normal PPlot of Regression Standardized Residual dari variabel terikat.
Gambar 4.1. Histogram Uji Normalitas
-3 -2
-1 1
2
Regression Standardized Residual
1 2
3 4
5 6
7
Frequency
Mean = -1.08E-16 Std. Dev. = 0.889
N = 20
Dependent Variable: PAHK Histogram
Universitas Sumatera Utara
Gambar 4.2. Normal PPlot of Regression Standardized Residual
Persyaratan dari uji normalitas data adalah jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi
normalitas. Jika data menyebar jauh dari garis diagonal danatau tidak mengikuti garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Berdasarkan hasil pengolahan data maka didapatkan hasil bahwa semua data berdistribusi secara normal dan tidak terjadi penyimpangan, sehingga data yang
dikumpulkan dapat diproses dengan metode-metode selanjutnya. Hal ini dapat dibuktikan dengan memperhatikan sebaran data yang menyebar disekitar garis
diagonal pada “Normal P-Plot of Regresion Standardized Residual” sesuai gambar di
0.0 0.2
0.4 0.6
0.8 1.0
Observed Cum Prob
0.0 0.2
0.4 0.6
0.8 1.0
Expect ed Cum
P rob
Dependent Variable: PAHK Normal P-P Plot of Regression Standardized Residual
Universitas Sumatera Utara
atas, sehingga dapat dikatakan bahwa model regresi dalam penelitian ini berdistribusi normal.
b. 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
Collinearity Statistics Tolerance
VIF
1 Constant
B.Pembangunan .138
7.256 PAD
.121 8.295
Investasi .722
1.384 T.Kerja
.497 2.013
a Dependent Variable: PAHK Sumber : Data diolah, 2011
Dari perhitungan menggunakan program SPSS versi 16 dapat kita ketahui bahwa nilai VIF dan tolerance sebagai berikut:
Universitas Sumatera Utara
Variabel belanja pembangunan BP mempunyai nilai VIF sebesar 7,256 dan tolerance sebesar 0,138.
Variabel pendapatan asli daerah PAD mempunyai nilai VIF sebesar 8,295 dan tolerance sebesar 0,121.Variabel Investasi I mempunyai nilai VIF sebesar 1,384 dan
tolerance sebesar 0,722. Variebel Tenaga kerja TK mempunyai nilai VIF sebesar 2,013 dan tolerance
sebesar 0,497. Dari ketentuan yang ada bahwa jika nilai VIF 10 dan tolerance 0,10 maka
tidak terjadi gejala multikolinearitas dan nilai-nilai yang didapat dari perhitungan adalah sesuai dengan ketetapan nilai VIF dan tolerance, dan dari hasil analisis diatas
dapat diketahui nilai toleransi semua variabel independen BP, PAD, I dan TK 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.
c. Uji Autokorelasi
