Berdasarkan tabel 5.7 tersebut terlihat bahwa seluruh variabel independen yaitu pendapatan asli daerah PAD, dana perimbangan
DP, dan lain-lain pendapatan daerah yang sah LLPDYS memiliki nilaiVariance Inflation Factors VIF di bawah 10 dan nilaitolerance
yang menunjukkan lebih dari0,10. Dengan demikian dapat dikatakan bahwa
model yang
terbentuk tidakterdapat
adanya gejala
multikolinearitas antar variabel independen dalam modelregresi.
c. Uji Autokorelasi
Uji ini bertujuan untuk menguji apakah dalam suatu model regresilinear terdapat korelasi antara residual pada periode t dengan
residual periode t-1 sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Jika
ada masalahautokorelasi, maka model regresi yang seharusnya signifikan, menjadi tidak layak untuk dipakai.Menurut Ghozali 2006,
untuk mendeteksi ada atau tidaknya autokorelasi bisa menggunakan Uji Durbin-Watson DW test. Bila angka D-W diantara -2 sampai +2,
berarti tidak terjadi autokorelasi. Hasil pengujian autokorelasi dapat dilihat pada tabel berikut.
Tabel 5.8. Hasil Pengujian Autokorelasi
Sumber: Data Diolah Berdasarkan tabel 5.8 menunjukkan bahwa nilai Durbin-Watson
sebesar 1,742 yang berada diatara -2 dan +2. Hal ini dapat disimpulkan bahwa pada model regresi tidak terdapat autokorekasi.
d. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakahdalam model regresi terjadiketidaksamaan varians dari residual pada satu
pengamatan ke pengamatan yanglain. Jika varians dari residual satupengamatan
ke pengamatan
lain tetap,maka
disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model
regresi yang baik adalah yang tidak terdapat heteroskedastisitas. Salah
satu cara
untuk mengetahui
ada tidaknya
heteroskedastisitas pada suatu model dapat menggunakan uji glejser. Jika nilai Sig variabel independen 0,05 maka terdapat gejala
heteroskedastitas,sedangkan jika nilai Sig variabel independen 0,05
Model Summary
b
Mode l
R R
Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.972
a
.946 .864 2285942212
15.364 1.742
a. Predictors: Constant, LLPDYS, PAD, DP b. Dependent Variable: BD