1. Analisis Grafik
Analisis grafik dilakukan dengan melihat grafik histogram dan grafik normal P-Plots berikut ini:
Sumber: output SPSS, lampiran 5 hal. 62
Gambar 4.1 Histogram Dependent Variabel
Pada gambar 4.1 di atas, dapat disimpulkan bahwa variabel terdistribusi secara normal. Hal ini dikarenakan kurva histogram yang
memiliki keseimbangan ke kiri dan ke kanan atau berbentuk seperti lonceng.
Universitas Sumatera Utara
Sumber: output SPSS, lampiran 5 hal. 63
Gambar 4.2 Normal P-P Plot of Regression Standardized Residual
Gambar 4.2 memperlihatkan garis normal probabilty plot dimana variabel tidak terdistribusi secara tidak normal. Hal ini dikarenakan titik-
titik penyebaran data menyebar jauh dari garis diagonal serta tidak mengikuti arah garis diagonal. Ada beberapa cara yang dapat dilakukan
terhadap data yang tidak normal sebagai berikut: 1. melakukan transformasi data ke dalam bentuk lainnya,
2. melakukan trimming. Trimming adalah membuang data yang outlier,
3. melakukan winsorizing, yaitu dengan mengubah nilai data yang outlier ke suatu nilai tertentu.
Dalam penelitian ini untuk menanggulangi ketidaknormalan data, peneliti melakukan transformasi data yang menggunakan Logaritma Natural
LN, dimana data yang ditransformasikan adalah penggunaan anggaran,
Universitas Sumatera Utara
pendapatan asli daerah dan belanja daerah. Analisis grafik menggunakan histogram dan normal P-Plots setelah dilakukan transformasi data yaitu:
Sumber: output SPSS, lampiran 5 hal. 62
Gambar 4.3 Histogram Dependent Variabel
Gambar 4.3 di atas terlihat bahwa Histogram dari penelitian ini sudah terdistribusi normal karena grafiknya seimbang ke kiri dan ke kanan
atau tidak condong kekiri atau kekanan, melainkan ketengah dengan bentuk seperti lonceng. Metode lain yang digunakan dalam analisis grafik adalah
dengan melihat normal probabilty plot. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti
garis diagonalnya. Uji normalitas dengan melihat normal probabilty plot dapat dilihat dari gambar berikut.
Universitas Sumatera Utara
Sumber: output SPSS, lampiran 5 hal. 63
Gambar 4.4 Normal P-P Plot of Regression Standardized Residual
Gambar 4.4 diatas merupakan kurva P-Plot yang menunjukkan penyebaran titik-titik data disekitar garis diagonal dan mengikuti arah garis
diagonal, hal ini berarti data pada variabel yang digunakan, yaitu variabel penggunaan anggaran daerah berdistribusi secara normal. Peneliti juga
membuat uji Kolmogorov-Smirnov yang membuktikan kenormalan suatu data dalam penelitian ini dengan angka. Dengan menggunakan uji Kolmogorov-
Smirov, suatu data dinyatakan normal apabila nilai asymptonic significance lebih besar dari 0.05 p0.05 dan apabila nilai asymptonic significance
lebih kecil dari 0.05 p0.05 maka data tidak terdistribusi normal. Berikut hasil pengujian dengan uji Kolmogorov-Smirnov.
Universitas Sumatera Utara
Tabel 4.4 Uji Statistik Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
96 Normal Parameters
a,b
Mean ,0000000
Std. Deviation 13352,20541263
Most Extreme Differences
Absolute ,161
Positive ,161
Negative -,113
Kolmogorov-Smirnov Z ,161
Asymp. Sig. 2-tailed ,175
c
a. Test distribution is Normal. b. Calculated from data.
Sumber: output SPSS, lampiran 5 hal. 63 Dari tabel Kolmogorov-Smirnov diatas, nilai Asymp. Sig. 2-tailed
sebesar 0,175 yang berarti 0,05 sehingga dapat ditarik kesimpulan bahwa data sudah terdistribusi dengan normal.
4.2.2.2 Uji Multikolinearitas