Uji Normalitas Uji Asumsi Klasik

4.1.2.1 Uji Normalitas

Uji kualitas data yang pertama dalam penelitian ini adalah uji normalitas. Uji normalitas dapat dideteksi dengan dua cara, yakni analisis grafik dan uji statistik yang dilaksanakan dengan uji non- parametrik One-Sample Kolmogorov-Smirnov. Analisis grafik dapat dilihat dengan menggunakan grafik histogram dan grafik normal probability plot.Dalam grafik histogram, distribusi data normal ditunjukkan oleh gambar kurva atau histogram yang tidak menceng ke kiri atau menceng ke kanan. Sedangkan pengujian normalitas dengan menggunakan P-P Plot, dengan kriteria apabila titik-titik pada P-P Plot berada pada garis diagonal dan mengikuti arah diagonal, maka dapat dinyatakan bahwa distribusi data berasal dari populasi yang terdistribusi. Hasil pengujian normalitas dalam penelitian ini dapat terlihat pada gambar 4.1 dan gambar 4.2. Gambar 4.1 Grafik Histogram Universitas Sumatera Utara Gambar 4.2 Grafik Normal Probability Plot Pengujian normalitas data dengan hanya melihat grafik dapat menyesatkan kalau tidak melihat secara seksama, sehingga kita perlu melakukan uji normalitas data dengan menggunakan statistik agar lebih meyakinkan.Adapun cara kedua ialah dengan uji statistik yang dilaksanakan melalui uji non-parametrik One-Sample Kolmogorov- Smirnov dengan melihat data residualnya apakah berdistribusi normal atau tidak. Pengambilan keputusan dalam uji K-S yaitu : a. Apabila probabilitas nilai Z uji K-S signifikan secara statistik ditolak, yang berarti data terdistribusi tidak normal. b. Apabila probabilitas nilai Z uji K-S tidak signifikan secara statistik maka diterima, yang berarti data terdistribusi normal. Universitas Sumatera Utara Tabel 4.2 Hasil Uji Statistik K-S Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 75 Normal Parameters a Mean .0000000 Std. Deviation 3.15001318 Most Extreme Differences Absolute .073 Positive .073 Negative -.059 Kolmogorov-Smirnov Z .630 Asymp. Sig. 2-tailed .822 a. Test distribution is Normal. Sumber : Hasil SPSS for Windows 16.0 Berdasarkan data Tabel 4.2 di atas, besar nilai probabilitas atau Asymp. Sig. 2-tailed adalah 0,822. Dalam penelitian ini, tingkat signifikansi yang digunakan adalah α = 0,05. Karena nilai probabilitas 0,822 lebih besar dari tingkat signifikansi 0,05, maka dapat disimpulkan bahwa data terdistribusi secara normal. Hal ini sejalan dengan hasil yang diperoleh dari analisis grafik.

4.1.2.2 Uji Multikolinearitas

Dokumen yang terkait

Pengaruh Desentralisasi Fiskal, Belanja Modal, Angkatan Kerja, dan Investasi Terhadap PDRB di Sumatera Utara

1 69 94

Analisis Pengaruh Tingkat Kemandirian Fiskal, Pendapatan Asli Daerah Terhadap Indeks Pembangunan Manusia Melalui Belanja Modal Di Kabupaten/Kota Provinsi Sumatera Utara

1 30 114

Pengaruh Dana Alokasi Umum, Dana Alokasi Khusus Dan Dana Bagi Hasil Terhadap Indeks Pembangunan Manusia Pada Kabupaten/Kota Provinsi Sumatera Utara

4 50 84

Pengaruh Pendapatan Asli Daerah Dan Belanja Modal Terhadap Indeks Pembangunan Manusia Pada Kabupaten/Kota Di Provinsi Sumatera Utara

5 66 78

Analisis Pengaruh Desentralisasi Fiskal terhadap Ketimpangan Pembangunan pada Kabupaten/Kota di Provinsi Sumatera Utara

0 31 81

Analisis Pengaruh Desentralisasi Fiskal Terhadap Ketimpangan Pembangunan Pada Kabupaten/Kota Di Provinsi Sumatera Utara

0 27 81

Pengaruh Belanja Modal Dan Pendapatan Asli Daerah Terhadap Peningkatan Pendapatan Per Kapita Pada Pemerintahan Kabupaten/Kota Provinsi Jawa Barat Pada Tahun 2010-2013

2 36 69

Pengaruh Pendapatan Asli Daerah (PAD), Dana Bagi Hasil (DBH), Dana Alokasi Umum (DAU), dan Dana Alokasi Khusus (DAK) terhadap Indeks Pembangunan Manusia (IPM) di Kabupaten/Kota Provinsi Nusa Tenggara Barat periode Tahun 2009-2012

1 17 161

Pengaruh Pajak Daerah dan Dana Alokasi Khusus Terhadap Belanja Modal (Survei pada Kabupaten/Kota di Provinsi Jawa Barat 2011-2014)

0 3 1

Analisis Pengaruh Dimensi Kesehatan Terhadap Indeks Pembangunan Manusia (IPM) Provinsi Jawa Barat Pada Dinas Ksehatan Provinsi Jawa Barat

0 5 1