dengan tujuan penelitian. Data penelitian adalah pooling data yaitu data dan sampel selama 4 tahun yaitu dari tahun 2004 – 2007. Model penelitian adalah sebagai beikut:
Y = β
+ β
1
X1+ β
2
X2 + β
3
X3+ β
4
X4 + ε
Dimana : Y
= Belanja Langsung β
= Konstanta β
1
sd β
4
= Koefisien estimasi X1
= Pajak Daerah. X2
= Restribusi Daerah X3
= Bagian Laba Badan Usaha Milik Daerah X4
= Lain-lain PAD yang Sah
4.6.1. Pengujian Asumsi Klasik
Selanjutnya peneliti
akan melakukan pengujian dengan beberapa uji asumsi klasik yaitu :
1 Pengujian Normalitas Data
Pengujian normalitas data bertujuan untuk mengetahui distribusi data dalam variabel yang akan digunakan dalam penelitian. Data yang baik dan layak
yang digunakan dalam penelitian adalah data yang memiliki distribusi normal. Dalam penelitian ini, untuk melihat normalitas dengan menggunakan data Uji
Statistik. Test sederhana yang dapat dilakukan adalah berdasarkan nilai One-
Sample Kolmogorov-Smirnov. Jika signifikansi dari nilai One-Sample Kolmogorov-Smirnov lebih besar dari 0,05 berarti model penelitian
memenuhi asumsi normalitas. 2 Uji Multikolinieritas yaitu situasi adanya korelasi variabel-variabel independen
antara yang satu dengan yang lainnya. Dalam hal ini kita sebut variabel- variabel bebas ini tidak ortogonal. Variabel-variabel bebas yang bersifat
ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol. Jika terjadi korelasi sempurna diantara sesama
variabel bebas, maka konsekuensinya adalah: 1. Koefisien-koefisien regresi menjadi tidak dapat ditaksir. 2. Nilai standar error setiap koefisien regresi
menjadi tak terhingga. Pengujian ini bermaksud untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independent. Jika
terjadi korelasi, maka dinamakan terdapat problem multikolinieritas. Pengujian multikolinearitas dilakukan dengan melihat nilai VIF dan korelasi
diantara variabel independen. Jika nilai VIF lebih besar dari 10, maka terjadi multikolinearitas diantara variabel independent. Disamping itu, suatu model
dikatakan terdapat gejala multikolinearitas, jika korelasi diantara variabel independen lebih besar dari 0,9 Ghozali, 2002.
Ada dua cara yang dapat dilakukan jika terjadi multikolinieritas, yaitu :
a. Mengeluarkan salah satu variabel, misalnya variabel independen A dan B saling berkolerasi dengan kuat, maka bisa dipilih A atau B yang dikeluarkan dari
model regresi. b. Menggunakan metode lanjut seperti Regresi Bayesian atau Regresi Ridge.
3 Uji Heteroskedastisitas yaitu untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke pengamatan
yang lain. Jika varians dari residual dari suatu pengamatan ke pengamatan lainnya tetap, maka disebut homoskedastisitas. Sebaliknya jika varians berbeda, maka
disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Pada penelitian ini, uji heterokedastisitas dilakukan dengan
melihat titik Scatterplot. 4
Uji Autokorelasi dalam suatu model bertujuan untuk mengetahui ada tidaknya korelasi antara kesalahan pengganggu pada periode tertentu dengan kesalahan
pengganggu periode sebelumnya. Cara ini mudah mendeteksi autokorelasi dapat dilakukan dengan Durbin Watson hitung terletak di daerah No Autocorelation
Nugroho, 2005:60. Jika du DW 4-dl maka nilai Durbin Watson berada di daerah No
Autocorelation. Jika 4-du DW 4-dl berarti uji Durbin Watson tidak menghasilkan kesimpulan yang pasti inconclusive
4.6.2. Pengujian Hipotesis
