4.3.1 Uji Asumsi Normalitas
Uji normalitas digunakan untuk menguji apakah dalam model regresi, variabel independen dan variabel dependen berdistribusi normal atau tidak.Cara untuk menguji normalitas adalah dengan uji Kolmogorov-Smirnov untuk menentukan normalitas distribusi residual.Tingkat signifikansi yang digunakan �= 0,05. Dasar pengambilan keputusan adalah melihat angka probabilitas �, dengan ketentuan sebagai berikut.
Jika nilai probabilitas � ≥ 0,05, maka asumsi normalitas terpenuhi. Jika probabilitas < 0,05, maka asumsi normalitas tidak terpenuhi.
Tabel 4.2 Uji Normalitas One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 95
Normal Parametersa,,b Mean .0000000 Std. Deviation 82.54457606 Most Extreme Differences Absolute .129
Positive .129
Negative -.060
Kolmogorov-Smirnov Z 1.259
Asymp. Sig. (2-tailed) .084
a. Test distribution is Normal. b. Calculated from data.
Perhatikan bahwa berdasarkan Tabel 4.2, diketahui nilai probabilitas p atau Asymp.Sig. (2-tailed)sebesar 0,084. Karena nilai probabilitas p, yakni 0,084, lebih
besar dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas dipenuhi.
Uji normalitas data residual juga ditampilkan dalam uji grafik histogram dan normal plot berikut ini :
Gambar 4.1 Histogram
Membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal, dari grafik diatas dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng (skewness) kiri maupun menceng kanan.Pada grafik normal plot terlihat titik-titik menyebar disekitar garis diagonal dan penyebarannya mendekati garis diagonal. Maka dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal Untuk mengetahui ada tidaknya multikolinieritas dapat dilihat dari nilai Variance Inflation Factor (VIF), apabila nilai VIF < 10 dan nilai Tolerance >0.10, maka dapat disimpulkan bahwa tidak
terjadi masalah multikolineritas pada model regresi (Priyatno,2012:153). Seperti ditampilkan pada Gambar 4.2
Gambar 4.2 Grafik Normal Plot
4.3.2 Uji Multikolinearitas
Untuk memeriksa apakah terjadi multikolinearitas atau tidak dapat dilihat dari nilai variance inflation factor (VIF). Nilai VIF yang lebih dari 10 diindikasi suatu variabel bebas terjadi multikolinearitas (Ghozali, 2013).
Tabel 4.3
Uji Asumsi Multikolinearitas
Model Collinearity Statistics Tolerance VIF 1 (Constant) Efektivitas .939 1.065 Kemandirian .868 1.152 Efisiensi .834 1.199
Perhatikan bahwa berdasarkan Tabel 4.3, nilai VIF dari efektivitas adalah 1.065, nilai VIF dari kemandirian adalah 1.152, dan nilai VIF dari efisiensi adalah 1.199. Karena masing-masing nilai VIF tidak lebih besar dari 10, maka tidak terdapat gejala multikolinearitas yang berat.
4.3.3 Uji Heteroskedastisitas
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatter plot antara SRESID pada sumbu Y, dan ZPRED pada sumbu X.(Ghozali, 2013).Ghozali (2013) menyatakan dasar analisis adalah jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Gambar 4.3 Uji Heteroskedastisitas
Perhatikan bahwa berdasarkan Gambar 4.1, tidak terdapat pola yang begitu jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
4.3.4 Uji Autokorelasi
Menurut Ghozali (2011) uji autokorelasi bertujuan untuk menguji apakah terjadi korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya).Model regresi yang baik adalah regresi yang bebas dari autokorelasi.Asumsi mengenai independensi terhadap residual (non-autokorelasi) dapat diuji dengan menggunakan uji Durbin-Watson (Gio, 2015:61-62, Field, 2009:220). Nilai statistik dari uji Durbin-Watson berkisar di antara 0 dan 4.Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi.
Tabel 4.4 UjiAutokorelasi Model Durbin-Watson
1 1.520
Berdasarkan Tabel 4.4, nilai dari statistik Durbin-Watson adalah 1,520. Perhatikan bahwa karena nilai statistik Durbin-Watson terletak di antara 1 dan 3, maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi autokorelasi.
4.4 Pengujian Hipotesis
Analisis linear berganda adalah untuk mengetahui seberapa besar keterkaitan antara variabel independen terhadap variabel dependen.Hasil tersebut dapat dilihat melalui nilai koefisien yang diperoleh melalui pengujian spss.Hasil pengujian regresi berganda dapat dilihat melalui tabel 4.5 dibawah ini.
Tabel 4.5 Uji Regresi Berganda Coefficientsa Model Unstandardized Coefficients B Std. Error 1 (Constant) 18.547 30.091 Efektivitas .123 .139 Kemandirian 1.151 .843 Efisiensi 6.296 7.254
4.4.2 Uji Signifikansi Pengaruh Parsial (Uji t)
Tabel 4.6 menyajikan nilai koefisien regresi, serta nilai statistik t untuk pengujian pengaruh secara parsial.
Tabel 4.6 Uji Signifikansi Pengaruh Parsial (Uji �)
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 25.285 45.721 .553 .582 Efektivitas .216 .211 .065 1.021 .310 Kemandirian 15.490 1.281 .801 12.095 .000 Efisiensi 6.433 11.023 .039 .584 .561
Tabel 4.6 menyajikan nilai koefisien regresi, serta nilai statistik t untuk pengujian pengaruh secara parsial. Berdasarkan Tabel 4.6, diperoleh persamaan regresi linear berganda sebagai berikut.
Y = 25.285 + 0.216X1 + 15.490X2 + 6.43X3 + e
Berdasarkan Tabel 4.6, diketahui nilai koefisien regresi dari efektivitas adalah 0.216. Karena nilai koefisien regresi efektivitas 0.216 bernilai positif, hal ini berarti variabel efektivitas berpengaruh positif terhadap belanja modal.Diketahui nilai probabilitas (Sig.) dari efektivitas adalah 0.310.Karena nilai probabilitas dari efektivitas, yakni 0.310, lebih besar dibandingkan tingkat signifikansi 0,05, maka variabel efektivitas tidak berpengaruh signifikan terhadap Y.
Diketahui nilai koefisien regresi dari kemandirian adalah 15.490.Karena nilai koefisien regresi kemandirian 15.490 bernilai positif, hal ini berarti variabel kemandirian berpengaruh positif terhadap belanja modal.Diketahui nilai probabilitas (Sig.) dari kemandirian adalah 0.000.Karena nilai probabilitas dari kemandirian, yakni 0.000, lebih kecil dibandingkan tingkat signifikansi 0,05, maka variabel kemandirian berpengaruh signifikan terhadap Y.
Berdasarkan Tabel 4.6, diketahui nilai koefisien regresi dari efisiensi adalah 6.433. Karena nilai koefisien regresi efisiensi 6.433 bernilai positif, hal ini berarti variabel efisiensi berpengaruh positif terhadap belanja modal.Diketahui nilai probabilitas (Sig.) dari efisiensi adalah 0.561.Karena nilai probabilitas dari efisiensi, yakni 0.561, lebih besar dibandingkan tingkat signifikansi 0,05, maka variabel kemandirian tidak berpengaruh signifikan terhadap Y.
Uji � bertujuan untuk menguji pengaruh variabel bebas secara bersama-sama atau simultan terhadap variabel tak bebas.
Tabel 4.7Uji Pengaruh Simultan dengan Uji �
ANOVAb
Model Sum of Squares df Mean Square F Sig. 1 Regression 1210036.906 3 403345.635 57.308 .000a
Residual 640479.061 91 7038.231 Total 1850515.968 94
a. Predictors: (Constant), Efisiensi, Efektivitas, Kemandirian b. Dependent Variable: Belanja Modal
Diketahui nilai F hitung adalah 57.308 dan nilai F tabel adalah 2.704.Berikut kriteria untuk menentukan signifikansi pengaruh simultan berdasarkan uji F.
Jika F hitung > F tabel, pengaruh simultan signifikan. Jika F hitung < F tabel, pengaruh simultan tidak signifikan.
Karena nilai F hitung, yakni 57.308, lebih besar dibandingkan F tabel 2.704, maka variabel efektivitas, kemandirian, dan efisiensi, secara bersama-sama atau simultan, berpengaruh signifikan (secara statistika) terhadap belanja modal.
Kriteria lain untuk menguji signifikansi pengaruh simultan adalah dengan membandingkan nilai probabilitas (Sig.) terhadap tingkat signikansi 0,05. Berikut kriteria untuk menentukan signifikansi pengaruh simultan berdasarkan nilai probabilitas.
Jika nilai probabilitas (Sig.) > 0,05, pengaruh simultan tidak signifikan. Jika nilai probabilitas (Sig.) < 0,05, pengaruh simultan signifikan.
Karena probabilitas, yakni 0.000000, lebih kecil dibandingkan 0,05, maka variabel efektivitas, kemandirian, dan efisiensi, secara bersama-sama atau simultan, berpengaruh signifikan (secara statistika) terhadap belanja modal.
4.4.4 Analisis Koefisien Determinasi (R2)
Koefisien determinasi (�2) merupakan suatu nilai (nilai proporsi) yang mengukur seberapa besar kemampuan variabel-variabel bebas yang digunakan dalam persamaan regresi, dalam menerangkan variasi variabel tak bebas (Supranto, 2005:158, Gujarati, 2003:212).
Tabel 4.8 Koefisien Determinasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .809a .654 .642 83.89417 1.520
a. Predictors: (Constant), Efisiensi, Efektivitas, Kemandirian b. Dependent Variable: Belanja Modal
Diketahui nilai koefisien determinasi sebesar 0.654. Nilai tersebut berarti seluruh variabel bebas, yakni efektivitas, kemandirian, dan efisiensi, secara simultan mempengaruhi variabel belanja modal sebesar 65.4%, sisanya sebesar 34.6% dipengaruhi oleh faktor-faktor lain.
4.4.5Uji Moderating
Ghozali (2013) menyatakan terdapat tiga cara menguji regresi dengan varaibel moderating, yaitu: (1) uji interaksi, (2) uji nilai selisih mutlak, dan (3) uji residual. Dalam penelitian ini digunakan uji residual. Digunakannya uji residual karena pada uji interaksi dan uji nilai selisish mutlak mempunyai kecenderungan
akan terjadi multikolinearitas yang tinggi antar variabel independen dan hal ini akan menyalahi asumsi klasik dalam regresi ordinary least square (OLS) (Ghozali, 2013). Untuk mengatasi multikolinearitas ini, maka dikembangkan metode lain yang disebut uji residual.
Tabel 4.9 Uji Moderating Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 23.836 7.214 3.304 .001 Belanja Modal .160 .031 .467 5.097 .000
a. Dependent Variable: abs_residual_moderasi
Dalam pengujian moderasi dengan pendekatan uji residual, suatu variabel dikatakan memoderasi variabel bebas jika koefisien regresi variabel tak bebas bernilai negatif dan signifikan (Ghozali, 2013:244).Perhatikan bahwa koefisien regresi dari belanja modal bernilai positif (0,160) yang berarti bahwa pengaruh moderasi tidak signifikan.
BAB V
KESIMPULAN DAN SARAN