BAB IV HASIL PENELITIAN
B. Analisis Hasil Penelitian
Statistik deskriptif ini memberikan gambaran mengenai nilai minimum, nilai maksimum, nilai rata-rata standart deviasi data yang digunakan dalam penelitian. Data statistik deskriptif ditampilkan dalam tabel 4.2.
Tabel 4.2
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
kapita1 75 14,96 16,46 15,5824 ,34058
PAD1 75 14,13 19,60 16,3689 ,98504
Dana1 75 18,00 20,81 19,5371 ,58534
Valid N (listwise) 75
Berdasarkan data dari tabel 4.2 dapat dijelaskan bahwa:
1. Variabel pendapatan per kapita memiliki jumlah sampel (N) sebanyak 75, dengan nilai minimum 14,96, nilai maksimum 16,46, mean 15,5824dan standart deviation (simpangan baku) 0,34058,
2. Variabel PAD memiliki jumlah sampel (N) sebanyak 75, dengan nilai minimum 14,13, nilai maksimum 19,6, mean 16,3689 dan standart deviation (simpangan baku) 0,98504,
3. Variabel dana perimbangan memiliki jumlah sampel (N) sebanyak 75, dengan nilai minimum 18, nilai maksimum 20,81, mean 19,5371 dan standart deviation (simpangan baku) 0,58534,
4. Jumlah sampel yang digunakan adalah sebanyak 75 buah.
Analisa dilakukan dengan model analisa regresi berganda. Sebelum dilakukan uji hipotesis, peneliti akan melakukan uji asumsi klasik. Pengujian ini perlu dilakukan untuk mengetahui apakah distribusi data yang digunakan dalam penelitian sudah normal, serta bebas dari gejala multikolinearitas, heteroskesdastisitas serta autokorelasi.
a. Uji Normalitas
Uji Pengujian ini dimaksudkan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual mempunyai distribusi normal. Pengujian ini menggunakan uji normalitas dengan normal probably plot of standardized residual, yang hasilnya tampak pada gambar 4.1.
Gambar 4.1
Berdasarkan gambar 4.1 dapat dilihat bahwa titik-titik menyebar di sekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal. Dengan demikian dapat dinyatakan bahwa penyebaran data mendekati normal atau memenuhi asumsi normalitas. Hal ini juga dilihat dari grafik histogram berikut.
1.0 0.8 0.6 0.4 0.2 0.0
Observed Cum Prob
1.0 0.8 0.6 0.4 0.2 0.0 E x p e c te d C u m P ro b
Dependent Variable: kapita1
Gambar 4.2
Berikutnya uji data statistik dengan model Kolmogorov-Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak.
3 2 1 0 -1 -2 -3
Regression Standardized Residual
20 15 10 5 0 F re q u e n c y Mean = -1.33E-14 Std. Dev. = 0.986 N = 75
Dependent Variable: kapita1 Histogram
Tabel 4.3
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 75
Normal Parameters(a,b) Mean ,0000000
Std. Deviation ,22404929 Most Extreme Differences Absolute ,058 Positive ,048 Negative -,058 Kolmogorov-Smirnov Z ,501
Asymp. Sig. (2-tailed) ,963
a Test distribution is Normal. b Calculated from data.
Berdasarkan hasil uji statistik dengan model Kolmogorov-Smirnov seperti yang terdapat dalam tabel4.3 dapat disimpulkan bahwa data berdistribusi normal. Hal ini dapat dilihat dari nilai Asymp.Sig (2-tailed) adalah 0.963>0.05.
b. Uji Multikolinearitas
Pengujian bertujuan mengetahui ada tidaknya multikolinearitas antar variabel-variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Deteksi dilakukan dengan melihat nilai VIF (Variable Inflation Factor) dan toleransi. Pengujian dilakukan dengan SPSS 15.00 for Windows. Nilai VIF serta toleransi dari variabel-variabel penelitian dapat dilihat pada tabel berikut ini.
Tabel 4.4
Berdasarkan tabel 4.4 di atas dapat disimpulkan penelitian ini bebas dari gejala multikolinearitas. Jika dilihat pada tabel semua variabel independen memiliki nilai VIF<10. Selain itu nilai toleransi untuk setiap variabel independen lebih besar dari 0,1 (tolerance>0,1) Dengan demikian disimpulkan tidak ada multikolinearitas dalam model regresi ini.
c. Uji Heteroskesdastisitas
Uji heteroskedastisitas bertujuan menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode yang lain. Uji ini dilakukan dengan mengamati pola tertentu pada grafik scatterplot, dimana bila ada titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y serta tidak membentuk pola maka tidak terjadi heterokedastisitas. Grafik scatterplot dapat dilihat pada gambar 4.3 berikut ini.
Coefficientsa 15,945 1,020 15,637 ,000 ,407 ,048 1,178 8,572 ,000 ,318 3,143 -,360 ,080 -,618 -4,500 ,000 ,318 3,143 (Constant) PAD1 Dana1 Model 1 B Std. Error Unstandardized Coeffic ients Beta Standardiz ed Coeffic ients
t Sig. Tolerance VIF
Collinearity Statistics
Dependent Variable: kapita1 a.
Gambar 4.3
Dengan melihat gambar 4.3 dapat dilihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah 0 pada sumbu Y, maka dapat disimpulkan tidak terjadi heteroskedastisitas pada model regresi ini.
d. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan periode t-1 (sebelumnya). Model regresi yang baik adalah yang bebas dari autokorelasi. Ada
3 2 1 0 -1 -2 -3
Regression Standardized Residual
16.50 16.00 15.50 15.00 k a p it a 1
Dependent Variable: kapita1 Scatterplot
beberapa cara yang dapat digunakan untuk mendeteksi masalah dalam autokorelasi diantaranya adalah dengan Uji Durbin Watson (DW).
Berikut adalah hasil uji Durbin-Watson pada tabel 4.5.
Tabel 4.5 Model Summary(b) Model R R Square Adjusted R Square Std. Error of
the Estimate Durbin-Watson
1 ,753(a) ,567 ,555 ,22714 1,460
a Predictors: (Constant), Dana1, PAD1 b Dependent Variable: kapita1
Dari tabel Durbin-Watson dapat dilihat bahwa untuk jumlah sampel sebanyak 75 dan variabel bebas sebanyak 2 maka Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi
3. Pengujian Hipotesis
a. Koefisien Korelasi dan Koefisien Determinasi (Goodness of Fit)
Nilai koefisien korelasi (R) menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen. Koefisien korelasi dikatakan kuat jika nilai R berada di atas 0,5 dan mendekati 1. Adapun koefisien determinasi (goodness of fit), yang dinotasikan dengan R2 merupakan suatu ukuran yang penting dalam regresi. Determinasi (R ) 2 mencerminkan kemampuan model dalam menjelaskan variabel dependen. Koefisien korelasi dan koefisien determinasi dari model penelitian dapat dilihat pada tabel 4.6.
Tabel 4.6 Model Summary(b) Model R R Square Adjusted R Square Std. Error of the Estimate 1 ,753(a) ,567 ,555 ,22714
a Predictors: (Constant), Dana1, PAD1 b Dependent Variable: kapita1
Tabel 4.6 menunjukkan bahwa nilai koefisien korelasi (R) sebesar 0,753 yang berarti bahwa korelasi antara variabel dependen dengan variabel-variabel independennya adalah kuat dengan didasarkan pada nilai R yang berada di atas 0,5. Nilai R (Adjusted R Square) pada tabel 4.5 menunjukkan nilai 0,555, artinya 2 keduat variabel independen dalam penelitian yaitu PAD dan dana perimbangan dapat menjelaskan 55,5% dari pendapatan per kapita. Adapun sisanya sebesar 44,5% sisanya dijelaskan oleh sebab-sebab lain di luar model.
b. Uji Signifikansi Simultan (Uji F)
Signifikansi model regresi secara simultan diuji dengan melihat perbandingan antara F-tabel dan F-hitung. Selain itu akan dilihat nilai signifikansi (sig), dimana jika nilai sig dibawah 0,05 maka variabel independen dinyatakan berpengaruh terhadap variabel dependen. Adapun hipotesis untuk uji F adalah sebagai berikut: H1 : PAD dan transfer pemerintah pusat memiliki pengaruh secara simultan
Uji F ini dilakukan dengan membandingkan signifikansi F-hitung dengan ketentuan:
• jika F-hitung<F-tabel pada α = 0,05, maka H1 ditolak,
• jika F-hitung>F-tabel pada α = 0,05, maka H1 diterima.
Nilai F hitung dan nilai signifikansi dapat dilihat pada tabel 4.7 berikut ini.
Tabel 4.7
Dari hasil analisis regresi ini, didapat F-hitung adalah 47,186 dengan signifikansi sebesar 0,000 (p = 0,000; p < 0,05). Oleh karena signifikansi lebih kecil dari 0,05 maka pengaruh ini signifikan secara statistik. Hal ini menunjukkan bahwa H1 diterima, dengan demikian dapat disimpulkan bahwa pendapatan per kapita dipengaruhi secara simultan atau bersama-sama oleh PAD, dan transfer pemerintah pusat atau dana perimbangan.
ANOV Ab 4,869 2 2,434 47,186 ,000a 3,715 72 ,052 8,584 74 Regres sion Residual Total Model 1 Sum of
Squares df Mean S quare F Sig.
Predic tors: (Constant), Dana1, P AD1 a.
Dependent Variable: kapita1 b.
c. Uji Signifikansi Parsial (Uji t)
Untuk mengetahui apakah variabel independen dalam model regresi berpengaruh secara parsial terhadap variabel dependen, maka dilakukan pengujian dengan uji t. Ada dua hipotesis yang akan diuji dengan uji t.
H2 : PAD memiliki pengaruh signifikan terhadap pendapatan per kapita. H3 : Transfer pemerintah pusat atau dana perimbangan memiliki pengaruh
signifikan terhadap pendapatan per kapita.
Uji t ini dilakukan dengan membandingkan signifikansi t-hitung dengan ketentuan:
• jika t hitung<t tabel pada α = 0,05, maka Hi ditolak,
• jika t hitung>t tabel pada α = 0,05, maka Hi diterima.
Signifikansi koefisien variabel independen secara parsial (uji t) dapat dilihat dari tabel 4.10 berikut ini.
Tabel 4.8 Coeffi cientsa 15,945 1,020 15,637 ,000 ,407 ,048 1,178 8,572 ,000 -,360 ,080 -,618 -4, 500 ,000 (Const ant) PA D1 Dana1 Model 1 B St d. E rror Unstandardized Coeffic ients Beta St andardiz ed Coeffic ients t Sig.
Dependent Variable: kapita1 a.
Dari tabel 4.8 di atas dapat diperoleh model persamaan regresi berganda sebagai berikut:
Y= 15,945 + 0,407X1 + -0,360X2
Dari uji t yang dilakukan diperoleh nilai t hitung untuk masing-masing variabel independen. Sementara t tabel yang diperoleh dengan ketentuan α = 0,05 dan derajat kebebasan (n-2) = 73 adalah 1,658. Dengan demikian dapat diketahui pengaruh masing-masing variabel independen terhadap variabel dependen.
a. Pendapatan asli daerah memiliki nilai signifikansi sebesar 0,000 yang berarti nilai ini lebih kecil dari 0,05, sedangkan nilai t hitung diperoleh sebesar 8,572. Nilai t hitung ini lebih besar dari nilai t tabel sebesar 1,658. Berdasarkan nilai tersebut dapat disimpulkan bahwa H2 diterima atau PAD memiliki pengaruh signifikan terhadap pendapatan per kapita.
b. Transfer pemerintah pusat atau dana perimbangan memiliki nilai
signifikansi sebesar 0,000 yang berarti nilai ini lebih kecil dari 0,05, sedangkan nilai t hitung diperoleh sebesar -4,500. Nilai t hitung ini lebih besar dari nilai t tabel sebesar 1,658. Berdasarkan nilai tersebut dapat disimpulkan bahwa H3 diterima atau dana perimbangan memiliki pengaruh signifikan terhadap pendapatan per kapita.