BAB III METODOLOGI PENELITIAN
B. Analisis Hasil Penelitian
1. Analisis Statistik Deskriptif
Menurut (Sugiyono, 2007:142) statistik deskriptif adalah proses pengumpulan dan peringkasan data, serta upaya untuk menggambarkan berbagai karakteristik data yang telah terorganisasi tersebut. Statistik deskriptif digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku umum atau generalisasi.
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata–rata (mean), standar deviasi, varian, maksimum, minimum, sum, range, kurtosis, dan skewness. Peneliti menggunakan statistik deskriptif apabila hanya ingin mendeskripsikan data sampel, dan tidak ingin membuat kesimpulan yang berlaku untuk populasi di mana sampel diambil.
Tabel 4.1 Descriptive Statistics
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation Variance Pendapatan Asli Daerah 60 22.27 26.50 23.6075 1.00408 1.008
Dana Alokasi Umum 60 25.26 27.34 26.2803 .56692 .321
Dana Alokasi Khusus 60 22.11 24.94 23.4167 .75658 .572
Belanja Modal 60 17.64 26.75 23.0785 1.76571 3.118
Pertumbuhan Ekonomi 60 27.30 31.65 29.0917 1.14010 1.300 Valid N (listwise) 60
Sumber: Data yang diolah penulis, 2009.
Berdasarkan tabel 4.1 di atas dapat diketahui: 1. jumlah sampel (N) sebanyak 60,
2. pendapatan Asli Daerah terendah adalah 22,27, Pendapatan Asli Daerah yang tertinggi adalah 26,50 dengan rata-rata 23,6075 serta standard deviasi 1,00408,
3. dana Alokasi Umum terendah adalah 25,26, Dana Alokasi Umum yang tertinggi adalah 27,34 dengan rata-rata 23,2803 serta standard deviasi 0,56692,
4. dana Alokasi Khusus terendah adalah 17.64, Dana Alokasi Khusus yang tertinggi adalah 26,75 dengan rata-rata 23,0785 serta standard deviasi 0,75658,
5. belanja Modal terendah adalah 22,11, Belanja Modal yang tertinggi adalah 24,94 dengan rata-rata 23,4167 serta standard deviasi 1,7657,
6. pertumbuhan Ekonomi terendah adalah 27,30, Pertumbuhan Ekonomi yang tertinggi adalah 31,65 dengan rata-rata 29,0971 serta standard deviasi 1,14010.
2. Uji Asumsi Klasik
Salah satu syarat yang menjadi dasar penggunaan model regresi berganda dengan metode Ordinary Least Square (OLS) adalah dipenuhinya semua asumsi klasik, agar hasil pengujian bersifat tidak bias dan efisien (Best Linear Unbiased Estimator/BLUE). Pengujian asumsi klasik dalam penelitian ini dilakukan dengan bantuan program statistik. Menurut Ghozali (2005:123) asumsi klasik yang harus dipenuhi adalah:
• berdistribusi normal,
• non-multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna,
• non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi tidak saling korelasi,
• homoskedasitas, artinya variance variabel independen dari satu pengamatan ke pengamatan yang lain adalah konstan atau sama.
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji sattistik menjadi tidak valid untuk jumlah sampel kecil. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Setelah melakukan uji normalitas dengan
mengunakan software SPSS diketahui bahwa model regresi penelitian ini berdistribusi secara normal hal ini dapat disimpilkan melalui:
1) Analisis Grafik
Analisis grafik dapat digunakan dengan dua alat, yaitu grafik histogram dan grafik P-P P-Plot. Data yang baik adalah data yang memiliki pola distribusi normal. P-Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot, sebuah data dikatakan berdistribusi normal apabila titik-titik datanya tidak menceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal.
Gambar 4.1 Grafik Histogram
Gambar 4.2 Grafik P-P Plot
Sumber: Data yang diolah penulis, 2009.
Berdasarkan grafik histogram maupun grafik normal plot dapat disimpulkan bahwa model regresi pada penelitian ini berdistribusi secara normal hal ini tergambar pada grafik histogram, dimana grafik tidak menceng ke kiri atau ke kanan (grafik seimbang antara kiri dan kanan) dan pada grafik normal plot tampak bahwa data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal.
2) Analisis Statistik
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. Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji Kolmogorov-Smirnov (1 sample KS)
dengan melihat data residualnya apakah berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0,05 maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal. Hasil uji
Kolmogorov-Smirnov dapat dilihat pada tabel 4.2.
Berdasarkan output SPSS di bawah ini terlihat bahwa nilai asymp sig (2-tailed) adalah 0,824 dan di atas nilai signifikan 0,05 dengan kata lain variabel residual berdistribusi normal.
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 60
Normal Parametersa Mean .0000000
Std. Deviation .30705854 Most Extreme Differences Absolute .081
Positive .068
Negative -.081
Kolmogorov-Smirnov Z .629
Asymp. Sig. (2-tailed) .824
b. Uji Multikolinearitas
“Uji multikolinearitas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas” (Ghozali, 2005:91). Menurut Ghozali (2005:91) “adanya gejala multikolinearitas dapat dilihat dari nilai tolerance atau nilai Variance Inflation Factor (VIF). Batas nilai tolerance adalah 0,1 dan batas VIF adalah 10”. Apabila nilai tolerance < 0,1 atau VIF > 10 = terjadi multikolinearitas. Apabila nilai tolerance > 0,1 atau VIF < 10 = tidak terjadi multikolinearitas. Hasil pengujian terhadap multikolinearitas pada penelitian ini dapat dilihat pada tabel 4.3.
Tabel 4.3
Hasil Uji Multikolinearitas
Coefficientsa Model Unstandardized Coefficients Standardiz ed Coefficien ts t Sig. Collinearity Statistics B Std. Error Beta Toleran ce VIF 1 (Constant) -8.636 2.211 -3.907 .000 Pendapatan Asli Daerah .443 .080 .390 5.540 .000 .266 3.763 Dana Alokasi Umum 1.454 .166 .723 8.753 .000 .193 5.176 Dana Alokasi Khusus -.447 .088 -.297 -5.095 .000 .388 2.575 Belanja Modal -.021 .031 -.032 -.660 .512 .559 1.787 a. Dependent Variable: Pertumbuhan
Ekonomi
Tabel 4.4 Koefisien Korelasi
Coefficient Correlationsa
Model Belanja Modal
Pendapatan Asli Daerah Dana Alokasi Khusus Dana Alokasi Umum
1 Correlations Belanja Modal 1.000 -.122 -.383 -.117 Pendapatan Asli Daerah -.122 1.000 .605 -.828 Dana Alokasi Khusus -.383 .605 1.000 -.632 Dana Alokasi Umum -.117 -.828 -.632 1.000
Covariances Belanja Modal .001 .000 -.001 .000
Pendapatan Asli Daerah .000 .006 .004 -.011 Dana Alokasi Khusus -.001 .004 .008 -.009
Dana Alokasi Umum .000 -.011 -.009 .028
a. Dependent Variable: Pertumbuhan Ekonomi Sumber: Data yang diolah penulis, 2009.
Berdasarkan tabel 4.4 maka kita dapat melihat hasil besaran korelasi antar variabel dependen tampak bahwa hanya variabel Pendapatan Asli Daerah yang mempunyai korelasi cukup tinggi dengan variabel Dana Alokasi Umum dengan tingkat korelasi - 0,828 atau sekitar 82,8 %. Oleh karena korelasi ini masih dibawah 95 %, maka dapat dikatakan tidak terjadi multikolinearitas.
Hasil perhitungan nilai tolerance yang terdapat dalam table 4.4 juga menunjukan tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antara variabel independen yang nilainya lebih dari 95%. Hasil perhitungan nilai Variance Inflation Factor (VIF) juga menunjukan hal yang sama bahwa tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat
disimpulkan bahwa tidak ada multikolinearitas antara variabel independen dalam model regresi dalam penelitian ini.
c. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada runtut waktu (time series) karena “gangguan” pada seseorang individu/kelompok yang sama pada periode berikutnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi
Berdasarkan output SPSS pada tabel 4.5 diketahui bahwa nilai Dubrin-Watson sebesar 1,388 sehingga dapat dikatakan tidak terjadi auto korelasi hal ini bersarkan pengambilan keputusan ada tidaknya autokorelasi menurut Ghozali (2005:218) dengan cara melihat besaran Dubrin-Watson (D-W) sebagai berikut:
• angka D-W dibawah -2, berarti ada autokorelasi positif.
• angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi.
Tabel 4.5
Hasil Uji Autokorelasi
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .963a .927 .922 .31803 1.388
a. Predictors: (Constant), Belanja Modal, Pendapatan Asli Daerah, Dana Alokasi Khusus, Dana Alokasi Umum
b. Dependent Variable: Pertumbuhan Ekonomi
d. Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
1) Grafik Plot
Grafik Plot pada gambar 4.3 menunjukkan bahwa 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
Sumber: Data yang diolah penulis, 2009. 2) Uji Glejser
Tabel 4.6 Hasil Uji Glejser
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -8.636 2.211 -3.907 .000
Pendapatan Asli Daerah .443 .080 .390 5.540 .000
Dana Alokasi Umum 1.454 .166 .723 8.753 .000
Dana Alokasi Khusus -.447 .088 -.297 -5.095 .000
Belanja Modal -.021 .031 -.032 -.660 .512
a. Dependent Variable: Pertumbuhan Ekonomi Sumber: Data yang diolah penulis, 2009.
Hasil tampilan output SPSS pada tabel 4.6 dengan jelas menunjukkan hanya satu variabel independen yang signifikan secara statistic tidak mempengaruhi variabel dependen, hal ini terlihat dari nilai signifikansinya di atas 5%, jadi dapat disimpulkan tidak terjadi Heteroskedastisitas. Namun, variable Pendapatan Asli Daerah, Dana Alokasi Umum, dan Dana Alokasi Khusus memiliki signifikansi di bawah 5%, dan dapat disimpulkan terjadi heterokedastisitas.
3. Hasil Pengujian Hipotesis
a. Hasil Pengukuran Adjusted R2
Regresi linear berganda ditujukan untuk menentukan hubungan linear antara beberapa variabel bebas yang biasa disebut X1, X2, X3, dan seterusnya dengan variabel terikat yang disebut Y (Ghozali, 2005:109).
Tabel 4.7
Hasil Regresi Linear Berganda
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .963a .927 .922 .31803
a. Predictors: (Constant), Belanja Modal, Pendapatan Asli Daerah, Dana Alokasi Khusus, Dana Alokasi Umum
b. Dependent Variable: Pertumbuhan Ekonomi Sumber: Data yang diolah penulis, 2009.
Berdasarkan tabel 4.7 diatas diketahui bahwa R = 0,963 berarti hubungan antara Pendapatan Asli Daerah, Dana Alokasi Umum, Dana Alokasi Khusus dan Belanja Modal terhadap Pertumbuhan Ekonomi sebesar 96,3%. Adjusted R Square sebesar 0,922 berarti
92,2% faktor-faktor Pertumbuhan Ekonomi dapat dijelaskan oleh Pendapatan Asli Daerah,
Dana Alokasi Umum, Dana Alokasi Khusus dan Belanja Modal sedangkan 7,8% dapat dijelaskan oleh faktor-faktor lain yang tidak diteliti oleh penelitian ini.
c. Uji Signifikansi Simultan (Uji Statistik F)
Secara simultan, pengujian hipotesis dilakukan dengan uji F-test. Uji F digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Bentuk pengujiannya adalah Ho: bi = b2 = ……= bk = 0, artinya semua variabel independen bukan merupakan penjelas yang signifikan atau tidak memiliki pengaruh terhadap variabel dependen dan Ha: b1 ≠ b2 ≠…….≠ b3= 0, artinya semua variabel independen merupakan
penjelas yang signifikan terhadap variabel dependen atau dengan kata lain semua variabel independen tersebut memiliki pengaruh terhadap variabel dependen.
Uji ini dilakukan dengan membandingkan signifikansi F hitung dengan ketentuan jika signifikansi < 0,05 maka Ha diterima sedangkan jika signifikansi >0,05 maka Ha ditolak. Serta membandingkan nilai F hasil perhitingan dengan F menurut tabel. Bila nilai F hitung lebih besar daripada nilai F tabel, maka Ha diterima dan sebaliknya.
Uji F ini dilakukan untuk mengetahui apakah variabel variabel PAD (X1), DAU (X2), DAK (X3), dan Belanja Modal (X4) berpengaruh secara simultan atau bersama-sama terhadap Pertumbuhan Ekonomi (Y).
Tabel 4.8
Hasil Uji F
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 71.127 4 17.782 175.811 .000a
Residual 5.563 55 .101
Total 76.690 59
a. Predictors: (Constant), Belanja Modal, Pendapatan Asli Daerah, Dana Alokasi Khusus, Dana Alokasi Umum
b. Dependent Variable: Pertumbuhan Ekonomi Sumber: Data yang diolah penulis, 2009.
Tabel 4.8 di atas mengungkapkan bahwa nilai signifikan (0,00) lebih kecil dari 0,05 maka Pendapatan Asli Daerah, Dana Alokasi Umum, Dana Alokasi Khusus, dan Belanja Modal secara bersama-sama berpengaruh terhadap Pertumbuhan Ekonomi. Jika membandingkan nilai F hitung dengan nilai F tabel diketahui bahwa nilai F hitung lebih besar dari nilai F tabel (175,811>2,772), dimana F tabel dapat dilihat dalam lampiran viii. Sehinnga dapat disimpulkan bahwa Pendapatan Asli Daerah, Dana Alokasi Umum, Dana Alokasi Khusus dan Belanja Modal secara bersama-sama berpengaruh terhadap Pertumbuhan Ekonomi.
b. Uji signifikansi Parameter individual (Uji statistik t)
Uji t dilakukan untuk mengetahui hubungan antara variabel-variabel independen terhadap variabel dependen secara parsial (individu). Uji-t ini dilakukan dengan membandingkan nilai P-value dari t dengan α. Kesimpulan yang dapat diambil dari uji t ini adalah:
a. Bila nilai P value dari t masing-masing variabel independen > α = 5%, maka Ho : bi = 0 diterima dan Ha: bi ≠ 0 ditolak, artinya secara individual variabel independen Xi tidak berpengaruh signifikan terhadap variabel dependen
b. Bila P value dari t masing-masing variabel independen < α maka Ho : bi = 0
ditolak dan Ha: bi ≠ 0 diterima, artinya secara individual masing-masing variabel independen Xi berpengaruh secara signifikan terhadap variabel dependen. Tabel 4.9 Hasil Uji t Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -8.636 2.211 -3.907 .000
Pendapatan Asli Daerah .443 .080 .390 5.540 .000
Dana Alokasi Umum 1.454 .166 .723 8.753 .000
Dana Alokasi Khusus -.447 .088 -.297 -5.095 .000
Belanja Modal -.021 .031 -.032 -.660 .512
a. Dependent Variable: Pertumbuhan Ekonomi Sumber: Data yang diolah penulis, 2009.
Dari hasil pengujian akan dijelaskan pengaruh variabel independen secara satu persatu (parsial) dengan membandingkan antara nilai signifikansi (t hitung) yang terdapat dalam tabel 4.9 dengan t tabel yang terdapat di dalam lampiran viii yaitu:
1. Pendapatan Asli Daerah berpengaruh secara positif dan signifikan terhadap Pertumbuhan Ekonomi,
Hal ini terlihat dari nilai signifikansi (0,00) di bawah atau lebih kecil dari 0,05. Perbandingan nilai t-hitung dengan t-tabel juga menunjukkan bahwa Pendapatan Asli
Daerah berpengaruh terhadap Pertumbuhan Ekonomi dimana nilai t-hitung lebih besar dari nilai t-tabel (5,540>2,004). Hal ini menunjukkan jika variable Pendapatan Asli Daerah dinaikkan satu satuan, maka Pertumbuhan Ekonomi akan meningkat sebesar 0,443 satuan. 2. Dana Alokasi Umum juga berpengaruh secara negatife dan signifikan terhadap Pertumbuhan Ekonomi,
Hal ini terlihat dari nilai signifikansi (0,00) di bawah atau lebih kecil dari 0,05. Perbandingan nilai t-hitung dengan t-tabel juga menunjukkan bahwa Dana Alokasi Umum berpengaruh terhadap Pertumbuhan Ekonomi dimana nilai hitung lebih besar dari nilai t-tabel (8,753>2,004). Hal ini menunjukkan jika variable Dana Alokasi Umum dinaikkan satu satuan, maka Pertumbuhan Ekonomi akan menurun sebesar 1,454 satuan.
3. Dana Alokasi Khusus juga berpengaruh secara positif dan signifikan terhadap Pertumbuhan Ekonomi,
Hal ini terlihat dari nilai signifikansi (0,00) di bawah atau lebih kecil dari 0,05. Perbandingan nilai t-hitung dengan t-tabel juga menunjukkan bahwa Dana Alokasi Khusus berpengaruh terhadap Pertumbuhan Ekonomi dimana nilai hitung lebih besar dari nilai t-tabel (5,095>2,004). Hal ini menunjukkan jika variabel Dana Alokasi Khusus dinaikkan satu satuan, maka Pertumbuhan Ekonomi akan meningkat sebesar 0,447 satuan.
4. Belanja Modal tidak berpengaruh terhadap Pertumbuhan Ekonomi.
Hal ini terlihat dari nilai signifikansi (0,512) di atas atau lebih besar dari 0,05. Perbandingan nilai t-hitung dengan t-tabel juga menunjukkan bahwa Belanja Modal tidak berpengaruh terhadap Pertumbuhan Ekonomi dimana nilai hitung lebih kecil dari nilai t-tabel (0,660<2,004). Hal ini menunjukkan jika variable Belanja Modal dinaikkan satu satuan, maka Pertumbuhan Ekonomi tidak akan meningkat sebesar 0,21 satuan
Dari tabel 4.9 diatas dapat diperoleh model persamaan regresi berganda sebagai berikut:
Y = -8,636 + 0,443X1 + 1,454X2 - 4,47 X3- 0,21X4 + e
Keterangan :
1) konstanta (a) sebesar -8,636 menunjukkan bahwa apabila tidak ada variabel independen (X = 0) maka Pertumbuhan Ekonomi sebesar -8,636,
2) koefisien X1 (b1) sebesar 0,443 menunjukkan bahwa variabel Pendapatan Asli Daerah (PAD) (X1) berpengaruh positif terhadap Pertumbuhan Ekonomi. Hal ini berarti bahwa bila PAD ditingkatkan maka akan meningkatkan Pertumbuhan Ekonomi daerah,
3) koefisien X2 (b2) sebesar 1,454 menunjukkan bahwa variabel Dana Alokasi Umum (DAU) atau (X2) berpengaruh positif terhadap Pertumbuhan Ekonomi. Hal ini berarti bahwa bila DAU ditingkatkan maka akan meningkatkan Pertumbuhan Ekonomi daerah,
4) koefisien X3 (b3) sebesar -4,47 menunjukkan bahwa variabel Dana Alokasi Khusus (DAK) (X3) berpengaruh negatif terhadap Pertumbuhan Ekonomi. Hal ini berarti bahwa bila DAK ditingkatkan maka akan menurunkan Pertumbuhan Ekonomi daerah,
5) koefisien X4 (b4) sebesar -0,21 menunjukkan bahwa variabel Pertumbuhan Ekonomi (X4) berpengaruh negatif terhadap Pertumbuhan Ekonomi. Hal ini berarti bahwa bila Belanja Modal ditingkatkan maka akan menurunkan Pertumuhan Ekonomi Daerah,
6) standar error (e) menunjukkan tingkat kesalahan pengganggu.
