METODE PENELITIAN
E. Analisis Data
-= t t t population Population Population Growth E. Analisis Data
Teknik analisa data adalah cara yang digunakan dalam mengolah data yang dikumpulkan dalam penelitian untuk membuktikan hipotesis yang diajukan. Analisis data yang penulis gunakan dalam penelitian ini adalah sebagai berikut :
1. Multiple Regression Analysis (Analisis Regresi Berganda)
Model regresi berganda adalah teknik analisis yang menjelaskan hubungan antara variabel dependen dengan beberapa variasi independen (Sumodiningrat, 1993). Dalam penelitian ini digunakan model regresi berganda.
commit to user Growth Size ita DebtPerCap CVrevenue e Expenditur Cash/ it =a0+a1 +a2 +a3 +a4 Dimana, e Expenditur
Cash/ = cash holdings daerah (municipal cash holdings)
=
CVrevenue Koefisien variasi pendapatan =
ita
DebtPerCap Utang per kapita
=
Size Ukuran pemerintah daerah
=
Growth Pertumbuhan 2. Uji Asumsi Klasik
a. Uji Normalitas Data.
Normalitas data merupakan penyebaran nilai data yang merata. Menurut Ghozali (2007) uji normalitas data dilakukan dengan tujuan untuk mengetahui apakah sampel yang diambil telah memenuhi kriteria sebaran atau distribusi normal. Salah satu cara agar data dapat berdistribusi normal adalah dengan menggunakan lewat pengamatan nilai residual. pendekatan grafik Normal P-P of regression standardized residual untuk menguji noarmalitas data. Jika data menyebar disekitar garis diagonal pada grafik Normal P-P of regression standardized residual dan mengikuti arah garis diagonal tersebut, maka model regresi memenuhi asumsi normalitas.
Cara lain dengan melihat distribusi dan variable-variabel yang akan diteliti. Walaupun normalitas suatu variabel tidak selalu diperlukan dalam analisis akan tetapi hasil uji satatistik akan lebih baik jika semua variabel berdistribusi normal. Untuk mendeteksi
commit to user
normalitas data dapat juga menggunakan Kolmogorov-Smirnov. Dengan uji ini dapat diketahui apakah distribusi nilai-nilai sampel yang teramati terdistribusi normal. Kriteria pengujian dengan dua arah (two-tailed test) yaitu dengan membandingkan probabilitas dengan tarif signifikan 0,05. jika p > 0,05 maka data terdistribusi normal dan sebaliknya jika p < 0,05 maka data tidak terdistribusi normal
b. Uji Multikolinearitas.
Multikolinearitas adalah situasi adanya korelasi antara variabel independen yang satu dengan variabel independen yang lainnya Ghozali (2001). Gejala multikolinearitas dapat diuji dengan meregresikan model analisis dan melakukan uji korelasi antar variabel independen dengan menggunakan Tolerance Value dan Varian Inflating Factor (VIF). Tolerance mengukur veriabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Apabila nilai tolerance diatas 0.10 dan VIF dibawah 10, maka menunjukkan tidak terjadi multikolinearitas.
Model regresi yang baik adalah apabila dalam model tersebut tidak terjadi korelasi antar variabel independennya. Menurut Ghozali (2001), ada beberapa cara yang dapat dilakukan untuk menghilangkan gejala multikolinearitas pada model regresi yaitu sebagai berikut ini. (a) Transformasi variabel, yaitu salah satu cara mengurangi
hubungan linear diantara variabel bebas, dapat dilakukan dalam bentuk logaritma natural dan bentuk first difference atau delta.
commit to user
(b) Dengan mengeluarkan satu atau lebih variabel independent yang mempunyai korelasi yang tinggi dari model regresi dan identifikasi variabel independen lainnya untuk membantu prediksi.
(c) Gunakan model dengan variabel bebas yang mempunyai variabel korelasi tinggi hanya semata-mata untuk memprediksi.
(d) Gunakan korelasi sederhana antar setiap variabel bebas dan variabel terikatnya untuk memahami hubungan variabel bebas dan variabel terikat.
c. Uji Heteroskedastisitas.
Heterokedastisitas menunjukkan bahwa variasi (varians) variabel tidak sama untuk semua pengamatan. Pada heterokedastisitas, kesalahan yang terjadi tidak random (acak), tetapi menunjukkan hubungan yang sistematis sesuai dengan besarnya satu atau lebih variabel. Gejala heterokedastisitas terjadi pada model yang menggunakan data sample secara cross section.
Heterokedastisitas dalam penelitian ini diuji dengan menggunakan uji Scatterplot. Ada atau tidaknya heterokestasitas dapat dilihat dengan melihat ada atau tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang diprediksi dan sumbu X adalah residual. Jika ada pola pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit) maka
commit to user
mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola yang terjadi dan titik menyebar diatas dan dibawah angka nol maka tidak terjadi heteroskastisitas. Cara lain dalam pengujian heteroskedastisitas adalah dengan menggunakan Uji Glejser. Apabila nilai sig > 0,05 maka terjadi homoskedastisitas dan ini yang seharusnya terjadi, namun jika sebaliknya nilai sig < 0,05 maka terdapat heteroskedasitas
d. Uji Autokorelasi.
Autokorelasi merupakan korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu (seperti dalam data SPSS dalam data time series) atau ruang (seperti data cross section) Santoso (2000). Uji autokorelasi dilakukan untuk mengetahui apakah model mengandung autokorelasi atau tidak, yaitu hubungan yang erat diantara varibel independen dalam mempengaruhi variabel dependen. Model regresi yang baik apabila model tersebut tidak terjadi autokorelasi.
Salah satu cara untuk mendeteksi ada tidaknya autokorelasi adalah dengan Run Test. Menurut Ghozali (2007) Run Test sebagai bagian dari statistik non-parametrik dapat pula digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random. Run Test digunakan untuk melihat apakah data residual terjadi secara random atau tidak (sistematis).
commit to user
e. Pengujian Ketepatan Perkiraan (goodness of fit test)
Nilai koefisien determinasi (R2) menunjukkan sumbangan variabel independen terhadap perubahan yang terjadi pada variabel dependen. Dalam perhitungan statistik ini, nilai R2 yang digunakan adalah adjusted R2 karena ini merupakan salah satu indikator untuk mengetahui pengaruh penambahan suatu variabel independen ke dalam suatu persamaan regresi. Nilai dari adjusted R2 benar-benar telah bebas dari pengaruh derajat bebas, yang berarti nilai tersebut benar-benar menunjukkan pengaruh variabel independen terhadap variabel dependen. Koefisien determinasi atau kuadrat dari koefisien kolerasi memiliki nilai antara 0 < R2 < 1, koefisien determinasi sama dengan 1 berarti variabel independen berpengaruh secara sempurna terhadap variabel dependen dan jika koefisien determinasi = 0 berarti variabel independen tidak berpengaruh terhadap variabel dependen.
3. Pengujian hipotesis
Pengujian hipotesis dilakukan untuk mengetahui pengaruh variabel independen berupa koefisien variasi pendapatan, utang per kapita, ukuran pemerintah daerah dan pertumbuhan terhadap cash holdings daerah. Pengujian hipotesis dalam penelitian ini menggunakan langkah-langkah pengujian seperti berikut ini.
commit to user 1. Menentukan hipotesis yang dirumuskan:
Ha: Variabel koefisien variasi pendapatan, utang per kapita, ukuran pemerintah daerah dan pertumbuhan berpengaruh terhadap cash holdings daerah pada pemerintah daerah di Indonesia.
Ho: Variabel koefisien variasi pendapatan, utang per kapita, ukuran pemerintah daerah dan pertumbuhan tidak berpengaruh terhadap cash holdings daerah pada pemerintah daerah di Indonesia.
2. Menentukan tingkat signifikansi α sebesar 0,05 dan 0,1.
3. Menentukan kriteria penerimaan hipotesis.
Jika p < α, maka Ho ditolak Jika p > α, maka Ho diterima
4. Penarikan kesimpulan hipotesis.
Kesimpulannya ditentukan dari nilai-p (probabilitas value) yang muncul. Pengujian hipotesis dilakukan dengan mengamati signifikansi nilai-p (probability value) dengan tingkat signifikansi 0,05 dan 0,1.
commit to user BAB IV