BAB V ANALISIS DATA DAN PEMBAHASAN
B. Analisis Data
1. Statistik Deskriptif
Statistik deskriptif merupakan bagian dari analisis data yang memberikan gambaran awal setiap variabel yang digunakan dalam
penelitian. Penelitian ini menggunakan 4 (empat) variabel yang terdiri dari 1 (satu) variabel dependen dan 3 (tiga) variabel independen. Variabel dependen dalam penelitian ini adalah Belanja Daerah, sedangkan variabel indepnden dalam penelitian ini adalah Pendapatan Asli Daerah, Dana Perimbangan, dan Lain-Lain Pendapatan Daerah Yang Sah. Gambaran atau deskriptif data dapat dilihat dari nilai minimum, nilai maksimum, nilai rata-rata (mean), dan standar deviasi dari setiap variabel dalam penelitian dapat dilihat pada tabel sebagi berikut.
Tabel 5.5 Statistics Descriptive
Sumber: Data Diolah
a. Pendapatan Asli Daerah
(1) Pendapatan Asli Daerah memiliki nilai minimum sebesar
Rp143.796.987.897,00. Hasil penelitian menunjukkan Pendapatan Asli Daerah terendah pada tahun 2010 yang menunjukkan bahwa Kota Balikpapan masih sangat tergantung pada pemerintah pusat untuk membiayai belanja daerahnya, sehingga Balikpapan harus meningkatkan pendapatan asli daerah dengan menggali segala
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
PAD 6 143796987897 752582581776 417317801696.70 220837036701.757 DP 6 844535994856 1339024155296 1180605024837.83 184481601087.960 LLPDYS 6 254947162700 669955801300 464332069610.83 137406897554.291 BD 6 1377337385051 2897353662621 2065733966583.54 620439944431.479 Valid N (listwise) 6
potensi daerah yang dimilikinya sendiri baik secara intensifikasi dan ekstensifikasi.
(2) Pendapatan Asli Daerah memiliki nilai maksimum sebesar
Rp752.582.581.776,00. Hasil penelitian menunjukkan Pendapatan Asli Daerah tertinggi kota Balikpapan adalah pada tahun 2014. Tingginya PAD Kota Balikpapan pada tahun 2014 menunjukkan bahwa kota Balikpapan memiliki kemandirian otonomi daerah yang lebih besar dalam membiayai pembangunan daerahnya sendiri.
(3) Pendapatan Asli Daerah memiliki nilai rata-rata (mean) selama 6
(enam) tahun sebesar Rp417.317.801.696,70.
(4) Pendapatan Asli Daerah memiliki standar deviasi sebesar
Rp220.837.036.701,75lebih kecil dari mean Rp417.317.801.696,70 menunjukkan bahwa distribusi data cenderung normal.
b. Dana Perimbangan
(1) Dana Perimbangan memiliki nilai minimum sebesar
Rp844.535.994.856. Hasil penelitian menunjukkan Dana
Perimbangan terendah pada tahun 2010 yang menunjukkan bahwa Kota Balikpapan yang memiliki wilayah daerah tidak terlalu luas bisa mandiri dalam membiayai pelaksanaan otonomi daerah.
(2) Dana Perimbangan memiliki nilai maksimum sebesar
Perimbangan tertinggi Kota Balikpapan adalah pada tahun 2012. Hal ini menunjukkan bahwa kota Balikpapan masih bergantung pada dana dari Pemerintah Pusat
(3) Dana Perimbangan memiliki nilai rata-rata (mean) selama 6 (enam)
tahun sebesar Rp1.180.605.024.837,83.
(4) Dana Perimbangan memiliki standar deviasi sebesar
Rp184.481.601.087,96 lebih kecil dari mean
Rp1.180.605.024.837.83 menunjukkan bahwa distribusi data cenderung normal.
c. Lain-Lain Pendapatan Daerah Yang Sah
(1) Lain-lain Pendapatan Daerah Yang Sah memiliki nilai minimum
sebesar Rp254.947.162.70. Hasil penelitian menunjukkan Lain-lain Pendapatan Daerah Yang Sah terendah pada tahun 2010 yang menunjukkan bahwa Kota Balikpapan memiliki pendapatan selain dari PAD dan Dana Perimbangan yang cukup besar untuk membiayai penyelenggaraan pemerintah di daerah. Hal ini menunjukkan bahwa pemerintah harus lebih mengoptimalkan potensi daerahnya karena pendapatan yang berasal dari Pendapatan Asli Daerah lebih kecil daripada Lain-lain Pendapatan Daerah Yang Sah pada tahun 2010.
(2) Lain-lain Pendapatan Daerah Yang Sah memiliki nilai maksimum sebesar Rp669.955.801.300. Hasil penelitian menunjukkan Lain-lain Pendapatan Daerah Yang Sah tertinggi kota Balikpapan adalah pada tahun 2013. Hal ini menunjukkan bahwa kota Balikpapan cukup bisa membiayai belanja daerahnya sendiri dan tidak tergantung pada pembiayaan pusat pada tahun 2013.
(3) Lain-lain Pendapatan Daerah Yang Sah memiliki nilai rata-rata
(mean) selama 6 (enam) tahun sebesar Rp464.332.069.610,83.
(4) Lain-lain Pendapatan Daerah Yang Sah memiliki standar deviasi
sebesar Rp137.406.897.554,29 lebih kecil dari mean
Rp464.332.069.610,83 menunjukkan bahwa distribusi data cenderung normal.
d. Belanja Daerah
(1) Belanja Daerah memiliki nilai minimum sebesar
Rp1.377.337.385.051,00. Hasil penelitian menunjukkan Belanja Daerah terendah pada tahun 2010 yang menunjukkan bahwa kota Balikpapan dengan luas wilayah yang kecil dan jumlah penduduknya yang sedikit dapat membiayai belanja daerahnya dengan dana sebesar Rp1.377.337.385.051,00.
(2) Belanja Daerah memiliki nilai maksimum sebesar
Daerah tertinggi kota Balikpapan adalah pada tahun 2015. Hal ini menunjukkan bahwa kota Balikpapan mengalokasikan sebagian besar dananya untuk kegiatan pembangunan daerahnya.
(3) Belanja Daerah memiliki nilai rata-rata (mean) selama 6 (enam)
tahun sebesar Rp2.065.733.966.583,54.
(4) Belanja Daerah memiliki standar deviasi sebesar
Rp620.439.944.431,47 lebih kecil dari mean
Rp2.065.733.966.583,54menunjukkan bahwa distribusi data
cenderung normal.
2. Pengujian Data
Pengujian data dilakukan dengan uji asumsi klasik. Pengujian regresi linier berganda dapat dilakukan setelah model dari penelitian ini memenuhi syarat-syarat yaitu lolos dari asumsi klasik yang terdiri dari:
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel independen dan variabel dependen, keduanya mempunyai distribusi yang normal atau tidak. Pengujian dilakukan dengan analisis grafik (scatterplot) yaitu dengan melihat normal probability plot yang membandingkan distribusi kumulatif dengan distribusi normal. Distribusi normal akan membentuk satu garis lurus
diagonal dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
Gambar 5.1: Normal Probability Plot Sumber: Data Diolah
Hasil uji normalitas menggunakan analisis grafik menunjukkan bahwa titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan model regresi memenuhi asumsi normalitas.
Uji normalitas grafik dapat menyesatkan jika tidak berhati-hati secara visual kelihatan normal, padahal secara statistik belum tentu normal. Oleh karena itu, untuk memperkuat pengujian dilakukan ujiKolmogrov-Smirnov. Uji ini dilakukan untuk menghasilkan angka
yang lebih detail, apakah suatu persamaan regresi yang akan dipakai lolos normalitas. Suatu persamaan regresi dikatakan lolos uji normalitas apabila nilai signifikansi uji kolmogrov-Smirnov lebih besar dari 0,05 (Ghozali, 2006).
Tabel 5.6. Hasil Uji Normalitas (Kolmogorov-Smirnov)
Sumber: Data Diolah
Berdasarkan tabel 5.6 tersebut menunjukkan besarnya nilai signifikan lebih besar dari 0,05 yaitu 0,858 yang berarti data terdistribusi normal. Hasil uji ini konsisten dengan analisis grafik normal probability plot, sehingga dapat disimpulkan bahwa model regresi memenuhi asumsi normalitas.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 6
Normal Parametersa,b
Mean .0002848
Std. Deviation 144575679798. 58655000
Most Extreme Differences
Absolute .247
Positive .247
Negative -.137
Kolmogorov-Smirnov Z .604
Asymp. Sig. (2-tailed) .858
a. Test distribution is Normal. b. Calculated from data.
b. Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (Ghozali, 2006). Ujimultikolinearitas ini digunakan karena pada analisis regresi terdapat asumsi yangmengisyaratkan bahwa variabel independen harus terbebas dari gejalamultikolinearitas atau tidak terjadi korelasi antar variabel independen.Cara untuk mengetahui apakah terjadi multikolinearitas atau tidak yaitu dengan melihat nilai Tolerance dan Variance Inflation Factor (VIF). Jika nilai Tolerance value< 0,10 atau VIF > 10 maka terjadi multikolinearitas. Sedangkan jika nilai Tolerance value> 0,10 atau VIF < 10 maka tidak terjadi multikolinearitas.Hasil pengujian multikolinearitas dapat dilihat pada tabel berikut.
Tabel 5.7. Hasil Pengujian Multikolinearitas
Sumber: Data Diolah
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error
Beta Tolerance VIF
(Constant) 240666 455946 0.523 772388 955751. 336 3.116 .089 PAD 2.984 .621 1.062 4.803 .041 .555 1.801 DP -2.503 .993 -.744 -2.521 .128 .311 3.212 LLPDYS 2.949 1.109 .653 2.659 .117 .450 2.222 a. Dependent Variable: BD
Berdasarkan tabel 5.7 tersebut terlihat bahwa seluruh variabel independen yaitu pendapatan asli daerah (PAD), dana perimbangan (DP), dan lain-lain pendapatan daerah yang sah (LLPDYS) memiliki nilaiVariance Inflation Factors (VIF) di bawah 10 dan nilaitolerance yang menunjukkan lebih dari0,10. Dengan demikian dapat dikatakan
bahwa model yang terbentuk tidakterdapat adanya gejala
multikolinearitas antar variabel independen dalam modelregresi.
c. Uji Autokorelasi
Uji ini bertujuan untuk menguji apakah dalam suatu model regresilinear terdapat korelasi antara residual pada periode t dengan residual periode t-1 (sebelumnya). Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Jika ada masalahautokorelasi, maka model regresi yang seharusnya signifikan, menjadi tidak layak untuk dipakai.Menurut Ghozali (2006), untuk mendeteksi ada atau tidaknya autokorelasi bisa menggunakan Uji Durbin-Watson (DW test). Bila angka D-W diantara -2 sampai +2, berarti tidak terjadi autokorelasi. Hasil pengujian autokorelasi dapat dilihat pada tabel berikut.
Tabel 5.8. Hasil Pengujian Autokorelasi
Sumber: Data Diolah
Berdasarkan tabel 5.8 menunjukkan bahwa nilai Durbin-Watson sebesar 1,742 yang berada diatara -2 dan +2. Hal ini dapat disimpulkan bahwa pada model regresi tidak terdapat autokorekasi.
d. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakahdalam model regresi terjadiketidaksamaan varians dari residual pada satu pengamatan ke pengamatan yanglain. Jika varians dari residual
satupengamatan ke pengamatan lain tetap,maka disebut
homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terdapat heteroskedastisitas.
Salah satu cara untuk mengetahui ada tidaknya
heteroskedastisitas pada suatu model dapat menggunakan uji glejser. Jika nilai Sig variabel independen < 0,05 maka terdapat gejala heteroskedastitas,sedangkan jika nilai Sig variabel independen > 0,05
Model Summaryb Mode l R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .972 a .946 .864 2285942212 15.364 1.742
a. Predictors: (Constant), LLPDYS, PAD, DP b. Dependent Variable: BD
tidak terdapat gejala heteroskedastitas. Hasil pengujian heteroskedastisitas dapat dilihat pada tabel berikut.
Tabel 5.9. Hasil Pengujian Heteroskedastisitas
Sumber: Data Diolah
Berdasarkan tabel 5.9 dapat dilihat bahwa nilai signifikan untuk ketiga variabel yaitu pendapatan asli daerah (PAD) sebesar 0,121, dana perimbangan (DP) sebesar 0,086, dan lain-lain pendapatan daerah yang sah (LLPDYS) sebesar 0,109. Hasil tersebut menunjukkan bahwa nilai signifikan masing-masing variabel independen lebih dari 0,05 maka dapat disimpulkan tidak terjadi gejala heteroskedastisitas dalam model regresi. Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta (Constant) 39371884 2295.096 13077640 0525.503 3.011 .095 PAD .274 .105 .897 2.606 .121 DP -.537 .168 -1.467 -3.192 .086 LLPDYS .522 .188 1.062 2.780 .109
3. Analisis Regresi Linier Berganda
Analisis regresi linier berganda digunakan untuk menguji pengaruh variabel independen terhadap variabel dependen. Analisis ini menggunakan program IBM SPSS Statistics 21.
Tabel 5.10. Hasil Pengujian Regresi Linier Berganda
Sumber: Data Diolah
Hasil estimasi model dapat ditulis persamaan regresi sebagai berikut:
Belanja Daerah = 2,407 + 2,984PAD – 2,503DP + 2,949LLPDYS
Dari persamaan di atas dapat dijelaskan bahwa:
a. Nilai konstanta (α) sebesar 2,407 menyatakan bahwa pada saat variabel independen yaitu Pendapatan Asli Daerah (PAD), Dana Perimbangan (DP), dan Lain-Lain Pendapatan Daerah Yang Sah (LLPDYS) bernilai
0 (X1=0, X2=0, X3=0) maka Belanja Daerah (BD) bernilai Rp2,407
satuan. Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 2.407E+12 7.724E+11 3.116 .089 PAD 2.984 .621 1.062 4.803 .041 DP -2.503 .993 -.744 -2.521 .128 LLPDYS 2.949 1.109 .653 2.659 .117 a. Dependent Variable: BD
b. Koefisien regresi Pendapatan Asli Daerah (PAD) sebesar 2,984 artinya, jika Pendapatan Asli Daerah mengalami kenaikan sebesar satu persen (1%) dan variabel independen lain bernilai tetap maka Belanja Daerah akan mengalami peningkatan sebesar 2,984 persen.
c. Koefisien regresi Dana Perimbangan (DP) sebesar -2,503 artinya, jika
Dana Perimbangan mengalami kenaikan sebesar satu persen (1%) dan variabel independen lain bernilai tetap maka Belanja Daerah akan mengalami penurunan sebesar 2,503 persen.
d. Koefisien regresi Lain-Lain Pendapatan Daerah Yang Sah (LLPDYS)
sebesar 2,949 artinya, jika Lain-Lain Pendapatan Daerah Yang Sah mengalami kenaikan sebesar satu persen (1%) dan variabel independen lain bernilai tetap maka Belanja Daerah akan mengalami peningkatan sebesar 2,949 persen.
4. Uji Hipotesis
Uji hipotesis dalam penelitian ini diukur dari nilaikoefisien determinasi, nilai statistik uji F dan nilai statistik uji t. Perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam daerahkritis (daerah dimana Ho ditolak). Sebaliknya disebut tidak signifikan bila nilai ujistatistiknya berada dalam daerah dimana Ho diterima (Ghozali, 2006). Hipotesis dalam penelitian ini sebagai berikut:
H2 :Dana Perimbangan berpengaruh positif terhadap Belanja Daerah.
H3 : Lain-lain Pendapatan Daerah Yang Sah berpengaruh positif terhadap
Belanja Daerah.
a. Uji Koefisien Determinasi (R2)
Uji Koefisien determinasi (R2)digunakan untuk
mengukurbesarnya presentase pengaruh variabel independen terhadap
variabel dependen. Besarnya nilai R2adalah 0 ≤ R2≤1, dimana semakin
mendekati 1 berarti model tersebut dapat dikatakan baik karena semakin dekat hubungan antar variabel independen dengan variabel dependen, demikian sebaliknya (Ghozali, 2006). Hasil pengujian koefisien determinasi dapat dilihat pada tabel berikut.
Tabel 5.11. Hasil Pengujian Koefisien Determinasi
Sumber: Data Diolah
Hasil tampilan outputModel Summary diatas menunjukkan bahwa besarnya AdjustedR Squareadalah 0,864. Besarnya angka koefisien determinasi 0,864 atau sama dengan 86,4%. Hal ini menunjukkan bahwa persentase sumbangan pengaruh variabel independen Pendapatan Asli Daerah, Dana Perimbangan, dan Lain-Lain Pendapatan Daerah Yang Sah sebesar 86,4% sedangkan sisanya 13,6%
Model R R Square Adjusted R Square Std. Error of the Estimate 1 .972a 0.946 0.864 2.286E+11
(100-86,4%) dipengaruhi atau dijelaskan oleh variabel lain yang tidak dimasukkan dalam model penelitian ini.
Standard Error of the Estimate(SEE) adalah suatu ukuran banyaknya kesalahan model regresi dalam memprediksi nilai Y. Nilai Standard Error of Estimate (SEE) pada tabel adalah 2,286E11. Nilai ini akan digunakan untuk menilai kelayakan prediktor (variabel bebas) dalam kaitannya dengan variabel tergantung. Jika nilai SEE < nilai standar deviasi, maka prediktor yang digunakan untuk memprediksi variabel tergantung sudah layak. Pada keluaran di atas, nilai SEE < nilai standar deviasi untuk variabel tergantung belanja daerah (2,286E11 < 6,204E11). Ini artinya variabel bebas Pendapatan Asli Daerah, Dana Perimbangan, Lain-Lain Pendapatan Daerah Yang Sah sudah layak dijadikan prediktor untuk variabel tergantung belanja daerah. Semakin kecil nilai SEE akan membuat model regresi semakin tepat dalam memprediksi variabel dependen (Ghozali, 2006:86).
b. Uji Signifikansi Simultan (Uji F)
Uji signifikansi simultan (uji F) bertujuan untuk melihat pengaruh variabel-variabel bebas secara bersama-sama terhadap variabel terikat (Ghozali, 2006). Pengujian ini dilakukan dengan
menggunakan hasil F hitung yang dibandingkan F Tabel dengan α =
Tabel 5.12. Hasil Uji F
Sumber: Data Diolah
Hasil uji F (ANOVA) menunjukkan bahwa FHitung< FTabelyaitu 11,611
<19,16dengan nilai signifikan sebesar 0,080 > 0,05 yang berarti Pendapatan Asli Daerah, Dana Perimbangan, dan Lain-Lain Pendapatan Daerah Yang Sah secara bersama-samatidak berpengaruh terhadap Belanja Daerah.