BAB IV. ANALISIS DATA DAN PEMBAHASAN
4.3 Hasil dan Analisis Kuantitatif
4.3.3 Hasil Estimasi
Setelah dilakukan beberapa uji untuk memilih model yang lebih baik untuk penelitian ini, yang akhirnya model Random Effect yang terbaik untuksmenganalisis penelitian ini. Hasil ini didapat dengan membandingkan hasil estimasi pengaruh pelaksanaan desentralisasi fiskal kabupaten/kota di Subosukawonosraten dari tiga model yang berbeda, dilihat dari goodness of ftnya
(R-square, t statistik, F statistik).
Hasil pengolahan data bisa dilihat pada tabel :
Tabel 4.15 Hasil estimasi dengan metode Random Effect
Dependent Variable: LOGPDRB?
Variable Coefficient Std. Error t-Statistic Prob.
C 10.27605 1.329170 7.731178 0.0000 LOGPAD? 0.134337 0.037867 3.547645 0.0008 LOGDAU? 0.065654 0.041949 1.565097 0.1230 LOGDBH? 0.105017 0.025156 4.174570 0.0001 LOGTK? 0.110589 0.107160 1.032000 0.3064 _SKA--C 0.114847 _BYL--C -0.004299 _SKH--C 0.192013 _KRA--C 0.235708 _WNG--C -0.327215 _SRG--C -0.372896 _KLA--C 0.161842 R-square 0.916124 F-statistic 158.3734
Sumber : Hasil olah data Eviews 6
Berdasarkan hasil perhitungan diatas diketahui bahwa hasil estimasi dengan menggunakan pendekatan Random Effect menunjukan seluruh variabel
commit to user
independen yaitu Pendapatan Asli Daerah, Dana Alokasi Umum, Dana Bagi Hasil dan Tenaga kerja memiliki pengaruh positif.
Nilai R-Square yang dihasilkan dari estimasi Random Effect adalah 91 %. Hal ini berarti bahwa estimasi yang dilakukan dengan menggunakan Random Effect, variabel independen (PAD, DAU, DBH dan Tenaga kerja) dalam penelitian ini mampu menjelaskan 91% variansi variabel indpenden. Sedangkan sisanya 9% dijelaskan variabel lain yang tidak dimasukkan dalam penelitian ini.
4.3.4 Pengujian Kriteria Statistik
4.3.4.1Uji t statistik (uji parsial )
Uji t digunakan untuk melihatkan pengaruh parsial masing-masing variabel independent terhadap variabel dependent.
Tabel 4.16 Hasil Uji t statistik
Variabel dependen : Log PDRB
Variabel t-statistik t-tabel Prob Kesimpulan independen df( α/2, n-k)
df(0,025,58)
Log PAD 3.547645 ±1.96 0.0008 Signifikan Log DAU 1.565097 ±1.96 0.1230 Tidak signifikan Log DBH 4.174570 ±1.96 0.0001 Signifikan Log Tk 1.032000 ±1.96 0.3064 Tidak signifikan
Sumber : hasil olah data e views 6
4.3.4.1.1 Variabel log PAD (Pendapatan Asli Daerah)
Berdasarkan hasil estimasi data diperoleh nilai t hitung 3.547645 > t –tabel ±1.96, memiliki nilai signifikansi 0.0008 yang
berarti di bawah α = 5%. Maka dapat disimpulkan bahwa Ho
commit to user
daerah mempunyai pengaruh signifikan secara statistik terhadap PDRB di Subosukowonosraten.
4.3.4.1.2Variabel log DAU (Dana Alokasi Umum)
Berdasarkan hasil estimasi data diperoleh nilai t hitung 1.565097 < t tabel ±1.96 memiliki nilai signifikansi 0.1230 yang
berarti diatas α =5%. Maka dapat disimpulkan bahwa Ho diterima
dan menolak Ha yang artinya variabel Dana Alokasi Umum tidak mempunyai pengaruh signifikan secara statistik terhadap PDRB di Subosukawonosraten.
4.3.4.1.3Variabel log DBH (Dana Bagi Hasil)
Berdasarkan hasil estimasi data diperoleh nilai t hitung 4.174570 > ±1.96 memiliki nilai signifikansi 0.0001 yang berarti
dibawah α = 5%. Maka dapat disimpulkan bahwa Ho ditolak dan
menerima Ha yang artinya variabel Dana Bagi Hasil mempunyai pengaruh signifikan secara statistik terhadap PDRB di Subosukawonosraten.
4.3.4.1.4Variabel log TK (Tenaga Kerja)
Berdasarkan hasil estimasi data diperoleh t hitung 1.032000 < ± 1.96 memiliki nilai signifikansi 0.3064 yang berarti bahwa
diatas α = 5%. Maka dapat disimpulkan bahwa Ho diterima dan Menolak Ha yang artinya variabel Tenaga Kerja tidak mempunyai pengaruh signifikan secara statistik terhadap PDRB di Subosukawonosraten.
commit to user
4.3.4.2Uji F statistik
Uji F statistik merupakan pengujian yang bertujuan untuk mengetahui besarnya pengaruh variabel independen terhadap variabel dependen secara bersama-sama. Pengujian secara bersama-sama terhadap koefisien regresi variabel independen dengan menggunakan level of significant 5% diperoleh hasil sebagai berikut :
Berdasarkan hasil pengujian F statistik dari model Random effect pada derajar signifikansi 5% diperoleh nilai F-hitung 158.3734 > F-tabel 1.645. hal ini berarti bahwa dalam hasil estimasi data panel dengan pendekatan Random Effect menunjukkan bahwa paling tidak ada satu variabel bebas yang signifikan secara statistik berpengaruh terhadap terhadap PDRB di Subosukawonosraten.
Tabel 4.17 Hasil Uji F statistik
Variabel Dependen : log PDRB
Variabel F-statistik F-tabel Kesimpulan
Independen df(α, k-1, n-k)
Df(5%, 3,59)
Log PAD, Log DAU 158.3734 2.76 Signifikan
Log DBH, Log TK
Sumber : hasil olah data Eviews 6
4.3.4.3 Uji (Koefisien dterminasi)
Tujuan dilakukannya uji koefisien determinasi adalah untuk mengetahui seberapa jauh kemampuan model dalam menerangkan variansi variabel terikat (dependen). Besarnya koefisien determinasi menujukkan pengaruh yang dijelaskan oleh variabel dependen.
commit to user
Berdasarkan hasil pengolahan data dengan menggunakan pendekatan Random Effect diperoleh nilai sebesar 0.916124 atau sekitar 91%. Dari hasil tersebut berarti bahwa 91% variabel PDRB dapat dijelaskan oleh variabel Pendapatan Asli Daerah, Dana Alokasi Umum, Dana Bagi Hasil dan Tenaga Kerja. Sedangkan sisanya 9% dijelaskan oleh variabel-variabel lain diluar model.
4.3.5 Uji Asumsi Klasik
4.3.5.1Multikolonearitas
Gujarati, 2003 dalam Pujiati menyatakan dalam melakukan uji multikolinearitas dilakukan dengan pendeteksian atas nilai R-squared dan signifikansi dari variabel yang digunakan. Apabila didapatkan R-squared yang tinggi sementara terdapat sebagian besar atau semua variael yang secara parsial tidak signifikan, maka diduga terjadi multikolinearitas pada model tersebut. Dalam penelitian ini menggunakan data panel sehingga masalah multikolinearitas secara teknis dapat dikurangi. Hal ini diperkuat dengan hasil estimasi model bahwa nilai R-squared yang tinggi yaitu sebesar 0.91. Sehingga dari hasil estimasi tersebut melihat R-squared yang tinggi model yang dipakai sudah terbebas dari multikolinearitas.
4.3.5.2Heteroskedastisitas
Berdasarkan hasil uji pemilihan model, mengahasilkan bahwa model yang cocok untuk penelitian ini adalah model Random Effect, dimana model Random Effect disebut juga dengan metode GLS
commit to user
kepada variasi data yang digunakan dengan kuadrat varians dari model. Dengan menggunakan software Eviews dengan metode random effect
maka masalah heteroskedastisitas sudah dapat diatasi.
4.3.5.3 Autokorelasi
Dalam melakukan uji autokorelasi yang paling sederehana menggunakan uji Durin Watson. Nilai DW hitung yang mendekati 2 dianggap menunjukkan bahwa model terbebas dari autokorelasi (Gujarati, 2003 dalam Pujiati).
Dalam menentukan nilai uji Durbin Watson yaitu dl < d < du. Secara umum bisa diambil patokan 4-du(batas atas) dan 4-dl (batas bawah). Dalam penelitian ini nilai k=4 dan n=63 untuk p=0,05 maka nilai dl dan du pada tabel DW adalah sebesar dl =1.4607 dan du=1.7296 sedangkan nilai d atau Durbin Watson pada hasil estimasi sebesar 0.832133. Jadi dl < d < du atau 1.4609 > 0.832133<1.7296 maka niali d jatuh pada wilayah autokorelasi positif. Sehingga dalam penelitian ini terjadi autokorelasi.