HASIL DAN PEMBAHASAN A. Gambaran Umum Objek Penelitian
B. Temuan Hasil Penelitian
2. Hasil Uji Asumsi Klasik
Pada proses proses uji asumsi klasik dilakukan dengan beberapa proses transform data. Jika uji asumsi klasik tidak terpenuhi, hal tersebut akan menyebabkan bias pada hasil penelitian. Uji asumsi klasik yang akan diuji adalah Uji Normalitas, Uji Multikolinearitas, Uji Heterokedastisitas, dan Uji Autokorelasi. a. Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah data suatu penelitian terdistribusi normal. Model regresi akan dikatakan baik apabila datanya berdistribusi normal atau mendekati normal. Uji normalitas dalam penelitian ini dilakukan dengan menggunakan uji One Sample Kolmogorov
Smirnov (K-S), grafik histogram, dan normal Probability (P-P) Plot. Berikut ini adalah hasil uji One Sample Kolmogorov Smirnov (K-S).
57 Tabel 4.3
Hasil Uji One Sample Kolmogorov Smirnov (K-S)
Sumber: Output PLS yang diolah
Berdasarkan tabel 4.3 di atas dapat dilihat bahwa hasil uji One
Sample Kolmogorov Smirnov (K-S) diketahui nilai Asymp. Sig.
(2-tailed) sebesar 0,200. Nilai tersebut lebih besar dari nilai signifikannya yaitu sebesar 0,05. Maka dari itu, dapat disimpulkan bahwa data penelitian ini berdistribusi normal.
Adapun uji normalitas yang dilakukan melalui analisis grafik
Normal Probability (P-P) Plot dan Histogram, melalui grafik-grafik
tersebut akan terlihat penyebaran titik-titik data pada sumbu diagonal grafik Normal Probability (P-P) Plot serta pada grafik kurva yang ada pada Histogram. Jika titik data menyebar di sekitar garis diagonal dan kurva mengikuti arah garis diagonal dan kurva, maka hal tersebut menunjukkan bahwa pola data terdistribusi normal. Berikut adalah hasil uji Histogram.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 136
Normal Parametersa,b Mean .0000000
Std. Deviation 12.67511277
Most Extreme Differences Absolute .053
Positive .053
Negative -.038
Test Statistic .053
Asymp. Sig. (2-tailed) .200c,d
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction.
58 Gambar 4.1
Hasil Uji Grafik Histogram
Sumber: Output SPSS yang diolah
Pada gambar 4.1 di atas dapat dilihat bahwa grafik histogram menggambarkan bentuk yang simetris, maka grafik pada penelitian ini merupakan data yang terdistribusi normal. Selain grafik histogram. Berikut adalah grafik Normal Probability (P-P) Plot.
Gambar 4.2
59 Pada gambar 4.2 di atas, dapat dilihat bahwa titik-titik menyebar dan berhimpit di sekitar garis diagonal. Hal tersebut menunjukkan hasil bahwa grafik Normal Probability (P-P) Plot di atas data terdistribusi normal.
b. Hasil Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk menguji model regresi apakah ditemukan adanya korelasi antar variabel bebas (independen). Metode yang digunakan untuk mendeteksi uji multikolinearitas antar variabel bebas (independen) adalah dengan menggunakan Variance Inflation Factor (VIF) dan Tolerance. Multikolinearitas terjadi apabila nilai Tolerance < 0,10 dan nilai VIF > 10, hal tersebut menunjukkan bahwa tidak terdapat adanya gejala multikolinearitas. Berikut ini adalah hasil uji multikolinearitas.
Tabel 4.4
Hasil Uji Multikolinearitas
Sumber: Output SPSS yang diolah
Berdasarkan 4.4 di atas hasil uji multikolinearitas pada setiap variabel bebas (independen) yang digunakan pada penelitian ini yaitu Ukuran Daerah, Pajak Daerah, dan Belanja Modal terhadap variabel dependen yaitu Kinerja Keuangan Pemerintah Daerah menunjukkan nilai Tolerance > 0,10 dan nilai VIF < 10. Hal ini
Coefficientsa Model Collinearity Statistics Tolerance VIF 1 Ukuran Daerah .974 1.027 Pajak Daerah .931 1.074 Belanja Modal .909 1.101
60 menunjukkan bahwa tidak ada gejala multikolinearitas dalam kedua model regresi.
c. Hasil Uji Autokorelasi
Uji autokorelasi dilakukan untuk melihat apakah dalam model regresi linear terdapat adanya korelasi antar periode waktu yang saling berhubungan. Penelitian ini menggunakan statistic Durbin Watson untuk menuji autokorelasi. Berikut hasil uji autokorelasi Durbin Watson.
Tabel 4.5.
Hasil Uji Autokorelasi Durbin Watson
Sumber: Output SPSS yang diolah
Berdasarkan tabel di atas, dapat dilihat bahwa nilai uji autokorelasi dengan menggunakan Durbin Watson sebesar 1,906. Hasil tersebut dibandingkan dengan nilai tabel signifikansi sebesar 5%, dengan jumlah sampel sebanyak 136 (n=136), dan jumlah variabel independen sebanyak 3 variabel yakni Ukuran Daerah, Pajak Daerah, dan Belanja Modal (k=4). Suatu model akan dikatakan bebas dari autokorelasi jika nilai DW masuk dalam kriteria DU < DW < 4-DU.
a. Hasil Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan dengan tujuan untuk menguji gejala heteroskedastisitas yang menunjukkan apakah terdapat ketidakseragaman di antara varian dari residual satu pengamatan ke pengamatan lain. Dalam penelitian ini, uji heteroskedastisitas
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .320a .103 .082 12.81833892 1.906
a. Predictors: (Constant), Belanja Modal, Ukuran Daerah, Pajak Daerah b. Dependent Variable: Kinerja
61 dilakukan dengan menggunakan grafik scatterplot. Berikut hasil uji heteroskedastisitas grafik scatterplot.
Gambar 4.3
Hasil Uji Heteroskedastisitas Grafik Scatterplot
Sumber: Output SPSS yang diolah
Berdasarkan gambar 4.3 di atas, menunjukkan bahwa hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot dapat dilihat bahwa tidak terdapat pola yang jelas, kemudian titik-titiknya menyebar di atas dan di bawah angka 0 pada sumbu Y. Maka hal ini menunjukkan bahwa model regresi tidak terjadi heteroskedastisitas. 3. Hasil Uji Hipotesis
a. Uji Koefisien Determinasi (R²)
Uji koefisien determinasi pada penelitian ini digunakan untuk melihat sebesarapa pengaruh variabel independen (Ukuran Daerah, Pajak Daerah, dan Belanja Modal) terhadap variabel dependen (Kinerja Keuangan Pemerintah Daerah). Berikut adalah hasil uji koefisien determinasi.
62 Tabel 4.6.
Hasil Uji Koefisien Determinasi
u
Sumber: Output SPSS yang diolah
Hasil pengujian koefisien determinasi pada tabel 4.6 di atas menunjukkan bahwa nilai Adjusted R² diperoleh sebesar 0,082. Hal ini dapat disimpulkan bahwa kinerja keuangan pemerintah daerah dapat dijelaskan oleh variabel bebasnya (independen), yakni: Ukuran Daerah, Pajak Daerah, dan Belanja Modal yang diharapkan sebesar 8,2%. Maka sisanya sebesar 91,8% ditentukan oleh variabel lain yang tidak dianalisis dalam penelitian ini. Variabel tersebut misalnya, variabel Pendapatan Asli Daerah (PAD), Belanja Daerah, dan Dana Perimbangan.
b. Uji Signifikan Simultan (Uji F)
Uji signifikan simultan (Uji F) dilakukan untuk mengetahui apakah semua variabel independen yang digunakan dalam model regresi memiliki pengaruh secara bersama-sama (simultan) terhadap variabel. Apabila nilai signifikansi < 0,05 maka Ha diterima. Untuk mengetahui hal tersebut maka dapat dilihat besaran nilai yang terdapat pada output pada bagian kolom F dan kolom sig. Berikut hasil uji signifikan simultan (uji F).
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .320a .103 .082 12.81833892
a. Predictors: (Constant), Belanja Modal, Ukuran Daerah, Pajak Daerah b. Dependent Variable: Kinerja
63 Tabel 4.7
Hasil Uji Signifikan Simultan (Uji F)
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 2481.609 3 827.203 5.034 .002b
Residual 21688.895 132 164.310
Total 24170.504 135
a. Dependent Variable: Kinerja
b. Predictors: (Constant), Belanja Modal, Ukuran Daerah, Pajak Daerah
Sumber: Output SPSS yang diolah
Berdasarkan tabel 4.7 di atas menunjukkan bahwa nilai F hitung sebesar 5,034 dengan nilai sig sebesar 0,002. Hal ini menunjukkan bahwa nilai signifikansi < alpha (α=0,05). Maka dapat disimpulkan terdapat pengaruh yang signifikan secara simultan antara Ukuran Daerah, Pajak Daerah, dan Belanja Modal terhadap Kinerja Keuangan Pemerintah Daerah.
c. Uji Signifikan Parsial (Uji t)
Uji signifikan parsial dilakukan untuk mengetahui hubungan signifikansi dari masing-masing variabel independen terhadap variabel dependen. Uji t juga dilakukan untuk memeriksa lebih lanjut manakah diantara ketiga variabel independen (Ukuran Daerah, Pajak Daerah, dan Belanja Modal) yang berpengaruh signifikan terhadap variabel dependen (Kinerja Keuangan Pemerintah Daerah). Berikut hasil uji signifikan parsial (uji t).
64 Tabel 4.8
Hasil Uji Signifikan Parsial (Uji t)
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 213.945 34.431 6.214 .000 Ukuran Daerah -4.098 1.088 -.315 -3.767 .000 Pajak Daerah -.047 .087 -.046 -.541 .590 Belanja Modal -.224 .145 -.133 -1.541 .126
a. Dependent Variable: Kinerja
Sumber: Output SPSS yang diolah
Berdasarkan hasil pada tabel 4.8 di atas maka dapat disimpulkan regresi linear berganda sebagai berikut:
Kinerja = 213,945 – 4,098 Ukuran Daerah – 0,047 Pajak Daerah – 0,224 Belanja Modal
Dari model di atas dapat dilihat bahwa nilai konstanta sebesar 213,945 yang berarti: dengan adanya penambahan pada ukuran daerah, pajak daerah, dan belanja modal, maka kinerja keuangan pemerintah daerah meningkat sebesar 213,945 pada tahun 2015-2018.
Nilai koefisien Ukuran Daerah adalah sebesar -4,098 yang menunjukkan hasil negatif. Hasil ini menunjukkan bahwa ketika terjadi setiap penambahan 1% variabel ukuran daerah dengan asumsi variabel lain tetap, maka akan menurunkan kinerja keuangan daerah sebesar -4,098 pada periode 2015-2018 dengan asumsi variabel lain dalam regresi linear berganda.
Nilai koefisien Pajak Daerah adalah sebesar -0,047 yang menunjukkan hasil negatif. Hasil ini menunjukkan bahwa ketika terjadi setiap penambahan 1% variabel pajak daerah dengan asumsi
65 variabel lain tetap, maka akan menurunkan kinerja keuangan daerah sebesar -0,047 pada periode 2015-2018 dengan asumsi variabel lain dalam regresi linear berganda.
Nilai koefisien Belanja Modal adalah sebesar -0,224 yang menunjukkan hasil negatif. Hasil ini menunjukkan bahwa ketika terjadi setiap penambahan 1% variabel belanja modal dengan asumsi variabel lain tetap, maka akan menurunkan kinerja keuangan daerah sebesar -0,224 pada periode 2015-2018 dengan asumsi variabel lain dalam regresi linear berganda.
C. Pembahasan
1. Pengaruh Ukuran Daerah terhadap Kinerja Keuangan