A. Gambaran Umum Objek Penelitian
3. Indeks Kemandirian Fiskal dalam Kinerja Keuangan Pemerintah Daerah
iKeuangan melalui iLaporan iHasil iPemeriksaan iatas iLaporan
iKeuangan iPemerintah iPusat.
C. Metode Pengumpulan Data
Dalam penelitian ini menggunakan ijenis idata isekunder idalam
ibentuk ipanel. iData isekunder ialah idata iyang idiperoleh imelalui
ipenelusuran iserta ipenelaah istudi-studi idokumen iyang iterdapat idi
itempat ipenelitian idan iyang iada ihubungannya iidengan imasalah-masalah
iyang iditeliti (Sugiyono, 2004).
Adapun idata iyang dipakai adalah data yang berasal dari Pendapatan Asli Daerah dan Dana Perimbangan yang di publikasi oleh Badan Pusat Statistik Indonesia, dan Indeks Kemandirian Fiskal dalam Kinerja iKeuangan iPemerintah iDaerah iyang dipublikasi ioleh iBadan
iPemeriksa iKeuangan Republik Indonesia.
Penulis melakukan penelitian kepustakaan dalam studi kepustakaan iuntuk imendapatkan iteori ikonsep iyang ikuat isupaya ibisa menyelesaikan ipermasalahan iStudi ikepustakaan idilakukan idengan
imengumpulkan iliteratur-literatur iilmiah, ibuku, ijurnal iserta iartikel iyang
iberkaitan idengan ipenelitian iini.
D. Metode Analisis 1. Model Data Panel
Dalam penelitian ini peneliti menggunakan analisis data panel. Data panel merupakan gabungan antara data deret waktu (time series) dan data antar wilayah (cross section). Data deret waktu atau
itime iseries digambarkan isebagai isetiap iindividu imemiliki ilebih
idari isatu ipengamatan iwaktu (iperiode), sedangkan deret waktu atau
icross isection ialah idata yang digambarkan ioleh idata iyang iterdiri
idari isatu ientitas (iindividu). Penelitian ini menggunakan alat analisis E-views 11 Student Lite Version dalam ipengolahan idata.
iMenurut iWidarjono (2007) ada ikeunggulan idalam
imenggunakan idata ipanel ibila idibandingkan idengan idata itime
iseries iatau icross isection, antara lain :
a. iData ipanel, ialah igabungan idua idata itime iseries dan icross
isection dapat imenyediakan idata ilebih ibanyak isehingga
imenghasilkan idegree iof ifreedom iyang ilebih itinggi.
b. iMenyatukan iinformasi idari idata itime iseries idan icross isection
ibisa imenyelesaikan imasalah iyang itimbul ibila iterdapat imasalah
ipenghilangan ivariabel (iommited-variabel).
Menurut Ekananda (2016) dengan menerapkan proses estimasi pada data panel, maka secara bersamaan dapat mengestimasi karakteristik individu dengan memperhatikan adanya dinamika antar waktu dari masing-masing variabel dalam penelitian. Dengan demikian, analisis hasil estimasi akan lebih komprehensif dan mencakup hal-hal yang lebih mendekati realita.
Terdapat isatu ivariabel iterikat dalam penelitian ini yaitu Indeks Kemandirian Fiskal (Y) dan dua ivariabel ibebas iyaitu PAD (X1) dan DP (X2). Model persamaan estimasi dalam penelitian ini adalah :
IKF = β0 + β1 PADit + β2DPit + e Keterangan :
IKF : Indeks Kemandirian Fiskal dalam KinerKeuangan di Kab/Kota i Periode t
β0 : Intersep atau Konstanta
PADit : iPendapatan iAsli iDaerah idi Kab/Kota i iPeriode it (ribu rupiah)
DPit : iDana Perimbangan di Kab/Kota i Periode t (ribu rupiah) β1β2 : Koefisien regresi ivariabel ibebas (iPendapatan iAsli
iDaerah idan iDana iPerimbangan) e : error term
2. Model Estimasi Model Data Panel
Dalam analisis model data panel ada tiga pendekatan yang dapat digunakan untuk melakukan estimasi model data panel diantaranya Common Effect Model (CEM), Fixed Effect Model (FEM), dan Random Effect Model (REM). Ketiga pendekatan yang dilakukan dalam analisis data panel dapat dijelaskan sebagai berikut :
a. Common Effect Model (CEM)
Merupakan estimasi model data panel yang paling sederhana karena model ini hanya mengkombinasikan data time series dan cross section dalam bentuk pool, dan menggunakan teknik kuadrat terkecil atau least square untuk mengestimasi
koefisiennya. Kemudian model ini tidak memperhatikan dimensi waktu dan individu, sehingga diasumsikan bahwa perilaku individu tidak berbeda dalam berbagai periode waktu.
b. Fixed Effect Model (FEM)
Model ini memiliki dugaan bahwa perbedaan antara individu dapat dilihat dari perbedaan intersepnya. Asumsi pembuatan model yang menghasilkan intersep konstan untuk setiap individu (i) dan waktu (t) dianggap kurang realistis sehingga dibutuhkan model yang tepat untuk melihat perbedaan tersebut. Teknik variabel dummy diperlukan untuk memudahkan estimasi Fixed Effect Model yang memiliki intersep berbeda antar individu. Model estimasi ini idisebut juga sebagai teknik iLeast Squares iDummy iVariable (LSDV) karena menggunakan variabel
idummy saat iestimasinya.
c. iRandom iEffect iModel (REM)
Randon Effect iModel mengasumsikan ivariabel igangguan dianggap mempunyai keterkaitan iantar iwaktu idan iantar
iindividu. Berbeda dengan Fixed Effect Model yang melihat model perbedaan karakteristik individu dan waktu diakomodasikan pada intersep. Sedangkan Random Effect Model disebut juga sebagai error terms dari model. Random Effect Model disebut juga sebagai error component model karena dalam model ini, parameter yang berbeda antar individu maupun antar
waktu dimasukkan ke dalam eror. Beberapa ahli ekonometrika lainnya berpendapat bahwa bila idata ipanel iyang idimiliki
iterdapat ijumlah iwaktu (t) ilebih tinggi idibandingkan ijumlah
iindividu (i), imaka idisarankan imenggunakan imetode iFixed
iEffect iModel. iSedangkan bila idata ipanel iyang idimiliki iterdapat
ijumlah iwaktu (t) ilebih rendah idibandingkan ijumlah iindividu (i), imaka idisarankan imenggunakan imetode iRandom iEffect Model (Nachrowi, 2006).
Panel data imenggabungkan idata icross isection dan itime
iseries, oleh sebab itu terdapat beberapa keunggulan (Gujarati, 2012), yaitu :
1) iMampu imengidentifikasi serta melihat iefek iyang
isecara isederhana itidak ibisa idiatasi idalam idata icross
isection asli iatau idata itime iseries iasli;
2) iMampu mengendalikan iheterogenitas iindividu;
3) iMemberikan idata iyang iinformatif, meminimalisir
ikolinearitas iantar variabel iserta imeningkatkan iderajat
ikebebasan (Degree of Freedom) isehingga idata imenjadi
ilebih iefisien;
4) iData ipanel ilebih ibaik idigunakan sebagai istudy
idynamics iof iadjustment ikarena iterkait idengan
iobservasi pada icross section yang sama secara berulang;
5) iMampu menganalisis, imenguji idan imengembangkan
imodel iperilaku iyang ilebih ikompleks.
Berdasarkan ikeunggulan diatas menyebabkan implikasi
ipada itidak iharus idilakukannya ipengujian iasumsi iklasik
idalam imodel idata ipanel (Gujarati, 2012)
3. Uji Spesifikasi Model
iSebelum peneliti menganalisis iregresi idata ipanel, terlebih dahulu dilakukan uji imodel regresi untuk memilih imodel regresi
ipaling itepat. Pemilihan model regresi antara lain iuji iChow, iuji
iHausman idan iuji iLagrange iMultiplier (LM Test). Berikut ini langkah pemilihan model dengan ketiga pengujian:
a. Uji Chow
Uji Chow ibertujuan imenentukan antara Common iEffect
iModel (CEM) atau iFixed iEffect iModel (FEM) iyang iakan
idipergunakan idalam mengestimasi model. Dalam ipengujian iini
imempunyai ihipotesa, antara lain :
H0 : iModel regresi yang tepat adalah Common Effect Model H1 : Model regresi yang tepat adalah iFixed iEffect iModel
Apabila ihasil Uji Chow adalah inilai Prob. iF ilebih besar
idari itingkat isignifikansi alpha = 5% (0,05) imaka H0 iditerima
isehingga imodel iyang harus idipergunakan ialah Common iEffect
iModel. Tetapi bila ihasil imenunjukkan inilai Prob. iF ilebih kecil
idari itingkat isignifikansi alpha = 5% (0,05), imaka H1 iditerima
isehingga imodel iyang idipergunakan ialah Fixed iEffect iModel.
Ketika H1 diterima maka langkah selanjutnya adalah imemastikan
iapakah iFixed iEffect iModel ialah imodel iterbaik idalam
imengestimasi imodel melalui iUji iHausman.
b. Uji Hausman
iUji iHausman memiliki tujuan yaitu imenentukan model terbaik antara iRandom iEffect iModel iatau iFixed iEffect iModel iyang
iakan idigunakan. iDalam ipengujian iini imemiliki hipotesis, yaitu : H0 : iModel regresi yang tepat yaitu Random Effect Model H1 : Model regresi yang tepat yaitu iFixed iEffect iModel
Apabila hasilnya adalah inilai iprobabilitas icross-section random ilebih ikecil idari itingkat isignifikansi alpha = 5% (0,05),
imaka H1 iditerima siehingga imodel iyang idigunakan ialah iFixed
iEffect iModel. Tetapi apabila ihasil iUji iHausman imenunjukkan
inilai iprobabilitas icross-section random ilebih ibesar idari itingkat
isignifikansi alpha = 5% (0,05), imaka H0 iditerima isehingga imodel
iyang iharus idipergunakan dalam imengestimasi imodel ialah Random Effect Model. Ketika H0 terpilih imaka langkah selanjutnya ialah imemastikan iapakah Random iEffect iModel iyang iterbaik dalam imengestimasi imodel melalui iUji Lagrange Multiplier.
c. Uji Lagrange Multiplier
Uji Lagrange Multiplier bertujuan untuk menentukan antara Common Effect Model (CEM) atau Random Effect Model
(REM) yang akan digunakan. Hipotesis dalam Uji Hausman yaitu:
H0 : Model regresi yang tepat yaitu Common Effect Model H1 : Model regresi yang tepat yaitu Random iEffect iModel
Apabila ihasil inilai iprobabilitas icross-section breusch-pagan ilebih rendah idari itingkat isignifikansi alpha = 5% (0,05),
imaka H1 iditerima isehingga imodel iyang idipergunakan ialah Random iEffect iModel. Tetapi apabila ihasil iUji Lagrange Multiplier
inilai icross-section breusch-pagan ilebih tinggi idari itingkat
isignifikansi ialpha = 5% (0,05), imaka H1 iditerima isehingga imodel
iyang idigunakan idalam mengestimasi adalah Common Effect Model.
4. Pemilihan Model Terbaik
Setelah dilakukan uji spefisikasi model maka akan diperoleh model terbaik yang akan digunakan dalam penelitian tersebut iantara
iCommon iEffect Model, Fixed Effect Model, atau Random Effect Model.
5. Uji Asumsi Klasik
iPengujian istatistik dilakukan iuntuk imengetahui iapakah
imodel iyang idigunakan pada ipenelitian telah layak atau tidak. Oleh sebab itu, iuntuk mendapatkan ihasil iregresi iyang ilinier idan ivalid
isesuai iasumsi iBLUE perlu dilakukan ipengujian iasumsi iklasik iyang
iterdiri idari iuji inormalitas, iuji multikolinearitas, iuji heteroskedastisitas serta iuji autokorelasi.
a. Uji Normalitas
iUji inormalitas dilakukan iuntuk imengetahui iapakah
ivariabel bebas dan ivariabel terikat, iataukah ikeduanya
iterdistribusi dengan inormal iatau itidak pada imodel iregresi.
Menurut Rosadi (2012) distribusi normal dalam uji normalitas menggambarkan kecocokan sifat-sifat empiris dari data terhadap sifat-sifat teoritis dari suatu distribusi peluang.
Uji normalitas dapat diketahui melalui metode statistik Jarque Berra yang berbentuk histogram residual, jika histogram menunjukkan hasil grafik distribusi normal maka dapat disimpulkan bahwa residual memiliki distribusi normal. Cara lain untuk menentukan menerima atau menolak hipotesis awal dapat dengan membandingkan nilai probabilitas. Cara iuntuk imengetahui
iapakah imodel iregresi itersebut inormal iatau itidak, antara lain : 1) Apabila inilai iprobabilitas ilebih itinggi idaripada isignifikansi
ialpha (0,05) iyang isudah iditentukan imaka ihipotesis iawal
iditerima, iartinya imodel itersebut iterdistribusi inormal.
2) Apabila inilai iprobabilitas ilebih irendah idari isignifikansi
ialpha (0,05) iyang isudah iditentukan imaka idapat idisimpulkan
ihipotesis iawal iditolak, iartinya imodel itersebut itidak
iterdistribusi inormal.
b. Uji Multikolinearitas
Menurut Setiawan dan Kusrini (2010) suatu model regresi dikatakan terdapat multikolinearitas bila terdapat hubungan linear yang sempurna dan pasti di antara variabel-variabelnya.
Multikolinearitas pertama kali diperkenalkan oleh Ragner Frisch pada tahun 1934. Tujuan pengujian ini adalah untuk memastikan tidak adanya hubungan linear dan pasti dalam model regresi.
Terdapat i3 ihal iyang iperlu idiketahui iiperihal multikolinearitas, antara lain :
1) iMultikolinearitas ialah ifenomena isampel;
2) iMultikolinearitas imembahas ipersoalan iderajat (degree) idan
ibukan ipersoalan ijenis (kind);
3) iMultikolinearitas ihanya imembahas ikaitan idan iatau itidaknya
ihubungan ilinear idi iantara ivariabel-variabel ibebas.
Peneliti menggunakan uji icorrelation dalam menguji
imultikolinearitas. Apabila inilai idari kedua ivariabel bebas
imenunjukkan inilai ilebih rendah idari 0.8 imaka iterbebas dari
imasalah imultikolinearitas, namun apabila imenunjukkan ihasil
ilebih tinggi idari 0.8 imaka iterdapat imasalah imultikolinearitas (Gujarato, 2012).
c. Uji Heteroskedastisitas
iUji Heteroskedastisitas digunakan iuntuk imengetahui
iapakah dalam model iregresi imemiliki varian iresidual iatau itidak
iuntuk isemua iobservasi. Jika ada varian, imaka pada imodel regresi terdeteksi adanya heteroskedastisitas. Dalam model regresi, asumsi yang dipenuli adalah mempunyai nilai varian yang sama (homokedastisitas). Pada penelitian ini menggunakan Eviews 11.o Student Lite Version sebagai program pengolah datanya sehingga Uji Heteroskedastisitas dilakukan dengan residual diagnostics kemudian pilih Heteroskedasticity Test. Jika nilai Probability Likelihood ratio 0,0000 < 0,05 maka hasil uji Panel Cross-section Heteroskedasticity LR Test terjadi heteroskedastisitas. Saat terdeteksi adanya heteroskedastisitas, penyembuhan gejala tersebut langsung dilakukan menggunakan menu White cross-section yang tersedia pada aplikasi Eviews.
d. Uji Autokorelasi
Uji Autokorelasi yaitu sebuah pengujian dalam menggambarkan model regresi yang berkorelasi terjadi antara time series, terdapat sebuah hubungan yang menggambarkan suatu pola tertentu antara data penelitian tahun sekarang dan penelitian tahun sebelumnya. Dalam menganalisis uji autokorelasi pada penelitian adalah dengan menggunakan Nilai dari Durbin Watson. Dapat dilihat jika dW lebih besar dari dU artinya sebuah penelitian terbebas dari autokorelasi negatif, namun apabila (4-dL) lebih besar dari dW artinya terbebas dari autokorelasi positif (Gujarati, 2012).
E. Pengujian Hipotesis
Uji hipotesis merupakan prosedur yang digunakan untuk menguji diterima atau ditolaknya hasil hipotesa dari sampel. Keputusan untuk mengolah Hipotesa dibuat berdasarkan nilai uji statistik yang diperoleh dari data yang ada (Gujarati, 2003).
1. Uji Parsial (Uji t)
Uji statistik-t dilakukan untuk menunjukkan seberapa jauh pengaruh satu variabel bebas secara individual dalam menerangkan variabel terikat (Ghazali, 2013). Tujuan pengujian ini adalah untuk mengetahui apakah masing-masing variabel bebas mempengaruhi variabel terikat secara signifikan. Uji t dilakukan dengan melihat nilai probabilitas t-statistic masing-masing variabel bebas terhadap variabel terikat pada output regresi. iKetentuan iyang idipergunakan ialah
imembandingkan inilai iprobabilitas t-statistic dengan taraf signifikansi tabel. Dalam pengujian ini dilakukan hipotesis antara lain :
a. Apabila inilai iprobabilitas t-istatistic lebih kecil dari itaraf
isignifikansi (alpha) iyang dipergunakan, imaka H0 ditolak artinya
imenerima H1 dimana ivariabel ibebas iberpengaruh nyata pada
ivariabel iterikat.
b. Apabila inilai iprobabilitas it-statistic lebih tinggi dari itaraf
isignifikansi (alpha) iyang idipergunakan imaka H1iditolak artinya
imenerima H0 dimana ivariabel ibebas itidak iberpengaruh inyata pada ivariabel iterikat.
2. Uji Simultan (Uji F)
iUji simultan atau uji F imenunjukkan iapakah isemua
ivariabel bebas iyang dipergunakan terdapat pengaruh isecara
ibersama-sama terhadap isatu ivariabel terikat (Ghozali, 2013).
Penelitian ini bertujuan untuk mengetahui apakah variabel bebas secara bersama-sama mempengaruhi variabel terikat secara signifikan.
Uji F yang dilakukan adalah dengan melihat probabilitas F-statistik pada output regresi. Ketentuan yang digunakan adalah dengan membandingkan nilai probabilitas F-statistik dengan F tabel. Dalam
ipengujian ini idilakukan ihipotesis antara lain :
a. Apabila inilai iprobabilitas iF-statistic lebih rendah dari itaraf
isignifikansi (alpha) iyang idigunakan imaka H0 iditolak artinya
imenerima H1 dimana ivariabel ibebas secara bersama-sama
iberpengaruh pada ivariabel iterikat.
b. Jika inilai iprobabilitas F-istatistic lebih tinggi dari itaraf
isignifikansi (alpha) iyang dipergunakan imaka H1 iditolak artinya
imenerima H0 dimana ivariabel ibebas secara bersama-sama itidak
iberpengaruh pada ivariabel iterikat.
3. Uji Koefesien Determinasi (R2)
Pengukuran kecocokan model dilakukan dengan memperhatikan besarnya koefisien determinasi (R2). Menurut Setiawan dan Kusrini (2010) uji koefisien determinasi (R2) dilakukan
untuk mengetahui sejauh mana ketepatan atau kecocokan garis regresi yang terbentuk. (R2) merupakan ukuran proporsi atau presentase dari variasi total pada variabel bebas yang dijelaskan oleh model regresi.
Pada penelitian ini mendeteksi ikoefisien ideterminasi idengan imelihat
inilai (R2) iadjusted ipada ioutput iregresi. Sehingga idalam ipengujian
iini iketentuan iyang dipergunakan ialah :
a. Apabila inilai adjusted R2 imendekati iangka inol artinya
ikemampuan ivariabel-variabel ibebas idalam imenjelaskan
ivariabel iterikat iterbatas.
b. Apabila inilai adjusted R2 imendekati iangka isatu iartinya ihampir
isemua iinformasi idibutuhkan iuntuk imemprediksi ivariabel
iterikat ibisa idijelaskan ioleh ivariabel-variabel ibebas.
F. Definisi Variabel Operasional
BAB IV PEMBAHASAN
A. Gambaran Umum Objek Penelitian
Provinsi Kalimantan Timur merupakah salah satu Provinsi terluas kedua setelah Papua, memiliki potensi sumberdaya alam melimpah dimana sebagian besar potensi tersebut belum dapat dimanfaatkan secara optimal. Kalimantan Timur memiliki luas wilayah daratan 127.267,52 km2 dan luas pengelolaan laut 25.656 km2 terletak antara 113º44’ Bujur Timur dan 119º00’ Bujur Timur serta diantara 2º33’ Lintang Utara dan 2º25’ Lintang Selatan.
Secara administratif Provinsi Kalimantan Timur memiliki batas wilayah sebelah Utara berbatasan dengan Kalimantan Utara, sebelah Timur berbatasan dengan sebagian (12 Mil) Selat Makasar dan Laut Sulawesi, sebelah Selatan berbatasan dengan Provinsi Kalimantan Selatan, sebelah Barat berbatasan dengan Provinsi Kalimantan Tengah dan Provinsi Kalimantan Barat serta Negara Bagian Serawak Malaysia Timur.
Gambar 4. 1 Peta Provinsi Kalimantan Timur
1. Pendapatan Asli Daerah Kabupaten dan Kota di Provinsi Kalimantan Timur
Pendapatan Asli Daerah adalah pendapatan daerah yang bersumber dari hasil pajak daerah, hasil retribusi daerah, hasil pengelolaan kekayaan daerah yang dipisahkan dan lain-lain Pendapatan Asli Daerah yang sah yang bertujuan untuk memberikan kewenangan kepada pemerintah daerah untuk mendanai pelaksanaan otonomi daerah sesuai dengan potensi daerah sebagai perwujudan desentralisasi. Dalam penelitian ini data Pendapatan Asli Daerah yang digunakan adalah tahun 2014 – 2018. Berikut merupakan grafik Pendapatan Asli Daerah kabupaten dan kota di Provinsi Kalimantan.
Grafik 4. 1 Pendapatan Asli Daerah Kabupaten dan Kota Di Provinsi Kalimantan Timur Tahun 2014 – 2018
(dalam ribu rupiah)
Sumber: BPS Kalimantan Timur (Data Diolah, i2019) Rp0
Berdasarkan grafik dari BPS Kalimantan Timur menunjukkan secara umum Pendapatan Asli Daerah mengalami fluktuatif atau naik turun setiap tahunnya pada Kabupaten dan Kota di Provinsi Kalimantan Timur. Berdasarkan grafik diatas bahwa Kota Balikpapan memiliki Pendapatan Asli Daerah tertinggi di Provinsi Kalimantan Timur mencapai Rp. 646.868.407.000 pada tahun 2018 walaupun jika dilihat trend pada 2014 mencapai Rp. 755.938.539.000. Selanjutnya Pendapatan Asli Daerah terendah berada di kabupaten Mahakam Ulu yaitu sebesar Rp. 17.405.628.000 tahun 2018 yang mana meningkat dari tahun sebelumnya 2017 sebesar Rp. 12.098.669.000.
2. Dana Perimbangan Kabupaten dan Kota di Provinsi Kalimantan Timur
Dana Perimbangan merupakan dana yang bersumber dari pendapatan Anggaran Pendapatan dan Belanja Negara (APBN) yang dialokasikan kepada daerah untuk mendanai kebutuhan daerah dalam rangka pelaksanaan desentralisasi. Dana Perimbangan bertujuan untuk mengurangi kesenjangan fiskal antara pemerintah pusat dan pemerintahan daerah dan antar-pemerintah daerah. Dalam penelitian ini data dana perimbangan yang digunakan adalah data tahun 2014 – 2018.
Berikut grafik data dana perimbangan kabupaten dan kota di Provinsi Kalimantan Timur.
Grafik 4. 2 Dana Perimbangan Kabupaten dan Kota di Provinsi Kalimantan Timur Tahun 2014 – 2018
(dalam ribu rupiah)
Sumber: BPS Kalimantan Timur (Data Diolah, 2019)
Dilihat dari grafik imenunjukkan secara umum Dana Perimbangan mengalami fluktuatif atau naik turun setiap tahunnya pada Kabupaten dan Kota di Provinsi Kalimantan Timur. Berdasarkan grafik diatas menunjukkan bahwa Dana Perimbangan tertinggi tahun 2018 berada di kabupaten Kutai Kartanegara sebesar Rp. 3.136.734.847.000.
Selanjutnya Dana Perimbangan terendah tahun 2018 berada di kota Bontang sebesar Rp. 856.430.573.000. Dana Perimbangan yang diterima setiap kabupaten dan kota berbeda sehingga isemakin ikecil idana
iperimbangan iyang idiberikan imaka iakan menunjukkan ikinerja ikeuangan
Paser Kutai Barat Kutai Kartanegara Kutai Timur Berau Penajam Paser Utara Mahakam Ulu Balikpapan Samarinda Bontang
Dana Perimbangan Kabupaten/Kota di
3. Indeks Kemandirian Fiskal dalam Kinerja Keuangan Pemerintah Daerah Kabupaten dan Kota di Provinsi Kalimantan Timur
Dalam penelitian ini data kinerja keuangan menggunakan Indeks Kemandirian Fiskal yang bersumber dari BPK RI mengenai Laporan Hasil Pemeriksaan atas iLaporan iKeuangan iPemerintah iPusat
iTahun 2019 dengan menggunakan iFormula iHunter (1977) iyang
isudah idisesuaikan idalam struktur Anggaran Pendapatan dan Belanja Daerah idi iIndonesia antara lain :
𝐼𝐾𝐹 = 1 −
𝑇𝑟𝐺𝑃+𝑇𝑟𝑆𝑃+𝑅𝐸𝑉𝑆𝐻𝑅𝐸𝑉𝑂𝑅+𝑇𝑟𝐺𝑃+𝑇𝑟𝑆𝑃+𝐵+𝑅𝐸𝑉𝑆𝐻′ dimana,
iKeterangan :
iIKF : Indeks iKemandirian iFiskal;
REVOR : iPendapatan iAsli iDaerah iterdiri iatas iPajak
iDaerah, iRetribusi iDaerah, iHasil iPengelolaan
iKekayaan iDaerah iyang iDipisahkan, idan iLain-lain
iPendapatan iAsli iDaerah iyang iSah;
TrGP : iGeneral iPurpose iTransfer yaitu iDana Alokasi Umum, iDana Alokasi Khusus, iDana Keistimewaan, Dana iDesa idan iPendapatan iTransfer iantar idaerah (iPendapatan iBagi iHasil idan iBantuan iKeuangan) TrSP : iDana iAlokasi iKhusus (iDAK Fisik dan Non Fisik)
iB : iSubnational iBorrowing (iPenerimaan iPinjaman
iDaerah)
iREVSH : iDana iBagi iHasil iyang iterdiri iatas :
a. iDBH iPajak iBumi idan iBangunan;
b. iDBH iPPh iPasal i25 idan iPasal 29 wajib pajak orang pribadi dalam negeri dan PPh Pasal 21;
c. iDBH icukai iyang ibersumber idari icukai ihasil tembakau sesuai dengan ketentuan peraturan perundang-undangan;
d. DBH sumber daya alam.
Grafik 4. 3 Presentase Indeks Kemandirian Fiskal dalam Kinerja Keuangan Pemerintah Daerah Kabupaten dan Kota di Provinsi
Kalimantan Timur Tahun 2014 – 2018 (dalam persen)
Sumber : Badan Pemeriksa Keuangan RI (data diolah, 2019).
Dilihat dari grafik diatas dapat dilihat presentase Indeks Kemandirian Fiskal dalam kinerja keuangan atas iLaporan iKeuangan
iPemerintah iDaerah iyang itelah diserahkan ke BPK RI menunjukkan bahwa kondisi kemandirian fiskal isebagian ibesar iKabupaten dan iKota di Provinsi iKalimantan Timur tergolong pada ikategori ibelum imandiri karena nilai Indeks Kemandirian Fiskal <0,25 kecuali Kota Balikpapan yang sudah masuk dalam kategori menuju kemandirian. Hal ini
0%5%
Kalimantan Timur masih sangat jauh dari kategori mandiri dengan kata lain dalam penyelenggaraan pembangunan daerah mengandalkan Pendapatan Asli Daerah yang masih sangat rendah atau dapat dikatakan tingkat ketergantungan daerah di Provinsi Kalimantan Timur masih sangat tinggi terhadap pemerintah pusat.