iBerdasarkan ihasil iyang itelah idibahas isebelumnya iuntuk
imengetahui ipengaruh iPendapatan iAsli iDaerah idan iDana iPerimbangan
iterhadap Indeks Kemandirian Fiskal idalam iKinerja iKeuangan iPemerintah
iDaerah idi iProvinsi iKalimantan iTimur Tahun 2014 – 2018, maka dapat disimpulkan sebagai berikut :
1. Hasil penelitian menunjukkan bahwa Pendapatan Asli Daerah memiliki pengaruh positif dan signifikan terhadap Indeks Kemandirian Fiskal dalam ikinerja ikeuangan ipemerintah idaerah idi iProvinsi iKalimantan
iTimur. Hal ini menunjukkan bahwa Pendapatan Asli Daerah memiliki dampak yang positif terhadap Indeks Kemandirian Fiskal dalam ikinerja
ikeuangan ipemerintah idaerah idi iProvinsi iKalimantan Timur tahun 2014 – 2018. Akan tetapi kontribusi Pendapatan Asli Daerah di Provinsi Kalimantan Timur dalam meningkatkan Indeks Kemandirian Fiskal dalam kinerja keuangan pemerintah daerah masih sangat kecil. Hal ini membuktikan bahwa iperanan iPendapatan iAsli iDaerah isangat
imenentukan ikinerja ikeuangan idaerah. Oleh karena itu, pemerintah daerah diharapkan mampu mengoptimalkan potensi yang dimiliki oleh masing-masing daerah serta diperlukan strategi dan kebijakan yang tepat untuk meningkatkan penerimaan daerah yang bersumber dari Pendapatan
Asli Daerah. Dengan demikian kemandirian pemerintah daerah juga akan semakin meningkat karena tidak lagi perlu bergantung pada bantuan dari pemerintah pusat sehingga nilai Indeks Kemandirian Fiskal nantinya akan berdampak pada Pendapatan Asli Daerah di masa kan datang.
2. iHasil ipenelitian imenunjukkan ibahwa Dana Perimbangan imemiliki pengaruh negatif dan signifikan terhadap Indeks Kemandirian Fiskal dalam kinerja keuangan pemerintah daerah di Provinsi Kalimantan Timur tahun 2014 – 2018. Hal ini menunjukkan bahwa variabel Dana Perimbangan memiliki dampak negatif terhadap Indeks Kemandirian Fiskal dalam kinerja keuangan pemerintah daerah. Semakin tinggi dana perimbangan yang diterima oleh suatu daerah maka tingkat ketergantungan daerah terhadap transfer pusat semakin tinggi dan akan mengurangi presentase Indeks Kemandirian Fiskal dalam kinerja keuangan pemerintah daerah.
3. Hasil penelitian menunjukkan bahwa secara bersama-sama (simultan) Pendapatan Asli Daerah dan Dana Perimbangan memiliki pengaruh yang signifikan terhadap Indeks Kemandirian Fiskal dalam Kinerja Keuangan Pemerintah di Provinsi Kalimantan Timur Tahun 2014 – 2018. Jika terdapat perubahan pada Pendapatan Asli Daerah dan Dana Perimbangan secara simultan maka akan merubah tingkat Indeks Kemandirian Fiskal dalam kinerja keuangan di Provinsi Kalimantan Timur.
B. iSaran-saran
iBerdasarkan ikesimpulan iyang itelah idijelaskan, ipenulis imemiliki ibeberapa
isaran isebagai iberikut : 1. iBagi iPemerintah
a. iBerdasarkan ihasil ipenelitian bahwa Pendapatan Asli Daerah dapat meningkatkan presentase Indeks Kemandirian Fiskal dalam iKinerja
iKeuangan ipemerintah idaerah di iProvinsi iKalimantan iTimur maka pemerintah daerah diharapkan dapat mengoptimalkan perannya dalam upaya menggali potensi penerimaan daerah dari sisi Pendapatan Asli Daerah. Selain itu pemerintah daerah di Provinsi Kalimantan Timur diharapkan dapat menetapkan kebijakan yang tepat dalam meningkatkan penerimaan daerah salah satunya melalui Pendapatan Asli Daerah. Semakin meningkat Pendapatan Asli Daerah tentunya akan menunjukkan kinerja keuangan pemerintah daerah melalui Indeks Kemandirian Fiskal yang semakin baik.
b. Berdasarkan hasil peneltian, Dana Perimbangan dapat menurunkan presentase Indeks Kemandirian Fiskal dalam ikinerja ikeuangan
ipemerintah idaerah idi iProvinsi iKalimantan iTimur. Dengan demikian, pemerintah daerah diharapkan bisa memaksimalkan dana perimbangan yang didapat agar kedepannya dana perimbangan yang diberikan pemerintah pusat akan semakin berkurang. Hal ini dimaksud agar tingkat ketergantungan pemerintah daerah terhadap pemerintah pusat dengan adanya dana perimbangan dapat berkurang sehingga
menjadi daerah yang mandiri dengan bergantung pada besarnya kontribusi Pendapatan Asli Daerah sebagai sumber paling utama yang berkontribusi dalam penerimaan daerah.
2. iBagi iPeneliti iSelanjutnya, idiharapkan dapat menggunakan i variabel-variabel independen diluar penelitian ini (Pendapatan Asli Daerah dan Dana Perimbangan) yang secara teori mempengaruhi Indeks Kemandirian Fiskal dalam Kinerja Keuangan pemerintah daerah di Provinsi Kalimantan Timur agar penelitian selanjutnya diperoleh hasil yang lebih mewakili variabel Indeks Kemandirian Fiskal dalam Kinerja Keuangan pemerintah daerah.
DAFTAR PUSTAKA
Abdullah, H. B., & Syukriy. (2013). Pengaruh Pendapatan Asli Daerah terhadap Kinerja Keuangan Daerah pada Kabupaten/Kota di Provinsi Aceh tahun 2010 - 2012.
Jurnal Telaah dan Riset Akuntansi Universitas Syiah Kuana Banda Aceh, Vol. 6, No.2, Hal 186-193.
Adisasmita, R. (2011). Pengelolaan Pendapatan dan Anggrahan Daerah. Yogyakarta:
Graha Ilmu.
Adisetiawan. (2019). Kalimantan Timur Resmi Menjadi Ibu Kota Negara Indonesia.
Provinsi Kalimantan Timur:
https://seputarkaltim.kaltimprov.go.id/2019/09/05/pemerintahan/kalimantan-timur-resmi-menjadi-ibu-kota-negara-indonesia/.
Alibegović, D. J., S. H., & E. B. (2019). The Level of Fiscal Autonomy: Evidance from
Croatia, Serbia and Bosnia and Herzegovina. Journal of Public Administration and Policy, Vol. 12, 91-112.
Artini, T. T., & Sri, L. G. (2017). Analisis Pendapatan Asli Daerah dalam Upaya Pelaksanaan Otonomi Daerah di Kabupaten Badung Bali. E-Jurnal Manajemen Universitas Udayana, 6 (5): 2360-2387.
Asmara, C. G. (2019, Agustus 26). 5 Alasan Jokowi Pilih Kaltim jadi Ibu Kota Baru RI.
Dipetik Agustus 29, 2021, dari CNBC Indonesia:
https://www.cnbcindonesia.com/news/20190826134234-4-94661/ini-5-alasan-jokowi-pilih-kaltim-jadi-ibu-kota-baru-ri
Ayu, G. M. (2016). Analisis Pengaruh Pendapatan Asli Daerah Terhadap Kinerja Keuangan pada Pemerintah Kabupaten dan Kota di Provinsi Jawa Timur. Jurnal Ilmiah Universitas Brawijaya, 1.
Bappenas. (2004). Undang Undang Republik Indonesia Nomor 33 Tahun 2004 Tentang Perimbangan Keruangan. Jakarta:
https://www.bappenas.go.id/files/pendanaan/regulasi/uu-33-2004.pdf . Bhuiyan, S. (2014). Decentralization and Local Governance in Khazakhstan.
International Journal of Public Administration, 33:12-13, 658-672.
BPS. Badan Pusat Statistik - Produk Domestik Regional Bruto. Dipetik 02 10, 2022, dari Badan Pusat Statistik Indonesia: https://www.bps.go.id/subject/171/produk-domestik-regional-bruto--pengeluaran-.html#subjekViewTab2
Firdausy. (2017). Kebijakan dan Strategi Peningkatan Pendapatan Asli Daerah dalam Pembangunan Nasional. Jakarta: Yayasan Pustaka Obor Indonesia.
Firdausy, C. (2017). Prolog: Peningkatan PAD dan Pembangunan Nasional. Jakarta:
Yayasan Pustaka Obor Indonesia.
Ghazali, I. (2013). Aplikasi Analisis Multivariate dengan IBM SPSS 21. Semarang: Badan Penerbit UNDIP.
Gina, N. P., & I. B. (2018). Pengaruh Pendapatan Asli Daerah dan Belanja Modal Terhadap Kinerja Keuangan Pemerintah Daerah Provinsi Bali. E-Jurnal Manajemen Universitas Udayana, Vol. 7, No.2.
Gujarati. (2012). Dasar-dasar Ekonometrika. Jakarta: Salemba Empat.
Halaskova, M., & R. H. (2016). Assessment of Financial Capabilities of Local Goverments in EU Countries for the Development of Local Publik Services.
Journal of Local Self-Government, 14 (3), pp : 379-397.
Halim, & Iqbal. (2012). Pengelolaan Keuangan Daerah. Yogyakarta: UPP STIM YKPN.
Indonesia, B. P. (t.thn.). Badan Pusat Statistik - Produk Domestik Regional Bruto.
Dipetik 02 10, 2022, dari Badan Pusat Statistik:
https://www.bps.go.id/subject/171/produk-domestik-regional-bruto--Jauhar, F. (2016). Pengaruh Pendapatan Asli Daerah, Dana Alokasi Umum, Dana Alokasi Khusus dan Belanja Modal Terhadap Kinerja Keuangan Pemerintah Daerah Kab/Kota Se Sumatera Barat. Artikel Universitas Negeri Padang, 1.
Juliawati, E., Darwanis, & Jalaluddin. (2012). Pengaruh Pendapatan Asli Daerah dan Kineja Keuangan Pemerintah Daerah Kabupaten/Kota di Provinsi Bali. Jurnal Akuntansi, 1 (1) : 15-29.
Liddo, L. E. (2016). Measuring horizontal fiscal imbalance: the case of Italian municipalities. Local Goverment Studies, 42 (3), 385-419.
Mardiasmo. (2002). Otonomi dan Manajemen Keuangan Daerah. Yogyakarta: Andi.
Mustanda, N. M. (2o19). Pengaruh Ukuran Pemerintah Daerah, Pendapatan Asli Daerah dan Belanja Modal terhadap Kinerja Keuangan Pemerintah Daerah. E-Jurnal Manajemen, Vol. 8, No.8.
Negara, B. K. (2018). Processing Data Penelitian Kuantitatif menggunakan EVIEWS.
Aceh: Pusat Kajian dan Pendidikan dan Pelatihan Aparatur IV Lembaga Administrasi Negara.
Nicolae, P. V. (2015). Theoritical and Practical Considerations on Financial Autonomy and Balance Local Budgets in Romania. Constantin Brancusi University of Targu Jiu, Economy Series, Vol II.
Prasisti, S. E. (2016). Pengaruh Pendapatan Asli Daerah dan Dana Perimbangan
Terhadap Kinerja Keuangan Pemerintah Daerah: Studi Kasus pemerintah daerah kabupaten/kota DIY tahun 2017-2013. Jurnal Ilmiah, 1.
RI, B. (2020). Laporan Hasil Pemeriksaan atas Laporan Keuangan Pemerintah Pusat mengenai Laporan Hasil Reviu atas Kemandirian Fiskal Pemerintah Daerah.
Jakarta: Badan Pemeriksa Keuangan Republik Indonesia.
Rohman, F. N. (2012). Pengaruh Belanja Modal Terhadap Pertumbuhan Kinerja
Keuangan Daerah dengan Pendapatan Asli Daerah sebagai variabel intrevening.
Diponegoro Journal of Accounting, Vol. 1, No.3, Hal 1-14.
Rosemary, J., & Barry. (2016). Local Government Financial Autonomy: A Comparative Analysis of Nigeria and Brazil. Arabian Journal of Bussiness and Management Reviews, 5 (10), pp : 38-54.
Saragih, J. P. (2003). Desentralisasi Fiskal dan Keuangan Daerah dalam Otonomi.
Jakarta: Ghalia Indonesia.
Sari, D. S. (2019). Pengaruh Pendapatan Asli Daerah, Ukuran Pemerintah Daerah, Leverage terhadap Kinerja Keuangan Pemerintah Daerah. Journal of Pembangunan Panca Budi University, Vol. 9, No. 2.
Sari, I. P. (2016). Pengaruh Ukuran Pemerintah Daerah, PAD, Leverage, Dana Perimbangan dan Ukuran Legislatif Terhadap Kinerja Keuangan Pemerintah Daerah: Studi pada Kab/Kota Pulau Sumatera. Journal Faculty of Economics Riau University, 1.
Setiawan, D. I., & Kusrini. (2010). Ekonometrika. Yogyakarta: Andi Offset.
Sujarweni, W. (2015). Akuntansi Sektor Publik. Yogyakarta: Pustaka Baru Press.
Sukarta, I. W. (2016). Faktor-faktor yang Berpengaruh pada Kinerja Belanja Pemerintah Kabupaten/Kota di Provinsi Bali. E-Jurnal Akuntansi Universitas Udayana, 14 (3): 1727-1754.
Sukirno, S. (2006). Ekonomi Pembangunan: Proses, Masalah dan Dasar Kebijakan.
Jakarta: Prenada Media Group.
Timur, P. P. (t.thn.). Kondisi Wilayah. Dipetik agustus 29, 2021, dari Kondisi Wilayah Provinsi Kalimantan Timur: https://kaltimprov.go.id/halaman/kondisi-wilayah Usman, N. D. (2006). Pendekatan Populer dan Praktis Ekonometrika untuk Analisis
Verawaty, A. K. (2020). Pengaruh PAD dan Dana Perimbangan Terhadap Kinerja Keuangan Pemerintah Kabupaten/Kota di Sumatera Selatan. MBIA, Vol. 19, No.1.
Wahyuningsih, Y. E. (2016). Pengaruh Pendapatan Asli Daerah dan Dana Perimbangan Terhadap Kinerja Keuangan Pemerintah Kabupaten/Kota di Provinsi Jawa Tengah. E-Jurnal Universitas Muhamadiyah Surakarta, 1.
Waskita, N. D. (2020). Pengaruh Pendapatan Asli Daerah, Dana Perimbangan, Dana Keistimewaan dan Belanja Modal Terhadap Kinerja Keuangan Pemerintah Daerah: Studi Kasus pada Pemerintah Daerah Kabupaten dan Kota Daerah Istimewa Yogyakarta Tahun Anggaran 2013 - 2018. Jurnal Kajian Bisnis, Vol.
28, No. 1, 89-105.
Wenny, C. D. (2012). Analisis Pengaruh Pendapatan Asli Daerah Terhadap Kinerja Keuangan pada Pemerintah kabupaten dan kota di Provinsi Sumatera Selatan.
Forum Bisnis dan Kewirausahaan: Jurnal Ilmiah STIE MDP.
Yuwono. (2005). Penganggaran Sektor Publik. Surabaya: Bayumedia.
LAMPIRAN-LAMPIRAN
Lampiran I. Uji Regresi Data Panel 1. Common Effect Model
Sumber: Data Diolah, 2022.
Dependent Variable: IKF Method: Panel Least Squares Date: 02/08/22 Time: 20:14 Sample: 2014 2018
Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Variable Coefficient Std. Error t-Statistic Prob.
C 0.890137 0.209531 4.248247 0.0001
PAD 0.071870 0.004771 15.06509 0.0000
DP -0.101811 0.011158 -9.124204 0.0000
R-squared 0.832300 Mean dependent var 0.104932 Adjusted R-squared 0.825163 S.D. dependent var 0.078722 S.E. of regression 0.032917 Akaike info criterion -3.931560 Sum squared resid 0.050924 Schwarz criterion -3.816839 Log likelihood 101.2890 Hannan-Quinn criter. -3.887873 F-statistic 116.6308 Durbin-Watson stat 0.397659 Prob(F-statistic) 0.000000
2. Fixed Effect Model
Sumber: Data Diolah, 2022.
Dependent Variable: IKF Method: Panel Least Squares Date: 02/08/22 Time: 20:15 Sample: 2014 2018
Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Variable Coefficient Std. Error t-Statistic Prob.
C 0.419343 0.241561 1.735974 0.0907
PAD 0.065091 0.006296 10.33814 0.0000
DP -0.073351 0.011387 -6.441441 0.0000
Effects Specification
Cross-section fixed (dummy variables)
R-squared 0.978118 Mean dependent var 0.104932 Adjusted R-squared 0.971784 S.D. dependent var 0.078722 S.E. of regression 0.013224 Akaike info criterion -5.608073 Sum squared resid 0.006645 Schwarz criterion -5.149188 Log likelihood 152.2018 Hannan-Quinn criter. -5.433327 F-statistic 154.4167 Durbin-Watson stat 2.519398 Prob(F-statistic) 0.000000
3. Uji Chow
Sumber: Data Diolah, 2022.
Redundant Fixed Effects Tests Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 28.136212 (9,38) 0.0000
Cross-section Chi-square 101.825656 9 0.0000
Cross-section fixed effects test equation:
Dependent Variable: IKF Method: Panel Least Squares Date: 02/08/22 Time: 20:22 Sample: 2014 2018
Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Variable Coefficient Std. Error t-Statistic Prob.
C 0.890137 0.209531 4.248247 0.0001
PAD 0.071870 0.004771 15.06509 0.0000
DP -0.101811 0.011158 -9.124204 0.0000
R-squared 0.832300 Mean dependent var 0.104932 Adjusted R-squared 0.825163 S.D. dependent var 0.078722 S.E. of regression 0.032917 Akaike info criterion -3.931560 Sum squared resid 0.050924 Schwarz criterion -3.816839 Log likelihood 101.2890 Hannan-Quinn criter. -3.887873 F-statistic 116.6308 Durbin-Watson stat 0.397659 Prob(F-statistic) 0.000000
4. Random Effect Model
Sumber: Data Diolah, 2022.
Dependent Variable: IKF
Method: Panel EGLS (Cross-section random effects) Date: 02/08/22 Time: 20:24
Sample: 2014 2018 Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 0.494372 0.217799 2.269848 0.0278
PAD 0.066077 0.005514 11.98352 0.0000
DP -0.077802 0.010574 -7.357706 0.0000
Effects Specification
S.D. Rho
Cross-section random 0.034518 0.8720
Idiosyncratic random 0.013224 0.1280
Weighted Statistics
R-squared 0.776894 Mean dependent var 0.017719 Adjusted R-squared 0.767400 S.D. dependent var 0.027185 S.E. of regression 0.013111 Sum squared resid 0.008079 F-statistic 81.83125 Durbin-Watson stat 2.108289 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.815542 Mean dependent var 0.104932 Sum squared resid 0.056013 Durbin-Watson stat 0.304097
5. Uji Hausman
Sumber : Data Diolah, 2022.
Correlated Random Effects - Hausman Test Equation: Untitled
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 1.203544 2 0.5478
Cross-section random effects test comparisons:
Variable Fixed Random Var(Diff.) Prob.
PAD 0.065091 0.066077 0.000009 0.7457
DP -0.073351 -0.077802 0.000018 0.2923
Cross-section random effects test equation:
Dependent Variable: IKF Method: Panel Least Squares Date: 02/08/22 Time: 20:25 Sample: 2014 2018
Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Variable Coefficient Std. Error t-Statistic Prob.
C 0.419343 0.241561 1.735974 0.0907
PAD 0.065091 0.006296 10.33814 0.0000
DP -0.073351 0.011387 -6.441441 0.0000
Effects Specification Cross-section fixed (dummy variables)
R-squared 0.978118 Mean dependent var 0.104932 Adjusted R-squared 0.971784 S.D. dependent var 0.078722 S.E. of regression 0.013224 Akaike info criterion -5.608073 Sum squared resid 0.006645 Schwarz criterion -5.149188 Log likelihood 152.2018 Hannan-Quinn criter. -5.433327 F-statistic 154.4167 Durbin-Watson stat 2.519398 Prob(F-statistic) 0.000000
6. Uji Lagrange Multiplier
Sumber : Data Diolah, 2022.
Lagrange Multiplier Tests for Random Effects Null hypotheses: No effects
Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided (all others) alternatives
Test Hypothesis
Cross-section Time Both
Breusch-Pagan 65.44186 0.638825 66.08069 (0.0000) (0.4241) (0.0000)
Honda 8.089615 -0.799265 5.155056
(0.0000) (0.7879) (0.0000)
King-Wu 8.089615 -0.799265 3.822282
(0.0000) (0.7879) (0.0001)
Standardized Honda 9.670421 -0.563205 3.298650 (0.0000) (0.7134) (0.0005)
Standardized King-Wu 9.670421 -0.563205 1.859451 (0.0000) (0.7134) (0.0315)
Gourieroux, et al. -- -- 65.44186
(0.0000)
7. Uji Normalitas
Sumber : Data Diolah, 2022.
8. Uji Multikolinearitas
-0.02 -0.01 0.00 0.01 0.02 0.03
Series: Standardized Residuals
9. Uji Heteroskedastisitas
Sumber : Data Diolah, 2022.
Panel Cross-section Heteroskedasticity LR Test Equation: UNTITLED
Specification: IKF C PAD DP
Null hypothesis: Residuals are homoskedastic
Value df Probability
Likelihood ratio 63.13362 10 0.0000
LR test summary:
Value df
Restricted LogL 101.2890 47 Unrestricted LogL 132.8558 47
Unrestricted Test Equation:
Dependent Variable: IKF
Method: Panel EGLS (Cross-section weights) Date: 02/09/22 Time: 11:09
Sample: 2014 2018 Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50 Iterate weights to convergence
Convergence achieved after 15 weight iterations
Variable Coefficient Std. Error t-Statistic Prob.
C 0.229849 0.084729 2.712755 0.0093
PAD 0.078049 0.003272 23.85057 0.0000
DP -0.076716 0.004367 -17.56801 0.0000
Weighted Statistics
R-squared 0.930031 Mean dependent var 0.273732 Adjusted R-squared 0.927054 S.D. dependent var 0.185711 S.E. of regression 0.040231 Akaike info criterion -5.194232 Sum squared resid 0.076073 Schwarz criterion -5.079511 Log likelihood 132.8558 Hannan-Quinn criter. -5.150546 F-statistic 312.3629 Durbin-Watson stat 1.596226 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.749477 Mean dependent var 0.104932 Sum squared resid 0.076074 Durbin-Watson stat 0.227397
10. Period Test Heteroskedastisitas
Sumber : Data Diolah, 2022.
Panel Period Heteroskedasticity LR Test Equation: UNTITLED
Specification: IKF C PAD DP
Null hypothesis: Residuals are homoskedastic
Value df Probability
Likelihood ratio 3.579998 10 0.9643
LR test summary:
Value df
Restricted LogL 101.2890 47 Unrestricted LogL 103.0790 47
Unrestricted Test Equation:
Dependent Variable: IKF
Method: Panel EGLS (Period weights) Date: 02/09/22 Time: 11:09
Sample: 2014 2018 Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50 Iterate weights to convergence
Convergence achieved after 3 weight iterations
Variable Coefficient Std. Error t-Statistic Prob.
C 0.849391 0.198666 4.275476 0.0001
PAD 0.073144 0.004575 15.98826 0.0000
DP -0.100978 0.010481 -9.634143 0.0000
Weighted Statistics
R-squared 0.848922 Mean dependent var 0.110620 Adjusted R-squared 0.842493 S.D. dependent var 0.085243 S.E. of regression 0.032969 Akaike info criterion -4.003160 Sum squared resid 0.051088 Schwarz criterion -3.888439 Log likelihood 103.0790 Hannan-Quinn criter. -3.959473 F-statistic 132.0483 Durbin-Watson stat 0.326973 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.831759 Mean dependent var 0.104932 Sum squared resid 0.051089 Durbin-Watson stat 0.392439
11. Individual Effect
Sumber : Data Diolah, 2022 Dependent Variable: IKF?
Method: Pooled Least Squares Date: 02/09/22 Time: 15:59 Sample: 2014 2018
Included observations: 5 Cross-sections included: 10
Total pool (balanced) observations: 50
Variable Coefficient Std. Error t-Statistic Prob.
PAD? 0.065091 0.006296 10.33814 0.0000
R-squared 0.978118 Mean dependent var 0.104932 Adjusted R-squared 0.971784 S.D. dependent var 0.078722 S.E. of regression 0.013224 Akaike info criterion -5.608073 Sum squared resid 0.006645 Schwarz criterion -5.149188 Log likelihood 152.2018 Hannan-Quinn criter. -5.433327 F-statistic 154.4167 Durbin-Watson stat 2.519398 Prob(F-statistic) 0.000000
Lampiran II. Data Penelitian
Kabupaten/Kota Tahun IKF (Y) Paser 2014 0.0522 Rp111.052.684 Rp1.377.664.405 Paser 2015 0.0540 Rp104.979.740 Rp1.264.213.319 Paser 2016 0.0641 Rp146.407.540 Rp1.361.945.794 Paser 2017 0.0735 Rp112.644.016 Rp984.388.323 Paser 2018 0.0726 Rp149.405.404 Rp1.377.083.774 Kutai Barat 2014 0.0595 Rp106.477.536 Rp1.295.021.218 Kutai Barat 2015 0.0404 Rp83.297.356 Rp1.504.953.143 Kutai Barat 2016 0.0449 Rp82.989.130 Rp1.568.571.150 Kutai Barat 2017 0.0658 Rp131.723.322 Rp1.324.348.258 Kutai Barat 2018 0.0480 Rp117.984.284 Rp1.509.720.190 Kutai Kartanegara 2014 0.0525 Rp339.177.066 Rp5.253.423.325 Kutai Kartanegara 2015 0.0624 Rp407.798.922 Rp5.124.611.460 Kutai Kartanegara 2016 0.0647 Rp267.214.032 Rp3.431.406.942 Kutai Kartanegara 2017 0.1011 Rp435.513.162 Rp2.484.379.611 Kutai Kartanegara 2018 0.0749 Rp303.926.112 Rp3.136.734.847 Kutai Timur 2014 0.0647 Rp217.421.291 Rp2.599.364.411 Kutai Timur 2015 0.0415 Rp133.353.114 Rp2.418.510.635 Kutai Timur 2016 0.1530 Rp477.803.740 Rp2.221.155.168 Kutai Timur 2017 0.0755 Rp174.641.081 Rp1.527.826.847 Kutai Timur 2018 0.0458 Rp144.594.267 Rp2.291.810.161 Berau 2014 0.1019 Rp240.856.792 Rp1.646.447.061 Berau 2015 0.1058 Rp234.340.823 Rp1.579.758.859 Berau 2016 0.1041 Rp208.260.995 Rp1.499.485.102 Berau 2017 0.1014 Rp222.673.008 Rp1.187.082.156 Berau 2018 0.0907 Rp210.437.540 Rp1.682.458.853 Penajam Paser Utara 2014 0.0433 Rp57.919.614 Rp1.062.910.530 Penajam Paser Utara 2015 0.0514 Rp65.567.382 Rp915.114.470 Penajam Paser Utara 2016 0.1678 Rp224.657.038 Rp933.077.033 Penajam Paser Utara 2017 0.1044 Rp103.537.296 Rp698.967.815 Penajam Paser Utara 2018 0.0457 Rp70.390.460 Rp947.015.360 Mahakam Ulu 2014 0.0047 Rp3.723.190 Rp524.739.857 Mahakam Ulu 2015 0.0159 Rp15.098.419 Rp831.209.353 Mahakam Ulu 2016 0.0166 Rp18.709.661 Rp997.087.429 Mahakam Ulu 2017 0.0123 Rp12.098.669 Rp810.587.459 Mahakam Ulu 2018 0.0140 Rp17.405.628 Rp1.053.703.379
Sumber: BPS Provinsi Kalimantan Timur dan BPK RI
Kabupaten/Kota Tahun IKF (Y)
PAD dalam ribu rupiah
(X1)
DP dalam ribu rupiah (X2) Balikpapan 2014 0.3012 Rp755.938.539 Rp1.321.528.732 Balikpapan 2015 0.2596 Rp578.959.818 Rp1.145.301.045 Balikpapan 2016 0.2811 Rp560.364.263 Rp1.066.561.649 Balikpapan 2017 0.3267 Rp612.250.040 Rp817.394.320 Balikpapan 2018 0.2900 Rp646.868.407 Rp1.096.230.493 Samarinda 2014 0.1531 Rp435.498.980 Rp1.538.150.051 Samarinda 2015 0.1468 Rp419.745.788 Rp1.542.417.500 Samarinda 2016 0.1606 Rp391.404.293 Rp1.617.965.303 Samarinda 2017 0.1895 Rp519.423.887 Rp1.252.076.839 Samarinda 2018 0.1848 Rp498.888.664 Rp1.510.601.699 Bontang 2014 0.1102 Rp160.367.872 Rp1.028.580.014 Bontang 2015 0.1053 Rp142.422.736 Rp1.004.702.597 Bontang 2016 0.1413 Rp150.349.247 Rp910.458.459 Bontang 2017 0.1463 Rp169.077.549 Rp717.385.769 Bontang 2018 0.1590 Rp199.483.398 Rp856.430.573
Sumber: BPS Provinsi Kalimantan Timur dan BPK RI
Data Penelitian Variabel setelah di Transformasikan ke Logaritma Natural
3 Kutai Kartanegara 2014 0.0525 19.6420328 22.382146 3 Kutai Kartanegara 2015 0.0624 19.8262848 22.357321 3 Kutai Kartanegara 2016 0.0647 19.4035605 21.956236 3 Kutai Kartanegara 2017 0.1011 19.8920356 21.633289 3 Kutai Kartanegara 2018 0.0749 19.5322952 21.866448 4 Kutai Timur 2014 0.0647 19.1973475 21.678533
6 Penajam Paser Utara 2014 0.0433 17.8745666 20.784277 6 Penajam Paser Utara 2015 0.0514 17.9985889 20.63456 6 Penajam Paser Utara 2016 0.1678 19.2300855 20.653998 6 Penajam Paser Utara 2017 0.1044 18.4554425 20.365115 6 Penajam Paser Utara 2018 0.0457 18.0695683 20.668826 7 Mahakam Ulu 2014 0.0047 15.1300914 20.078413 7 Mahakam Ulu 2015 0.0159 16.5301006 20.538392 7 Mahakam Ulu 2016 0.0166 16.7445506 20.720349
7 Mahakam Ulu 2017 0.0123 16.308606 20.51327
7 Mahakam Ulu 2018 0.0140 16.6723042 20.775577
No. Kabupaten/Kota Tahun IKF (Y) LN PAD (X1) LN DP (X2) 8 Balikpapan 2014 0.3012 20.4434706 21.002055 8 Balikpapan 2015 0.2596 20.1767436 20.858933 8 Balikpapan 2016 0.2811 20.1440976 20.787706 8 Balikpapan 2017 0.3267 20.2326513 20.521632 8 Balikpapan 2018 0.2900 20.2876534 20.815143
9 Samarinda 2014 0.1531 19.892003 21.153846
9 Samarinda 2015 0.1468 19.8551598 21.156617 9 Samarinda 2016 0.1606 19.7852516 21.204435 9 Samarinda 2017 0.1895 20.0682308 20.948069 9 Samarinda 2018 0.1848 20.0278935 21.135774
10 Bontang 2014 0.1102 18.8929809 20.751445
10 Bontang 2015 0.1053 18.7743102 20.727957
10 Bontang 2016 0.1413 18.8284715 20.629459
10 Bontang 2017 0.1463 18.945868 20.391124
10 Bontang 2018 0.1590 19.1112416 20.568284