METODE PENELITIAN
4.6 Metode Analisa Data
Pengujian hipotesis dilakukan dengan menggunakan model analisis regresi berganda bertujuan untuk mengukur kekuatan hubungan antara dua variabel atau lebih, juga menunjukkan arah hubungan antara variabel independen dengan variabel dependen (Ghozali, 2006). Dalam penelitian ini digunakan tingkat signifikansi (α) 0,05 atau 5%. Untuk menguji apakah hipotesis yang diajukan
diterima atau ditolak, maka dilakukan pengujian terhadap variabel-variabel penelitian dengan cara menguji secara simultan melalui signifikansi simultan (Uji statistik F), untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Sedangkan untuk menguji masing-masing variabel secara parsial, dilakukan dengan uji signifikansi parameter individual (uji t statistik) untuk menunjukkan seberapa jauh pengaruh satu variabel independen secara individual menerangkan variasi variabel dependen. Teknik analisis data menggunakan alat bantu perangkat lunak SPSS 19.0 for windows.
Model regresi yang digunakan adalah:
Y = a + b1X1 + b2X2 + b3X3 + b4X4 + b5X5
Di mana:
+ e
Y = Belanja Modal a = Konstanta b1,b2,b3,b4
X
= Slope atau Koefisien Regresi
1
X
= Pendapatan Asli Daerah (PAD)
2 = Dana Alokasi Umum (DAU)
X4
X
= Sisa Lebih Pembiayaan Anggaran (SiLPA)
5
e = error
= Luas Wilayah
Dan untuk menguji variabel moderating di gunakan uji interaksi untuk mengetahui pengaruh antar variabel independen terhadap variabel dependen serta variabel moderating (Ghozali, 2006). Persamaan regresi uji interaksi adalah sebagai berikut:
= Pendapatan Asli Daerah (PAD)
2
= Sisa Lebih Pembiayaan Anggaran (SiLPA)
5
Z = Dana Alokasi Khusus/DAK (Moderating) = Luas Wilayah
b = Koefisien Regresi
dengan Z
e = error
Jika dari hasil Uji F setelah dilakukan uji interaksi diperoleh nilai F-hitung >
nilai F-tabel maka dapat dinyatakan bahwa semua variabel independen, variabel DAK dan interaksinya dengan masing-masing variabel independen secara simultan mempengaruhi variabel dependen. Artinya variabel DAK dapat memoderasi hubungan PAD, DAU, DBH, SiLPA dan Luas Wilayah terhadap Belanja Modal.
4.6.1 Uji Asumsi Klasik
Sebelum dilakukan pengujian hipotesis dengan menggunakan analisis regresi maka diperlukan pengujian asumsi klasik meliputi:
1. Uji Normalitas bertujuan untuk mengetahui distribusi data dalam variabel yang digunakan dalam penelitian. Data yang baik dan layak digunakan dalam penelitian adalah data yang memiliki distribusi normal (Nugroho, 2005).
Untuk menguji apakah distribusi normal atau tidak dapat dilihat melalui normal probability plot dengan membandingkan distribusi kumulatif dan distribusi normal. Data normal akan membentuk satu garis lurus diagonal, dan data menyebar disekitar garis garis diagonal akan mengikuti garis diagonalnya. Uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji staistik non-parametrik Kolmogorov-Smirnov (K-S) dengan membuat hipotesis: H0: Data Residual berdistribusi normal; H1: Data residual tidak berdistribusi normal (Ghozali, 2006).
2. Uji Multikolinieritas, diperlukan untuk mengetahui apakah model regresi ditemukan adanya korelasi antar variabel bebas (Ghozali, 2006). Selain itu
deteksi terhadap multikoliniearitas juga bertujuan untuk menghindari bias dalam proses pengambilan keputusan mengenai pengaruh pada uji parsial masing-masing variabel independen terhadap variabel dependen. Deteksi multikolinieritas pada suatu model dapat dilihat jika nilai Variance Inflation Factor (VIF) tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1,
maka model tersebut dapat dikatakan terbebas dari multikolinieritas. VIF = 1/Tolerance, jika VIF = 10 maka Tolerance = 1/10 = 0,1.
3. Uji Heteroskedastisitas, bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Cara untuk mendeteksi adanya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar scatter plot. Metode regresi linier berganda terbebas dari asumsi klasik heteroskedastisitas dan layak digunakan dalam penelitian jika output scatter plot menunjukkan titik data menyebar di atas dan di bawah atau disekitar angka nol. Uji heteroskedastisitas juga dapat dilihat dengan uji Glejser. Ada dua tahapan yang dilakukan dalam uji Glejser. Tahap pertama adalah melakukan regresi OLS dengan menggunakan Y sebagai variabel dependen dan X1, X2, X3, X4 dan X5 sebagai variabel independen.
Tahap kedua adalah dengan meregresikan nilai absolut residual terhadap variabel independen. Jika setiap variabel independen nilai signifikannya lebih besar dari α 0,05maka dapat disimpulkan tidak terjadi heteroskedastisitas.
4. Uji Autokorelasi, dilakukan untuk mengetahui apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dan dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena
observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya.
Pengujian asumsi ketiga ini, dilakukan dengan menggunakan uji Durbin Watson (Durbin-Watson Test), yaitu untuk menguji apakah terjadi korelasi serial atau tidak dengan menghitung nilai d statistik. Salah satu pengujian yang digunakan untuk mengetahui adanya autokorelasi adalah dengan memakai uji statistik Durbin.Watson (DW test). Jika nilai Durbin Watson (d)
= du<d<4-du maka tidak ada autokorelasi positif ataupun negatif (Ghozali, 2006).
4.6.2 Model Pengujian Hipotesis 4.6.2.1 Koefisien Determinasi (R2
Koefisien determinasi (R )
2) bertujuan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel dependen dan sebaliknya jika mendekati nol (Ghozali, 2006). Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan ke dalam model. Setiap tambahan satu variabel independen, maka nilai R2 pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. (Ghozali, 2006).
4.6.2.2 Uji Statistik F
Uji F untuk mengetahui bagaimanakah pengaruh dari variabel independen terhadap variabel dependen bersama-sama. Menurut Ghozali (2006) Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Uji ini dapat dilakukan dengan membandingkan nilai F-hitung
H1 : b ≠ 0, X1, X2, X3, X4 dan X5 secara simultan berpengaruh terhadap Y dengan nilai F-tabel, jika nilai F-hitung > F-tabel dapat dinyatakan bahwa semua variabel independen secara simultan dan signifikan mempengaruhi variabel dependen. Hipotesis untuk uji statistik F adalah sebagai berikut :
4.6.2.3 Uji Statistik t
Menurut Ghozali (2006) Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual (parsial) dalam menerangkan variabel terikat. Apabila nilai t-hitung > t-tabel
H1 : b ≠ 0, X1, X2,X3, X4 dan X5 secara parsial berpengaruh terhadap Y.
dapat disimpulkan bahwa suatu variabel independen secara parsial mempengaruhi variabel dependen.
Hipotesis untuk uji statistik t adalah sebagai berikut:
BAB V