BAB III METODOLOGI PENELITIAN
3.3 Populasi dan Penentuan Sampel
3.3.2 Penentuan Sampel
Sampel menurut Erlina (2011) adalah “bagian dari populasi yang digunakan untuk memperkirakan karakteristik populasi”. Dalam penelitian ini menggunakan teknik pengambilan sampel jenuh (sensus sampling) yaitu semua anggota populasi digunakan sebagai sampel. Jumlah pengamatan pada penelitian ini adalah 165 (55 sampel dikali 3 tahun). Adapun pertimbangan yang dilakukan peneliti dalam pengambilan sampel adalah seluruh Kabupaten dan Kota di Pulau Kalimantan yang melaporkan secara lengkap data anggaran PAD, DAU dan Belanja Modal dari laporan anggaran APBD, Produk Domestik Regional Bruto
Universitas Sumatera Utara
41
(PDRB) atas dasar harga konstan 2010, Jumlah Penduduk dan Luas Wilayah untuk periode 2014-2016.
Tabel 3.1
Populasi dan Sampel Penelitian
No Kabupaten dan Kota Kalimantan Barat
1. Kabupaten Bengkayang 2. Kabupaten Landak 3. Kabupaten Kapuas Hulu 4. Kabupaten Ketapang 10. Kabupaten Kayong Utara 11. Kabupaten Kubu Raya 12. Kabupaten Mempawah 13. Kota Pontianak
14. Kota Singkawang Kalimantan Tengah
15. Kabupaten Barito Selatan 16. Kabupaten Barito Utara 17. Kabupaten Kapuas
18. Kabupaten Kotawaringin Barat 19. Kabupaten Kotawaringin Timur 20. Kabupaten Katingan
21. Kabupaten Seruyan 22. Kabupaten Sukamara 23. Kabupaten Lamandau 24. Kabupaten Gunungmas 25. Kabupaten Pulang Pisau 26. Kabupaten Murung Raya
Universitas Sumatera Utara
42
27. Kabupaten Barito Timur 28. Kota Palangkaraya Kalimantan Selatan 29. Kabupaten Banjar 30. Kabupaten Barito Kuala
31. Kabupaten Hulu Sungai Selatan 32. Kabupaten Hulu Sungai Tengah 33. Kabupaten Hulu Sungai Utara 34. Kabupaten Kota Baru
35. Kabupaten Tabalong 36. Kabupaten Tanah Laut 37. Kabupaten Tapin 38. Kabupaten Balangan 39. Kabupaten Tanah Bumbu 40. Kota Banjarbaru
41. Kota Banjarmasin Kalimantan Timur 42. Kabupaten Berau 43. Kabupaten Kutai Barat 44. Kabupaten Kutai Timur 45. Kabupaten Paser
46. Kabupaten Penajam Paser Utara 47. Kabupaten Mahakam Ulu 48. Kota Balikpapan 54. Kabupaten Tana Tidung 55. Kota Tarakan
Sumber :www.bps.go.id , www.djpk.depkeu.go.id 3.4 Definisi Operasional
Universitas Sumatera Utara
43
Variabel penelitian adalah objek penelitian atau sesuatu yang merupakan titik perhatian. Variabel penelitian yang digunakan dalam penelitian ini terdiri dari:
3.4.1 Variabel Dependen
Variabel dependen merupakan sebuah variabel dimana nilainya sendiri bergantung atau dipengaruhi dari nilai variabel lainya. Variabel dependen dalam penelitian ini adalah sebagai berikut :
1. Belanja Modal
Menurut Standar Akuntansi Pemerintahan (SAP), Belanja Modal adalah pengeluaran yang dilakukan dalam rangka pembentukan modal yang sifatnya menambah aset tetap atau inventaris yang memberikan manfaat lebih dari satu periode akuntansi, termasuk di dalamnya adalah pengeluaran untuk biaya pemeliharaan yang sifatnya mempertahankan atau menambah masa manfaat, serta meningkatkan kapasitas dan kualitas aset.
3.4.2 Variabel Independen
Variabel Independen, yaitu variabel yang dianggap sebagai penyebab munculnya variabel dependen. Variabel independen dalam penelitian ini adalah sebagai berikut:
1. Pendapatan Asli Daerah (PAD)
Pendapatan Asli Daerah adalah pendapatan yang diperoleh daerah yang dipungut berdasarkan peraturan daerah sesuai dengan peraturan perundang-undangan. Pendapatan Asli Daerah bersumber dari: 1) Pajak daerah; 2) Retribusi
Universitas Sumatera Utara
44
daerah; 3) Hasil pengelolaan kekayaan daerah yang dipisahkan; dan 4) Lain-lain Pendapatan Asli Daerah yang sah.
2. Produk Domestik Regional Bruto (PDRB)
PDRB pada dasarnya merupakan jumlah nilai tambah yang dihasilkan oleh seluruh unit usaha kegiatan ekonomi dalam suatu daerah atau wilayah pada periode tertentu atau merupakan jumlah nilai barang dan jasa akhir dihasilkan oleh seluruh unit ekonomi. PDRB atas dasar harga berlaku menggambarkan nilai tambah barang dan jasa yang dihitung menggunakan harga berlaku pada setiap tahunnya, sedangkan PDRB atas harga konstan merupakan nilai tambah barang dan jasa yang dihitung dengan menggunakan harga yang berlaku pada suatu tahun tertentu sebagai tahun dasar.
3. Dana Alokasi Umum (DAU)
DAU adalah dana yang berasal dari APBN yang dialokasikan dengan tujuan pemerataan kemampuan keuangan antar daerah untuk membiayai kebutuhan pengeluaran dalam rangka pelaksanaan desentralisasi. Indikator DAU adalah sebagai berikut :
1. Dari indeks kebutuhan daerah, terdiri dari : pengeluaran atau belanja daerah rata-rata, indeks penduduk, indeks luas daerah, indeks harga bangunan, indeks kemiskinan relatif.
2. Dari penerimaan daerah, terdiri dari : penerimaan daerah, indeks industri, indeks sumber daya alam (SDA), indeks sumber daya manusia (SDM).
Universitas Sumatera Utara
45
4. Jumlah Penduduk
Menurut Badan Pusat Statistik, Penduduk Indonesia adalah semua orang yang berdomisili di wilayah territorial Indonesia selama 6 bulan atau lebih dan atau mereka yang berdomisili kurang dari 6 bulan tetapi bertujuan menetap.
Penduduk juga turut berperan penting dalam peningkatan belanja daerah. Dalam hal ini, berarti jumlah penduduk disuatu provinsi itu sangat berpengaruh terhadap peningkatan belanja daerah. Besarnya jumlah penduduk akan berhadapan dengan seberapa cepat kemampuan bertambahnya jumlah alat-alat pemuas kebutuhan serta sarana dan prasarana untuk memenuhi kebutuhan tersebut.
5. Luas Wilayah
Menurut Undang undang Nomor 33 Tahun 2004, Luas Wilayah merupakan variabel yang mencerminkan kebutuhan atas penyediaan sarana dan prasarana per satuan wilayah. Semakin besar Luas Wilayah suatu daerah pemerintahan maka semakin banyak juga sarana dan prasarana yang harus disediakan pemerintah daerah agar tersedia pelayanan publik yang baik. Wilayah adalah sebuah daerah yang dikuasai atau menjadi teritorial dari sebuah kedaulatan. Pada masa lampau, seringkali sebuah wilayah dikelilingi oleh batas-batas kondisi fisik alam misalnya sungai, gunung, atau laut. Luas Wilayah pemerintahan merupakan jumlah ukuran besarnya wilayah dari suatu pemerintahan, baik itu pemerintahan kabupaten, kota, maupun geografis suatu daerah.
3.5 Metode Pengumpulan Data
Metode pengumpulan data dalam penelitian ini adalah melakukan teknik dokumentasi, dimana data yang digunakan dalam penelitian ini dikumpulkan
Universitas Sumatera Utara
46
dengan mempelajari dokumen-dokumen atau data yang dibutuhkan, dilanjutkan dengan pencatatan dan penghitungan dengan cara menghimpun informasi untuk menyelesaikan masalah berdasarkan data-data yang relevan.
Sumber dan penggunaannya didapat dari data eksternal yaitu data yang diperoleh dari situs BPS (Badan Pusat Statistik) melalui www.bps.go.id dan dokumen laporan realisasi APBD yang diperoleh dari situs Dirjen Perimbangan Keuangan Pemerintahan Daerah melalui www.djpk.depkeu.go.id. Sifat datanya adalah data kuantitatif yaitu data yang berupa angka-angka, dan bersifat obyektif.
Selain itu, peneliti juga melakukan studi literatur melalui buku-buku dan jurnal yang berkaitan dengan masalah yang diteliti.
3.6 Teknik Analisis Data
Analisis data dalam penelitian ini dilakukan dengan melakukan uji asumsi klasik dan pengujian hipotesis.
3.6.1 Statistik Deskriptif
Statistik Deskriptif adalah statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi.
3.6.2 Uji Asumsi Klasik
Analisis multivariate telah banyak digunakan untuk memecahkan masalah penelitian. Hal ini disebabkan permasalahan bisnis dan lainnya mempunyai aspek multidimensional. Dalam melaksanakan pengujian dalam analisis multivariate, penelitian perlu melakukan pengujian atas data yang akan digunakan. Pengujian
Universitas Sumatera Utara
47
tersebut dilakukan untuk menghindari atau mengurangi bias atas hasil penelitian yang diperoleh. Asumsi klasik yang dianggap paling penting adalah:
1. Memiliki distribusi normal
2. Tidak terjadi multikolonieritas antar variabel independen
3. Tidak terjadi heterokedastisitas atau varian variabel pengganggu yang konstan (homoskedastisitas)
4. Tidak terjadi autokorelasi antar residual setiap variabel independen.
Pengujian asumsi klasik meliputi normalitas, multikolinearitas, heterokedastisitas dan autokorelasi, yang penjelasannya sebagai berikut :
3.6.2.1 Uji Normalitas
Tujuan uji normalitas adalah mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Data yang baik dan layak digunakan dalam penelitian adalah data yang memiliki distribusi normal.
Menurut Ghozali (2011 : 160) meyatakan bahwa ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah dengan analisis grafik dan uji statistik. Uji normalitas data dilakukan dengan uji Kolmogorov Smirnov, distribusi data dikatakan normal jika signifikan > 0,05.
3.6.2.2 Uji Multikolonieritas
Tujuan uji multikolonieritas adalah untuk menguji apakah model regresi ditemukan dengan adanya korelasi diantara variabel independen. Suatu model regresi yang baik tidak ditemukannya hubungan atau korelasi di antara variabel independen. Penguji multikolinearitas menggunakan metode Variance Inflasation
Universitas Sumatera Utara
48
Factor (VIF). Metode VIF ini menjelaskan hubungan variabel independen yang
mana menjelaskan variabel independen yang lain. Tolarance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Menurut Ghozali (2011:143) “Nilai tolarance yang rendah sama dengan nilai VIF yang tinggi (karena VIF = 1/Tolerance). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai tolerance
≤ 0,10 atau sama dengan nilai VIF ≥ 10”.
3.6.2.3 Uji Heterokedastisitas
Tujuan uji heterokedastisitas adalah untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang baik adalah yang homokesdatisitas atau tidak terjadi heterokedastisitas. Beberapa cara untuk mendeteksi ada tidaknya heterokedastisitas:
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang menyebar kemudian menyempit), maka mengindikasikan yang telah terjadi heterokedastisitas.
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
3.6.2.4 Uji Autokorelasi
Uji autokorelasi ini mempunyai tujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode
Universitas Sumatera Utara
49
t dengan kesalahan pada periode t – 1 atau sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Pengujian ini dilakukan dengan menggunakan uji Durbin Watson (Durbin – Watson Test), yaitu untuk mengetahui dan menguji apakah terjadi korelasi serial atau tidak dengan menghitung nilai d statistik. Menurut Santoso (2000 : 210) menyatakan bahwa:
Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji Durbin-Watson dengan ketentuan sebagai berikut:
a. Angka D – W di bawah -2 berarti ada autokorelasi positif.
b. Angka D – W di antara -2 sampai +2 berarti tidak ada autokorelasi.
c. Angka D – W di atas + berarti ada autokorelasi negatif.
Run test sebagai bagian dari statistik non parametrik dapat pula
digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random yaitu dengan melihat nilai probabilitasnya. Bila signifikansi > 0,05 dengan α = 5% berarti residual tidak random dan H0 ditolak.
3.7 Analisis Regresi
Model regresi linier berganda adalah model regresi yang memiliki lebih dari satu variabel independen. Pada penelitian ini terdapat lima variabel independen, yakni Pendapatan Asli Daerah, Produk Domestik Regional Bruto, Dana Alokasi Umum, Jumlah Penduduk dan Luas Wilayah. Model regresi linier berganda dikatakan model yang baik jika model tersebut memiliki asumsi normalitas data dan terbebas dari asumsi-asumsi klasik statistik baik
Universitas Sumatera Utara
50
multikolinieritas, autokorelasi dan heterokedastisitas. Persamaan regresi linier berganda yaitu:
Y = α + β1X1 + β2X2 + β3X3+ β4X4+ β5X5+e
Keterangan :
Y = Belanja Modal,
X1 = Pendapatan Asli Daerah,
X2 = Produk Domestik Regional Bruto X3 = Dana Alokasi Umum dependen berdasarkan pada variabel independen.
Jika terdapat masalah asumsi klasik, dapat dilakukan dengan cara melakukan transformasi logaritma, hal ini dilakukan agar setiap variabel yang digunakan dapat memenuhi asumsi klasik.
Persamaan regresi logaritma yang digunakan adalah sebagai berikut : LnY = a + b1LnX1+b2LnX2+b3LnX3+b4LnX4+b5LnX5+e Keterangan :
LnY = Belanja Modal
A = Konstanta
b1b2b3b4b5 = Koefisien Regresi untuk X1, X2, X3, X4 dan X5 LnX1 = PendapataAsli Daerah (PAD)
51
Pengujian koefisien determinasi ( ) digunakan untuk mengukur proporsi atau persentase sumbangan variabel independen yang diteliti terhadap variasi naik turunnya variabel dependen atau dengan kata lain untuk menguji goodness-fit dari model regresi. Nilai ( ) koefisien determinasi berkisar antara 0 sampai 1 (0 ≤ ≤ 1). Nilai dikatakan baik jika diatas 0,5 karena nilai berkisar antara 0 sampai 1. Nilai menunjukkan tidak adanya pengaruh antara variabel independen terhadap variabel dependen.
Bila semakin besar mendekati 1 menunjukkan semakin kuat pengaruh variabel independen terhadap variabel dependen dan bila semakin kecil mendekati nol menunjukkan semakin kecil pengaruh variabel independen terhadap variabel dependen.
3.8.2 Uji Signifikansi Parsial (Uji – t)
Uji statistik t merupakan salah satu uji statistik yang digunakan untuk menguji kebenaran atau kepalsuan hipotesis yang menyatakan bahwa diantara dua buah mean sampel yang diambil secara acak dari populasi yang sama, tidak dapat perbedaan yang signifikan. Uji statistik t untuk menguji pengaruh variabel independen (Pertumbuhan Ekonomi, Pendapatan Asli Daerah, Dana Alokasi Umum dan Sisa Lebih Pembiayaan Anggaran) secara parsial terhadap variabel dependen (Belanja Modal) atau untuk melihat variabel apa yang memberikan pengaruh yang paling dominan diantara variabel yang ada.
Hipotesis untuk uji statistik t adalah sebagai berikut:
1. H0 : bi = 0, artinya variabel independen secara parsial tidak berpengaruh signifikan terhadap Peringkat variabel dependen.
Universitas Sumatera Utara
52
2. H1 : bi ≠ 0, artinya variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen.
Selain hipotesis di atas, hipotesis uji statistik t adalah :
1. Jika Sig > α maka H0 diterima, artinya variabel independen secara parsial berpengaruh tidak signifikan terhadap Peringkat variabel dependen.
2. Jika Sig < α maka H0 ditolak, artinya variabel independen secara parsial berpengaruh signifikan terhadap Peringkat variabel dependen.
3.8.3 Uji Signifikansi Simultan (Uji – F)
Uji ini pada dasarnya menunjukkan apakah semua independen yang dimasukkan dalam model ini mempunyai pengaruh secara simultan terhadap variabel dependen.
Penggunaan taraf signifikan uji F beragam, tergantung pemilihan peneliti yaitu 0,01 (1%), 0,05 (5%) dan 0,10% (10%). Sebagai contoh jika pengujian dilakukan dengan taraf pengujian α=5% (0,05). Bentuk pengujiannya, yaitu:
1. Jika nilai Sig > 0,05, H0 diterima, artinya variabel independen berpengaruh tidak signifikan secara simultan terhadap variabel dependen.
2. Jika nilai Sig < 0,05, maka H1 diterima, artinya variabel independen berpengaruh signifikan secara simultan terhadap variabel dependen.
Universitas Sumatera Utara
53
BAB IV
HASIL DAN PEMBAHASAN 4.1 Deskripsi Objek Penelitian
Objek dalam penelitian ini adalah seluruh kabupaten/kota di Pulau Kalimantan yang terdiri dari 55 kabupaten/kota. Setelah data terkumpul, yang termasuk dalam populasi diseleksi berdasarkan kriteria yang telah ditentukan.
Dari penyeleksian tersebut diperoleh 55 yang terdiri dari 46 kabupaten dan 9 kota yang menjadi sampel atau 165 data observasi yang memenuhi kriteria, data didapatkan dari situs Badan Pusat Statistik (www.bps.go.id) dan situs Departemen Keuangan Ditjen Perimbangan Keuangan Pusat dan Daerah (www.djpk.kemenkeu.go.id).
4.2 Statistik Deskriptif
Statistik deskriptif digunakan untuk mengetahui deskripsi suatu data yang dilihat dari nilai maksimum, nilai minimum, nilai rata-rata (mean) dan nilai standar deviasi. Dalam penelitian ini variabel yang digunakan dalam perhitungan statistik deskriptif adalah Belanja Modal, Pendapatan Asli Daerah, Produk Domestik Regional Bruto, Dana Alokasi Umum, Jumlah Penduduk dan Luas Wilayah. Berdasarkan analisis statistik deskriptif diperoleh gambaran sampel sebagai berikut :
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
Universitas Sumatera Utara
54 N Minimum Maximum Mean Std. Deviation
PAD 165 22.04 27.35 25.1280 .79465
PDRB 165 13.16 18.25 15.8526 .91130
DAU 165 25.37 27.76 26.9459 .39841
Jumlah_Penduduk 165 9.86 13.63 12.2584 .73279
Luas_Wilayah 165 4.29 10.66 8.4276 1.49520
Belanja_Modal 165 25.53 28.01 26.6184 .49408
Valid N (listwise) 165
Sumber : data olahan SPSS,2019
Berdasarkan tabel 4.1 di atas dapat dilihat bahwa jumlah unit analisis (N) dalam penelitian ini adalah sebanyak 165 unit analisis yang terdiri dari 46 Kabupaten dan 9 Kota di pulau Kalimantan yang melaporkan laporan realisasi APBD pada website (http://www.djpk.kemenkeu.go.id) dan melaporkan Produk Domestik Regional Bruto, Jumlah Penduduk dan Luas Wilayah pada website (http://bps.go.id) pada periode tahun 2014-2016. Tabel 4.1 menjelaskan bahwa : 1. Nilai minimum Pendapatan Asli Daerah adalah 22,04, nilai maksimum
27,35, nilai rata-rata (mean) 25,0798 dan standar deviasi 0,79465 dengan jumlah sampel sebanyak 165. Nilai minimum dimiliki oleh Kabupaten Mahakam Ulu dan maksimum oleh Kota Balikpapan.
2. Nilai minimum Produk Domestik Regional Bruto adalah 13,16, nilai maksimum 18,25, nilai rata-rata (mean) 15,8526 dan standar deviasi 0,91130 dengan jumlah sampel sebanyak 165. Nilai minimum dimiliki oleh Kabupaten Seruyan dan maksimum oleh Kabupaten Kutai Timur.
3. Nilai minimum Dana Alokasi Umum adalah 25,37, nilai maksimum 27,76, nilai rata-rata (mean) 26,9459 dan standar deviasi 0,39841 dengan jumlah
Universitas Sumatera Utara
55
sampel sebanyak 165. Nilai minimum dimiliki oleh Kota Bontang dan maksimum oleh Kabupaten Deli Ketapang.
4. Nilai minimum Jumlah Penduduk adalah 9,86, nilai maksimum 13,63, nilai rata-rata (mean) 12,2584 dan standar deviasi 0,73279 dengan jumlah sampel sebanyak 165. Nilai minimum dimiliki oleh Kabupaten Tana Tidung dan maksimum oleh Kota Samarinda.
5. Nilai minimum Luas Wilayah adalah 4,29, nilai maksimum 10,66, nilai rata-rata (mean) 8,4276 dan standar deviasi 1,49520 dengan jumlah sampel sebanyak 165. Nilai minimum dimiliki oleh Kota Banjarmasin dan maksimum oleh Kabupaten Malinau.
6. Nilai minimum Belanja Modal adalah 25,53, nilai maksimum 28,01, nilai rata-rata (mean) 26,6184 dan standar deviasi 0,49408 dengan jumlah sampel sebanyak 165. Nilai minimum dimiliki oleh Kabupaten Sanggau dan maksimum oleh Kabupaten Kutai Timur.
4.3 Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk memastikan data yang diteliti dapat digunakan dalam analisis model regresi linear. Setelah data yang diteliti lolos dalam uji asumsi klasik, uji regresi akan dilakukan untuk melihat tingkat pengaruh variabel independen terhadap variabel dependen. Uji-uji yang dilakukan terdiri dari:
4.3.1 Uji Normalitas
Universitas Sumatera Utara
56
Uji normalitas bertujuan menguji apakah variabel residual berdistribusi normal atau tidak. Dalam penelitian ini, pengujian normalitas terhadap residual menggunakan analisis grafik histogram, uji statistic nonparametric Kolmogorov-Smirnov dan analisis grafik normal plot, dimana distribusi data dapat dilihat
dengan kriteria sebagai berikut : H0 : data residual berdistribusi normal Ha : data residual tidak berdistribusi normal
Apabila nilai signifikasi lebih besar dari 0,05 maka H0 diterima dan sebaliknya jika nilai signifikasi lebih kecil dari 0,05 maka H0 ditolak atau Ha
diterima. Hasil uji normalitas dengan menggunakan grafik histogram yang diolah dengan SPSS adalah sebagai berikut :
Sumber: data
olahan SPSS,
2019
Gambar 4.1 Grafik Histogram
Universitas Sumatera Utara
57
Grafik histogram pada Gambar 4.1 menunjukkan data berdistribusi normal karena grafik tidak menceng kiri maupun menceng kanan. Dengan demikian dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas.
Hasil uji normalitas dengan menggunakan uji non parametric Kolmogorov-smirnov menunjukkan hasil sebagai berikut :
Sumber: data olahan SPSS, 2019
Tabel 4.2 di atas menunjukkan nilai probabilitas p atau Asymp.Sig. (2-tailed) adalah 0,200 dan di atas nilai signifikan (0,05) maka H0 diterima yang berarti variabel residual berdistribusi normal. Demikian pula hasil uji normalitas dengan menggunakan grafik normal p-plot.
Tabel 4.2
Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 165
Normal Parametersa,b Mean .0000000
Std.
Deviation
.34582978
Most Extreme Differences Absolute .056
Positive .053
Negative -.056
Test Statistic .056
Asymp. Sig. (2-tailed) .200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.
Universitas Sumatera Utara
58
Sumber : data olahan SPSS, 2019 Gambar 4.2
Grafik Normal P-Plot
Pada grafik normal probability plot di atas terlihat bahwa titik-titik atau data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal tersebut, maka dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas.
4.3.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi. Jika pada model regresi terjadi multikolinearitas, maka koefisien regresi tidak dapat ditaksir dan nilai standard error menjadi tidak terhingga. Deteksi multikolenaritas pada suatu model dapat
dilihat yaitu jika nilai Variance Inflation Factor (VIF) tidak lebih dari 10 dan nilai tolerance lebih dari 0,1 maka model dapat dikatakan terbebas dari multikolenearitas (Erlina, 2011 : 102).
Tabel 4.3 Uji Multikolinearitas
Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
t Sig. Collinearity Statistics
Universitas Sumatera Utara
59
Sumber: data olahan SPSS, 2019
Dari data pada Tabel 4.3, dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas antara variabel independen yang diindikasikan dari nilai tolerance setiap variabel independen lebih besar dari 0,1 dan nilai VIF lebih kecil
dari 10.
4.3.3 Uji Heteroskedastisitas
Uji Heteroskedastisitas adalah uji yang menilai apakah ada ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi linear. Uji ini merupakan salah satu dari uji asumsi klasik yang harus dilakukan pada regresi linear. Apabila asumsi heteroskedastisitas tidak terpenuhi, maka model regresi dinyatakan tidak valid sebagai alat peramalan. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya gejala heteroskedastisitas agar data sesuai. Uji heteroskedastisitas dilakukan dengan cara melihat grafik scattter plot model tersebut. Dasar analisisnya:
1) Jika ada pola-pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur, maka terjadi heteroskedastisitas,
B Std. Error Beta Tolerance VIF
1 (Constant) 19.462 2.654 7.334 .000
PAD .411 .071 .660 5.757 .000 .234 4.268
PDRB .171 .059 .315 2.903 .004 .262 3.823
DAU -.141 .113 -.114 -1.250 .213 .372 2.687
Jumlah_Penduduk -.235 .073 -.349 -3.246 .001 .266 3.757
Luas_Wilayah .097 .025 .295 3.895 .000 .537 1.861
a. Dependent Variable: Belanja Modal
Universitas Sumatera Utara
60
2) Jika tidak ada pola yang jelas atau titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homokedastisitas
Sumber: data olahan SPSS, 2019 Gambar 4.3
Uji Heteroskedastisitas (Scatterplot)
Hasil uji heteroskedastisitas dari Gambar 4.3 menunjukkan bahwa grafik scatterplot menunjukkan pola penyebaran, dimana titik-titik menyebar diatas dan dibawah 0 pada sumbu Y. Hal ini menunjukkan bahwa tidak terjadi heteroskedastisitas pada data yang digunakan.
4.3.4 Uji Autokorelasi
Pengujian autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada suatu periode dengan kesalahan pengganggu
Universitas Sumatera Utara
61
periode sebelumnya dalam model regresi. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Cara untuk mendeteksi ada tidaknya autokorelasi adalah dengan melakukan pengujian Durbin Watson (DW), tidak terjadi autokorelasi apabila :
1. Angka D – W di bawah -2 berarti ada autokorelasi positif.
2. Angka D – W di antara -2 sampai +2 berarti tidak ada autokorelasi.
3. Angka D – W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.4
data olahan SPSS, 2019
Tabel 4.4 menyajikan hasil uji autokorelasi yang menunjukkan nilai statistik Durbin Watson (DW) sebesar 1,634. Nilai ini di antara -2 sampai +2.
Tabel 4.4 menyajikan hasil uji autokorelasi yang menunjukkan nilai statistik Durbin Watson (DW) sebesar 1,634. Nilai ini di antara -2 sampai +2.