BAB IV. ANALISIS HASIL PENELITIAN
B. Hasil Analisis
2. Pengujian Hipotesis
Untuk mengetahui bagaimana pengaruh DAU, PAD, dan pendapatan lain-lain yang dianggap sah secara parsial terhadap belanja daerah digunakan analisis regresi linier sederhana dengan uji t. Cara yang digunakan adalah dengan cara membandingkan nilai probabilitas masing-masing variabel dengan besarnya nilai α = 5 %. Adapun aturan yang digunakan adalah jika probabilitas variabel > probabilitas 5% maka H0 diterima, dan jika probabilitas variabel < probabilitas 5% maka H0 ditolak dan terima Ha.
Untuk mengetahui bagaimana pengaruh DAU, PAD, dan pendapatan lain-lain yang dianggap sah secara bersama terhadap belanja daerah digunakan analisis regresi linier berganda dengan uji F.
Model regresi berganda untuk menguji hipotesis sebagai berikut : Y = a + b1X1 + b2X2 + b3X3 + e
Dimana :
Y = Total Belanja Daerah a = konstanta
b1, b2 = koefisien regresi
X1 = Dana Alokasi Umum (DAU) X2 = Pendapatan Asli Daerah (PAD)
X3 = Pendapatan Lain-lain yang Dianggap Sah e = Tingkat kesalahan pengganggu
G. Jadwal Penelitian
Jadwal penelitian direncanakan sebagai berikut :
Tahapan Penelitian Okt Nov Des Jan Feb Mar Penyelesaian proposal
Pencarian data awal Pengajuan proposal Penyerahan proposal kepada dosen
pembimbing
Bimbingan dan perbaikan proposal Seminar proposal Pengumpulan data Pengolahan data Analisis data Bimbingan skripsi Penyelesaian skripsi
BAB IV
ANALISIS HASIL PENELITIAN
A. Deskripsi Data Secara Statistik
Sebelum melakukan pembahasan mengenai data secara statistik harus terlebih dahulu memperhatikan data kabupaten/ kota yang telah ditentukan sebagai sampel. Adapun kabupaten/ kota yang terpilih menjadi sampel penelitian berdasarkan pertimbangan yang ditentukan oleh penulis pada halaman 31 adalah sebanyak 12 sampel untuk setiap tahunnya. Kabupaten/ kota yang dimaksud adalah sebagai berikut :
Tabel 4.1
Daftar Kabupaten/ Kota Sampel
NO NAMA KABUPATEN/ KOTA KRITERIA SAMPEL
1 2 3
1. Kota Medan √ x √ -
2. Kota Binjai √ √ √ Sampel 1
3. Kota Pematang Siantar √ x √ -
4. Kota Sibolga √ √ √ Sampel 2
5. Kabupaten Tapanuli Selatan √ x √ -
6. Kabupaten Batubara x x x -
7. Kota Tanjung Balai √ √ √ Sampel 3
8. Kota Tebing Tinggi √ √ √ Sampel 4
9. Kabupaten Humbang Hasundutan √ √ √ Sampel 5
10. Kabupaten Asahan √ x x -
11. Kabupaten Dairi √ x √ -
12. Kabupaten Tapanuli Tengah √ x √ -
13. Kabupaten Toba Samosir √ √ √ Sampel 6
14. Kabupaten Pakphak Barat √ x √ -
15. KabupatenTapanuli Utara √ √ √ Sampel 7
18. Kabupaten Karo √ √ √ Sampel 9
19. Kabupaten Serdang Bedagai √ x √ -
20. Kabupaten Samosir √ x √ -
21. Kabupaten Nias √ x √ -
22. Kabupaten Labuhan Batu √ √ √ Sampel 10
23. Kabupaten Mandailing Natal √ x √ -
24. Kabupaten Langkat √ √ √ Sampel 11
25. Kota Padang Sidempuan √ x √ -
26. Kabupaten Simalungun √ √ √ Sampel 12
27. Kabupaten Angkola Sipirok x x x -
28. Kabupaten Padang Lawas x x x -
29. Kabupaten Padang Lawas Utara x x x -
Berikut merupakan data statistik secara umum dari seluruh data yang digunakan :
Tabel 4.2.
Descriptive Statistics
N Mean Std. Deviation Minimum Maximum X1 36 234749,3056 140912,74396 71368,00 637495,00 X2 36 15539,0228 13694,19927 3087,31 62104,60 X3 36 19557,3600 16678,03220 1554,95 64880,68 Y 36 320927,9725 182423,49819 91795,02 831734,83
Catatan : Angka-angka tersebut dinyatakan dalam jutaan rupiah (Rp 000000). Misalnya DAU (X1) tertinggi adalah Rp 637495000000
Sumber : Diolah dari SPSS, 2008
Dari tabel 4.1 di atas, dapat dijelaskan bahwa (dalam jutaan rupiah) : 1. Rata-rata dari DAU (X1) adalah 234749,3056 dengan standar deviasi
sebesar 140912,74396 dan jumlah data yang ada sebanyak 36. Nilai DAU (X1) terendah adalah 71368 dan nilai DAU (X1) tertinggi adalah 637495 2. Rata-rata dari PAD (X2) adalah 15539,0228 dengan standar deviasi
(X2) terendah adalah 3087,31 dan nilai PAD (X2) tertinggi adalah 62104,60
3. Rata-rata dari pendapatan lain-lain yang dianggap sah (X3) adalah 19557,3600 dengan standar deviasi sebesar 16678,03220 dan jumlah data yang ada sebanyak 36. Nilai pendapatan lain-lain yang dianggap sah (X3) terendah adalah 1554,95 dan nilai pendapatan lain-lain yang dianggap sah (X3) tertinggi adalah 64880,68
4. Rata-rata dari belanja daerah (Y) adalah 320927,9725 dengan standar deviasi sebesar 182423,49819 dan jumlah data yang ada sebanyak 36. Nilai belanja daerah (Y) terendah adalah 91795,02 dan nilai belanja daerah (Y) tertinggi adalah 831734,83
B. Hasil Analisis
1. Pengujian Asumsi Klasik
a. Uji Normalitas
Hasil dari uji normalitas dengan grafik histogram, normal probability plot serta Kolmogorov-Smirnov Test ditunjukkan sebagai berikut :
3 2 1 0 -1 -2 -3
Regression Standardized Residual 10 8 6 4 2 0 Fr equ e nc y Mean =9.99E-16 Std. Dev. =0.956 N =36 Dependent Variable: Y 1.0 0.8 0.6 0.4 0.2 0.0
Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 Ex pe cted Cum Prob
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Y
Gambar 4.1 Uji Normalitas (1)
Sumber : Diolah dari SPSS, 2008
Gambar 4.2 Uji Normalitas (2)
Tabel 4.3 Uji Normalitas (3)
One-Sample Kolmogorov-Smirnov Test
X1 X2 X3 Y N 36 36 36 36 Normal Parameters(a,b) Mean 234749,30 56 15539,022 8 19557,360 0 320927,97 25 Std. Deviation 140912,74 396 13694,199 27 16678,032 20 182423,49 819 Most Extreme Differences Absolute ,153 ,202 ,211 ,196 Positive ,153 ,202 ,211 ,196 Negative -,123 -,182 -,140 -,110 Kolmogorov-Smirnov Z ,920 1,212 1,263 1,174 Asymp. Sig. (2-tailed) ,366 ,106 ,082 ,127 a Test distribution is Normal.
b Calculated from data.
Sumber : Diolah dari SPSS, 2008
Dari hasil uji normalitas di atas, dapat dilihat bahwa variable DAU (X1), PAD (X2), pendapatann lain-lain yang dianggap sah (X3) dan belanja daerah (Y) memiliki data yang terdistribusi normal. Hal ini dikarenakan signifikansinya > 0,05.
b. Uji Multikolinearitas
Hasil dari uji multikolinearitas dapat dilihat pada tabel berikut ini :
Tabel 4.4. Uji Multikolinearitas
Coefficients(a)
a Dependent Variable: Y
Sumber : Diolah dari SPSS, 2008
Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF 1 (Constant) 20359,179 7150,896 2,847 ,008
X1 1,153 ,040 ,890 28,644 ,000 ,393 2,544 X2 1,109 ,502 ,083 2,210 ,034 ,268 3,736 X3 ,652 ,318 ,060 2,054 ,048 ,450 2,220
3 2 1 0 -1 -2 -3 -4
Regression Studentized Residual
2 0 -2 Regress ion Stan dardized Predi cted Value Scatterplot Dependent Variable: Y
Dari hasil pengujian di atas, dapat dilihat bahwa angka tolerance DAU (X1), PAD (X2), pendapatan lain-lain yang dianggap sah (X3) > 0,10 dan VIFnya < 10. Ini mengindikasikan bahwa tidak terjadi multikolinearitas di antara variabel independen dalam penelitian.
c. Uji Heteroskedastisitas
Hasil dari uji heteroskedastisitas dapat dilihat pada grafik scatterplot berikut ini :
Gambar 4.3 Grafik Scatterplot
Dari gambar scatterplot di atas, terlihat bahwa titik-titik menyebar secara acak serta tidak membentuk pola tertentu atau tidak teratur. Hal ini mengindikasikan tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai.
d. Uji Autokorelasi
Hasil dari uji autokorelasi dapat dilihat pada tabel berikut ini : Tabel 4.5. Uji Autokorelasi Model Summary(b) Model R R Square Adjusted R Square Std. Error of
the Estimate Durbin-Watson 1 ,994(a) ,988 ,987 21030,44208 1,730 a Predictors: (Constant), X3, X1, X2
b Dependent Variable: Y
Sumber : Diolah dari SPSS, 2008
Berdasarkan tabel 4.4 di atas, diketahui bahwa nilai dw sebesar 1,730. Nilai ini dibandingkan dengan nilai tabel dengan jumlah observasi 36 (n = 36) dan variabel independen (k) sebanyak 3, maka dari tabel statistik Durbin-Watson didapatkan nilai dl sebesar 1,29 dan nilai du sebesar 1,65. Nilai dw berada di antara du dan 4-du (1,65 < 1,730 < 2,270) berarti tidak ada autokorelasi.
2. Pengujian Hipotesis
Berdasarkan hasil pengolahan data dengan program SPSS maka diperoleh hasil sebagai berikut :
Tabel 4.6. Model Summary(b) Model R R Square Adjusted R Square Std. Error of
the Estimate Durbin-Watson 1 ,994(a) ,988 ,987 21030,44208 1,730 a Predictors: (Constant), X3, X1, X2
b Dependent Variable: Y
Sumber : Diolah dari SPSS, 2008
Pada model summary di atas, angka R sebesar 0,994 menunjukkan bahwa korelasi atau hubungan antara belanja daerah (Y) dengan DAU (X1), PAD (X2), dan pendapatan lain-lain yang dainggap sah (X3) erat karena > 0,5 (50%). Angka R square atau koefisien determinasi adalah 0,988. Angka ini mengindikasikan bahwa 98,8% variasi atau perubahan dalam belanja daerah dapat dijelaskan oleh variasi variabel DAU, PAD dan pendapatan lain-lain yang dianggap sah. Sedangkan sisanya sebesar 1,2% dijelaskan oleh sebab-sebab lain yang tidak dimasukkan dalam model penelitian.
Untuk mengetahui apakah masing-masing variabel yaitu DAU, PAD dan pendapatan lain-lain yang dianggap sah secara parsial berpengaruh terhadap belanja daerah, dilakukan uji statistik t.
Tabel 4.7. Uji statistik t
Coefficients(a)
a Dependent Variable: Y
Sumber : Diolah dari SPSS, 2008
Dari tabel 4.6 di atas, dapat diambil suatu kesimpulan, yaitu :
Uji t digunakan untuk menguji signifikansi konstanta dan setiap variabel independennya. Terlihat di atas bahwa DAU (X1) mempunyai angka signifikansi sebesar 0,000 berada di bawah 0,05 yang menunjukkan bahwa DAU secara individual mempengaruhi belanja daerah.
Uji t digunakan untuk menguji signifikansi konstanta dan setiap variabel independennya. Terlihat di atas bahwa PAD (X2) mempunyai angka signifikansi sebesar 0,034 berada di bawah 0,05 yang menunjukkan bahwa PAD secara individual mempengaruhi belanja daerah.
Uji t digunakan untuk menguji signifikansi konstanta dan setiap variabel independennya. Terlihat di atas bahwa pendapatan lain-lain yang dianggap sah mempunyai angka signifikansi sebesar 0,048 berada di bawah 0,05 yang menunjukkan bahwa pendapatan lain-lain yang dianggap sah (X3) secara individual mempengaruhi belanja daerah.
Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF 1 (Constant) 20359,179 7150,896 2,847 ,008
X1 1,153 ,040 ,890 28,644 ,000 ,393 2,544 X2 1,109 ,502 ,083 2,210 ,034 ,268 3,736 X3 ,652 ,318 ,060 2,054 ,048 ,450 2,220
Intercept merupakan sebuah nilai yang menunjukkan perpotongan antara garis regresi dengan sumbu tegak (Y) dan tidak mempengaruhi keberartian terhadap garis regresi. Mengingat keluaran menunjukkan bahwa nilai t untuk intercept sebesar 2,847 dengan signifikansi 0,008 yang lebih besar dari α = 5 %, maka bisa disimpulkan bahwa intercept tidak mempengaruhi Y.
Berdasarkan hasil model tersebut diketahui bahwa DAU (X1) mempunyai koefisien regresi dan nilai t hitung yang paling besar dibandingkan koefisien regresi dan nilai t hitung PAD (X2) dan pendapatan lain-lain yang dianggap sah (X3) dan memiliki signifikansi t yang paling kecil . Berdasarkan hasil tersebut dapat diidentifikasi bahwa DAU memiliki pengaruh yang lebih nyata dan signifikan terhadap belanja daerah
Kemudian untuk menguji pengaruh DAU, PAD dan pendapatan lain-lain yang dianggap sah secara bersama terhadap belanja daerah digunakan uji statistik F.
Hasil uji statistik F dengan program SPSS dapat dilihat pada tabel berikut :
Tabel 4.8. Uji Statistik F (1)
ANOVA(b)
Model Sum of Squares df Mean Square F Sig. 1 Regression 1150588700343,099 3 383529566781,033 867,166 ,000(a) Residual 14152943811,337 32 442279494,104
Total 1164741644154,436 35 a Predictors: (Constant), X3, X1, X2
b Dependent Variable: Y
Dari tabel 4.7 di atas, diperoleh nilai F hitung sebesar 867,166 dengan tingkat signifikansi 0,000 (< 0,05). Signifikansi F sebesar 0,000 menunjukkan tingkat kesalahan model yang diajukan. Nilai ini menunjukkan tingkat kesalahan yang akan ditanggung sebagai peneliti bila menolak hipotesa nul. Dengan demikian, maka tingkat kesalahan yang akan ditanggung kalau peneliti mengatakan bahwa X1 sampai X3 mampu menjelaskan Y adalah 0,000. Tingkat kesalahan ini sangat jauh di bawah nilai α yang sudah ditetapkan di muka yaitu 5 %. Berdasarkan hasil tersebut dapat disimpulkan bahwa DAU (X1), PAD (X2), dan pendapatan lain-lain yang dianggap sah (X3) secara bersama berpengaruh terhadap belanja daerah.
Tabel 4.9. Uji Statistik F (2)
Coefficients(a)
a Dependent Variable: Y
Sumber : Diolah dari SPSS, 2008
Dari nilai-nilai koefisien di atas, persamaan regresi yang dapat disusun untuk variabel DAU, PAD dan pendapatan lain-lain yang dianggap sah adalah (dalam jutaan rupiah) :
Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF 1 (Constant) 20359,179 7150,896 2,847 ,008
X1 1,153 ,040 ,890 28,644 ,000 ,393 2,544 X2 1,109 ,502 ,083 2,210 ,034 ,268 3,736 X3 ,652 ,318 ,060 2,054 ,048 ,450 2,220
Y = 20359,179 + 1,153 X1 + 1,109 X2 + 0,652 X3 Keterangan :
Y = Belanja Daerah
X1 = Dana Alokasi Umum (DAU) X2 = Pendapatan Asli Daerah (PAD)
X3 = Pendapatan lain-lain yang dianggap sah
DAU memiliki koefisien regresi bertanda positif sebesar 1,153, artinya apabila terjadi perubahan variabel DAU sebesar 1% akan menaikkan belanja daerah sebesar 1,153 atau 115,3%
PAD memiliki koefisien regresi bertanda positif sebesar 1,109, artinya apabila terjadi perubahan variabel PAD sebesar 1% akan menaikkan belanja daerah sebesar 1,109 atau 110,9 %.
Pendapatan lain-lain yang dianggap sah memiliki koefisien regresi bertanda positif sebesar 0,652, artinya apabila terjadi perubahan variabel pendapatan lain-lain yang dianggap sah sebesar 1% akan menaikkan belanja daerah sebesar 0,652 atau 65,2 %.