BAB IV HASIL PENELITIAN DAN PEMBAHASAN
2. Statistik Deskriptif
Statistik Deskriptif adalah ilmu statistik yang mempelajari cara-cara pengumpulan, penyusunan dan penyajian data suatu penelitian. Tujuannya adalah memudahkan orang untuk membaca data serta memahami maksudnya.
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 Bab III adalah sebanyak 13 sampel untuk setiap tahunnya. Kabupaten/ kota yang dimaksud adalah sebagai berikut:
Tabel 4.5
Daftar Kabupaten/ Kota Sampel
NO NAMA KABUPATEN/ KOTA
KRITERIA SAMPEL
1 2
1 Kota Medan v v Sampel 1
2 Kota Binjai v v Sampel 2
3 Kota Pematang Siantar v x -
4 Kota Sibolga v x -
5 Kabupaten Tapanuli Selatan v v Sampel 3
6 Kabupaten Batu Bara x x -
7 Kota Tanjung Balai v x -
8 Kota Tebing Tinggi v v Sampel 4
9 Kabupaten Humbang Hasundutan v v Sampel 5
10 Kabupaten Asahan v x -
11 Kabupaten Dairi v x -
12 Kabupaten Tapanuli Tengah v v Sampel 6
13 Kabupaten Toba Samosir v v Sampel 7
14 Kabupaten Pakphak Barat v x -
15 Kabupaten Tapanuli Utara v x -
16 Kabupaten Nias Selatan v x -
17 Kabupaten Deli Serdang v v Sampel 8
18 Kabupaten Karo v v Sampel 9
19 Kabupaten Serdang Berdagai v x -
20 Kabupaten Samosir v x -
21 Kabupaten Nias v x -
23 Kabupaten Mandailing Natal v x -
24 Kabupaten Langkat v v Sampel 11
25 Kota Padang Sidempuan v v Sampel 12
26 Kabupaten Simalungun v v Sampel 13
27 Kota Gunung Sitoli x x -
28 Kabupaten Padang Lawas x x -
29 Kabupaten Padang Lawas Utara x x -
30 Kabupaten Labuhan Batu Selatan x x -
31 Kabupaten Labuhan Batu Utara x x -
32 Kabupaten Nias Barat x x -
33 Kabupaten Nias Utara x x -
Sumber : situs www. sumutprov. go. id, 2008 dan www.bpk.go.id
Berdasarkan hasil pengolahan data, maka deskripsi statistik dari data penelitian dapat dilihat pada tabel 4.6 berikut ini.
Tabel 4.6 Descriptive Statistics
N Minimum Maximum Mean
Std. Deviation Kemandirian (Y) 45 .02 .25 .0579 .05014 EfektivitasPAD (X1) 45 .40 2.10 1.0799 .30977 DAU (X2) 45 .35 .83 .7104 .09869 DAK (X3) 45 .00 .12 .0473 .02457 Valid N (listwise) 45
Sumber : Diolah dari SPSS, 2009
Berikut ini data deskriptif yang telah diolah :
a. variabel Peningkatan Belanja Modal (Y) memiliki nilai minimum -0,4648, nilai maksimum 4,0828, rata-rata Peningkatan Belanja Modal 0,756266 dan standar deviasi sebesar 0,9296884 dengan jumlah sampel sebanyak 39.
b. variabel Pertumbuhan PAD (X) memiliki nilai minimum -0,7004, nilai maksimum 2,7777, rata-rata Pertumbuhan PAD 0,285183 dan standar deviasi sebesar 0,5800487 dengan jumlah sampel sebanyak 39.
3. Pengujian Asumsi Klasik
Dalam analisis ini perlu dilihat terlebih dahulu apakah data tersebut bisa dilakukan pengujian model regresi. Pengujian asumsi klasik dilakukan untuk menentukan syarat persamaan yang pada model regresi dan dapat diterima secara ekonometrik. Pengujian asumsi klasik ini terdiri dari pengujian normalitas, multikolineariti, autokorelasi, dan pengujian heterokedastisitas. Variabel independen dalam penelitian ini hanya satu jadi tidak diperlukan pengujian multikolinearitas.
a. Uji Normalitas
Pengujian normalitas ini bertujuan untuk mengetahui apakah data yang digunakan telah terdistribusi secara normal. Hasil uji normalitas dengan grafik histogram yang diolah dengan SPSS, normal probability plot serta Kolmogorov-Smirnov Test ditunjukkan sebagai berikut:
Gambar 4.1 Histogram
Sumber : Diolah dari SPSS, 2009
Hasil uji normalitas di atas memperlihatkan bahwa pada grafik histogram di atas distribusi data mengikuti kurva berbentuk lonceng yang tidak menceng (skewness) kiri maupun menceng kanan atau dapat disimpulkan bahwa data tersebut normal.
Gambar 4.2 Normal P-P Plot
Sumber : Diolah dari SPSS, 2009
Hasil uji normalitas dengan menggunakan normal probability plot, di mana terlihat bahwa titik-titik menyebar di sekitar garis diagonal serta penyebarannya mengikuti garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
Tabel 4.7
Uji Normalitas dengan One-Sample Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 39
Normal Parametersa Mean .0000000
Std. Deviation .74848241
Most Extreme Differences Absolute .161
Positive .161
Negative -.154
Kolmogorov-Smirnov Z 1.006
Asymp. Sig. (2-tailed) .263
a. test distribution is Normal b. calculated from data
Sumber : Diolah dari SPSS, 2009
Nilai Kolmogorov – Smirnov sebesar 1.006 dan tidak signifikan pada 0.05 (karena p= 0.263 >dari 0.05). Hal ini berarti Ho diterima yang mengatakan bahwa residual terdistribusi secara normal atau dengan kata lain residual berdistribusi normal.
Semua hasil pengujian melalui analisis grafik dan statistik di atas menunjukkan hasil yang sama yaitu normal, dengan demikian telah terpenuhi asumsi normalitas dan bisa dilakukan pengujian asumsi klasik berikutnya pada data.
b. Uji Heteroskedastisitas
Uji heterokedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke pengamatan yang lain. Heteroskedastisitas ini dapat dilihat dengan grafik scatterplot. Hasil dari uji heteroskedastisitas dapat dilihat pada grafik scatterplot berikut ini:
Hasil Uji Heteroskedastisitas
Gambar 4.3 Grafik Scatterplot
Sumber : Diolah dari SPSS, 2009
Dari gambar scatterplot tersebut, terlihat bahwa titik-titik menyebar secara acak di atas dan di bawah angka 0 pada sumbu Y. Hal ini mengindikasikan tidak
terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai. c. Uji Autokorelasi
Uji autokorelasi ini digunakan untuk menguji asumsi klasik regresi berkaitan dengan adanya autokorelasi. Model regresi yang baik adalah model yang tidak mengandung autokorelasi. Hasil dari uji autokorelasi dapat dilihat pada tabel berikut ini:
Tabel 4.8
Hasil Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .594a .352 .335 .7585296 1.989
a. Predictors: (Constant), Pertumbuhan_PAD
b. Dependent Variable: Peningkatan_Belanja_Modal
Sumber : Diolah dari SPSS, 2009
Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin Watson (DW) sebesar 1,989. Maka Ho diterima, yang artinya dalam model regresi tidak terdapat autokorelasi atau kesalahan pengganggu, sebab DW terletak diantara -2 sampai +2 yang berarti tidak ada autokorelasi.
4. Model dan Teknik Analisis Data
Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan variabel dependen, melalui pengaruh pertumbuhan PAD (X) terhadap peningkatan belanja modal (Y). Hasil regresi dapat dilihat pada tabel berikut ini.
Tabel 4.9 Hasil Analisis Regresi Coefficients(a) Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .484 .136 3.563 .001 Pertumbuhan_PAD .952 .212 .594 4.488 .000
Coefficients(a) Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .484 .136 3.563 .001 Pertumbuhan_PAD .952 .212 .594 4.488 .000
a. Dependent Variable: Peningkatan_Belanja_Modal
Sumber : Diolah dari SPSS, 2009
Berdasarkan hasil pengolahan data yang terlihat pada tabel 4.9 pada kolom unstandardized coeffisients bagian B, diperoleh modal persamaan regresi sederhana sebagai berikut :
Y=0.484+0,952X+e Keterangan :
Y = Peningkatan Belanja Modal
X = Pertumbuhan Pendapatan Asli Daerah (PAD)
e = Error
Adapun interpretasi dari persamaan di atas adalah :
a. konstanta (a) sebesar 0.484 menunjukkan bahwa jika tidak ada variabel pertumbuhan PAD, maka peningkatan belanja modal sebesar 0.484.
b. koefisien X (b) = 0.952, menunjukkan bahwa pertumbuhan PAD berpengaruh positif terhadap peningkatan belanja modal (Y). Artinya jika pertumbuhan PAD ditingkatkan maka peningkatan belanja modal bertambah sebesar 0,952.
5. Pengujian Hipotesis a. Uji-t
Untuk mengetahui apakah variabel independen, yaitu pertumbuhan PAD berpengaruh terhadap kemandirian keuangan daerah, dilakukan uji statistik t.
Tabel 4.10 Uji Statistik t Variabel Regresi t tabel t hitung Signifikansi t (Constant) 3,563 .001 Pertumbuhan PAD 4,488 .000 2.0244 (0.05;38)
Kesimpulan yang dapat diambil dari analisis tersebut adalah pertumbuhan PAD (X) mempunyai nilai signifikansi 0,000 yang berarti nilai ini lebih kecil dari 0,05, sedangkan nilai t hitung 4,488 > t tabel 2,0244. Berdasarkan kedua nilai tersebut disimpulkan bahwa Ha diterima (Ho ditolak) atau dijelaskan bahwa variabel pertumbuhan PAD berpengaruh signifikan terhadap peningkatan belanja modal (Y).
b.
Koefisien Determinasi (R²) Tabel 4.11 Koefisien Determinasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .594a .352 .335 .7585296a. Predictors: (Constant), Pertumbuhan_PAD
b. Dependent Variable: Peningkatan_Belanja_Modal
Nilai R square (R2) atau nilai koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai R2 adalah diantara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen sangat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Secara umum R2 untuk data silang (cross section) relatif rendah karena adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtun waktu (time series) biasanya mempunyai koefisien determinasi yang tinggi. Nilai R2 sebesar 0,352 mempunyai arti bahwa variabel dependen hanya mampu dijelaskan oleh variabel independen sebesar 35,2%. Dengan kata lain hanya 35,2% perubahan dalam peningkatan belanja modal mampu dijelaskan variabel pertumbuhan PAD, dan sisanya sebesar 64,8% dijelaskan oleh faktor lain yang tidak diikutkan dalam penelitian ini.