BAB III METODE PENELITIAN
3.8 Teknik Analisis
Teknik analisis yang digunakan dalam penelitian ini yaitu analisis regresi berganda dengan menggunakan SPSS (Statistical Packages for Social Sciences) yang merupakan program pengolah data yang paling banyak diaplikasikan oleh para pengguna software statistik di seluruh dunia dikarenakan mampu memberikan kemudahan penerapan, kecepatan proses analisis, serta ketepatan hasil. Software SPSS yang digunakan yaitu
SPSS versi 20 for windows.
3.8.1. Analisis Deskriptif
Analisis Deskriptif merupakan sebuah metode untuk mengetahui gambaran sekilas (atau secara teknis dapat diartikan sebagai atribut- atribut) dari sebuah data (Akbar, 2005:35). Hal ini berguna untuk memberikan awareness akan data yang dijadikan fokus penelitian.
Analisis ini dilakukan untuk mendapatkan nilai minimum, maksimum, mean dan standar deviasi.
3.8.2. Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk mendapatkan perkiraan yang efisiensi dan tidak bias sebelum melakukan analisis regresi berganda. Adapun syarat uji asumsi klasik yang harus dipenuhi yaitu:
a. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah distribusi data mengikuti atau mendekati distribusi normal. Uji normalitas dilakukan dengan menggunakan pendekatan
Kolmogorov Smirnov, dengan menggunakan tingkat signifikan 5% maka jika nilai asymp.sig (2-tailed) diatas nilai signifikan 5% artinya variabel residual berdistribusi normal.
Apabila distribusi melanggar asumsi normalitas, maka ada beberapa cara yang dapat digunakan untuk mengatasi data yang tidak normal yaitu :
1. Lakukan transformasi data ke bentuk lainnya. Pelanggaran asumsi normalitas biasanya disebabkan bentuknya menceng (skew), sehingga untuk mengubah bentuk yang menceng tersebut dapat mengubah nilai atau mentransformasikan nilai ke dalam bentuk log. Dengan mentransformasikan nilai-nilai observasi
data ke dalam bentuk log diharapkan dapat membentuk distribusi yang normal.
2. Lakukan trimming. Trimming adalah membuang data yang outlier. Ketentuan data yang bersifat outlier telah dijelaskan sebelumnya. Nilai outlier bisa juga ditentukan dengan kriteria nilainya lebih kecil dari µ - 2α atau lebih besar µ + 2α.
3. Lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu. Jika data relative sedikit, maka mengatasi pelanggaran asumsi normalitas data dengan cara trimming akan semakin mengecilkan jumlah sampel. Untuk mengatasi masalah ini maka cara yang lebih baik dipilih adalah dengan melakukan
winsorizing yaitu mengubah nilai observasi yang outlier menjadi nilai maksimum dan minimum yang diizinkan. Nilai observasi yang lebih kecil dari µ - 2α akan diubah menjadi µ - 2α dan nilai
observasi yang lebih besar µ + 2α akan diubah menjadi nilai µ + 2α.
b. Uji Heteroskedastisitas
Pengujian gejala heteroskedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variable dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika berbeda disebut
heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas.
c. Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal (Ghozali 2007:91). Untuk mendeteksi adanya multikolinearitas, dapat dilihat dari Value Inflation Factor (VIF) dan nilai Tolerance. Apabila nilai VIF > 10, terjadi multikolinieritas. Sebaliknya, jika VIF < 10, tidak terjadi multikolinearitas (Wijaya, 2009:119). Dan jika kita lihat dari nilai Tolarance, apabila nilai Tol > 0,10 tidak terjadi multikoloniearitas dan sebaliknya jika nilai Tol < 0,10, maka terjadi multikolonieritas.
d. Uji Autokorelasi
Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi antara residual pada satu pengamatan dengan pengamatan lain pada model regresi. Prasyarat yang harus terpenuhi adalah tidak adanya autokorelasi dalam model regresi.
Metode pengujian yang sering digunakan adalah dengan uji Durbin-Watson (uji DW) dengan ketentuan sebagai berikut: 1) Angka D-W dibawah -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.
3.8.3. Analisis Regresi Berganda
Pengujian hipotesis dilakukan dengan menggunakan model analisis regresi berganda bertujuan untuk menghitung dua atau lebih variabel bebas terhadap satu variabel terikat dan memprediksi variabel terikat dengan menggunakan dua atau lebih variabel bebas. Model persamaan yang digunakan adalah sebagai berikut:
Y = a + b1X1 + b2X2 + b3X3 + b4X4 + e Dimana :
Y = Belanja Modal a = Konstanta b1- b4 = Koefisien regresi
X1 = Pendapatan Asli Daerah X2 = Dana Alokasi Umum X3 = Dana Alokasi Khusus
X4 = Dana Bagi Hasil Pajak dan Sumber Daya Alam e = Standard error
Uji Hipotesis
a. Uji Signifikansi Parsial (Uji-t)
Uji t digunakan untuk mengetahui apakah variabel-variabel independen secara parsial berpengaruh nyata atau tidak terhadap variabel dependen. Jika probabilitas variabel bebas lebih besar dari tingkat kesalahannya maka variabel bebas tidak berpengaruh, tetapi jika probabilitas variabel bebas lebih kecil dari tingkat kesalahannya maka variabel bebas tersebut berpengaruh terhadap variabel terikat. Model pengujiannya adalah:
1) Ho : b1 = 0, artinya secara parsial tidak terdapat pengaruh yang positif dan signifikan dari masing-masing variabel bebas (PAD, DAU, DAK, dan DBH_P&SDA) terhadap variabel terikat (Belanja Modal).
2) Ha : b1 ≠ 0, artinya secara parsial terdapat pengaruh yang positif dan signifikan dari masing-masing variabel bebas (PAD, DAU, DAK_P&SDA, dan DBH) terhadap variabel terikat (Belanja Modal).
Kriteria pengambilan keputusannya adalah: Ho diterima jika t hitung < t tabel pada α = 5% Ho ditolak jika t hitung ≥ t tabel pada α= 5%
b. Uji Signifikansi Simultan (Uji-F)
Uji F digunakan untuk mengetahui apakah variabel-variabel independen secara simultan berpengaruh signifikan terhadap variabel dependen. Model Pengujiannya :
1) Ho : b1 = b2 = b3 = 0, artinya, secara simultan tidak terdapat pengaruh yang positif dan signifikan dari PAD, DAU, DAK, dan DBH_P&SDA terhadap Belanja Modal.
2) Ha : b1 ≠ b2 ≠ b3 ≠ 0, artinya secara simultan terdapat pengaruh yang positif dan signifikan dari PAD, DAU, DAK, dan DBH_P&SDA terhadap Belanja Modal.
Kriteria pengambilan keputusan :
Ho diterima jika F hitung < F tabel pada α = 5% Ho ditolak jika F hitung ≥ F tabel pada α = 5%
c. Pengujian Koefisien Determinasi (R2)
Jika R2 semakin besar (mendekati satu), maka dapat dikatakan bahwa pengaruh variabel bebas adalah besar terhadap variabel terikat. Hal ini berarti model yang digunakan semakin kuat untuk menerangkan pengaruh variabel bebas yang diteliti terhadap variabel terikat. Sebaliknya jika R2 semakin mengecil (mendekati nol) maka dapat dikatakan bahwa pengaruh variabel bebas terhadap variabel terikat semakin mengecil, ini berarti model yang digunakan tidak kuat untuk menerangkan pengaruh
variabel bebas yang diteliti terhadap variabel terikat (Situmorang dan Lufti, 2012:196).