BAB III METODE PENELITIAN
3.4 Teknik dan Metode Analisis Data
Alat yang digunakan untuk menganalisis dalam penelitian ini adalah analisis regresi berganda data panel. Menurut Sugiyono (2012), regresi berganda digunakan oleh sebuah penelitian jika penelitian tersebut bertujuan untuk mengetahui pengaruh dan meramalkan suatu pengaruh antar variabel. Masing-masing Variabel Independen antara lain Pajak (TAX), Retribusi (RTR), Dana Alokasi Umum (DAU), dan Dana Bagi Hasil (DBH) untuk mengetahui pengaruhnya terhadap Variabel Belanja Daerah (BD). Persamaan matematis pengaruh variabel bebas terhadap veriabel terikat dinyatakan sebagai berikut,
= (TAX,RTR,DAU,DBH)………(3.1)
Keterangan:
TAX = Pajak (rupiah) RTR = Retribusi (rupiah)
DAU = Dana Alokasi Umum (rupiah) DBH = Dana Bagi Hasil (rupiah) BD = Belanja Daerah (rupiah)
Persamaan matematis 3.1 dapat diformulasikan ke dalam persamaan model ekonometrika sebagai berikut,
= + + + + + ... (3.2)
Keterangan:
, = Konstanta Regresi
, , , , = Koefisien Regresi
= error term
i = cross section
t = time series
Dalam menggunakan regresi data panel terdapat beberapa model regresi yang dapat digunakan. Menurut Gujarati (2006) paling tidak terdapat tiga model regresi data panel yaitu Common Effect Model, Fixed Effect Model, dan Random Effect Model:
a. Common Effect
Model common effect merupakan pendekatan data panel yang paling sederhana.
Model ini tidak memperhatikan dimensi individu maupun waktu sehingga diasumsikan bahwa perilaku antar individu sama dalam berbagai kurun waktu.
Model ini hanya mengkombinasikan data time series dan cross section dalam bentuk pool, mengestimasinya menggunakan pendekatan kuadrat terkecil/pooled least square.
b. Fixed Effect
Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari perbedaan intersepnya. Untuk mengestimasi data panel model Fixed Effect menggunakan teknik variable dummy untuk menangkap perbedaan intersep antar wilayah. Namun demikian slopnya tetap sama antar wilayah. Model estimasi ini sering juga disebut dengan teknik Least Squares Dummy Variable (LSDV).
c. Random Effect
Model ini akan mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu. Pada model Random Effect perbedaan intersep diakomodasi oleh error terms masing-masing wilayah.
Keuntungan menggunkan model Random Effect adalah menghilangkan
heteroskedastisitas. Model ini juga disebut dengan Error Component Model (ECM) atau teknik Generalized Least Square (GLS).
3.4.2 Penentuan Model Regresi
Untuk menentukan model regresi mana yang akan digunakan maka diperlukan pengujian. Menurut Widarjono (2009) dalam menguji model regresi mana yang akan digunakan dapat dilakukan diantaranya dengan tiga pengujian model, yaitu Uji Chow, Uji Hausman, dan Uji Lagrange Multiplier (LM):
a. Uji Chow
Uji ini dilakukan untuk mengetahui apakah model yang digunakan adalah Common Effect atau Fixed Effect. Hipotesis dalam Uji Chow adalah:
1) H0 = Model Common Effect 2) Ha = Model Fixed Effect
Untuk menguji Hipotesis nol atau alternatif yang dipilih adalah dengan membandingkan probabilitas F statistik dengan nilai alfa sebesar 5%.
Jika nilai probabilitas F statsitik lebih besar dari nilai alfa maka H0 diterima sedangkan Ha ditolak sehinga model yang digunakan adalah Common Effect. Jika nilai probabilitas F statistik lebih kecil dari nilai alfa atau dikatakan signifikan maka H0 ditolak sedangkan Ha diterima sehingga model yang digunakan adalah menggunakan Fixed Effect.
b. Uji Hausman
Uji ini digunakan untuk menentukan apakah akan menggunakan model Random Effect atau model Fixed Effect. Hipotesis dalam Uji Hausman adalah:
1) H0 = Model Random Effect 2) Ha = Model Fixed Effect
Untuk menguji Hiptesis nol atau alternatif dilakukan dengan membandingkan nilai probabilitas Chi Square dan alfa sebesar 5%.
Jika nilai probabilitas Chi Square lebih besar dari nilai alfa maka H0diterima sedangkan Ha ditolak sehinga model yang digunakan adalah Random Effect. Jika nilai probabilitas Chi Square lebih kecil dari nilai alfa atau dikatakan signifikan maka H0 ditolak sedangkan Ha diterima sehingga model yang digunakan adalah menggunakan Fixed Effect.
3.4.3 Uji Statistik
Setelah model regresi data panel ditentukan maka perlu untuk melakukan uji statistik dan pengaruh antara variabel independen dengan variabel dependen. Untuk menguji signifikasi pengaruh variabel independen terhadap variabel dependen baik secara parsial maupun secara bersama-sama dilakukan dengan Uji Parsial (uji t-statistik), Uji Simultan (uji F-t-statistik), dan melihat Koefisien Determinasi ( ).
a. Uji Signifikansi secara Parsial (Uji t)
Uji t adalah jenis pengujian statistik yang digunakan untuk mengetahui ada tidaknya pengaruh variabel independen terhadap variabel dependen secara individual (Ghozali, 2005). Uji t dilakukan dengan tingkat keyakinan 95% dan tingkat kesalahan analisis (nilai α) sebesar 5%. Hipotesis dalam Uji t adalah:
1) H0 = variabel independen tidak berpengaruh signifikan terhadap variabel dependen.
2) Ha = variabel independen berpengaruh signifikan terhadap variabel dependen.
Untuk menguji Hiptesis nol atau alternatif dilakukan dengan membandingkan nilai probabilitas t-statistik dan alfa sebesar 5%.
Jika nilai probabilitas t-statistik lebih besar dari nilai alfa maka H0 diterima sedangkan Ha ditolak sehingga variabel independen tidak berpengaruh signifikan terhadap variabel dependen. Jika nilai probabilitas t-statistik lebih kecil dari nilai alfa atau dikatakan signifikan maka H0 ditolak sedangkan Ha diterima sehingga variabel independen berpengaruh signifikan terhadap variabel dependen.
b. Uji Signifikansi secara Simultan (Uji F)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen yang digunakan secara bersama-sama berpengaruh terhadap variabel dependen (Ghozali, 2005). Tujuan pengujian ini adalah untuk mengetahui apakah variabel independen secara bersama-sama memengaruhi variabel dependen secara signifikan. Uji F dilakukan pada tingkat keyakinan 95% dan tingkat kesalahan analisis (α) = 5% Hipotesis dalam Uji F adalah:
1) H0 = variabel independen secara bersama-sama tidak berpengaruh signifikan terhadap variabel dependen.
2) Ha = variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen.
Untuk menguji Hiptesis nol atau alternatif dilakukan dengan membandingkan nilai probabilitas F statistik dan alfa sebesar 5%.
Jika nilai probabilitas F statistik lebih besar dari nilai alfa maka H0 diterima sedangkan Ha ditolak sehingga variabel independen secara bersama-sama tidak berpengaruh signifikan terhadap variabel dependen. Jika nilai probabilitas F statistik lebih kecil dari nilai alfa atau dikatakan signifikan maka H0 ditolak sedangkan Ha
diterima sehingga variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen.
c. Koefisien Determinasi
Koefisien determinasi ( ) merupakan nilai koefisien yang dapat menunjukkan seberapa besar persentase variasi total variabel independen dapat menjelaskan variabel dependen (goodness of fit test) (Ghozali, 2005). Besarnya koefisien determinasi adalah antara 0 sampai 1. Semakin mendekati nol, maka semakin kecil variasi vriabel independen dapat menjelaskan variabel dependen. Sedangkan jika koefisien determinasi mendekati satu maka dapat dikatakan semakin kuat model tersebut dalam menerangkan variasi variabel independen terhadap variabel dependen.
3.5 Definisi Operasional Variabel Penelitian