BAB IV HASIL PENELITIAN DAN PEMBAHASAN
B. Analisis Hasil Penelitian
2. Uji Asumsi Klasik
Pengujian normalitas data dalam penelitian ini menggu nakan uji statistik non parametik Kolmogorov-Smirnov (K-S) dengan membuat hipotesis:
Ho : Data residual berdistribusi normal Ha : Data residua l tidak berdistribusi normal
Apabila nilai signifikansinya lebih besar dari 0,05 maka H0 diterima, sedangkan jika nilai signifikansinya kecil dari 0,05 maka H0 ditolak.
Tabel 4.3 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N 48 Normal Parameters(a,b) Mean .0000000 Std. Deviation .51098461 Most Extreme Differences Absolute .143 Positive .060 Negative -.143 Kolmogorov-Smirnov Z .991
Asymp. Sig. (2-tailed) .279
a Test distribution is Normal. b Calculated from data. Sumber : Data yang diolah penulis, 2009.
Besarnya nilai Kolmogorov-Simirnov adalah 0,991 dan signifikansi pada 0,279 maka disimpulkan data terdistribusi secara normal karena p = 0,279 > 0,05. Dengan demikian, secara keseluruhan dapat disimpulkan bahwa nilai-nilai observasi data telah terdistribusi secara normal dan dapat dilanjutkan dengan uji
Alfan H. Harahap : Pengaruh Dana Bagi Hasil Pajak Dan Dana Bagi Hasil Sumber Daya Alam Terhadap Belanja Modal Pada Kabupaten Dan Kota Di Sumatera Utara, 2010.
asumsi klasik lainnya. Untuk lebih jelas, berikut ini turut dilampirkan grafik histogram dan plot data yang terdistribusi normal.
Regression Standardized Residual
2 1 0 -1 -2 -3 Frequency 15 10 5 0 Mean = 1.7E-14 Std. Dev. = 0.978 N = 48
Dependent Variable: Ln_Belanjamodal Histogram
Alfan H. Harahap : Pengaruh Dana Bagi Hasil Pajak Dan Dana Bagi Hasil Sumber Daya Alam Terhadap Belanja Modal Pada Kabupaten Dan Kota Di Sumatera Utara, 2010.
Observed Cum Prob
1.0 0.8 0.6 0.4 0.2 0.0 E xpect ed C um P rob 1.0 0.8 0.6 0.4 0.2 0.0
Normal P-P Plot of Regression Standardized Residual
Gambar 4.2 Grafik Normal P-P Plot
Sumber : Data yang diolah penulis, 2009.
Grafik di atas dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukan distribusi data mengikuti garis diagonal yang tidak menceng (skewness) ke kiri maupun ke kanan atau normal dengan cara membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal demikian pula dengan hasil uji normalitas dengan menggunakan grafik plot. Pada grafik normal plot, terlihat titik-titk menyebar disekitar garis diagonal
Alfan H. Harahap : Pengaruh Dana Bagi Hasil Pajak Dan Dana Bagi Hasil Sumber Daya Alam Terhadap Belanja Modal Pada Kabupaten Dan Kota Di Sumatera Utara, 2010.
serta penyebarannya agak mendekati garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
b. Uji Multikolinearitas
Gejala multikolonearitas dalam penelitian ini dapat dideteksi ada tidaknya dengan melihat nilai tolerance dan variance inflation factor (VIF), menganalisis matrik korelasi variabel-variabel independen, melihat nilai Condition Index (CI). Besarnya tingkat kolinearitas yang masih dapat ditolerir, yaitu: Tolerance > 0.10,
Variance Inflation Factor (VIF) < 10, Condition Index < 10. Berikut disajikan
tabel hasil pengujian:
Tabel 4.4
Coefficients untuk BM = f(DBH Pajak, DBH SDA)
Coefficients(a)
Model
Unstandardized Coefficients
Standardized
Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 10.885 2.058 5.290 .000
Ln_SDA .047 .053 .100 .889 .379 .854 1.170
Ln_Pajak .551 .091 .675 6.025 .000 .854 1.170
a Dependent Variable: Ln_Belanjamodal Sumber : Data yang diolah penulis, 2009.
Hasil perhitungan nilai tolerance menunjukan variabel independen memiliki nilai tolerance > 0.10 yaitu 0,854 untuk variabel Dana Bagi Hasil Pajak dan 0,854 untuk variabel Dana Bagi Hasil Sumber Daya Alam yang berarti tidak terjadi korelasi dimana vaiabel independen memiliki nilai VIF kurang dari10 yaitu 1,170 untuk variabel DBH Pajak dan 1,170 untuk variabel DBH SDA.
Alfan H. Harahap : Pengaruh Dana Bagi Hasil Pajak Dan Dana Bagi Hasil Sumber Daya Alam Terhadap Belanja Modal Pada Kabupaten Dan Kota Di Sumatera Utara, 2010.
Tabel 4.5
Coefficient Correlations untuk BM = f(DBH Pajak, DBH SDA)
Correlations
Ln_Belanjamo
dal Ln_SDA Ln_Pajak
Pearson Correlation Ln_Belanjamodal 1.000 .357 .713
Ln_SDA .357 1.000 .382
Ln_Pajak .713 .382 1.000
Sig. (1-tailed) Ln_Belanjamodal . .006 .000
Ln_SDA .006 . .004
Ln_Pajak .000 .004 .
N Ln_Belanjamodal 48 48 48
Ln_SDA 48 48 48
Ln_Pajak 48 48 48
Sumber : Data yang diolah penulis, 2009.
Melihat hasil besaran korelasi antar variabel independen tampak bahwa variabel DBH Pajak mempunyai korelasi sebesar 0,382 atau sekitar 38,2% dengan variabel DBH SDA. Hasil dari coefficient correlations tersebut menunjukan tidak ada korelasi yang tinggi (umumnya di atas 0,95). Berdasarkan tabel di atas dapat disimpulkan bahwa tidak ada multikolonearitas antar variabel independen dalam model ini. Berdasarkan tabel tersebut dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model ini.
c. Uji Heteroskedastisitas
Gejala heteroskedastisitas dalam penelitian ini dapat dideteksi dengan melihat plot grafik yang dihasilkan dari pengolahan data dengan menggunakan program SPSS. Dasar pengambilan keputusannya adalah
Alfan H. Harahap : Pengaruh Dana Bagi Hasil Pajak Dan Dana Bagi Hasil Sumber Daya Alam Terhadap Belanja Modal Pada Kabupaten Dan Kota Di Sumatera Utara, 2010.
1) jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.
2) jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas. Heteroskedastisitas atau terjadi homoskedastisitas dengan mengamati penyebaran titik-titik pada gambar.
Regression Standardized Predicted Value
3 2 1 0 -1 -2 R egressi on S tudent iz ed R esi dual 2 1 0 -1 -2 -3
Dependent Variable: Ln_Belanjamodal Scatterplot
Alfan H. Harahap : Pengaruh Dana Bagi Hasil Pajak Dan Dana Bagi Hasil Sumber Daya Alam Terhadap Belanja Modal Pada Kabupaten Dan Kota Di Sumatera Utara, 2010.
Sumber : Data yang diolah penulis, 2009.
Grafik scaterplot menunjukan bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Adanya titik-titik yang menyebar menjauh dari titik-titik yang lain dikarenakan adanya data observasi yang sangat berbeda dengan data observasi yang lain.
d. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahaan pengganggu pada periode t dengan kesalahaan pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun tang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada time
series. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah
dengan menggunakan nilai uji Durbin Watson dengan ketentuan sebagai berikut: 1) angka D-W dibawah -2 berarti ada autokorelasi positif ,
2) angka D-W diantara -2 sampai +2, berarti tidak ada autokorelasi, 3) angka D-W di atas +2 berarti ada autokorelasi negatif.
Alfan H. Harahap : Pengaruh Dana Bagi Hasil Pajak Dan Dana Bagi Hasil Sumber Daya Alam Terhadap Belanja Modal Pada Kabupaten Dan Kota Di Sumatera Utara, 2010.
Tabel 4.6
Hasil Uji Durbin Watson Model Summary(b) Mode l R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .719(a) .517 .496 .52222 1.481
a Predictors: (Constant), Ln_Pajak, Ln_SDA b Dependent Variable: Ln_Belanjamodal Sumber : Data yang diolah penulis, 2009
Tabel 4.6 memperlihatkan nilai statistik D-W sebesar 1,481 Angka ini terletak diantara -2 dan +2, dari pengamatan ini dapat disimpulkan bahwa tidak terjadi autokorelasi positif maupun autokorelasi negatif.