BAB IV METODE PENELITIAN
4.5 Teknik Analisa Data
4.5.3 Uji Asumsi Klasik
Uji asumsi klasik diperlukan sebelum melakukan pengujian regresi berganda. Uji asumsi klasik yang dilakukan dalam penelitian ini adalah uji multikolinearitas, uji autokorelasi, uji heterokedastisitas dan uji normalitas.
a. Uji Normalitas
Pengujian normalitas yang digunakan adalah uji kolmogorov-smirnov.
Kriteria yang dapat digunakan adalah dengan pengujian dua arah ( two-tailed test) yaitu membandingkan nilai p yang diperoleh dengan taraf signifikansi yang sudah ditentukan. Dalam penelitian ini, uji normalitas terhadap residual dengan menggunakan uji Jarque-Bera (J-B). Dalam penelitian ini, tingkat signifikansi yang digunakan α=0,05.
Dasar pengambilan keputusan adalah melihat angka probabilitas dari statistik J-B, dengan ketentuan sebagai berikut.
Jika nilai probabilitas p ≥ 0,05, maka asumsi normalitas terpenuhi.
Jika probabilitas < 0,05, maka asumsi normalitas tidak terpenuhi.
b. Uji Multikolinearitas
Suatu model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen, untuk mengetahui apakah ada gejala multikolineritas atas model regresi yakni dilakukan. Dalam penelitian ini, gejala multikolinearitas dapat dilihat dari nilai korelasi antar variabel yang terdapat dalam matriks korelasi.
Pengujian multikolinearitas tersebut dapat dilihat dari nilai Tolerance atau Variance Inflation Factor (VIF) (Nugroho, 2005). Nilai tolerance > 0,1 atau VIF < 10, maka dikatakan tidak ada multikolinearitas.
c. Uji Heteroskedastisitas
Pengujian ada tidaknya heteroskedastisitas dilakukan dengan melihat Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan uji Breusch-Pagan (Gujarati, 2003, Gio dan Elly, 2015).
d. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi mucul karena observasi yang berurutan sepanjang waktu berkaitan satu dengan lainnya. Asumsi mengenai independensi terhadap residual (non-autokorelasi) dapat diuji dengan menggunakan uji Durbin-Watson (Field, 2009:220). Nilai statistik dari uji Durbin-Watson berkisar di antara 0 dan 4. Field (2009:220) menyatakan sebagai berikut.
“Specifically, it (Durbin-Watson) tests whether adjacent residuals are correlated.
The test statistic can vary between 0 dan 4 with a value 2 meaning that the residuals are uncorrelated".
Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi. Field (2009:220-221) menyatakan sebagai berikut.
“The size of the Durbin-Watson statistic depends upon the number of predictors in the model and the number of observations. For accuracy, you should look up the exact acceptable values in Durbin and Watson's (1951) original paper. As very conservative rule of thumb, values less then 1 or greater than 3 are definitely cause for concern; however, values closer to 2 may stil be problematic depending on your sample and model”.
4.6 Pengujian Hipotesis
Pengujian hipotesis dilakukan dengan menggunakan model analisis regresi berganda. Analisis regresi berganda bertujuan untuk memprediksi berapa besar kekuatan pengaruh variabel independen terhadap variabel dependen. Variabel dependen diasumsikan random/stokastik yang berarti mempunyai distribusi probabilistik. Variabel independen/bebas diasumsikan memiliki nilai tetap (dalam pengambilan sampel berulang). Pengujian hipotesis diuji dengan analisis regresi linear berganda dengan model sebagai berikut :
Y = a + b1X1+ b2X2 + b3X3 + b4X4 + e Keterangan :
Y : Kinerja Keuangan B1-3 : Koefisien Regresi X1 : Dana Alokasi Umum X2 : Dana Alokasi Khusus X3 : Belanja Modal
e : error
Langkah-langkah untuk menguji pengaruh variabel independen, yaitu Dana Alokasi Umum, Dana Alokasi Khusus, dan Belanja Modal terhadap Kinerja Keuangan dilakukan dengan uji simultan dan uji parsial.
a. Uji Simultan (Uji F)
Uji F di gunakan untuk mengetahui ada tidaknya pengaruh simultan variabel-variabel independen terhadap variable dependen. Kriteria pengujian yang
digunakan adalah jika probability value (p value) < 0,05, maka Ha diterimadanjikap value > 0,05, maka Ha ditolak.
Uji F dapat pula dilakukan dengan membandingkan nilai hitungdan F-tabel. Jika F-hitung> F-tabel, maka Ha diterima. Artinya, secara statistik data variabel independen berpengaruh terhadap variabel dependen. Jika hitung< F-tabel, maka Ha ditolak. Artinya, secara statistik data yang ada dapat membuktikan bahwa semua variabel independen tidak berpengaruh terhadap variabel dependen.
b. Uji Parsial (Uji t)
Uji t digunakan untuk mengetahui pengaru hmasing-masing variabel independen terhadap variabel dependen. Kriteria pengujian yang digunakan adalah jikap value < 0,05, maka Ha diterima dan jika p value > 0,05, maka Ha ditolak.
Uji t dapat juga dilakukan dengan membandingkan t hitung dengan t tabel dengan derajat kebebasan (degree of freedom) jumlah observasi (n) dikurangi jumlah parameter dalam model (k) termasuk intersep, dengan ketentuan yaitu apabila t hitung > t tabel (α 0,05) maka Ha diterima dan Ho ditolak, apabila t hitung
< t tabel (α 0,05) maka Ho diterima dan Ha ditolak.
c. Koefisien Determinasi (R)
Menurut Ghozali (2013), koefisien determinasi (R) bertujuan untuk mengukur seberapa jauh kemampuan variabel independen menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara 0 (nol) dan 1 (satu).
Nilai R sebesar 1 berarti fluktuasi variabel dependen seluruhnya dapat dijelaskan oleh variabel independen dan tidak ada faktor lain yang dapat menyebabkan fluktuasi variabel dependen, dan jika nilai R berkisar antara 0 sampai 1 yang berarti
semakin kuat kemampuan variabel independen dapat menjelaskan variabel dependen.
BAB V
HASIL PENELITIAN DAN PEMBAHASAN
5.1. Analisis Statistik Deskriptif
Pada bagian ini akan digambarkan atau dideskripsikan dari masing-masing variabel yang diolah menggunakan Eviews 9, adapun hasil pengolahan data dalam bentuk deskriptif statistik akan menampilkan karakteristik sampel yang digunakan didalam penelitian ini antara lain meliputi: jumlah observasi, nilai rata-rata (mean), nilai minimum dan maksimum untuk masing-masing variabel. Deskripsi dalam penelitian ini meliputi 4 variabel, yakni dana alokasi umum, dana alokasi khusus, belanja modan dan kinerja keuangan. Berdasarkan hasil pengolahan data, maka statistik deskriptif dari data penelitian dapat dilihat pada tabel 5.1 berikut:
Tabel 5.1 Statistik Deskriptif
Y X1 X2 X3
Mean 26085.29 8854.474 27052.54 25336.42 Median 26051.00 8740.500 26996.00 25387.00 Maximum 27628.00 11905.00 28108.00 26853.00 Minimum 25190.00 6403.000 26251.00 23702.00 Std. Dev. 424.8040 1067.820 384.1360 691.4198 Skewness 1.080258 0.356882 0.861090 0.013442 Kurtosis 4.925798 3.330008 3.490734 2.238245 Jarque-Bera 68.40830 5.049967 26.18824 4.744775 Probability 0.000000 0.080060 0.000002 0.093258
Sum 5112716. 1735477. 5302298. 4965938.
Sum Sq.Dev. 35189390 2.22E+08 28774287 93221968
Observations 196 196 196 196
Sumber: Hasil pengolahan data dengan Eviews 9
Berdasarkan tabel di atas, maka dapat diketahui bahwa variabel kinerja keuangan (Y1) memiliki nilai rata-rata sebesar 26085.29, nilai maksimum
data. kinerja keuangan pemerintah daerah adalah tingkat capaian dari satu hasil kerja di bidang keuangan daerah dengan menggunakan indikator keuangan yang ditetapkan melalui suatu kebijakan atau ketentuan perundang-undangan selama satu periode anggaran. Bentuk dari pengukuran kinerja tersebut berupa pengukuran dalam rasio keuangan. Berdasarkan tabel di atas, maka dapat diketahui bahwa rata-rata kinerja keuangan pemerintah provinsi Sumatera Utara adalah sebesar 26085.29. Sehingga dapat diketahui bahwa secara umum Kabupaten/ Kota di Sumatera Utara sudah memiliki tingkat kinerja keuangan yang baik.
Variabel dana alokasi umum (X1) memiliki nilai rata-rata sebesar 8854.474, nilai maksimum 11905.00 dan nilai minimum 6403.000 dengan jumlah observasi sebanyak 196 data. Dana alokasi umum merupakan salah satu transfer dana pemerintah pusat kepada pemerintah daerah yang bersumber dari pendapatan APBN, yang dialokasikan dengan tujuan pemerataan kemampuan keuangan antar daerah untuk mendanai kebutuhan daerah dalam rangka pelaksanaan desentralisasi.
DAU bersifat block grant yang berarti penggunaannya diserahkan kepada daerah sesuai dengan prioritas dan kebutuhan daerah untuk peningkatan pelayanan kepada masyarakat dalam rangka pelaksanaan otonomi daerah. Berdasarkan tabel di atas, maka dapat diketahui bahwa rata-rata dana alokasi khusus adalah sebesar 8854.474, sehingga dapat diketahui bahwa dana alokasi umum di Kabupaten/
Kota Provinsi Sumater Utara sudah memiliki dana yang cukup baik untuk dapat digunakan dalam kegiatannya.
Variabel dana alokasi khusus (X2) memiliki nilai rata-rata sebesar 27052.54, nilai maksimum 28108.00 dan nilai minimum 26251.00 dengan jumlah observasi
sebanyak 196 data. PP Nomor 55 tahun 2005 menjelaskan bahwa daerah yang akan menerima DAK harus memenuhi kriteria umum, kriteria khusus, dan kriteria teknis.
Kriteria umum dirumuskan berdasarkan kemampuan keuangan daerah yang dicerminkan dari penerimaan umum APBD setelah dikurangi belanja PNS Daerah.
Kriteria khusus dirumuskan berdasarkan peraturan yang mengatur penyelenggaraan otonomi khusus dan karakteristik daerah. Sedangkan kriteria teknis disusun oleh menteri teknis terkait dalam bentuk indikator-indikator kegiatan khusus yang akan didanai dari DAK. Dalam hal kegiatan yang didanai dengan DAK adalah kegiatan yang bersifat kegiatan fisik, maka daerah penerima DAK wajib menganggarkan dana pendamping sekurang-kurangnya 10% dari alokasi DAK yang diterima.
Berdasarkan tabel di atas, maka dapat diketahui bahwa rata-rata dana alokasi khusus adalah sebesar 27052.54, dapat diketahui bahwa dana alokasi khusus di Kabupaten/ Kota Provinsi Sumater Utara sudah memiliki dana alokasi khusus yang baik untuk dapat digunakan dalam kegiatan khusus di setiap kabupaten/ kota.
Variabel belanja modal (X3) memiliki nilai rata-rata sebesar 25336.42, nilai maksimum 26853.00 dan nilai minimum 23702.00 dengan jumlah observasi sebanyak 196 data, yang artinya bahwa belanja modal di Kabupaten/ Kota provinsi Sumatera Utara sudah cukup baik dan dapat dipergunakan semestinya.
5.2. Pemilihan Model Estimasi
Terdapat tiga metode yang dapat digunakan untuk data panel dalam penelitian yaitu model regresi Common Effect (CE), Fixed Effect (FE) dan Random Effect (RE). Untuk menentukan model estimasi yang terbaik dalam
penelitian ini maka dilakukan Uji Chow, Uji Hausman dan Uji Lagrange Multiplier.
5.2.1. Uji Chow
Untuk menentukan model fixed effect atau common effect yang paling tepat digunakan dalam mengestimasi data panel, maka dilakukan Uji Chow (Chow test). Uji ini bertujuan untuk menentukan manakah model yang paling baik diantara keduanya yaitu fixed effect (FE) atau common effect (CE).
Hipotesis yang digunakan dalam uji Chow adalah sebagai berikut:
1. H0: maka model estimasi yang terbaik digunakan adalah fixed effect 2. H1: maka model estimasi yang terbaik digunakan adalah common effect.
Ketentuannya, apabila probabilitas ≥ 0,05 maka H0 diterima, artinya model common effect (pool least square) yang akan digunakan. Tetapi jika nilai probabilitas < 0,05, maka H1 diterima, berarti menggunakan pendekatan fixed effect. Hasil pengujian untuk memilih apakah estimasi yang terbaik adalah fixed effect (FE) atau common effect (CE) dengan uji Chow. Jika nilai probability yang diperoleh lebih kecil dari 0,05 (<0,05), maka model yang terbaik untuk digunakan adalah Fixed Effect (FE). Namun jika nilai probability lebih kecil dari 0,05 (> 0,05), maka model yang digunakan adalah Common Effect (CE). Nilai probability Uji Chow terlihat berdasarkan probabilitas Cross-section Chi-Square pada tabel di lampiran 5 halaman 77 yang memiliki nilai 0.000. Berdasarkan tabel tersebut maka Uji Chow menyatakan bahwa model estimasi yang lebih baik adalah fixed effect (FE) daripada common effect (CE).
5.2.2. Uji Hausman
Setelah melakukan Uji Chow dan menentukan estimasi yang terbaik adalah fixed effect, maka langkah selanjutnya yaitu melakukan uji Hausman untuk menguji kembali model yang lebih baik antara fixed effect (FE) atau random effect (RE).
Berikut hasil pengujian untuk memilih apakah estimasi yang terbaik adalah random effect (RE) atau fixed effect (FE) dengan uji Hausman.
Hipotesis yang digunakan dalam Uji Hausman adalah sebagai berikut:
1. H0: maka model estimasi yang terbaik digunakan adalah random effect (RE).
2. H1: maka model estimasi yang terbaik digunakan adalah fixed effect (FE).
Dapat diketahui bahwa nilai P Value Cross-section Random lebih kecil dari 0.05 (0.05 > 0.000) terlihat dari tabel di lampiran 6 halaman 78. maka H0 diterima yang berarti metode terbaik yang harus digunakan adalah fixed effect (FE) daripada random effect (FE). Hasil Uji Hausman menunjukkan bahwa adalah fixied effect lebih baik daripada random effect. Dengan hasil tersebut, maka pengujian lanjutan yaitu Uji Lagrange Multiplier tidak perlu dilakukan karena hasil uji hausman menunjukkan bahwa model yang terbaik untuk digunakan dalam penelitian ini adalah fixed affect.
5.3. Uji Asumsi Klasik
Uji asumsi klasik diperlukan sebelum melakukan pengujian regresi berganda. Uji asumsi klasik yang dilakukan dalam penelitian ini adalah uji normalitas, uji multikolinearitas, uji heterokedastisitas, dan uji autokorelasi.