Uji Koefisien Determinasi (R 2 )

J. Uji Hipotesis

3. Uji Koefisien Determinasi (R 2 )

Pengukuran kecocokan model dilakukan dengan memperhatikan besarnya koefisien determinasi (R²). Menurut Setiawan dan Kusrini (2010) uji koefisien determinasi (R²) dilakukan untuk mengetahui sejauh mana ketepatan atau kecocokan garis regresi yang terbentuk.

(R²) merupakan ukuran proporsi atau persentase dari variasi total pada variabel dependen yang dijelaskan oleh model regresi. Nilai (R²) akan meningkat dengan bertambahnya jumlah variabel bebas, karena itu dipergunakan (R²) yang sudah mempertimbangkan derajat bebas. Deteksi koefisien determinasi pada penelitian ini adalah dengan melihat nilai (R²) adjusted pada output regresi. Maka dalam pengujian ini ketentuan yang digunakan adalah sebagai berikut:

a. Jika nilai (R²) adjusted mendekati angka nol berarti kemampuan variabel-variabel bebas dalam menjelaskan variabel terikat terbatas.

b. Jika nilai (R²) adjusted mendekati angka satu berarti hampir semua informasi dibutuhkan untuk memprediksi variabel terikat dapat dijelaskan oleh variabel-variabel bebas.

60 BAB IV PEMBAHASAN A. Gambaran Umum Objek Penelitian

1. Gambaran Indeks Pembangunan Manusia Indonesia Timur

Indeks Pembangunan Manusia merupakan indeks yang dapat menjadi acuan untuk melihat kesejahteraan masyarakat, maka acuan mengenai kesejahteran masyarakat dalam penelitian ini menggunakan data Indeks Pembangunan Manusia dari 12 Provinsi di Indonesia Timur dengan periode tahun 2010 – 2019. Pembangunan sejatinya untuk mensejahterakan masyarakat bukan semata – mata persoalan nominal pertumbuhan ekonomi. Data Indeks Pembangunan Manusia ini dikeluarkan oleh Badan Pusat Statistik Indonesia yang hitungannya mengacu pada rumus yang diterbitkan oleh UNDP (United National Development Program). IPM mengacu pada tiga komponen penting bagi masyarakat yaitu :

1. Indeks Harapan Hidup 2. Indeks Pendidikan

3. Indeks Standar Hidup Layak

Dalam melihat Indeks Pembangunan Manusia, nilai skor yang mendekati seratus mengartikan bahwa pembangunan manusianya baik di daerah tersebut, sebaliknya jika nilai skornya rendah jauh dari seratus maka pembangunan

manusia di daerah tersebut buruk. IPM menggambarkan tiga komponen penting seperti pendapatan, kesehatan, dan pendidikan.

Gambar 4.1

Grafik IPM Kawasan Indonesia Timur

Sumber: BPS diolah

Melihat data dari grafik di atas menunjukan bahwa Indeks Pembangunan Manusia di Indonesia Timur Periode tahun 2010 – 2019 bervariasi setiap daerah karena proses pembangunan di Indonesia belum merata, tetapi IPM di kawasan Indonesia Timur mengalami tren peningkatan tiap tahunnya. Indeks Pembangunan Manusia menurut Badan Pusat Statistik (BPS) dibagi menjadi empat kategori yaitu, Indeks Pembangunan Manusia rendah jika <60, sedang jika 60 – 70, tinggi jika 70 – 80, dan sangat tinggi jika

50 55 60 65 70 75

2010 2011 2012 2013 2014 2015 2016 2017 2018 2019

80< (BPS,2014). Dari grafik di atas menjelaskan bahwa Indeks Pembangunan Manusia kawasan Indonesia Timur memiliki kategori rendah dan sedang belum menunjukan kategori baik. Papua memiliki nilai Indeks Pembangunan Manusia yang rendah yaitu 54,45 pada tahun 2010 nilai ini menunjukan kondisi kesejahteran disana belum dapat dikatakan baik.

Upaya terus dilakukan pemerintah Papua dalam upaya meningkatkan indeks pembangunan manusia di daerahnya agar kehidupan masyarakat menjadi lebih baik dari waktu kewaktu secara berkesinambungan. Menjadikan masyarakat sebagai subject dalam proses pembangunan membuahkan hasil setiap tahunya IPM di Papua terus meningkat walau masih ditaraf kategori sedang disekor 60,06 pada tahun 2018 dan 60,84 pada tahun 2019. Sulawesi Utara merupakan daerah dengan kondisi IPM yang baik, mengalami tren kenaikan dari waktu kewaktu juga skor Indeks Pembangunan Manusianya kategori baik berkisar pada angka 67 – 72, pada tahun 2019 IPM di Sulawesi Utara menyentuh skor 72,99, nilai ini dapat dicapai karena pemerintah Sulawesi Utara dapat memanfaatkan sumber – sumber pendapatan daerah dengan maksimal dan melibatkan masyarakat dalam upaya pembangunan daerah, serta meningkatkan pembangunan infrastruktur yang mengedepankan aspek kebutuhan bagi masyarakat seperti fasilitas pendidikan dan kesehatan, serta melakukan sinergi dengan pemerintah kebupaten/kota dalam membuat kebijakan yang nantinya dapat mendongkrak perekonomian masyarakat. Secara

keseluruhan Indeks Pembangunan Manusia di Indonesia Timur dalam kategori sedang pada saat ini.

2. Gambaran Derajat Desentralisasi Fiskal Indonesia Timur

Derajat desentralisasi fiskal digunakan untuk melihat bagaimana upaya pemerintah daerah dalam memaksimalkan pendapatan daerahnya dari sumber – sumber pendapatan yang ada. Pemerintah yang memiliki derajat desentralisasi fiskal yang baik mampu untuk membiayai setiap kebutuhan daerahnya.

Komponen utama dalam menentukan derajat desentralisasi fiskal adalah PAD (pendapatan asli daerah). Kinerja pemerintah daerah dapat juga dilihat dengan derajat desentralisasi fiskal, jika pemerintah dapat mengatur sumber – sumber pendapatan dan memberdayakan masyarakat maka keuangan daerah akan baik tidak akan membebani pemerintah pusat. Namun kondisi setiap daerah beragam baik sumber daya alam dan manusianya ini menjadi tantangan besar bagi setiap daerah untuk menjadikan kekurangan menjadi kelebihan. Dalam melihat derajat desentralisasi fiskal dari nilai 0,00 – 0,10 sangat buruk, 0,20 buruk, 0,30 cukup, 0,40 sedang, 0,50 baik, dan 0,50< sangat baik.

Gambar 4.2

Grafik Derajat Desentralisasi Fiskal

Sumber: BPS diolah

Dari grafik di atas menunjukan terdapat banyak sekali provinsi yang nilai derajat desentralisasi fiskalnya masih dikatakan buruk yang artinya pusat masih menanggung kebutuhan pembangunan di daerah. Sulawesi Selatan menjadi daerah dengan Derajat desentralisasi fiskal yang baik di antara daerah Indonesia Timur lainnya, pada tahun 2010 nilai derajat desentralisasi fiskal Sulawesi Selatan sebesar 0,55 namun tiap tahun mengalami fluktuasi dan pada tahun 2019 mengalami penurunan pada nilai 0,41 ini dikarenakan penerimaan PAD di Sulawesi Selatan mengalami penurunan dikarenakan pemasukan dari retribusi dan pajak mengalami penurunan, Pemerintah Provinsi Sulawesi Selatan perlu

0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70

2010 2011 2012 2013 2014 2015 2016 2017 2018 2019

mencari kombinasi yang tepat dalam peningkatan PAD untuk mewujudkan kemandirian.

Mengenai Situasi ini perlu adanya kreasi-kreasi yang dilakukan oleh Pemerintah Provinsi Sulawesi Selatan dalam meningkatkan penerimaan pajak dan retribusi. Papua dan Papua Barat mencatatkan daerah yang nilai derajat desentralisasi fiskalnya sangat buruk, ini mengartikan daerah sangat bergantung terhadap pusat dan kinerja pemerintah di Papua dan Papua Barat belum maksimal. Nilai derajat desentralisasi fiskal Papua Barat sangatlah kecil pada angka 0,04 (sangat buruk) pada tahun 2010 dan tiap tahun tidak mengalami kenaikan yang signifikan, terlihat pada tahun 2019 hanya menyentuh angka 0,05, begitupun daerah Papua tidak jauh berbeda nilai derajat desentralisasi fiskal masih dibawah 0,10. Derajat desentralisasi fiskal yang kecil di Papua dan Papua Barat dikarenakan sumber – sumber pemasukan di daerahnya sangatlah kecil baik dari pajak dan yang lainnya, pengelolaan sumber daya alam tidak begitu maksimal karena kemampuan sumber daya manusia yang kurang memadai disana.

3. Gambaran Rasio Kemandirian Keuangan Daerah di Indonesia Timur

Rasio kemandirian keuangan daerah merupakan perbandingan antara pendapatan asli daerah dengan pendapatan yang diperoleh dari transfer pusat.

Rasio ini menunjukan bagaimana pemerintah daerah dapat membiayai

keperluan daerahnya. Data rasio kemandirian keuangan daerah diperoleh dari publikasi keuangan daerah yang diterbitkan oleh BPS yang diolah dengan rumus yang sesuai. Daerah yang baik memiliki rasio kemandirian keuangan daerah yang tinggi. Kemandirian itu ditunjukan dengan nominal pendapatan asli daerah yang diperoleh jika besar maka pemerintah daerah efektif dalam memanfaatkan sumber – sumber pendapatan.

Gambar 4.3

Grafik Rasio Kemandirian Keuangan Daerah

Sumber: BPS diolah

Dari grafik di atas menunjukan rasio kemandirian daerah yang masih dibawah 0,50 yang berarti keadaan kemandirian keuangan daerah di Indoensia Timur masih kurang baik. Sulawesi Selatan menunjukan nilai rasio kemandirian keuangan daerah yang lebih tinggi dari daerah lain, pada tahun 2015 berada pada

0.00 0.50 1.00 1.50 2.00 2.50

2010 2011 2012 2013 2014 2015 2016 2017 2018 2019

angka 2,21 tetapi tahun selanjutnya mengalami penurunan terus menerus hingga tahun 2019 berada pada angka 0,73. Secara keseluruahan nilai rasio kemandirian keuangan daerah di Indonesia Timur masih kurang, ini dikarenakan masih rendahnya penerimaan PAD di daerah Indonesia Timur. Papua Barat memiliki nilai rasio kemandirian daerah yang paling kecil 0,09 pada tahun 2010 dan 0,11 pada tahun 2019, pemerintah papua barat belum bisa membiayai setiap keseluruhan kegiatan daerahnya seperti pembangunan dan kebutuhan yang lainnya. Rasio kemandirian keuangan daerah Indonesia Timur belum bisa menunjukan tren baik, nilainya masih berfluktuasi dan juga relatif masih sangat rendah.

4. Gambar Rasio Ketergantungan Keuangan Terhadap Pusat di Indonesia Timur

Rasio ketergantungan daerah menjelaskan bagaimana sebuah daerah masih bergantung secara finansial terhadap pemerintah pusat dalam agenda kepemerintahannya. Rasio ini membandingkan total pendapatan yang diterima suatu daerah dengan transfer pendapatan dari pemerintah pusat. Rasio ini diperoleh menggunakan rumus yang telah ditentukan , dengan data – data yang bersumber dari publikasi laporan keuangan daerah yang diperoleh dari BPS.

Optimalisasi PAD merupakan kunci utama agar daerah dapat membiayai kebutuhan pembangunan. Rasio ini diukur dengan rasio antara PAD dengan

total penerimaan Anggaran Pendapatan dan Belanja Daerah (APBD) tanpa subsidi.

Gambar 4.4

Grafik Rasio Ketergantungan Keuangan Daerah

Sumber: BPS diolah

Data dari grafik di atas menjelaskan bahwa ketergantungan keuangan akan pemerintah pusat berfluktuasi namun cenderung mengalami kenaikan pada tahun 2016 – 2019. Semakin tinggi nilai rasio ketergantungan keuangan terhadap pusat maka daerah tersebut masih mengandalkan pemerintah pusat dalam membiayai setiap pambangunan di daerahnya. Maluku Utara memiliki nilai rasio ketergantungan keuangan terhadap pemerintah pusat lebih tinggi dari daerah yang lain 0,87 pada tahun 2010 pada tahun berikutnya mengalami

0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00

2010 2011 2012 2013 2014 2015 2016 2017 2018 2019

penurunan diangka 0,73 – 0,61, dan mengalami kenaikan lagi pada tahun 2017 – 2019 yang diangka 0,83 – 0,84. Nilai ini menunjukan bahwa proyek pembangunan yang ada di Maluku Utara masih dominan memakai biaya dari pusat, dikarenakan banyak proyek pariwisata yang menjadi prioritas nasional untuk meningkatkan perekonomian.

Papua memiliki nilai rasio ketergantungan terhadap pusat lebih kecil dibandingkan dengan daerah lain, ini dikarenakan Papua menjadi daerah yang memiliki otonomi khusus yang lebih leluasa mengatur daerahnya sesuai kebutuhan masyarakat. Nilai rasio ketergantungan keuangan Papua terhadap pusat pada tahun 2010 hanya 0,30 dan mengalami penurunan hingga 0,23 ditahun 2014, setelah itu mengalami kenaikan kembali hingga 0,32 ditahun 2019, nilai ini masih menunjukan keterkaitan pusat terhadap Papua masih sangat kecil dibidang finansial. Papua masih menggunakan pendapatan daerah yang minim untuk memenuhi kebutuhan daerahnya, keadaan ini jika terus terjadi hingga jangka panjang tentu tidak baik untuk perekonomian Papua dan juga Nasional. Sulawesi Selatan mengalami penurunan angka rasio ketergantungan pada tahun 2010 – 2015 pada nilai 0,34 – 0,24, setelah itu mengalami kenaikan derastis hingga pada tahun 2019 diangka 0,56 yang menunjukan ketergantungan yang cukup tinggi.

70 B. Uji Asumsi Klasik

Uji asumsi klasik digunakan untuk mengidentifikasi kelayakan model regresi yang digunakan dalam penelitian ini. Uji asumsi klasik yang dilakukan dalam penelitian ini meliputi uji multikolinearitas, uji normalitas, uji heteroskedastisitas, serta uji autokolerasi. Penelitian ini menggunakan model Fixed Effect Model di mana rangkaian uji asumsi klasik harus dilakukan untuk melihat kecocokan model untuk penelitian ini.

1. Uji Multikolienaritas

Uji ini dilakukan untuk mengetahui apakah terdapat keterkaitan atau tidak antara setiap variabel – variabel independen dalam sebuah penelitian. Jika ada keterkaitan antar varibel independen yang satu dengan yang lain maka variabel penelitian tidak layak karena mengandung bias. Masalah mengenai multikolienaritas ini dapat diindentifikasi dengan melihat dari besarnya nilai VIF (Variance InflationFactor) . Jika nilai VIF > 10,00 maka dapat disimpulkan model regresi yang digunakan terdapat multikolinearitas, sebaliknya jika nilai VIF < 10,00 maka tidak terdapat multikolienaritas dalam variabel penelitian. Berikut merupakan hasil dari uij multikolinearitas pada penelitian ini.

Tabel 4.1 Uji Multikolienaritas

Sumber : Hasil pengolahan data eviews, 2020

Berdasarkan hasil uji multikolienaritas di atas tidak ditemukan adanya keterkaitan antar variabel independen, dilihat dari nilai VIF < 10,00, yang artinya model regresi yang digunakan dalam penelitian ini bebas dari multikolienaritas

2. Uji Normalitas

Uji normalitas digunakan untuk mengetahui data yang digunakan dalam model penelitian ini apakah terdistribusi secara normal atau tidak, jika data yang digunakan tidak terdistribusi secara normal maka akan mempengaruhi setiap test yang dilakukan. Untuk mengetahui data terdistribusi normal atau tidak dengan melihat melalui nilai Prob. JarqueBerra (JB), jika nilai Prob. JB >

α=5% atau 0,05, maka data terdistribusi normal. Berikut hasil uji normalitas yang telah dilakukan menggunakan eviews 10.

Variance Inflation Factors Date: 11/02/20 Time: 15:33 Sample: 1 120

Included observations: 120

Coefficient Uncentered Centered

Variable Variance VIF VIF

C 1.489657 24.46156 NA

DDF 28.57128 30.81540 7.228744 CAPFIN 4.756660 26.82360 2.064953 IDEPR 3.710042 21.07748 8.884461

Sumber: Hasil pengolahan data eviews, 2020

Berdasarkan hasil uji normalitas di atas menunjukan jika nilai Probabillity sebesar 0,944822 > α=5% atau 0,05, yang berarti bahwa data dalam model penelitian ini terdistribusi secara normal. Maka dengan ini data dalam penelitian ini layak untuk digunakan.

3. Uji Heterokedastisitas

Uji ini digunakan untuk mengidentifikasi apakah di dalam model regresi yang digunakan terjadi ketidaksamaan varians dari residual satu pengamatan kepengamatan lain. Apabila varians dari residual satu pengamatan kepengamatan lain sama atau tetap, maka disebut homokedastisitas dan jika berbeda maka disebut heterokedastistas. Model yang baik adalah model yang tidak terkena heterokedastisitas. Untuk pengujian heterokedastisitas dalam penelitian ini menggunakan uji glejser, jika nilai p-value/Prob. Chi Square >

0,05 maka tidak terjadi heterokedastisitas, dengan tingkat signifikansi 5%.

Tabel 4.3 Uji Heterokedastisitas

Heteroskedasticity Test: Glejser

F-statistic 2.049183 Prob. F(3,116) 0.1108

Obs*R-squared 6.039465 Prob. Chi-Square(3) 0.1097 Scaled explained SS 5.646801 Prob. Chi-Square(3) 0.1301

Sumber : Hasil pengolahan data, 2020

Berdasarkan hasil uji heterokedastisitas menggunakan test glejser di atas menunjukan bahwa nilaiProb.chi-squared lebih besar dari α=5% atau 0,05, yang artinya bahwa model dalam penelitian ini teridentifikasi tidak terkena heterokedastisitas.

4. Uji Autokorelasi Metode Diferensiasi

Uji Autokorelasi digunakan untuk mengetahui apakah dalam suatumodel terdapat korelasi antara residual satu observasi dengan residual observasi lainnya, jika terdapat korelasi maka model yang digunakan terdapat autokorelasi. Uji autokorelasi yang digunakan dalam penelitian ini menggunakan metode diferensiasi di mana metode ini digunakan untuk megeleminasi data yang menyebabkan autokorelasi. Berikut merupakan hasil uji autokorelasi dari penelitian ini.

Sumber: Hasil Pengolahan data eviews, 2020

Berdasarkan uji autokorelasi dengan metode difirensiasi di atas menunjukan bahwa model regresiyang digunakan dalam penelitian ini tidak terdapat masalah autokorelasi, sehingga data dari residual satuobservasi dengan residual observasi lainnya tidak terdapat korelasi.

C. Temuan Hasil Penelitian

Sebelum melakukan regresi data panel penulis melakukan beberapa uji terlebih dahulu untuk menemukan estimasi model yang cocok dalam penelitian ini. Dalam penentuan spesifikasi model peneliti menggunakan tiga pengujian antara lain Uji Chow, Uji Hausman, dan Uji Lagrange Multiplier (LM) jika dibutuhkan.

1. Uji Chow

Uji Chow dilakukan untuk menentukan model yang cocok antara Pooled Least Square atau Fixed Effect Model dalam estimasi model. Jika hasil menunjukkan nilai probabilitas cross-section F lebih kecil dari tingkat signifikansiα = 5% (0.05), maka H1 diterima. Namun jika menunjukkan nilai probabilitas cross-section F lebih besar

dari tingkat signifikansi α = 5% (0.05), maka H⁰diterima. Dalam pengujian ini memiliki hipotesa sebagai berikut:

H0 diterima : Common Effect Model H1 diterima : Fixed Effect Model

Berikut adalah hasil uji Chow dengan menggunakan Redundant Fixed EffectLikelihood Ratio.

Tabel 4.5 Uji Chow

Redundant Fixed Effects Tests Equation: Untitled

Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 21.152758 (11,105) 0.0000

Cross-section Chi-square 140.176722 11 0.0000

Sumber : Pengolahan data eviews, 2020

Hasil analisis Uji Chow menunjukkan nilai Probabilitas pada Cross-Section F yaitu 0.0000, nilai tersebut lebih kecil dari nilai 0.05 (0.0000<0.05). Maka dengan hasil tersebut H1 diterima dan model yang diterima yaitu Fixed Effect Model.Dari hasil Uji Chow model yang terpilih adalah Fixed Effect Model, maka akan dilakukan Uji Hausman untuk menentukan Random Effect Model atau Fixed Effect Model yang akan dipilih dalam penelitian.

76 2. Uji Hauman

Uji Hausman bertujuan untuk menentukan Random Effect Model atau Fixed Effect Model yang akan digunakan. Jika hasil menunjukkan nilai probabilitas crosssection random lebih kecil dari tingkat signifikansi α = 5% (0.05) , maka H1

diterima. Namun jika hasil Uji Hausman menunjukkan nilai probabilitas crosssection random lebih besar dari tingkat signifikansi α = 5% (0.05) , maka H0 diterima. Dalam pengujian ini memiliki hipotesa sebagai berikut:

H0 diterima : Random Effect Model H1 diterima : Fixed Effect Model

Berikut adalah hasil uji Hausman dengan menggunakan Correlated Random Effect-Hausman Test.

Tabel 4.6 Uji Hausman

Correlated Random Effects - Hausman Test Equation: Untitled

Test cross-section random effects

Test Summary

Chi-Sq.

Statistic Chi-Sq. d.f. Prob.

Cross-section random 9.107197 3 0.0279

Sumber : Pengolahan data eviews, 2020

Hasil Uji Hausman menunjukkan bahwa nilai Probabilitas pada Cross-section Random yaitu 0.0279, nilai tersebut lebih kecil dari nilai 0.05 (0.0279 < 0.05). Maka dengan hasil tersebut H1 diterima maka model yang terbaik untuk digunakan yaitu

Fixed Effect Model. Dikarenakan pada uji Hausman model yang terpilih adalah Fixed Effect Model oleh karena tidak perlu melanjutkan Uji Langgrange Multiplier.

3. Fixed Effect Model

Setelah melakukan uji sepesifikasi model, menghasilkan hasil model yang cocok dalam penelitian ini adalah Fixed Effect Model didapatkan hasil persamaan sebagai berikut :

IPM = 58.45346 -9.174890 DDF +13.69213 Capfin +2.181700 Idepr + εit

Tabel 4.7

Total panel (balanced) observations: 120

Variable Coefficient Std. Error t-Statistic Prob.

C 58.45346 1.991798 29.34708 0.0000

DDF -9.174890 7.308055 -1.255449 0.2121

CAPFIN 13.69213 2.401061 5.702534 0.0000

IDEPR 2.181700 1.535818 1.420546 0.0184

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.855862 Mean dependent var 65.08108 Adjusted R-squared 0.836644 S.D. dependent var 3.920127 S.E. of regression 1.584411 Akaike info criterion 3.874771 Sum squared resid 263.5876 Schwarz criterion 4.223207 Log likelihood -217.4863 Hannan-Quinn criter. 4.016273 F-statistic 44.53355 Durbin-Watson stat 0.423817 Prob(F-statistic) 0.000000 DW Stat Diferensiasi 2.176732

Sumber: Pengolahan data eviews, 2020

Berdasarkan hasil analisis regresi di atas dengan model Fixed Effect Model pada kolom Coefficient C sebesar 58,45346 yaitu merupakan nilai IPM ketika tidak dipengaruhi oleh variabel lain. Pada variabel DDF memiliki hubungan yang negatif terhadap variabel IPM dengan nilai -9,174890, artinya berpengaruh negatif terhadap variabel IPM dikarenakan keadaan DDF di daerah timur masuk dalam kategori kurang baik jadi peningkatan DDF yang kurang baik akan menyebabkan penurunan IPM di Indonesia Timur. Ketika terjadi kenaikan Satu Persen pada Derajat desentralisasi fiskal maka akan menurunkan Indeks pembangunan manusia sebesar 9,174890 Persen dengan asumsi variabel lain konstan. Variabel DDF memiliki nilai Probabilitas sebesar 0,2121 maka variabel DDF memiliki pengaruh tidak signifikan terhadap variabel IPM karena Probabilitas t-statistic variabel DDF lebih besar dari0,05.

Melihat variabel Capfin (Rasio ketergantungan keuangan daerah) memiliki hubungan yang positif terhadap variabel IPM dengan nilai 13,69213, artinya berpengaruh positif terhadap variabel IPM, Ketika terjadi kenaikan Satu Persen pada rasio ketergantungan keuangan daerah maka akan menaikan Indeks pembangunan manusia sebesar 13,69213 Persen dengan asumsi variabel lain konstan. Hubungan positif ini terjadi dikarenakan pembangunan yang bersifat kebutuhan dasar masyarakat seperti kesehatan, sekolah, dan infrastruktur jalan yang dilakukan di Indonesia timur masih mengandalkan pembiayaan dari transfer pusat. Variabel Capfin memiliki nilai Probabilitas sebesar 0,0000 maka variabel Capfin memiliki pengaruh signifikan

terhadap variabel IPM karena Probabilitas t-statistic variabel Capfin lebih kecil dari 0,05.

Hasil dari olah data menunjukan bahwa variabel Idepr (Rasio Kemandirian Keaungan Daerah) memiliki hubungan yang positif terhadap variabel IPM dengan nilai 2,181700, artinya berpengaruh positif terhadap variabel IPM, Ketika terjadi kenaikan Satu Persen padaRasio kemandirian keuangan daerah maka akan menaikan Indeks pembangunan manusia sebesar 2,181700 Persen dengan asumsi variabel lain konstan. Hubungan positif ini terjadi dikarenakan jika kemandirain keuangan daerah naik maka proses pembangunan yang dibutuhkan masyarakat akan berjalan dengan lancar. Variabel Idepr memiliki nilaiProbabilitas sebesar 0,0184 maka variabel Idepr memiliki pengaruh signifikan terhadap variabel IPM karena Probabilitas t-statistic variabel Idepr lebih kecil dari0,05.

GORONTALO--C -1.119011 57.334449 MALUKU--C -0.169842 58.283618 MALUKUUTARA--C -2.240224 56.213236

NTB—C 0.643728 57.809732

NTT—C -2.870784 55.582676 PAPUA--C -4.823383 53.630077 PAPUABARAT--C -2.230831 56.222629 SULAWESITENGGARA

—C 3.148583 61.602043

SULBAR--C -4.594294 53.859166 SULSEL--C 6.330940 64.7844 SULTENG--C 1.622348 60.075808

SULUT—C 6.302770 64.75623

Sumber: Pengolahan data eviews, 2020

Hasil di atas memperlihatkan bahwa nilai individual effect diperoleh dari menghitung koefisien Indeks Pembangunan Manusia ditambah dengan koefisien individual provinsi yang menjadi objek penelitian, sehingga menghasilkan nilai koefisien individual effect. Berdasarkan hasil penelitian di atas diperoleh nilai individual effect sebagai berikut :

1. Gorontalo

IPM = 57.334449 -9.174890 DDF +13.69213 Capfin +2.181700 Idepr + εit

Berdasarkan hasil persamaan ini dapat disimpulkan jika ada perubahan Satu Persen, sedangkan Derajat desentralisasi fiskal, Rasio ketergantungan keuangan daerah, dan

Rasio kemandirian keuangan daerah dianggap konstan maka pengaruh individual akan menurunkan indeks pembangunan manusia di provinsi Gorontalo menjadi sebesar 57,334449 Persen.

2. Maluku

IPM = 58.283618 -9.174890 DDF +13.69213 Capfin +2.181700 Idepr + εit

Berdasarkan hasil persamaan ini dapat disimpulkan jika ada perubahan Satu Persen, sedangkan Derajat desentralisasi fiskal, Rasio ketergantungan keuangan daerah, dan Rasio kemandirian keuangan daerah dianggap konstan maka pengaruh individual akan menurunkan indeks pembangunan manusia di provinsi Maluku menjadi sebesar 58,283618 Persen.

3. Maluku Utara

IPM = 56.213236 -9.174890 DDF +13.69213 Capfin +2.181700 Idepr + εit

Berdasarkan hasil persamaan ini dapat disimpulkan jika ada perubahan Satu Persen, sedangkan Derajat desentralisasi fiskal, Rasio ketergantungan keuangan daerah, dan Rasio kemandirian keuangan daerah dianggap konstan maka pengaruh individual akan menurunkan indekspembangunan manusia di provinsi Maluku Utara menjadi sebesar 56,213236 Persen.

4. Nusa Tenggara Barat

IPM = 57.809732 -9.174890 DDF +13.69213 Capfin +2.181700 Idepr + εit

menaikan indeks pembangunan manusia di provinsi Nusa Tenggara Barat menjadi sebesar 57,809732 Persen.

5. Nusa Tenggara Timur

IPM = 55.582676 -9.174890 DDF +13.69213 Capfin +2.181700 Idepr + εit

Berdasarkan hasil persamaan ini dapat disimpulkan jika ada perubahan Satu Persen, sedangkan Derajat desentralisasi fiskal, Rasio ketergantungan keuangan daerah, dan Rasio kemandirian keuangan daerah dianggap konstan maka pengaruh individual akan menurunkan indekspembangunan manusia di provinsi Nusa Tenggara Timur menjadi sebesar 55,582676 Persen.

6. Papua

IPM = 53.630077 -9.174890 DDF +13.69213 Capfin +2.181700 Idepr + εit

Berdasarkan hasil persamaan ini dapat disimpulkan jika ada perubahan Satu Persen,

Dalam dokumen Analisis Pengaruh Derajat Desentralisasi Fiskal, Rasio Ketergantungan, Dan Rasio Kemandirian Terhadap Indeks Pembangunan Manusia Di Indonesia Timur (Halaman 74-0)