Uji Normalitas - Statistik Deskriptif

ANALISIS HASIL PENELITIAN

4.1 Data Penelitian

4.2.1 Statistik Deskriptif

4.2.2.1 Uji Normalitas

Uji normalitas bertujuan untuk mengetahui apakah data terdistribusi secara normal atau tidak. Uji normalitas dapat dilakukan melalui analisis grafik dengan melihat grafik histogram dan normal probability plot.

Hasil uji analisis grafik dengan grafik histogram adalah sebagai berikut:

Gambar 4.1

Hasil Uji Analisis Grafik dengan Grafik Histogram

Sumber: Diolah dari SPSS 18.0

Hasil uji normalitas di atas menjelaskan bahwa pada grafik histogram memberikan pola distribusi data mengikuti kurva berbentuk lonceng yang tidak

32 menceng ke kiri maupun ke kanan. Dapat dipastikan bahwa data terdistribusi normal.

Hasil uji analisis grafik dengan normal probability plot adalah sebagai berikut:

Gambar 4.2

Hasil Uji Analisis dengan Normal Probability Plot

Sumber: Diolah dari SPSS 18.0

Hasil uji normalitas di atas menjelaskan bahwa pada gambar normal probability plot, titik-titik menyebar di sekitar garis diagonal dan mengikuti garis diagonal, sehingga dapat disimpulkan bahwa data terdistribusi normal.

Selain analisis grafik, uji normalitas juga dilakukan melalui uji statistik Kolmogorov-Smirnov. Dalam uji ini, data terdistribusi secara normal jika nilai signifikansi lebih besar dari 0,05. Sebaliknya, data tida terdistribusi secara normal jika nilai signifikansi lebih kecil dari 0,05.

33 Tabel 4.2

Hasil Uji Statistik dengan Kolmogorov-Smirnov

Dari hasil penelitian di atas, nilai Kolmogorov-Smirnov sebesar 0,739 dan signifikansi sebesar 0,646. Dapat disimpulkan bahwa data terdistribusi secara normal dimana nilai sig. lebih besar dari 0,05 (0,646 > 0,05).

4.2.2.2 Uji Multikolinearitas

Uji multikolinearitas dilakukan untuk mengetahui ada tidaknya hubungan yang linear antara variabel independen satu dengan variabel independen lainnya. Ada tidaknya hubungan atau korelasi antarvariabel independen dapat diketahui dengan melihat nilai Tolerance dan VIF (Varian Inflation Factor). Suatu data dikatakan tidak terjadi multikolinearitas jika nilai Tolerance lebih besar daripada 0,10 dan nilai VIF lebih kecil daripada 10.

Hasil uji multikolinearitas adalah sebagai berikut: One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 51

Normal Parameters^a,b Mean .0000000 Std. Deviation 2.80501883E4 Most Extreme Differences Absolute .103

Positive .103

Negative -.070

Kolmogorov-Smirnov Z .739

Asymp. Sig. (2-tailed) .646

a. Test distribution is Normal. b. Calculated from data.

34 Tabel 4.3

Hasil Uji Multikolinearitas

Sumber: Diolah dari SPSS 18.0

Berdasarkan hasil penelitian di atas, nilai Tolerance dari tiap variabel lebih besar daripada 0,10, dan nilai VIF dari tiap variabel lebih kecil daripada 10. Dapat disimpulkan bahwa antara variabel independen dengan variabel independen lainnya tidak memiliki hubungan yang linear, dengan kata lain tidak terjadi multikolinearitas. Coefficients^a Model _{Unstandardized} Coefficients Standardized Coefficients t Sig. Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) 16597.564 12556.410 1.322 .193 Pajak Daerah .141 .218 .084 .644 .523 .384 2.607 Retribusi Daerah .958 .906 .139 1.058 .296 .376 2.661 DAU .125 .041 .478 3.073 .004 .270 3.704 DAK .670 .320 .269 2.094 .042 .396 2.523

35 4.2.2.3 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang lain (Erlina, 2011). Pendeteksian ada tidaknya heteroskedastisitas dapat dilakukan dengan uji Glejser. Heteroskedastisitas tidak terjadi jika nilai thitung < ttabel dengan tingkat signifikansi sebesar 0,05, dan nilai signifikansi lebih besar daripada 0,05. Heteroskedastisitas terjadi jika t_hitung > t_tabel, dan nilai signifikansi lebih kecil daripada 0,05.

Hasil uji heteroskedastisitas dengan melakukan uji Glejser adalah sebagai berikut:

Tabel 4.4

Hasil Uji Heteroskedastisitas

Berdasarkan hasil penelitian di atas, nilai thitung tiap variabel lebih kecil dari nilai t_tabel yang telah ditetapkan yaitu sebesar 2.00758, dan signifikansinya lebih besar daripada 0,05. Dapat disimpulkan bahwa tidak terjadi heteroskedastisitas antara satu variabel dengan variabel lainnya.

Coefficients^a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 18550.564 7357.495 2.521 .015 Pajak Daerah -.101 .128 -.183 -.793 .432 Retribusi Daerah .910 .531 .399 1.713 .093 DAU -.015 .024 -.176 -.642 .524 DAK .054 .187 .066 .290 .773

a. Dependent Variable: RES_2

36 4.2.2.4 Uji Autokorelasi

Uji autokorelasi bertujuan untuk mengetahui apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 atau sebelumnya. Autokorelasi terjadi karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Uji autokorelasi dapat dilakukan melalui uji Watson. Autokorelasi tidak terjadi jika nilai Durbin-Watson berada di antara nilai DU dan (4-DU).

Hasil uji autokorelasi dengan melakukan uji Durbin-Watson adalah sebagai berikut:

Tabel 4.5

Hasil Uji Autokorelasi

Model R R Square Adjusted R

Square

Std. Error of the Estimate

Durbin-Watson

1 .836^a .700 .674 29244.343 2.352

a. Predictors: (Constant), DAK, Retribusi Daerah, Pajak Daerah, DAU

b. Dependent Variable: Belanja Modal

Sumber: Diolah dari SPSS 18.0

Berdasarkan hasil penelitian, nilai Durbin-Watson sebesar 2,352. Jika melihat tabel Durbin-Watson dimana tingkat signifikansi 5%, dengan jumlah data sebanyak 51 data dan 4 variabel independen, maka didapat nilai DU sebesar 1,7128. Nilai Durbin-Watson berada di antara nilai 1,7128 dan (4-1,7128), maka dapat disimpulkan bahwa model regresi linear tidak terjadi autokorelasi.

37 4.2.3 Analisis Regresi

Penelitian ini menggunakan analisis regresi linier berganda. Dalam penelitian ini, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dengan variabel dependen.

Hasil analisis regresi berganda adalah sebagai berikut:

Tabel 4.6

Hasil Analisis Regresi Linier

Sumber: Diolah dari SPSS 18.0

Coefficients^a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 16597.564 12556.410 1.322 .193 Pajak Daerah .141 .218 .084 .644 .523 Retribusi Daerah .958 .906 .139 1.058 .296 DAU .125 .041 .478 3.073 .004 DAK .670 .320 .269 2.094 .042

38 Berdasarkan tabel, maka dapat diperoleh persamaan berikut:

Y = 16597,564 + 0,141X₁+ 0,958X₂+ 0,125X₃+ 0,670X₄+ e

Keterangan:

1. Konstanta sebesar 16597,564 menunjukkan bahwa apabila tidak ada variabel independen (Pajak Daerah, Retribusi Daerah, DAU, DAK = 0), maka tingkat penganggaran belanja modal sebesar 16597,564.

2. Koefisien regresi pajak daerah (X1) sebesar 0,141 menunjukkan bahwa setiap ada penambahan pajak daerah sebesar 1%, dengan asumsi variabel lainnya dianggap konstan, maka akan menaikkan tingkat pengalokasian belanja modal sebesar 14,1%.

3. Koefisien regresi retribusi daerah (X₂) sebesar 0,958 menunjukkan bahwa setiap ada penambahan retribusi daerah sebesar 1%, dengan asumsi variabel lainnya dianggap konstan, maka akan menaikkan tingkat pengalokasian belanja modal sebesar 95,8%.

4. Koefisien regresi DAU (X3) sebesar 0,125 menunjukkan bahwa setiap ada penambahan DAU sebesar 1%, dengan asumsi variabel lainnya dianggap konstan, maka akan menaikkan tingkat pengalokasian belanja modal sebesar 12,5%.

5. Koefisien regresi DAK (X4) sebesar 0,670 menunjukkan bahwa setiap ada penambahan pajak daerah sebesar 1%, dengan asumsi variabel lainnya dianggap konstan, maka akan menaikkan tingkat pengalokasian belanja modal sebesar 67%.

39 4.2.4 Uji Hipotesis

4.2.4.1 Uji-t

Uji-t dilakukan untuk menunjukkan seberapa jauh pengaruh pajak daerah, retribusi daerah, Dana Alokasi Umum, dan Dana Alokasi Khusus secara parsial terhadap alokasi belanja modal.

Hasil pengujian hipotesis dengan menggunakan uji-t adalah sebagai berikut:

Tabel 4.7 Hasil Uji-t

Sumber: Diolah dari SPSS 18.0

40 Berdasarkan hasil penelitian, dapat ditarik kesimpulan berikut:

1. Nilai t_hitung untuk variabel pajak daerah sebesar 0,644 dengan nilai signifikansi sebesar 0,523. Nilai ttabel sebesar 2,00578, dan nilai signifikansi lebih besar daripada 0,05. Dapat disimpulkan bahwa pajak daerah secara parsial tidak berpengaruh terhadap alokasi belanja modal. 2. Nilai thitung untuk variabel retribusi daerah sebesar 1,058 dengan nilai

signifikansi sebesar 0,296. Nilai t_tabel sebesar 2,00578, dan nilai signifikansi lebih besar daripada 0,05. Dapat disimpulkan bahwa retribusi daerah secara parsial tidak berpengaruh terhadap alokasi belanja modal. 3. Nilai t_hitunguntuk variabel Dana Alokasi Umum sebesar 3,073 dengan nilai

signifikansi sebesar 0,04. Nilai ttabel sebesar 2,00578, dan nilai signifikansi lebih kecil daripada 0,05. Dapat disimpulkan bahwa Dana Alokasi Umum secara parsial berpengaruh signifikan terhadap alokasi belanja modal. 4. Nilai thitung untuk variabel Dana Alokasi Khusus sebesar 2,094 dengan nilai

signifikansi sebesar 0,042. Nilai t_tabel sebesar 2,00578, dan nilai signifikansi lebih kecil daripada 0,05. Dapat disimpulkan bahwa Dana Alokasi Khusus secara parsial berpengaruh signifikan terhadap alokasi belanja modal.

4.2.4.2 Uji-F

Uji-F dilakukan untuk mengetahui pengaruh pajak daerah, retribusi daerah, Dana Alokasi Umum, dan Dana Alokasi Khusus secara simultan terhadap alokasi belanja modal.

41 Hasil pengujian hipotesis dengan menggunakan uji-F adalah sebagai berikut:

Tabel 4.8 Hasil Uji-F

Sumber: Diolah dari SPSS 18.0

Berdasarkan hasil penelitian di atas, diketahui nilai F_hitungsebesar 26,794 dengan nilai signifikansi sebesar 0,000. Nilai Ftabel sebesar 2,56, dan nilai signifikansi lebih kecil dari 0,05. Dapat disimpulkan bahwa pajak daerah, retribusi daerah, Dana Alokasi Umum, dan Dana Alokasi Khusus secara simultan berpengaruh signifikan terhadap alokasi belanja modal.

4.2.4.3 Koefisien Determinan

Koefisien determinan atau (R²) digunakan untuk mengukur proporsi atau persentase sumbangan variabel independen yang diteliti terhadap variasi naik turunnya variabel dependen. Pada umumnya nilai koefisien determinan berada di antara angka 0 dan 1 (0 < R²< 1).

ANOVA^b

Model Sum of Squares df Mean Square F Sig.

1 Regression 9.166E10 4 2.291E10 26.794 .000^a Residual 3.934E10 46 8.552E8

Total 1.310E11 50

a. Predictors: (Constant), DAK, Retribusi Daerah, Pajak Daerah, DAU b. Dependent Variable: Belanja Modal

Dalam dokumen Pengaruh Pajak Daerah, Retribusi Daerah, Dana Alokasi Umum, dan Dana Alokasi Khusus terhadap Alokasi Belanja Modal pada Kabupaten/Kota di Sumatera Barat (Halaman 45-56)