BAB III METODE PENELITIAN
3.6. Metode Analisis Data
3.6.3. Pengujian Hipotesis
3.6.3.2. Uji Signifikansi Parameter Individual (Uji t)
Uji t digunakan untuk menguji koefisien regresi secara parsial dari variabel bebas terhadap variabel terikat. Untuk menentukan ttabel, taraf signifikansi yang digunakan sebesar 5 persen dengan derajat kebebasan (df) = (n-k-1), di mana n merupakan jumlah observasi dan k merupakan jumlah variabel bebas.
Pengujian hipotesis dilakukan dengan:
Jika thitung > t tabel maka H1 diterima Jika thitung < t tabel maka H0 diterima
Perhitungan nilai t hitung tidak akan dilakukan secara manual, namun dengan bantuan SPSS dengan memperhatikan tabel coeficient pada kolom nilai t, serta tingkat signifikansi dari variabel tersebut. Jika tingkat signifikansi lebih kecil dari 0.05, maka H1 diterima.
BAB IV
ANALISIS HASIL PENELITIAN
4.1. Gambaran Umum Data Penelitian
Deskripsi data Kabupaten/Kota yang ditentukan sebagai sampel penelitian adalah Kabupaten/Kota yang ada di Provinsi Sumatera Utara. Populasi pada penelitian ini berjumlah 33 kabupaten/kota meliputi 25 kabupaten dan 8 kota di provinsi Sumatera Utara. Diantara 33 kabupaten/kota tersebut yang memenuhi kriteria menjadi sampel adalah 25 Kabupaten/Kota yang terdiri dari 20 Kabupaten dan 5 Kota.
Data kuantitatif yang dipergunakan pada penelitian ini adalah Laporan Realisasi Anggaran Pendapatan dan Belanja Daerah Pemerintah Daerah Kabupaten/Kota di Povinsi Sumatera Utara serta data produk domestik regional bruto provinsi Sumatera Utara yang diperoleh dari Badan Pusat Statistik dari tahun 2011 – 2015. Dari laporan realisasi APBD trsebut yang menjadi objek penelitian adalah realisasi pendapatan asli daerah (PAD) dan realisasi belanja modal. Data diperoleh dari Badan Pemeriksa Keuangan RI Perwakilan I Provinsi Sumatera Utara dan melalui situs www.djpk.depkeu.go.id. Dalam penelitian ini juga menyertakan produk domestik regional bruto (PDRB) menjadi objek penelitian yang diperoleh dari badan pusat statistik (BPS) Sumatera Utara.
4.2. Analisis Hasil Penelitian 4.2.1. Analisis Statistik Deskriptif
Statistik deskriptif merupakan ilmu statistik yang mempelajari cara-cara pengumpulan, penyusunan dan penyajian data suatu penelitian. Tujuannya adalah memudahkan orang utuk membaca data serta memahami maksudnya. Dari data deskriptif statistik data penelitian diperoleh data hasil mencakup n (banyaknya data yang diperoleh), rata-rata (mean), nilai tengah (median), standar deviasi, nilai minimum dan nilai maksimum atas variabel-variabel penelitian. Berikut ini merupakan output SPSS yang merupakan keseluruhan data yang digunakan dalam penelitian.
Tabel 4.1
Hasil Statistik Deskriptif Descriptive Statistics
N Minimum Maximum Mean Std. Deviation PAD 125 6306,00 528348,00 58409,41 71359,732 BM 125 70238,00 533705,00 178458,24 73245,71 PDRB 125 537,00 59232,00 9797,95 10652,55
FS 125 39,98 374,18 136,17 44,04
Valid N
(listwise) 125
Sumber: Output SPSS 22.0 (data diolah oleh penulis, 2016)
Catatan: angka – angka tersebut dinyatakan dalam jutaan rupiah (000.000)
Berdasarkan tabel 4.1 diatas dapat diketahui:
1. Jumlah sampel (N) sebanyak 125 diambil dari data Kabupaten dan Kota di provinsi Sumatera Utara selama periode 2011 – 2015.
2. Fiscal Stress terendah adalah 39,98 tertinggi adalah 374,18 dengan rata – rata 136,17 dan standar deviasi adalah 44,04 lebih kecil dibandingkan dengan jumlah rata – ratanya. Dengan standar deviasi lebih kecil dari nilai rata – ratanya maka data yang digunakan dalam variabel Fiscal Stress mempunyai sebaran yang lebih kecil.
3. Pendapatan Asli Daerah terendah adalah Rp 6.306 tertinggi adalah Rp 528.348 dengan rata – rata Rp 58.409,41 standar deviasi Rp 71.359,73 lebih besar dibandingkan jumlah rata – rata.
4. Belanja Modal terendah adalah Rp 70.238 tertinggi adalah Rp 533.705 dengan rata – rata Rp 178.458,24 standar deviasi Rp 73.245,71 lebih kecil dibandingkan dengan jumlah rata – ratanya.
5. Produk Domestik Regional Bruto terendah adalah Rp 537 tertinggi adalah Rp 59.232 dengan rata – rata Rp 9.797,95 standar deviasi Rp 10.652,55 lebih besar dibandingkan dengan jumlah rata – ratanya.
4.3. Proses Dan Hasil Analisis Data 4.3.1. Pengujian Asumsi Klasik
Uji asumsi klasik digunakan untuk menguji apakah model regresi yang digunakan dalam penelitian ini layak diuji atau tidak. Pengujian asumsi klasik meliputi normalitas data, multikolinearitas, heteroskedastisitas dan autokorelasi.
Model regresi akan dapat dijadikan alat estimasi yang tidak biasa jika telah memenuhi persyaratan BLUE (Blue Linear Unbiased Estimator) yakni tidak
terdapat heterokedasitas, tidak terdapat multikolinieritas dan tidak terdapat autokorelasi, yang dapat diuraikan sebagai berikut :
4.3.1.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan variabel independen mempunyai distribusi normal atau tidak. Untuk menguji apakah distribusi data normal atau tidak, ada dua cara untuk mendeteksinya, yaitu dengan analisis grafik dan uji statistik. Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan variabel independen mempunyai distribusi normal atau tidak. Analisis grafik merupakan cara yang termudah untuk melihat normalitas residual dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal.
1) Analisis Grafik
Analisis grafik dapat digunakan dengan dua alat, yaitu grafik histogram dan grafik P-P Plot. Data yang baik adalah data yang memiliki pola distribusi normal. Pada grafik histogram data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot, sebuah data dikatakan berdistribusi normal apabila titik-titik datanya tidak ke kiri maupun ke kanan, melainkan menyebar di sekitar garis diagonal.
Gambar 4.1.
Grafik Histogram
Sumber: Output SPSS 22.0 (data diolah oleh penulis, 2016)
Dari Gambar 4.1 terlihat bahwa pola distribusi mendekati normal, akan tetapi jika kesimpulan normal tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil.
Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal.
Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
Gambar 4.2.
Normal Probability Plot
Sumber: Output SPSS 22.0 (data diolah oleh penulis, 2016)
Berdasarkan grafik histogram maupun grafik normal plot dapat disimpulkan bahwa model regresi pada penelitian ini berdistribusi secara normal hal ini tergambar pada grafik histogram, dimana grafik tidak menceng ke kiri atau ke kanan (grafik seimbang antara kiri dan kanan) dan pada grafik normal plot tampak bahwa data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal.
2) Analisis Statistik
Pengujian normalitas data secara analisis statistik dapat dilakukan dengan menggunakan Uji Kolmogorov–Smirnov (K-S). Secara multivarians pengujian normalitas data dilakukan terhadap nilai residualnya. Data yang berdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0.05 (Ghozali, 2013).
Uji K-S dapat dilakukan dengan membuat hipotesis :
− Ho : Data Residual berdistribusi normal
− Ha : Data Residual tidak berdistribusi normal Untuk menentukannya maka kriterianya adalah :
− Ho diterima apabila nilai signifikansi > 0,05
− Ha ditolak apabila nilai signifikansi < 0,05 Tabel 4.2.
Normal Parametersa,b Mean ,0000000
Std. Deviation 48,32734942 Most Extreme Differences Absolute ,148
Positive ,148
Negative -,077
Kolmogorov-Smirnov Z ,148
Asymp. Sig. (2-tailed) ,135
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
Sumber: Output SPSS 22.0 (data diolah oleh penulis, 2016)
Dari hasil uji statistik terlihat pada tabel 4.2 nilai Kosmogorov-Smirnov Z sebesar 0,148 dan signifikansinya pada 0,148 dan signifikansinya pada 0,135 dan nilainya diatas α = 0,05 (Asymp.sig = 0,135> 0,05) sehingga hipotesis Ho diterima, yang berarti data residual berdistribusi normal.
4.3.1.2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi. Jika pada model regresi terjadi multikolinearitas, maka koefisien regresi tidak dapat ditaksir dan nilai standard error menjadi tidak terhingga. Cara yang digunakan untuk mendeteksi ada
tidaknya multikolinearitas adalah dengan melihat nilai tolerance dan VIF. Pada suatu model regresi dinyatakan terjadi multikolinearitas apabila nilai tolerance lebih besar dari 0.10 dan VIF lebih kecil dari 10.
Tabel 4.3.
Hasil Uji Multikolinearitas
Sumber: Output SPSS 22.0 (data diolah oleh penulis, 2016)
Tabel 4.3. menunjukkan bahwa nilai tolerance yang rendah sama dengan nilai VIF tinggi (karena VIF = 1/Tolerance). Nilai Cutoff yang umum dipakai untuk menunjukkan adanya multikolineritas adalah nilai Tolernace <0,10atau
Coefficientsa
Modal dan PDRB tidak terjadi multikolinearitas karena nilai tolerance > 0.10 dan nilai VIF <10. Hasil perhitungan nilai Tolerance juga menunjukkan tidak adanya variabel independen yang memiliki nilai Tolerance kurang dari 0,10. Ini mengindikasikan bahwa tidak terjadi multikolineritas di antara variabel independen dalam penelitian.
4.3.1.3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda akan disebut heteroskedastisitas. Model regresi yang baik adalah model yang tidak terjadi heteroskedastisitas (Ghozali, 2013).
Untuk menentukan heteroskedastisitas dapat menggunakan grafik scatterplot, titik-titik yang terbentuk harus menyebar secara acak, tersebar baik
diatas maupun dibawah angka 0 pada sumbu Y, bila kondisi ini terpenuhi maka tidak terjadi heteroskedastisitas dan model regresi layak digunakan. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada Gambar 4.3. dibawah ini:
Gambar 4.3.
Grafik Scatterplots
Sumber: Output SPSS 22.0 (data diolah oleh penulis, 2016)
Dengan melihat grafik scatterplot di atas, terlihat titik-titik menyebar secara acak, serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y.
Maka dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.
4.3.1.4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t-1 (sebelumnya).
Menurut Ghozali (2013), model regresi yang baik adalah regresi yang bebas dari
autokorelasi. Untuk mengetahui ada tidaknya autokorelasi kita harus melihat nilai uji Durbin-Watson (DW) 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 diatas +2 berarti autokorelasi negatif.
Berikut adalah tabel 4.4 menunjukkan hasil Uji autokolerasi :
Tabel 4.4.
Hasil Uji Autokorelasi
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 ,772a ,596 ,566 32508,648 1,632
a. Predictors: (Constant), PDRB, BM, PAD b. Dependent Variable: FS
Sumber: Output SPSS 22.0 (data diolah oleh penulis, 2016)
Tabel diatas menunjukkan bahwa nilai Durbin-Watson sebesar 1,632. Angka tersebut menunjukkan nilai D-W berada diantara -2 sampai +2 (-2< D-W < +2).
Nilai D-W berada diantara -2< 1,632< 2. Dari hasil pengamatan tersebut, dapat disimpulkan tidak terjadi autokorelasi.
4.3.2. Analisis Regresi Linear Berganda
Analisis yang digunakan dalam penelitian ini adalah regresi linear berganda.
Pengolahan data dengan menggunakan regresi linear dilakukan dalam beberapa tahapan untuk mengetahui bagaimana variabel dependen atau kriteria dapat diprediksikan melalui variabel independen atau prediktor, secara individual.
Dampak dari penggunaan analisis regresi dapat digunakan untuk memutuskan apakah naik dan menurunnya variabel dependen dapat dilakukan melalui menaikkan dan menurunkan keadaan variabel independen atau sebaliknya.
Dari data yang diperoleh kemudian dianalisis dengan metode regresi dan dihitung dengan menggunakan program SPSS. Berdasarkan output SPSS tersebut secara parsial pengaruh dari ke-empat variabel independen yaitu Pendapatan Asli Daerah, Belanja Modal, Produk Domestik Regional Bruto ditunjukkan pada Tabel 4.5 sebagai berikut :
Sumber: Output SPSS 22.0 (data diolah oleh penulis, 2016)
Berdasarkan tabel hasil analisis regresi diatas maka diperoleh persamaan sebagai berikut:
Y = 14492,704+ 0,003X1 + 0,096 X2 + 1277 X3+ e
Persamaan regresi diatas mempunyai makna sebagai berikut:
• Konstanta = 14492,704
Nilai konstanta ini menunjukkan bahwa apabila tidak ada variabel Pendapatan Asli Daerah, Belanja Modal dan Produk Domestik Regional Bruto (X1=X2=X3=0), maka Fiscal Stress adalah sebesar 14492,704.
• Koefisien Regresi Pendapatan Asli Daerah (X1) = 0,003, menunjukkan bahwa setiap variabel Pendapatan Asli Daerah meningkat sebesar satu satuan, maka Fiscal Stress akan bertambah sebesar 0,003 dengan asumsi variabel independen lainnya dianggap tetap atau sama dengan nol.
• Koefisien Regresi Belanja Modal (X2) = 0,096, menunjukkan bahwa setiap variabel Belanja Modal meningkat sebesar satu satuan, maka Fiscal Stress akan bertambah sebesar 0,096 dengan asumsi variabel independen lainnya dianggap tetap atau sama dengan nol.
• Koefisien Regresi Produk Domestik Regional Bruto (X3) = 1,277, menunjukkan bahwa setiap variabel Produk Domestik Regional Bruto meningkat sebesar satu satuan, maka Fiscal Stress akan bertambah sebesar 1,277 dengan asumsi variabel independen lainnya dianggap tetap atau sama dengan nol.
4.3.3. Pengujian Hipotesis
Untuk mengetahui apakah variabel independen dalam model regresi berpengaruh terhadap variabel dependen, maka dilakukan pengujian dengan menggunakan koefisien determinasi, uji t (t-test) dan uji F (F-test).
4.3.3.1. Koefisien Determinasi (R2 )
Koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan (𝑅2) variasi variabel dependennya. Nilai 𝑅2yang mendekati satu berarti variabel-variabel independennya memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Ghozali, 2013).
Hasil perhitungan koefisien determinasi tersebut dapat terlihat pada Tabel 4.6 berikut:
Tabel 4.6.
Hasil Perhitungan Koefisien Determinasi
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 ,772a ,596 ,566 32508,648 1,632
a. Predictors: (Constant), PDRB, BM, PAD b. Dependent Variable: FS
Sumber: Output SPSS 22.0 (data diolah oleh penulis, 2016)
Hasil Uji Determinasi pada tabel 4.6 memperlihatkan bahwa :
1. Nilai koefisien (𝑅2) sebesar 0,772 atau 77.2% berarti hubungan (relation) antara Fiscal Stress dengan variabel independennya yaitu Pendapatan Asli Daerah, Belanja Modal dan Produk Domestik Regional Bruto sangat erat.
2. Angka adjusted R Square sebesar 0,596 berarti 59,6% faktor-faktor dari Fiscal Stress dapat dijelaskan oleh variabel Pendapatan Asli Daerah, Belanja Modal dan Produk Domestik Regional Bruto terhadap Belanja Modal, sedangkan selebihnya dijelaskan oleh faktor lain yang tidak diteliti didalam penelitian ini.
4.3.3.2. Uji t (Parsial)
Uji t dilakukan untuk mengetahui pengaruh masing-masing Pendapatan Asli Daerah, Belanja Modal dan Produk Domestik Regional Bruto terhadap Fiscal Stress pada Kabupaten/Kota di Provinsi Sumatera Barat. Uji t ini dilakukan dengan membandingkan signifikansi thitung dengan ketentuan:
• jika t hitung < t tabel pada α = 0.05, maka Ha ditolak, dan Ho diterima
• jika t hitung > t tabel pada α = 0.05, maka Ha diterima, dan Ho ditolak
Tabel 4.7.
Hasil Uji t (Parsial)
Sumber: Output SPSS 22.0 (data diolah oleh penulis, 2016)
Dari hasil uji t yang disajikan pada tabel 4.7 diatas, dapat diketahui pengaruh masing-masing variabel independen terhadap variabel dependen yaitu sebagai berikut:
• Pendapatan Asli Daerah (X1) mempunyai nilai signifikansi 0.234 yang berarti nilai ini lebih besar dari 0,05, dari. Berdasarkan nilai tersebut disimpulkan bahwa Ha ditolak (Ho diterima) atau dijelaskan bahwa variabel Pendapatan Asli Daerah secara Parsial tidak berpengaruh secara Signifikan terhadap Fiscal Stress (Y).
• Belanja Modal (X2) mempunyai nilai signifikansi 0.994 yang berarti nilai ini lebih besar dari 0,05. Berdasarkan nilai tersebut disimpulkan bahwa Ha ditolak (Ho diterima) atau dijelaskan bahwa variabel Belanja Modal secara Parsial tidak berpengaruh secara Signifikan terhadap Fiscal Stress (Y).
• Produk Domestik Regional Bruto (X3) mempunyai nilai signifikansi 0,212 yang berarti nilai ini lebih besar dari 0,05. Berdasarkan nilai tersebut disimpulkan bahwa Ho diterima (Ha ditolak) atau dijelaskan bahwa
variabel Produk Domestik Regional Bruto secara Parsial tidak berpengaruh secara Signifikan terhadap Fiscal Stress (Y).
4.3.3.3. Uji F (Simultan)
Kemudian untuk menguji pengaruh Pendapatan Asli Daerah, Belanja Modal, Produk Domestik Regional Bruto secara bersama-sama terhadap Belanja Modal, digunakan uji statistik F. Uji ini dilakukan dengan membandingkan signifikansi F hitung dengan ketentuan:
• jika Fhitung < Ftabel pada α = 0.05, maka Ha ditolak dan Ho diterima
• jika Fhitung > Ftabel pada α = 0.05, maka Ha diterima dan Ho ditolak Hasil perhitungan Uji F ini dapat dilihat pada Tabel 4.9 berikut ini:
Tabel 4.8.
Hasil Uji F
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 8061,903 3 2687,301 1,123 ,000a
Residual 289606,055 121 2393,438
Total 297667,958 124
a. Dependent Variable: FS
b. Predictors: (Constant), PDRB, BM, PAD
Sumber: Output SPSS 22.0 (data diolah oleh penulis, 2016)
Berdasarkan tabel 4.8 dapat dilihat bahwa tingkat signifikansi 0,000, jauh lebih kecil dari 0.05. Oleh karena itu maka model regresi ini bisa dipakai untuk
memprediksi Fiscal Stress. Hal ini menunjukkan bahwa Ha diterima, dan Ho ditolak sehingga dapat disimpulkan bahwa Pendapatan Asli Daerah, Belanja Modal dan Produk Domestik Regional Bruto secara bersama-sama mempunyai pengaruh yang signifikan terhadap Fiscal Stress.
4.4. Pembahasan Hasil Penelitian
Berdasarkan hasil uji t sebelumnya, variabel Pendapatan Asli Daerah (PAD), tidak berpengaruh secara signifikan terhadap variabel Fiscal Stress dengan tingkat signifikansi variabel independen 0.994 (>0,05). Dan variabel Belanja Modal (BM), tidak berpengaruh secara signifikan terhadap variabel Fiscal Stress dengan tingkat signifikansi variabel independen 0.212 (>0,05). Sedangkan variabel Produk Domestik Regional Bruto (PDRB), tidak berpengaruh secara signifikan terhadap variabel Fiscal Stress dengan tingkat signifikansi variabel independen 0.19 (>0,05).
Hasil penelitian yang menunjukkan bahwa variabel Pendapatan Asli Daerah tidak berpengaruh secara signifikan positif terhadap Fiscal Stress tidak sejalan dengan penelitian sebelumya yang dilakukan oleh Haryadi (2002) dan Iskandar (2012).
Hal ini mungkin disebabkan karena tingkat Pendapatan Asli Daerah di provinsi Sumatera Utara masih relatif kecil sehingga tidak memiliki pengaruh yang signifikan positif terhadap Fiscal Stress.
Variabel Belanja Modal juga tidak memiliki pengaruh yang signifikan positif terhadap Fiscal Stress. Hal ini tidak sejalan dengan penelitian yang dilakukan oleh
Haryadi (2002) dan Iskandar (2012). Hasil dari penelitian yang mereka lakukan bahwa Belanja Modal memiliki pengaruh yang signifikan positif terhadap Fiscal Stress.
Hasil penelitian berdasarkan uji t menunjukkan bahwa variabel Produk Domestik Regional Bruto tidak berpengaruh secara signifikan terhadap Fiscal Stress. Hal ini sejalan dengan penelitian yang dilakukan Haryadi (2002) yang menyatakan bahwa Produk Domestik Regional Bruto tidak memiliki pengaruh yang signifikan terhadap Fiscal Stress.
Hasil uji F dengan signifikan sebesar 0,000 berada dibawah 0,05 yang berarti secara simultan seluruh variabel independen yaitu Pendapatan Asli Daerah, Belanja Modal dan Produk Domestik Regional Bruto berpengaruh signifikan positif terhadap variabel Fiscal Stress. Hasil uji F didukung dari ninai koefisien determinasi (R Square) sebesar 0,596 yang menunjukan bahwa variabel independen Pendapatan Asli Daerah, Belanja Modal dan Produk Domestik Reginal Bruto mampu menjelaskan 59,6% variasi atau perubahan dari variabel dependen yaitu Fiscal Stress. Sedangkan sisanya sebesar 40,4% dijelaskan oleh faktor lain yang tidak dimasukan ke dalam penelitian ini, misalnya seperti kondisi wilayah, jumlah penduduk, pendapatan perkapita, kondisi ekonomi baik mikro maupun makro, kebijakan pemerintah, dan lain sebagainya.
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Berdasarkan hasil analisis data dan pembahasan yang telah dikemukakan dalam bab empat, maka kesimpulan yang dapat diambil dari penelitian ini adalah Pendapatan Asli Daerah, Belanja Modal dan Produk Domestik Regional Bruto terhadap Fiscal Stress baik secara simultan maupun parsial adalah sebagai berikut:
1. Secara simultan hasil penelitian ini menunjukkan bahwa Pendapatan Asli Daerah, Belanja Modal dan Produk Domestik Regional Bruto berpengaruh signifikan terhadap Fiscal Stress pada Pemerintahan Kabupaten/Kota di Sumatera Utara.
2. Secara parsial hasil penelitian ini menunjukkan bahwa variabel Pendapatan Asli Daerah, Belanja Modal dan Produk Domestik Regional Bruto tidak berpengaruh secara signifikan terhadap Fiscal Stress pada Pemerintahan Kabupaten/Kota di Sumatera Utara.
Angka koefisien determinasi (Adjusted R Square) adalah 0.596. Hal ini berarti 59,6% variasi dari Fiscal Stress dijelaskan oleh variasi dari ke-tiga variabel independen (Pendapatan Asli Daerah, Belanja Modal dan Produk Domestik Regional Bruto), sedangkan sisanya 40,4% dijelaskan oleh faktor lain yang tidak dimasukan ke dalam penelitian ini misalnya seperti kondisi wilayah, jumlah penduduk, pendapatan perkapita, kondisi ekonomi baik mikro maupun makro, kebijakan pemerintah, dan lain sebagainya.
5.2. Keterbatasan Penelitian
Penelitian ini memiliki beberapa keterbatasan yang memerlukan perbaikan dan pengembangan dalam penelitian-penelitian berikutnya baik dari jumlah sampel yang digunakan, periode penelitian, maupun faktor-faktor yang diteliti.
Keterbatasan dalam penelitian ini adalah:
1. Sampel dalam penelitian ini dibatasi pada Kabupaten/Kota tertentu, yaitu 25 Kabupaten/Kota di Provinsi Sumatera Utara dari 25 populasi selama 5 tahun periode. Hal ini menyebabkan hasil penelitian hanya berlaku untuk Kabupaten/Kota yang menjadi sampel penelitian, sehingga belum dapat di generalisasi untuk seluruh Kabupaten/Kota di Indonesia.
2. Penelitian ini hanya mengambil tiga variabel independen sehingga hasil penelitian ini belum dapat menjelaskan semua variabel yang mempengaruhi Fiscal Stress.
3. Dalam penelitian ini tidak memberikan secara rinci alokasi penggunaan Pendapatan Asli Daerah, Belanja Modal dan Produk Domestik Regional Bruto manakah yang memberikan kontribusi yang besar bagi Fiscal Stress.
4. Penelitian ini hanya mnenggunakan periode yang singkat, hanya lima tahun yaitu 2011 sampai dengan 2015.
5.3. Saran
Beberapa saran yang dapat diberikan berkaitan dengan hasil penelitian ini adalah sebagai berikut:
a. Bagi Pemerintah
1. Pemerintah Kabupaten/Kota di Provinsi Sumatera Utara hendaknya terus menggali dan lebih mengoptimalkan penerimaan yang berasal dari daerahnya sendiri berupa Pendapatan Asli Daerah melalui pengembangan potensi-potensi di daerah.
2. Bagi pemerintah daerah, dalam era otonomi daerah ini agar meningkatkan kemampuannya dalam hal keuangan, dalam artian mampu menghasilkan Penerimaan Asli Daerah yang besar maupun kemampuan dalam mengelola anggaran dan memiliki visi yang jelas dalam penggunaan dana yang ada agar dapat menghasilkan manfaat positif bagi perekonomian daerah.
b. Bagi Peneliti Selanjutnya
1. Untuk penelitian selanjutnya disarankan agar lebih menambah Kabupaten/Kota yang akan diteliti, sehingga akan diperoleh sampel yang lebih banyak, penelitian selanjutnya juga disarankan agar mengambil sampel Kabupaten/Kota di luar Provinsi Sumatera Utara. Ini dimaksudkan agar dapat membandingkan apakah hasil penelitian ini berlaku untuk Kabupaten/Kota di Luar Provinsi Sumatera Utara.
2. Bagi peneliti selanjutnya disarankan agar lebih banyak menggunakan variabel independen yang mempengaruhi Fiscal Stress misalnya seperti kondisi wilayah, jumlah penduduk, pendapatan perkapita, kondisi ekonomi baik mikro maupun makro, kebijakan pemerintah, dan lain sebagainya.
3. Penggunaan data yang lebih lengkap dan rentang periode waktu penelitian yang lebih panjang sehingga lebih mampu untuk dapat dilakukan generalisasi atas hasil penelitian tersebut.
DAFTAR PUSTAKA
Andayani W, 2004. Analisis Anggaran Pendapatan dan Belanja Daerah. Jurnal Akuntansi dan Keuangan Sektor publik vol 05, No 1 Februari.
Direktorat Jenderal Perimbangan Keuangan Pusat dan Daerah. 2004. Bunga Rampai Desentralisasi Fiskal. Cetakan Pertama. Jakarta
Departemen Keuangan Republik Indonesia Direktorat Jenderal Perimbangan Keuangan, Laporan APBD, www.djpk.kemenkeu.go.id
Darise, Nurlan, 2008. Akuntansi Keuangan Daerah. Edisi Pertama. Jakarta.
Deddi, Iswahyuni, 2007. Akuntansi Pemerintahan. Cetakan Pertama.
Salemba Empat: Jakarta
Erlina, Sri Mulyani. 2007. Metode Penelitian Bisnis untuk Akuntansi untuk Akuntansi dan Manajemen. Cetakan Pertama. USU Press: Medan
Erlina, Sri Mulyani. 2007. Metode Penelitian Bisnis untuk Akuntansi untuk Akuntansi dan Manajemen. Cetakan Pertama. USU Press: Medan