• Tidak ada hasil yang ditemukan

Analisis Pengaruh Pendapatan Asli Daerah, Dana Alokasi Umum, Dana Bagi Hasil, dan Sisa Lebih Perhitungan Anggaran Terhadap Perilaku Oportunistik Penyusun Anggaran (Studi Kasus Kabupaten/Kota di Provinsi Sumatera Utara)

N/A
N/A
Protected

Academic year: 2017

Membagikan "Analisis Pengaruh Pendapatan Asli Daerah, Dana Alokasi Umum, Dana Bagi Hasil, dan Sisa Lebih Perhitungan Anggaran Terhadap Perilaku Oportunistik Penyusun Anggaran (Studi Kasus Kabupaten/Kota di Provinsi Sumatera Utara)"

Copied!
105
0
0

Teks penuh

(1)

Lampiran 1 Populasi dan Sampel Penelitian

No. Kabupaten/Kota Kriteria Sampel

1 2

1 Kabupaten Asahan √ √ Sampel 1

2 Kabupaten Batu Bara X √ -

3 Kabupaten Dairi √ √ Sampel 2

4 Kabupaten Deli Serdang √ √ Sampel 3

5 Kabupaten Humbang Hasundutan X √ -

6 Kabupaten Karo √ X -

7 Kabupaten Labuhan Batu √ √ Sampel 4

8 Kabupaten Labuhan Selatan X X -

9 Kabupaten Labuhan Batu Utara X √ -

10 Kabupaten Langkat √ √ Sampel 5

11 Kabupaten Mandailing Natal √ √ Sampel 6

12 Kabupaten Nias X X -

13 Kabupaten Nias Barat X X -

14 Kabupaten Nias Selatan X √ -

15 Kabupaten Nias Utara X X -

16 Kabupaten Padang Lawas √ √ Sampel 7

17 Kabupaten Padang Lawas Utara √ √ -

18 Kabupaten Pakpak Barat √ √ Sampel 8

19 Kabupaten Samosir √ √ Sampel 9

20 Kabupaten Serdang Bedagai √ √ Sampel 10

21 Kabupaten Simalungun √ √ Sampel 11

22 Kabupaten Tapanuli Selatan √ √ Sampel 12

23 Kabupaten Tapanuli Tengah X √

-24 Kabupaten Tapanuli Utara X √ -

25 Kabupaten Toba Samosir X X

-26 Kota Binjai X X

-27 Kota Gunung Sitoli X √

-28 Kota Medan X X

-29 Kota Padangsidimpuan √ √ Sampel 13

30 Kota Pematang Siantar √ √ Sampel 14

31 Kota Sibolga X X

-32 Kota Tanjung Balai √ √ Sampel 15

▸ Baca selengkapnya: anggaran dana study tour

(2)

Lampiran 2 DATA BELANJA SEKTOR PENDIDIKAN KABUPATEN/KOTA DI

PROVINSI SUMATERA UTARA

NO KABUPATEN/KOTA

Dalam jutaan rupiah Setelah Perhitungan Spread (∆)

2011 2012 2013 2014 2012-2011 2013-2012 2014-2013

1 Kab. Asahan 402.048 335.302 457.344 476.522 -66.341 122.042 19.178

2 Kab. Dairi 255.579 248.886 317.481 308.670 -6.693 68.595 -8.811

3 Kab. Deli Serdang 787.470 911.055 1.050.219 1.221.963 123.585 139.164 171.744

4 Kab. Labuhan Batu 271.572 278.144 254.043 355.056 6.572 -24.101 101.013

5 Kab. Langkat 566.639 629.514 743.091 884.496 62.875 113.577 141.405

6 Kab. Mandailing Natal 344.903 297.931 327.568 353.325 -46.972 29.637 25.757

7 Kab. Padang Lawas 159.115 155.867 157.975 188.825 -3.248 2.108 30.850

8 Kab. Pakpak Barat 67.947 92.584 109.285 122.469 24.637 16.701 13.184

9 Kab. Samosir 189.165 166.957 185.271 216.093 -22.208 18.314 30.822

10 Kab. Serdang Bedagai 360.149 381.920 454.844 510.402 21.771 72.924 55.558

11 Kab. Simalungun 609.094 709.530 761.715 833.117 100.436 52.185 71.402

12 Kab. Tapanuli Selatan 57.074 234.636 290.587 317.081 177.562 55.951 26.494

13 Kota Padangsidimpuan 240.172 226.437 291.322 221.100 -13.735 64.885 -70.222

14 Kota Pematang Siantar 220.309 258.789 312.663 321.250 38.480 53.874 8.587

(3)

Lampiran 3 DATA BELANJA SEKTOR KESEHATAN KABUPATEN/KOTA DI

PROVINSI SUMATERA UTARA

NO KABUPATEN/KOTA

Dalam jutaan rupiah Setelah Perhitungan Spread (∆)

2011 2012 2013 2014 2012-2011 2013-2012 2014-2013

1 Kab. Asahan 70.348 64.603 86.602 94.447 -5.745 21.999 7.845

2 Kab. Dairi 52.603 67.493 98.207 86.452 14.890 30.714 -11.755

3 Kab. Deli Serdang 140.737 173.006 202.463 325.676 32.269 29.457 123.213

4 Kab. Labuhan Batu 79.686 85.229 110.553 123.571 5.543 25.324 13.018

5 Kab.Langkat 93.198 105.876 156.015 190.298 12.678 50.139 34.283

6 Kab. Mandailing Natal 44.888 61.206 78.357 95.758 16.318 17.151 17.401

7 Kab. Padang Lawas 34.848 42.584 47.786 57.639 7.736 5.202 9.853

8 Kab. Pakpak Barat 27.606 30.405 38.050 44.629 2.799 7.645 6.579

9 Kab. Samosir 37.879 37.179 46.755 58.088 -718 9.576 11.333

10 Kab. Serdang Bedagai 58.525 77.736 87.767 96.069 19.211 10.031 8.302

11 Kab. Simalungun 70.558 96.261 112.752 124.284 25.703 16.491 11.532

12 Kab. Tapanuli Selatan 9.034 53.406 66.586 76.533 44.372 13.180 9.947

13 Kota Padangsidimpuan 38.521 45.933 70.842 78.063 7.412 24.909 7.761

14 Kota Pematang Siantar 80.655 78.209 97.488 84.197 -2.446 19.279 -13.309

(4)

Lampiran 4 DATA BELANJA SEKTOR PEKERJAAN UMUM (PU)

KABUPATEN/KOTA DI PROVINSI SUMATERA UTARA

NO KABUPATEN/KOTA

Dalam jutaan rupiah Setelah Perhitungan Spread (∆)

2011 2012 2013 2014 2012-2011 2013-2012 2014-2013

1 Kab. Asahan 109.451 117.391 103.716 127.126 7.940 -13.675 23.410

2 Kab. Dairi 44.302 56.487 76.405 89.486 12.185 19.918 13.081

3 Kab. Deli Serdang 213.413 314.147 389.739 419.715 100.734 75.592 29.976

4 Kab. Labuhan Batu 62.435 92.352 121.200 148.320 29.917 28.848 27.120

5 Kab.Langkat 88.188 245.296 297.992 275.151 157.108 52.696 -22.841

6 Kab. Mandailing Natal 52.524 58.469 65.711 89.393 5.945 7.242 23.682

7 Kab. Padang Lawas 65.236 130.184 141.342 122.384 64.948 11.158 -18.958

8 Kab. Pakpak Barat 83.267 40.946 89.578 105.944 -42.321 48.632 16.366

9 Kab. Samosir 47.605 55.813 136.245 141.197 8.208 80.432 4.952

10 Kab. Serdang Bedagai 79.066 86.657 185.489 163.915 7.591 98.832 -21.574

11 Kab. Simalungun 67.766 170.711 89.798 322.604 102.945 -80.913 232.806

12 Kab. Tapanuli Selatan 71.301 99.009 138.257 112.913 27.708 39.248 -25.344

13 Kota Padangsidimpuan 28.526 29.314 93.333 58.787 788 64.019 -34.546

14 Kota Pematang Siantar 34.368 51.247 67.581 36.317 16.879 16.334 -31.264

(5)

Lampiran 5 DATA VARIABEL PENELITIAN

PERILAKU OPORTUNISTIK PENYUSUN ANGGARAN (OPA)

Dalam jutaan rupiah

NO KABUPATEN/KOTA

OPA

2012-2011 2013-2012 2014-2013

1 Kab. Asahan -64.551 130.366 50.433

2 Kab. Dairi 20.382 118.678 -7.485

3 Kab. Deli Serdang 256.588 244.213 324.933

4 Kab. Labuhan Batu 42.032 30.071 141.151

5 Kab.Langkat 232.661 216.412 152.847

6 Kab. Mandailing Natal -24.709 54.030 66.840

7 Kab. Padang Lawas 69.436 18.468 21.745

8 Kab. Pakpak Barat -14.885 72.978 36.129

9 Kab. Samosir -14.718 108.322 47.107

10 Kab. Serdang Bedagai 48.573 181.787 42.286

11 Kab. Simalungun 229.084 -12.237 315.740

12 Kab. Tapanuli Selatan 249.642 108.379 11.097

13 Kota Padangsidimpuan -5.535 153.813 -97.007

14 Kota Pematang Siantar -52.913 89.487 -35.986

(6)

Lampiran 6 DATA VARIABEL PENELITIAN

PENDAPATAN ASLI DAERAH (PAD)

NO KABUPATEN/KOTA

Dalam jutaan rupiah Setelah Perhitungan Spread (∆)

2011 2012 2013 2014 2012-2011 2013-2012 2014-2013

1 Kab. Asahan 31.844 37.895 53.692 91.468 6.051 15.797 37.776

2 Kab. Dairi 17.673 20.912 29.933 53.525 3.239 9.021 23.592

3 Kab. Deli Serdang 213.792 291.018 328.348 433.885 77.226 37.330 105.537

4 Kab. Labuhan Batu 50.959 59.439 49.785 109.896 8.480 -9.654 60.111

5 Kab. Langkat 34.541 129.243 65.521 107.811 94.702 -63.722 42.290

6 Kab. Mandailing Natal 27.526 21.274 47.666 44.119 -6.252 26.392 -3.547

7 Kab. Padang Lawas 7.628 9.881 23.140 28.779 2.253 13.259 5.639

8 Kab. Pakpak Barat 6.306 6.353 9.081 15.388 47 2.728 6.307

9 Kab. Samosir 14.202 17.460 26.661 36.849 3.258 9.201 10.188

10 Kab. Serdang Bedagai 35.894 39.275 50.372 74.762 3.381 11.097 24.390

11 Kab. Simalungun 42.543 61.246 97.915 96.390 18.703 36.669 -1.525

12 Kab. Tapanuli Selatan 57.464 56.418 69.220 95.588 -1.046 12.802 26.368

13 Kota Padangsidimpuan 21.465 23.622 35.018 58.725 2.157 11.396 23.707

14 Kota Pematang Siantar 44.793 49.915 61.358 90.477 5.122 11.443 29.119

(7)

Lampiran 7 DATA VARIABEL PENELITIAN

DANA ALOKASI UMUM (DAU)

NO KABUPATEN/KOTA

Dalam jutaan rupiah Setelah Perhitungan Spread (∆)

2011 2012 2013 2014 2012-2011 2013-2012 2014-2013

1 Kab. Asahan 523.562 628.975 733.672 795.350 105.413 104.697 61.678

2 Kab. Dairi 372.373 451.176 512.477 532.723 78.803 61.301 20.246

3 Kab. Deli Serdang 888.557 1.100.014 1.260.755 1.363.811 211.457 160.741 103.056

4 Kab. Labuhan Batu 367.738 461.644 520.458 561.476 93.906 58.814 41.018

5 Kab. Langkat 736.888 847.503 982.658 1.039.650 110.615 135.155 56.992

6 Kab. Mandailing Natal 455.393 541.107 625.543 692.133 85.714 84.436 66.590

7 Kab. Padang Lawas 249.487 331.754 371.650 408.043 82.267 39.896 36.393

8 Kab. Pakpak Barat 198.239 232.990 273.599 313.591 34.751 40.609 39.992

9 Kab. Samosir 282.988 331.413 384.761 441.619 48.425 53.348 56.858

10 Kab. Serdang Bedagai 458.160 554.245 628.900 698.412 96.085 74.665 69.512

11 Kab. Simalungun 696.225 865.406 977.809 1.077.985 169.181 112.403 100.176

12 Kab. Tapanuli Selatan 375.894 454.322 517.343 572.097 78.428 63.021 54.754

13 Kota Padangsidimpuan 308.015 364.923 423.251 470.353 56.908 58.328 47.102

14 Kota Pematang Siantar 352.526 429.632 492.115 519.435 77.106 62.483 27.320

(8)

Lampiran 8 DATA VARIABEL PENELITIAN

DANA BAGI HASIL (DBH)

NO KABUPATEN/KOTA

Dalam jutaan rupiah Setelah Perhitungan Spread (∆)

2011 2012 2013 2014 2012-2011 2013-2012 2014-2013

1 Kab. Asahan 54.954 57.731 65.081 58.175 2.777 7.350 -6.906

2 Kab. Dairi 27.204 27.353 26.544 18.963 149 -809 -7.943

3 Kab. Deli Serdang 108.270 72.06 59.104 170.732 -36.210 -12.956 116.628

4 Kab. Labuhan Batu 46.785 54.179 50.835 10.458 7.394 -3.344 -40.407

5 Kab. Langkat 137.813 156.84 169.455 61.431 19.027 12.615 -108.024

6 Kab. Mandailing Natal 35.651 42.074 38.095 34.269 6.432 -3.979 -3.826

7 Kab. Padang Lawas 27.197 36.519 40.195 15.074 9.322 3.676 -25.121

8 Kab. Pakpak Barat 23.524 23.938 23.254 8.120 414 -684 -15.134

9 Kab. Samosir 15.653 21.543 22.830 16.408 5.890 1.287 -6.422

10 Kab. Serdang Bedagai 48.610 52.174 45.267 10.241 3.564 -6.907 -35.026

11 Kab. Simalungun 58.433 65.186 60.526 76.397 6.753 -4.660 15.871

12 Kab. Tapanuli Selatan 30.545 39.73 39.794 33.886 9.185 64 -5.908

13 Kota Padangsidimpuan 23.994 32.822 25.797 15.031 8.828 -7.025 -10.766

14 Kota Pematang Siantar 26.299 36.446 26.226 34.915 10.147 -10.22 8.689

(9)

Lampiran 9 DATA VARIABEL PENELITIAN

SISA LEBIH PERHITUNGAN ANGGARAN (SiLPA)

NO KABUPATEN/KOTA

Dalam jutaan rupiah Setelah Perhitungan Spread (∆)

2011 2012 2013 2014 2012-2011 2013-2012 2014-2013

1 Kab. Asahan 86.623 22.282 19.382 77.127 -64.341 -2.900 57.745

2 Kab. Dairi 40.996 45.937 41.605 33.662 4.941 -4.332 -7.943

3 Kab. Deli Serdang 40.906 6.557 -4.907 52.740 -34.349 -11.464 57.647

4 Kab. Labuhan Batu 2.773 37.316 40.067 38.573 34.543 2.751 -1.494

5 Kab. Langkat 8.861 51.273 92.682 105.479 42.412 41.409 12.797

6 Kab. Mandailing Natal 267 30.461 46.93 58.679 30.194 16.469 11.749

7 Kab. Padang Lawas 41.445 12.153 45.876 69.907 -29.292 33.723 24.031

8 Kab. Pakpak Barat 23.353 27.305 41.575 49.573 3.952 14.270 7.998

9 Kab. Samosir 47.240 31.331 63.428 69.530 -15.909 32.097 6.102

10 Kab. Serdang Bedagai 278 11.938 22.720 17.145 11.660 10.782 -5.575

11 Kab. Simalungun 565 13.373 1.492 23.479 12.808 -11.881 21.987

12 Kab. Tapanuli Selatan 23.936 56.978 92.422 50.207 33.042 35.444 -42.215

13 Kota Padangsidimpuan 25.153 28.828 33.653 38.250 3.675 4.825 4.597

14 Kota Pematang Siantar 22.696 17.810 45.410 28.838 -4.886 27.600 -16.572

(10)

Lampiran 10 Data Spread PAD, DAU, DBH, SiLPA, dan OPA Kabupaten/Kota di Provinsi

Sumatera Utara Tahun 2011-2014

NO URAIAN X1 X2 X3 X4 Y

∆ PAD ∆ DAU ∆ DBH ∆ SiLPA OPA

1 Kab. Asahan 1 6.051 105.413 2.777 -64.341 -64.551

2 Kab. Dairi 1 3.239 78.803 149 4.941 20.382

3 Kab. Deli Serdang 1 77.226 211.457 -36.210 -34.349 256.588

4 Kab. Labuhan Batu 1 8.480 93.906 7.394 34.543 42.032

5 Kab. Langkat 1 94.702 110.615 19.027 42.412 232.661

6 Kab. Mandailing Natal 1 -6.252 85.714 6.432 30.194 -24.709

7 Kab. Padang Lawas 1 2.253 82.267 9.322 -29.292 69.436

8 Kab. Pakpak Barat 1 47 34.751 414 3.952 -14.885

9 Kab. Samosir 1 3.258 48.425 5.890 -15.909 -14.718

10 Kab. Serdang Bedagai 1 3.381 96.085 3.564 11.660 48.573

11 Kab. Simalungun 1 18.703 169.181 6.753 12.808 229.084

12 Kab. Tapanuli Selatan 1 -1.046 78.428 9.185 33.042 249.642

13 Kota Padangsidimpuan 1 2.157 56.908 8.828 3.675 -5.535

14 Kota Pematang Siantar 1 5.122 77.106 10.147 -4.886 52.913

15 Kota Tanjung Balai 1 613 38.205 2.216 -13.378 55.075

16 Kab. Asahan 2 15.797 104.697 7.350 -2.900 130.366

17 Kab. Dairi 2 9.021 61.301 -809 -4.332 118.687

18 Kab. Deli Serdang 2 37.330 160.741 -12.956 -11.464 244.213

19 Kab. Labuhan Batu 2 -9.654 58.814 -3.344 2.751 30.071

20 Kab. Langkat 2 -63.722 135.155 12.615 41.409 216.412

21 Kab. Mandailing Natal 2 26.392 84.436 -3.979 16.469 54.030

22 Kab. Padang Lawas 2 13.259 39.896 3.676 33.723 18.468

23 Kab. Pakpak Barat 2 2.728 40.609 -684 14.270 72.978

24 Kab. Samosir 2 9.201 53.348 1.287 32.097 108.322

25 Kab. Serdang Bedagai 2 11.097 74.665 -6.907 10.782 181.787

26 Kab. Simalungun 2 36.669 112.403 -4.660 -11.881 -12.237

27 Kab. Tapanuli Selatan 2 12.802 63.021 64 35.444 108.379

28 Kota Padangsidimpuan 2 11.396 58.328 -7.025 4.825 153.813

29 Kota Pematang Siantar 2 11.443 62.483 -10.220 27.600 89.487

(11)

NO URAIAN X1 X2 X3 X4 Y

∆ PAD ∆ DAU ∆ DBH ∆ SiLPA OPA

31 Kab. Asahan 3 37.776 61.678 -6.906 57.745 50.433

32 Kab. Dairi 3 23.592 20.246 -7.943 -7.943 -7.485

33 Kab. Deli Serdang 3 105.537 103.056 116.628 57.647 324.933

34 Kab. Labuhan Batu 3 60.111 41.018 -40.407 -1.494 141.151

35 Kab. Langkat 3 42.290 56.992 -108.024 12.797 152.847

36 Kab. Mandailing Natal 3 -3.547 66.590 -3.826 11.749 66.840

37 Kab. Padang Lawas 3 5.639 36.393 -25.121 24.031 21.745

38 Kab. Pakpak Barat 3 6.307 39.992 -15.134 7.998 36.129

39 Kab. Samosir 3 10.188 56.858 -6.422 6.102 47.107

40 Kab. Serdang Bedagai 3 24.390 69.512 -35.026 -5.575 42.286

41 Kab. Simalungun 3 -1.525 100.176 15.871 21.987 315.740

42 Kab. Tapanuli Selatan 3 26.368 54.754 -5.908 -42.215 11.097

43 Kota Padangsidimpuan 3 23.707 47.102 -10.766 4.597 -97.007

44 Kota Pematang Siantar 3 29.119 27.320 8.689 -16.572 -35.986

(12)

Lampiran 11 Statistik Deskriptif Data

Hasil Analisis Statistik Deskriptif

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

PAD_X1 45 -63.722 105.537 16.916,22 27.565,071 DAU_X2 45 18.012 211.457 74.052,82 39.373,909 DBH_X3 45 -108.024 116.628 -1.974,42 27.068,928 SiLPA_X4 45 -64.341 57.745 9.068,20 25.653,186 OPA_Y 45 -97.007 324.933 84.988,36 100.612,202 Valid N (listwise) 45

Sumber : Hasil SPSS for Windows 16.0 (2016)

Lampiran 12 Hasil Pengujian Asumsi Klasik

(13)

Hasil Uji Normalitas Melalui Normal P-Plots

Hasil Uji Normalitas melalui Kolmogorov Smirnov

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 45

Normal Parametersa Mean .0000000

Std. Deviation 7.04210562E4 Most Extreme

Differences

Absolute .105

Positive .070

Negative -.105

Kolmogorov-Smirnov Z .707

Asymp. Sig. (2-tailed) .700

a. Test distribution is Normal.

Sumber : Hasil SPSS for Windows 16.0 (2016)

Hasil Uji Multikolinearitas-VIF

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) -49759.751 25276.146 -1.969 .056

PAD_X1 .629 .415 .172 1.514 .138 .946 1.057

DAU_X2 1.497 .296 .586 5.061 .000 .913 1.095

DBH_X3 .028 .434 .008 .065 .949 .897 1.115

SiLPA_X4 1.465 .459 .373 3.190 .003 .893 1.119

a. Dependent Variable: OPA_Y

(14)

Hasil Uji Heteroskedastisitas

Sumber : Hasil SPSS for Windows 16.0 (2016)

Hasil Uji Autokorelasi dengan Uji Durbin-Watson

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

Durbin-Watson

1 .714a .510 .461 73.858,227 1.939

a. Predictors: (Constant), SiLPA_X4, PAD_X1, DAU_X2, DBH_X3 b. Dependent Variable: OPA_Y

Sumber : Hasil SPSS for Windows 16.0 (2016)

Lampiran 13 Hasil Pengujian Hipotesis

Hasil Uji Koefisien Determinasi (R2)

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 .714a .510 .461 73.858,227

a. Predictors: (Constant), SiLPA_X4, PAD_X1, DAU_X2, DBH_X3

b. Dependent Variable: OPA_Y

(15)

Hasil Uji-F

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 2.272E11 4 5.680E10 10.413 .000a Residual 2.182E11 40 5.455E9

Total 4.454E11 44

a. Predictors: (Constant), SiLPA_X4, PAD_X1, DAU_X2, DBH_X3

b. Dependent Variable: OPA_Y

Sumber : Hasil SPSS for Windows 16.0 (2016)

Hasil Uji-t

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig. B Std. Error Beta

1 (Constant) -49759.751 25276.146 -1.969 .056

PAD_X1 .629 .415 .172 1.514 .138

DAU_X2 1.497 .296 .586 5.061 .000

DBH_X3 .028 .434 .008 .065 .949

SiLPA_X4 1.465 .459 .373 3.190 .003

a. Dependent Variable: OPA_Y

(16)
(17)
(18)
(19)
(20)
(21)

DAFTAR PUSTAKA

Abdullah, S, 2012. Perilaku Oportunistik Legislatif dan Faktor – Faktor Yang Mempengaruhinya: Bukti Empiris dari Penganggaran Pemerintah

Daerah di Indonesia, Ringkasan Disertasi, Universitas Gajah Mada,

Yogyakarta.

Abdullah, S. dan Asmara, J.A, 2006. “Perilaku Oportunistik Legislatif dalam Penganggaran Daerah: Bukti Empiris atas Aplikasi Agency Theory di Sektor Publik”, Makalah Simposium Nasional Akuntansi 9, Padang: 23-26 Agustus 2006.

Asmara, J.A, 2010. “Analisis Perubahan Alokasi Belanja dalam Anggaran Pendapatan dan Belanja Daerah (APBA) Provinsi Naggroe Aceh Darussalam”, Jurnal Telaah & Riset Akuntansi. Volume 3 Nomor 2 hal 155-172.

Bastian, Indra, 2006. Akuntansi Sektor Publik: Suatu Pengantar, Erlangga, Jakarta.

Colombatto, E, 2001. Discretionary Power, Rent-Seeking and Corruption, Working Paper, University di Torino & ICER.

Fathony, A.D, 2011. Pengaruh Pendapatan Asli Daerah, Sisa Lebih Perhitungan Anggaran dan Dana Alokasi Umum terhadap Perilaku Oportunistik Penyusun Anggaran (Studi kasus kabupaten/kota di provinsi Jawa

Tengah), Skripsi Fakultas Ekonomi, Universitas Diponegoro, Semarang.

Florensia, T.M, 2009. Perilaku Oportunistik Legislatif dalam Penganggaran

Daerah: Bukti Empiris atas Aplikasi Agency Theory di Sektor Publik,

Tesis Program Pasca Sarjana Magister Sains Ilmu Ekonomi, Universitas Gajah Mada, Yogyakarta.

Garamfalvi, L, 1997. Corruption in The Public Expenditure Management

Process, Paper present at 8th International Anti-Corruption Conference,

Peru: 7-11 September.

Ghozali, Imam, 2006. Aplikasi Analisis Multivariate Dengan Program SPSS, Badan Penerbit Universitas Diponegoro, Semarang.

(22)

Jansen, M.C., and William, H.M, 1976. “Theory of The Firm: Managerial Behavior, Agency Cost and Ownership Structure”, Journal of Financial

Economics, Volume 3 Number 4 page 305-360.

Kamaliah, Darlis, E. dan Virsanita, V, 2010. “Pengaruh Perilaku Oportunistik Terhadap Hubungan Antara Partisipasi Anggaran Dengan Kinerja Manajerial (Studi Empiris pada Pegawai Pemerintah Kabupaten/Kota di Provinsi Riau”, Jurnal Ekonomi, Volume 18 Nomor 2 hal 50-62.

Kamus Besar Bahasa Indonesia

Kementerian Dalam Negeri, 2011. Data Series APBD, Realisasi APBD dan

Anggaran APBD.

, 2012. Data Series APBD, Realisasi APBD dan

Anggaran APBD.

, 2013. Data Series APBD, Realisasi APBD dan

Anggaran APBD.

, 2014. Data Series APBD, Realisasi APBD dan

Anggaran APBD.

Keefer, P. and Khemani, S, 2003. The Political Economy of Public Expenditures, Background paper for WDR 2004.

Latifah, N.P, 2010. “Adakah Perilaku Oportunistik Dalam Aplikasi Agency Theory di Sektor Publik?”, Fokus Ekonomi. Volume 5 Nomor 2 hal 85-94.

Manik, R.R, 2008. Agency Theory dalam Pemerintahan Daerah.

https://swamandiri.wordpress.com/2008/02/24/agency-theory-dalam-pemerintahan-daerah/ (24 Februari 2008).

Mardiasmo, 2002. Otonomi dan Manajemen Keuangan Daerah, Andi,

Yogyakarta.

Maryono, Riky, 2013. Pengaruh Perubahan Dana Alokasi Umum Terhadap

Perilaku Oportunistik Legislatif dalam Penganggaran Daerah, Skripsi

(23)

Martinez, J.V, Arze, J. and Boex, J, 2004. Corruption, Fiscal Policy, and Fiscal

Management, Working Paper, Georgia State University.

Mauro, Paolo, 1998. “Corruption and The Composition of Goverment Expenditure”, Journal of Public Economics. Page 263-279.

Nurmayanti, 2008. Perilaku Oportunistik Legeslatif dan Eksekutif Dalam

Penganggaran Daerah di Daerah Istimewa Yogyakarta, Skripsi Fakultas

Ekonomi, Universitas Islam Yogyakarta, Yogyakarta.

Oxford English Dictionary

Republik Indonesia, Undang-Undang Nomor 23 Tahun 2014 tentang

Pemerintahan Daerah, Jakarta, 2014.

, Undang-Undang Nomor 32 Tahun 2004 tentang

Pemerintah Pusat, Jakarta, 2004.

, Undang-Undang Nomor 33 Tahun 2004 tentang Perimbangan Keuangan antara Pemerintah Pusat dan Pemerintah

Daerah, Jakarta, 2004.

, Peraturan Menteri Dalam Negeri Nomor 13 Tahun 2006

tentang Pedoman Pengelolaan Keuangan Daerah, Jakarta, 2006.

Riharjo, B.I, dan Isnadi, 2010. “Perilaku Oportunistik Pejabat Eksekutif dalam Penyusunan APBD (Bukti Empiris atas Penggunaan Penerimaan Sumber Daya Alam)”, Jurnal Ekuitas. Volume 14 Nomor 3 hal 388-410.

Romarina, A., dan Makhfatih, A, 2010. “Faktor-Faktor Risiko Fiskal Dalam Penganggaran Daerah”, Jurnal BPPK. Volume 1.

Sularso, H., Restianto, Y.E, dan Istiqomah, A.E, 2014. “Determinan Perilaku Oportunistik Penyusunan Anggaran (Studi Pada Kabupaten/Kota di Jawa Tengah)”, Makalah Simposium Nasional Akuntansi 17, Lombok: 24-27 September 2014.

Sujarweni, V.W, 2015. SPSS Untuk Penelitian, Pustaka Baru Press, Yogyakarta.

Tanzi, V., and Davoodi, H, 2002. Corruption, Public Investment, and Growth, IMF Working Paper, Washington, DC.

Tuasikal, Askam, 2008. “Pengaruh DAU, DAK, PAD, dan PDRB Terhadap Belanja Modal Pemerintah Daerah Kabupaten/Kota di Indonesia”, Jurnal

(24)

Yani, Ahmad, 2008. Hubungan Keuangan Antara Pemerintah Pusat dan Daerah di Indonesia, Rajagrafindo Persada, Jakarta.

www.antikorupsi.org

(25)

BAB III

METODE PENELITIAN 3.1. Jenis Penelitian

Jenis penelitian yang digunakan adalah penelitian asosiatif. Penelitian

asosiatif merupakan suatu penelitian yang bertujuan untuk mengetahui hubungan

antar dua variabel atau lebih. Penelitian ini menggunakan desain kausal atau

hubungan sebab akibat. Desain kausal berguna untuk menganalisis hubungan

antara satu variabel dengan variabel lainnya atau bagaimana suatu variabel

mempengaruhi variabel lainnya.

3.2. Tempat dan Waktu Penelitian

Penelitian ini dilakukan dengan cara mengumpulkan dan mempelajari

dokumen-dokumen atau data-data berupa laporan realisasi Anggaran Pendapatan

dan Belanja Daerah (APBD) Kabupaten/Kota di Provinsi Sumatera Utara tahun

anggaran 2011-2014 yang diperoleh dari Kantor Gubernur Provinsi Sumatera

Utara bagian Akuntansi dan website/situs resmi pemerintahan yaitu

da

tanggal 05 Februari 2016 s.d. selesai.

3.3. Populasi dan Sampel Penelitian

Populasi dalam penelitian ini adalah pemerintah daerah kabupaten/kota di

Provinsi Sumatera Utara yang berjumlah 33 kabupaten/kota yang terdiri dari 25

Kabupaten dan 8 Kota. Metode pengambilan sampel yang digunakan dalam

penelitian ini adalah purposive sampling, yaitu teknik penentuan sampel dengan

(26)

Kriteria pengambilan sampel dalam penelitian ini adalah:

1. Kabupaten/Kota di Provinsi Sumatera Utara yang melaporkan secara rutin

APBD dari Dinas Pendidikan, Dinas Kesehatan, dan Dinas Pekerjaan Umum

(infrastruktur) tahun anggaran 2011-2014.

2. Kabupaten/Kota di Provinsi Sumatera Utara yang melaporkan secara rutin

APBD tahun anggaran 2011-2014 yang mempublikasikan data PAD, DAU,

DBH dan SiLPA.

Berdasarkan kedua kriteria diatas, maka jumlah Kabupaten/Kota yang

akan dijadikan sampel penelitian ini berjumlah 15 Kabupaten/Kota yang terdiri

dari 12 kabupaten dan 3 kota.

3.4. Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder yaitu

sumber data yang diperoleh peneliti secara tidak langsung, yang berupa catatan

maupun laporan historis yang telah tersimpan dalam arsip, baik yang

dipublikasikan maupun yang tidak dipublikasikan. Sumber data dalam penelitian

ini adalah laporan APBD Pemerintah Kabupaten/Kota di Provinsi Sumatera Utara

tahun anggaran 2011-2014 yang diperoleh dari Kantor Gubernur Provinsi

Sumatera Utara bagian Akuntansi dan website/situs resmi Direktorat Jendral

(27)

3.5. Metode Pengumpulan Data

Metode pengumpulan data pada penelitian ini melalui tiga tahap. Tahap

pertama yang dilakukan adalah studi kepustakaan, yaitu dengan mengumpulkan

data dari buku-buku dan jurnal-jurnal yang berkaitan dengan permasalahan yang

diteliti. Tahap kedua yang dilakukan adalah studi dokumentasi, yaitu dengan

men-download dan mengumpulkan data sekunder yang diperlukan dalam penelitian

melalui situs. Tahap ketiga yang dilakukan adalah studi

lapangan, yaitu dengan mengumpulkan data yang berhubungan dengan penelitian

pada Kantor Gubernur Provinsi Sumatera Utara pada Bagian Akuntansi.

3.6. Defenisi Operasional dan Skala Pengukuran Variabel 3.6.1. Definisi Operasional

Variabel bebas (independent variabel) yang digunakan dalam

penelitian ini yaitu PAD, DAU, DBH, dan SiLPA. Variabel terikat

(dependent variabel) yang merupakan perhatian utama dalam penelitian ini

adalah perilaku oportunistik penyusun anggaran. Untuk menghindari

kesimpangsiuran pemahaman (persepsi) pada penelitian ini, disusun

defenisi dan batasan operasional sebagai berikut:

1. Perilaku Oportunistik Penyusun Anggaran (OPA),Perilaku oportunistik

merupakan sifat manusia yang memanfaatkan kesempatan atau peluang

yang ada untuk memperoleh keuntungan demi diri sendiri maupun

kelompok tanpa mempertimbangkan apakah hal tersebut baik atau

benar. Tahap pengukuran OPA dalam penelitian ini dikembangkan dari

(28)

a. Menghitung spread anggaran pendidikan (ΔPdk), spread anggaran

kesehatan (ΔKes), dan spread anggaran pekerjaan umum (ΔPU).

Perhitungan spread(Δ) = APBD tahun berjalan (t) – APBD tahun sebelumnya (t-1).

b. Menggabungkan spread anggaran pendidikan (ΔPdk), spread anggaran

kesehatan (ΔKes), dan spread anggaran pekerjaan umum (ΔPU).

Perhitungan OPA= ΔPdk + ΔKes + ΔPU

2. Pendapatan Asli Daerah (PAD), adalah pendapatan yang diperoleh

daerah yang dipungut berdasarkan peraturan daerah sesuai dengan

peraturan perundang-undangan. PAD memiliki peranan penting dalam

pembiayaan daerah, karena semakin besar PAD yang dimiliki oleh

suatu daerah semakin besar pula kemampuan daerah untuk mencapai

tujuan otonomi daerah. PAD diukur dengan menggunakan spread PAD

(ΔPAD) dari APBD tahun berjalan (t) – APBD tahun sebelumnya (t-1). (Sularso,

dkk., 2014)

PAD = spread PAD

= PADAPBD tahun berjalan (t) –PADAPBD tahun sebelumnya (t-1)

3. Dana Alokasi Umum (DAU), adalah dana yang bersumber dari

pendapatan APBN yang dialokasikan dengan tujuan pemerataan

kemampuan keuangan antar-Daerah untuk mendanai kebutuhan daerah

dalam rangka pelaksanaan desentralisasi. DAU suatu daerah ditentukan

atas besar kecilnya celah fiskal (fiscal gap) suatu Daerah, yang

merupakan selisih antara kebutuhan Daerah (fiscal need) dan potensi

(29)

DAU (ΔDAU) dari APBD tahun berjalan (t) – APBD tahun sebelumnya (t-1).

(Sularso, dkk., 2014)

DAU = spread DAU

= DAUAPBD tahun berjalan (t) –DAUAPBD tahun sebelumnya (t-1)

4. Dana Bagi Hasil (DBH), adalah dana yang bersumber dari pendapatan

APBN yang dialokasikan kepada daerah berdasarkan angka persentase

untuk mendanai kebutuhan daerah dalam rangka pelaaksanaan

desentralisasi. Dana Bagi Hasil (DBH) yang ditransfer pemerintah pusat

kepada pemerintah daerah terdiri dari dua jenis yaitu : DBH Pajak dan

DBH bukan Pajak (Sumber Daya Alam). DBH diukur dengan

menggunakan spread DBH (ΔDBH) dari APBD tahun berjalan (t) – APBD

tahun sebelumnya (t-1).

DBH = spread DBH

= DBHAPBD tahun berjalan (t) –DBHAPBD tahun sebelumnya (t-1)

5. Sisa Lebih Perhitungan Anggaran (SiLPA), merupakan sisa lebih

realisasi penerimaan dan pengeluaran anggaran selama satu periode

anggaran. SiLPA yang merupakan penerimaan daerah yang bersumber

dari sisa kas anggaran sebelumnya digunakan untuk menutupi defisit

anggaran apabila realisasi pendapatan lebih kecil daripada realisasi

belanja. SiLPA diukur dengan menggunakan spread SiLPA (ΔSiLPA)

dari APBD tahun berjalan (t) – APBD tahun sebelumnya (t-1). (Sularso, dkk., 2014)

SiLPA = spread SiLPA

(30)

3.6.2. Skala Pengukuran Variabel

Adapun pengukuran variabel-variabel yang digunakan dalam

[image:30.595.161.508.195.741.2]

penelitian ini adalah sebagai berikut :

Tabel 3.1 Operasional Variabel

Variabel Definisi Pengukuran Skala

Variabel Dependen Perilaku Oportunistik Penyusun Anggaran (OPA) (Y)

Sifat manusia yang memanfaatkan kesempatan atau peluang yang ada untuk memperoleh keuntungan demi diri sendiri maupun kelompok tanpa mempertimbang kan apakah hal tersebut baik atau benar.

OPA = ΔPdk + ΔKes +

ΔPU Rasio Variabel Independen PAD (X1) Pendapatan yang diperoleh daerah yang dipungut berdasarkan peraturan daerah sesuai dengan peraturan perundang-undangan.

PAD = PADAPBD tahun berjalan (t) – PADAPBD tahun sebelumnya (t-1) Rasio DAU (X2) Dana yang bersumber dari pendapatan APBN yang dialokasikan dengan tujuan pemerataan kemampuan keuangan antar daerah untuk mendanai kebutuhan daerah dalam rangka pelaksanaan desentralisasi.

DAU = DAUAPBD tahun berjalan (t) – DAUAPBD tahun sebelumnya (t-1)

(31)

DBH (X3) Dana yang bersumber dari pendapatan APBN yang dialokasikan kepada daerah berdasarkan angka persentase untuk mendanai kebutuhan daerah dalam rangka pelaksanaan desentralisasi.

DBH = DBHAPBD tahun berjalan (t) – DBHAPBD tahun sebelumnya (t-1) Rasio SiLPA (X4) Penerimaan daerah yang bersumber dari sisa kas tahun anggaran sebelumnya yang digunakan untuk menutupi defisit anggaran apabila realisasi pendapatan lebih kecil daripada realisasi belanja.

SiLPA= SiLPAAPBD tahun berjalan (t) – SiLPA APBD tahun sebelumnya (t-1)

Rasio

3.7. Teknik Analisis Data 3.7.1. Statistik Deskriptif

Analisis deskriptif adalah metode analisis dimana data yang

dikumpulkan dapat diinterpretasikan secara sederhana, jelas dan objektif

sehingga diperoleh informasi dan gambaran yang sebenarnya mengenai

topik yang dibahas. Statistik deskriptif memberikan gambaran mengenai

suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian,

maksimum, minimum, sum, range, kurtosis, dan skewness (kemencengan

(32)

3.7.2. Uji Asumsi Klasik

Uji asumsi klasik yang digunakan adalah uji normalitas, uji

multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.

3.7.2.1. Uji Normalitas

Uji Normalitas bertujuan untuk melihat apakah data

berdistribusi normal atau tidak. Model regresi yang baik adalah

model yang memiliki distribusi data yang normal atau mendekati

normal. Ada dua acara untuk mendeteksi apakah residual

berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji

statistik. Uji normalitas data dilakukan dengan uji Kolmogrov

Smirnov. Hipotesis statistiknya adalah sebagai berikut :

�0 : µ� = 0 (sampel terdistribusi normal)

�1 : µ� ≠ 0 (sampel tidak terdistribusi normal)

Jika nilai Sig. atau signifikansi atau probabilitas > 0,05,

maka �0 dapat diterima, artinya sampel terdistribusi normal.

Sebaliknya, jika nilai Sig. atau signifikansi atau probabilitas < 0,05,

maka �0 ditolak, artinya sampel tidak terdistribusi normal

sehingga pengujian selanjutnya dilakukan dengan metode statistika

non-parametik.

3.7.2.2. Uji Multikolinearitas

Uji multikolinearitas digunakan untuk menguji apakah

dalam model regresi ditemukan adanya korelasi diantara variabel

(33)

seharusnya tidak terjadi korelasi diantara independennya. Untuk

mengetahui apakah ada atau tidaknya multikolinearitas dalam

model regresi dapat dilihat dari nilai tolerance dan lawannya

variance inflation factor (VIF). Jika nilai tolerance < 0,1 dan nilai

variance inflation factor (VIF) > 10, maka terjadi multikolinearitas,

sedangkan jika nilai tolerance > 0,1 dan lawannya variance

inflation factor (VIF) < 10 maka tidak terjadi multikolinearitas.

3.7.2.3. Uji Heteroskedastisitas

Uji Heteroskedastisitas digunakan untuk melihat apakah

terjadi ketidaksamaan variance dari residual satu pegamatan ke

pengamatan yang lain dalam model regresi. Model regresi yang

baik adalah jika variance dari residual satu pengamatan ke

pengamatan lain tetap, atau juga disebut homoskedastisitas. Dasar

analisis menurut Ghozali (2006) adalah sebagai berikut:

a. Jika terdapat pola tertentu, seperti titik-titik yang membentuk

pola tertentu yang teratur (misalnya bergelombang, melebar,

kemudian menyempit), maka mengidentifikasi telah terjadi

heteroskedastisitas.

b. Jika tidak terdapat pola yang jelas, juga titik-titik menyebar di

atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi

(34)

3.7.2.4. Uji Autokorelasi

Data yang digunakan dalam penelitian ini merupakan data

time series, sehingga perlu dilakukan uji autokorelasi. Uji

autokorelasi bertujuan untuk menguji apakah dalam model regresi

linier ada korelasi antara kesalahan pengganggu pada periode t

dengan kesalahan pada periode t-1 (sebelumnya). Model regresi

yang baik adalah model regresi yang bebas dari autokorelasi

(Ghozali, 2006). Untuk menguji ada atau tidaknya autokorelasi

dilakukan dengan menggunakan uji Durbin-Watson (DW test).

Pengambilan keputusan dapat dilihat melalui tabel autokorelasi

[image:34.595.178.508.413.635.2]

berikut ini :

Tabel 3.2

Prasyarat Uji Autokorelasi

Hipotesis nol Keputusan Jika

Tidak ada autokorelasi positif

Tolak 0 < d < dl

Tidak ada autokorelasi positif

No decision dl ≤ d ≤ du

Tidak ada korelasi

negatif Tolak 4 - dl < d < 4

Tidak ada korelasi

negatif No decision 4 – du ≤ d ≤ 4 – dl

Tidak ada autokorelasi positif atau negatif

Tidak ditolak Du < d < 4 – du

(35)

3.8. Model Regresi Liner Berganda

Penelitian ini dianalisis dengan menggunakan model regresi linier

berganda untuk melihat seberapa besar pengaruh Pendapatan Asli Daerah, Dana

Alokasi Umum, Dana Bagi Hasil dan Sisa Lebih Perhitungan Anggaran terhadap

Perilaku Oportunistik Penyusun Anggaran dengan model dasar sebagai berikut:

Y = α + β1X1 + β2X2 + β3X3 + β4X4 + ℮

Keterangan :

Y = Variabel dependen, dalam hal ini Oportunistik Penyusun Anggaran

α = Konstanta

β1,β2,β3,β4 = Koefisien regresi X1,X2,X3,X4

X1 = Variabel independen pertama yaitu PAD

X2 = Variabel independen kedua yaitu DAU

X3 = Variabel independen ketiga yaitu DBH

X4 = Variabel independen keempat yaitu SiLPA

℮ = Error (pengganggu)

3.9. Pengujian Hipotesis

Adapun pengujian terhadap hipotesis yang diajukan dilakukan dengan cara

berikut:

3.9.1. Uji Koefisien Determinasi ( R2 )

Uji Determinan (R2) merupakan suatu ukuran yang menunjukkan

berapa banyak variasi dalam data dapat dijelaskan oleh model regresi yang

dibangun. Nilai koefisien determinan (R2) mencerminkan seberapa besar

(36)

Dimana nilai koefisien determinasi (R2) adalah 0 < R2 < 1. Dasar analisis

pengambilan keputusan koefisien determinan (R2) adalah sebagai berikut :

1. Jika nilai koefisien determinasi sama dengan 0 (R2 = 0), artinya variasi

dari Y tidak dapat diterangkan oleh X sama sekali.

2. Jika nilai koefisien determinasi sama dengan 1 (R2 = 1), artinya variasi

dari Y secara keseluruhan dapat diterangkan oleh X.

3.9.2. Uji Signifikansi Simultan (Uji-F)

Uji-F dilakukan untuk mengetahui apakah semua variabel bebas

yang dimasukkan dalam model mempunyai pengaruh secara

bersama-sama terhadap variable terikat. Dengan menggunakan tingkat signifikan

(α) 5%, jika nilai sig.F > 0,05 maka Ho diterima, artinya tidak ada

pengaruh yang signifikan secara bersamaan dari variabel bebas terhadap

variabel terikat. Sebaliknya, jika nilai sig.F < 0,05 maka Ha diterima,

artinya ada pengaruh yang signifikan secara bersamaan dari variabel bebas

terhadap variabel terikat. Pengambilan keputusan juga dapat dilakukan

dengan membandingkan nilai Fhitung dan nilai Ftabel. Kriteria pengambilan

keputusannya yaitu:

Ho diterima dan Ha ditolak jika Fhitung< Ftabeluntuk α = 5%

Ho ditolak dan Ha diterima jika Fhitung> Ftabeluntuk α = 5%

3.9.3. Uji Signifikansi Parsial (Uji-t)

Uji-t dilakukan dilakukan untuk mengetahui apakah setiap variabel

bebas secara parsial mempunyai pengaruh yang signifikan terhadap

(37)

sig.t > 0,05 maka Ho diterima, artinya tidak ada pengaruh yang signifikan

terhadap variabel terikat. Sebaliknya, jika nilai sig.t < 0,05 maka Ha

diterima, artinya ada pengaruh yang signifikan antara variabel bebas

terhadap variabel terikat. Nilai thitung juga dapat dibandingkan dengan nilai

ttabel. Kriteria pengambilan keputusannya yaitu:

Ho diterima dan Ha ditolak jika thitung < ttabeluntuk α = 5%

(38)

BAB IV

HASIL PENELITIAN DAN PEMBAHASAN 4.1. Gambaran Umum

Secara geografis, Provinsi Sumatera Utara berada dibagian barat

Indonesia, terletak pada garis 1o – 4o Lintang Utara dan 98o – 100o Bujur Timur.

Provinsi ini berada pada posisi yang strategis karena berada pada jalur pelayaran

Selat Malaka, dimana jalur ini merupakan jalur pelayaran internasional yang

mengubungkan antara Pulau Jawa, Pulau Sumatera, dan negara tetangga. Luas

wilayah administrasi Provinsi Sumatera Utara adalah sebesar 181.860,65 km2

yang terdiri dari daratan seluas 71.680,68 km2 atau 3,73% dari luas wilayah

Republik Indonesia dan lautan seluas 110.000,65 km2 yang sebagian besar berada

di daratan Pulau Sumatera dan sebagian kecil berada di Pulau Nias, Pulau-pulau

Batu serta beberapa pulau kecil, baik diperairan bagian barat maupun dibagian

timur Pulau Sumatera.

Secara administratif, wilayah Provinsi Sumatera Utara berbatasan

langsung dengan:

1. Sebelah Utara dengan Provinsi Nangroe Aceh Darussalam.

2. Sebelah Selatan dengan Provinsi Riau dan Provinsi Sumatera Barat.

3. Sebelah Timur dengan Selat Malaka.

4. Sebelah Barat dengan Samudera Hindia.

Sumatera Utara merupakan provinsi keempat terbesar jumlah

penduduknya di Indonesia, yang dihuni oleh penduduk dari berbagai suku seperti

(39)

berbagai agama seperti Islam, Kristen, Buddha, Hindu dan berbagai aliran

kepercayaan lainnya. Menurut hasil pencacahan lengkap Sensus Penduduk (SP)

2000, penduduk Provinsi Sumatera Utara berjumlah 11,5 juta jiwa (seperlima dari

203,5 juta jiwa penduduk Indonesia) dengan pertumbuhan 1,20 % per tahun sejak

tahun 1990. Kepadatan penduduk Sumatera Utara pada tahun 1990 adalah 143

jiwa per km² dan pada tahun 2010 meningkat menjadi 178 jiwa per km². Dengan

Laju Pertumbuhan Penduduk dari tahun 2000-2010 sebesar 1,10 persen.

Populasi dalam penelitian ini adalah seluruh Kabupaten/Kota di Provinsi

Sumatera Utara yang terdiri dari 25 kabupaten dan 8 kota. Setelah dilakukan

pemilihan sampel dengan kriteria yang telah ditetapkan, sampel dalam penelitian

ini berjumlah 12 Kabupaten dan 3 Kota.

4.2. Hasil Penelitian

Setelah dilakukan penelitian dengan metode statistik, maka diperoleh hasil

penelitian sebagai berikut:

4.2.1. Hasil Analisis Statistik Deskriptif

Analisis statistik deskriptif digunakan untuk mengetahui deskripsi

suatu data yang dilihat dari nilai maksimum, nilai minimum, nilai rata-rata

(mean), dan nilai standar deviasi. Dalam penelitian ini, variabel yang

digunakan dalam perhitungan statistik deskriptif adalah Pendapatan Asli

Daerah (PAD), Dana Alokasi Umum (DAU), Dana Bagi Hasil (DBH),

Sisa Lebih Perhitungan Anggaran (SiLPA) dan perilaku oportunistik

penyusun anggaran (OPA) tahun 2011-2014. Hasil dari pengujian analisis

(40)
[image:40.595.145.516.111.265.2]

Tabel 4.1

Hasil Analisis Statistik Deskriptif

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

PAD_X1 45 -63.722 105.537 16.916,22 27.565,071 DAU_X2 45 18.012 211.457 74.052,82 39.373,909 DBH_X3 45 -108.024 116.628 -1.974,42 27.068,928 SiLPA_X4 45 -64.341 57.745 9.068,20 25.653,186 OPA_Y 45 -97.007 324.933 84.988,36 100.612,202 Valid N (listwise) 45

Sumber : Hasil SPSS for Windows 16.0 (2016)

Berdasarkan tabel 4.1 diperoleh data sebagai berikut:

1. Variabel Pendapatan Asli Daerah (X1) memiliki nilai minimum

sebesar -63,722 ; nilai maksimum sebesar 105,537 ; mean sebesar

16,916.22 ; dan standard deviation sebesar 27,565.071 dengan jumlah

sampel 45.

2. Variabel Dana Alokasi Umum (X2) memiliki nilai minimum sebesar

18,012 ; nilai maksimum sebesar 211,457 ; mean sebesar 74,052.82 ;

dan standard deviation sebesar 39,373.090 dengan jumlah sampel 45.

3. Variabel Dana Bagi Hasi (X3) memiliki nilai minimum sebesar

-108,024 ; nilai maksimum sebesar 116,628 ; mean sebesar -1,974.42;

dan standard deviation sebesar 27,068.928 dengan jumlah sampel 45.

4. Variabel Sisa Lebih Perhitungan Anggaran (X4) memiliki nilai

minimum sebesar -64,341 ; nilai maksimum sebesar 57,745 ; mean

sebesar 9,068.20 ; dan standard deviation sebesar 25,653.186 dengan

jumlah sampel 45.

5. Variabel perilaku oportunistik penyusun anggaran (Y) memiliki nilai

(41)

sebesar 84,988.36 ; dan standard deviation sebesar 100,612.202

dengan jumlah sampel 45.

4.2.2. Hasil Uji Asumsi Klasik

Uji asumsi klasik yang digunakan adalah uji normalitas, uji

multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.

4.2.2.1. Hasil Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam

model regresi, variabel pengangggu atau residual memiliki

distribusi normal. Uji normalitas menjadi hal penting karena salah

satu syarat pengujian parametric-test (uji parametrik) adalah data

harus memiliki distribusi normal (berdistribusi normal).

1. Analisis Grafik

Data yang baik adalah data yang memiliki pola distribusi

normal. Pola 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 miring ke kiri atau ke kanan,

(42)
[image:42.595.197.444.168.385.2]

Gambar 4.1 Grafik Histogram

Sumber : Hasil SPSS for Windows 16.0 (2016)

Gambar 4.2 Grafik Normal P-Plot

Sumber : Hasil SPSS for Windows 16.0 (2016)

Berdasarkan grafik histogram maupun grafik normal plot dapat

[image:42.595.256.424.460.657.2]
(43)

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

Uji statistik yang dapat digunakan untuk menguji normalitas

residual antara lain adalah uji statistik non-parametrik

Kolmogorov-Smirnov (K-S). Hipotesis statistiknya adalah sebagai

berikut:

H0 : Data residual berdistribusi normal

Ha : Data residual tidak berdistribusi normal

a. H0diterima apabila nilai signifikansi > 0,05

b. Haditolak apabila nilai signifikansi < 0,05

Tabel 4.2

Hasil Uji Statistik Kolmogorov-Smirnov (K-S)

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 45

Normal Parametersa Mean .0000000 Std. Deviation 7.04210562E4 Most Extreme

Differences

Absolute .105

Positive .070

Negative -.105

Kolmogorov-Smirnov Z .707

Asymp. Sig. (2-tailed) .700

a. Test distribution is Normal.

Sumber : Hasil SPSS for Windows 16.0 (2016)

Berdasarkan data Tabel 4.2 di atas, besar nilai probabilitas atau

[image:43.595.203.474.489.672.2]
(44)

signifikansi yang digunakan adalah α = 0,05. Karena nilai

probabilitas (0,700) lebih besar dari tingkat signifikansi (0,05),

maka dapat disimpulkan bahwa data terdistribusi secara normal.

Hal ini sejalan dengan hasil yang diperoleh dari analisis grafik.

4.2.2.2. Hasil Uji Multikolinearitas

Uji multikolinearitas digunakan untuk menguji apakah

dalam model regresi ditemukan adanya korelasi diantara variabel

independen. Suatu model regresi yang baik seharusnya tidak terjadi

korelasi diantara independennya. Untuk mengetahui apakah ada

atau tidaknya multikolinearitas dalam model regresi dapat dilihat

dari nilai tolerance dan lawannya variance inflation factor (VIF).

Jika nilai tolerance < 0,1 dan nilai variance inflation factor (VIF) >

10, maka terjadi multikolinearitas, sedangkan jika nilai tolerance >

0,1 dan lawannya variance inflation factor (VIF) < 10 maka tidak

[image:44.595.177.553.526.710.2]

terjadi multikolinearitas.

Tabel 4.3

Hasil Uji Multikolinearitas

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) -49759.751 25276.146 -1.969 .056

PAD_X1 .629 .415 .172 1.514 .138 .946 1.057

DAU_X2 1.497 .296 .586 5.061 .000 .913 1.095

DBH_X3 .028 .434 .008 .065 .949 .897 1.115

SiLPA_X4 1.465 .459 .373 3.190 .003 .893 1.119

a. Dependent Variable: OPA_Y

(45)

Tabel 4.3 menunjukkan bahwa nilai VIF dari

masing-masing variabel yaitu PAD (X1) sebesar 1,057 , DAU (X2) sebesar

1,095 , DBH (X3) sebesar 1,115 , dan SiLPA (X4) sebesar 1,119.

Artinya, bahwa nilai VIF masing-masing variabel lebih kecil dari

10. Dan nilai tolerance yang diperoleh masing-masing variabel

yaitu PAD (X1) sebesar 0,946 , DAU (X2) sebesar 0,913 , DBH

(X3) sebesar 0,897 , dan SiLPA (X4) sebesar 0,893. Nilai tolerance

semua variabel menunjukkan nilai lebih besar dari 0,01. Dari hasil

tersebut dapat diketahui bahwa dalam model regresi terbebas dari

multikolinearitas antar variabel independen.

4.2.2.3. Hasil Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah

dari model regresi terjadi ketidaksamaan varian dari residual suatu

pengamatan dengan pengamatan yang lain. Ada atau tidaknya

heteroskedastisitas dapat dilihat melalui grafik scatterplot pada

(46)
[image:46.595.196.475.162.359.2]

Gambar 4.3 Grafik Scatterplot

Sumber : Hasil SPSS for Windows 16.0 (2016)

Dari grafik scatterplot pada Gambar 4.3 di atas, terlihat

titik data menyebar secara acak serta tersebar di atas maupun di

bawah angka 0 pada sumbu Y maka dapat disimpulkan bahwa tidak

terjadi heteroskedastisitas pada model regresi.

4.2.2.4. Hasil Uji Autokorelasi

Uji Autokorelasi bertujuan menguji apakah dalam model

regresi linear ada korelasi antara kesalahan pengganggu pada

periode t dengan kesalahan pada periode t-1 atau sebelumnya.

Model regresi yang baik adalah model regresi yang bebas dari

autokorelasi. Untuk menguji ada atau tidaknya autokorelasi

dilakukan dengan menggunakan uji Durbin-Watson (DW test)

(47)

Tabel 4.4 Hasil Uji Autokorelasi

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

Durbin-Watson

1 .714a .510 .461 73.858,227 1.939

a. Predictors: (Constant), SiLPA_X4, PAD_X1, DAU_X2, DBH_X3 b. Dependent Variable: OPA_Y

Sumber : Hasil SPSS for Windows 16.0 (2016)

Dari tabel 4.4 menunjukkan hasil uji autokorelasi

Durbin-Watson, skor DW sebesar 1,939. Nilai n = 45 dan variabel

independen 4 (k=4); taraf signifikansi sebesar 5% ; maka pada

tabel Durbin-Watson akan didapat nilai sebagai berikut: (lihat

[image:47.595.182.516.395.508.2]

lampiran 14)

Tabel 4.5

Durbin-Watson Test Bound

k=4

n dL Du

10 0,376 2,413

- -

45 1,335 1,720

Berdasarkan tabel Durbin-Watson, dU < DW < (4 – dU)

yaitu 1,720 ≤ 1,939≤ 2,280 (4 – 1,720) dan nilai DW lebih kecil

daripada (4 – dL) yaitu 2,665 (4 – 1,335). Dengan demikian dapat

disimpulkan tidak terjadi autokorelasi diantara data pengamatan

(48)

4.2.3. Hasil Pengujian Hipotesis

Dalam pengujian hipotesis akan dilakukan pengujian koefisien

determinasi (R2), pengujian signifikansi simultan (uji-F), dan uji

signifikansi parsial (uji-t).

4.2.3.1. Hasil Uji Koefisien Determinasi (R2)

Koefisien determinasi (R2) digunakan untuk mengukur

seberapa jauh kemampuan model menerangkan variasi variabel

independen. Nilai koefisien determinasi berkisar antara 0 sampai

dengan 1. Jika koefisien determinsi semakin mendekati 1 maka

semakin kuat pengaruh variabel independen terhadap variabel

dependen dan jika koefisien determinasi mendekati 0, maka dapat

dikatakan semakin kecil pengaruh variabel independen terhadap

variabel dependen.

Tabel 4.6

Hasil Uji Koefisien Determinasi (R2)

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 .714a .510 .461 73.858,227

a. Predictors: (Constant), SiLPA_X4, PAD_X1, DAU_X2, DBH_X3 b. Dependent Variable: OPA_Y

Sumber : Hasil SPSS for Windows 16.0 (2016)

Berdasarkan tabel 4.6 diatas diketahui bahwa (R2) = 0,510

berarti hubungan antara PAD, DAU, DBH, dan SiLPA terhadap

OPA sebesar 51%. Adjusted R Square sebesar 0,461 berarti 46,1%

(49)

SiLPA sedangkan 53,9% dijelaskan oleh faktor-faktor lain yang

tidak diteliti dalam penelitian ini.

4.2.3.2. Hasil Uji Signifikansi Simultan (Uji-F)

Uji signifikansi simultan (uji-F) dilakukan untuk

mengetahui apakah variabel independen yaitu PAD, DAU, DBH,

dan SiLPA mempunyai pengaruh secara bersama-sama terhadap

variabel dependen yaitu OPA. Berikut ini adalah kriteria

pengambilan keputusannya yaitu:

a. Jika F hitung < F tabel pada α > 0,05, maka Ho diterima dan Ha

ditolak.

b. Jika F hitung > F tabel pada α > 0,05, maka Ho ditolak dan Ha

diterima.

Hipotesisnya adalah sebagai berikut :

H0 : Variabel PAD, DAU, DBH, dan SiLPA tidak berpengaruh

secara signifikan terhadap variabel OPA.

Ha : Variabel PAD, DAU, DBH, dan SiLPA berpengaruh secara

signifikan terhadap variabel OPA.

Ftabel dapat diperoleh dari tabel F pada tingkat signifikansi 5%

dengan:

df1 = k – 1 = 5 – 1 = 4 , df2 = n – k = 45 – 4 = 40

keterangan :

df = Degree of freedom

n = Jumlah observasi k = Jumlah variabel

(50)

Tabel 4.7

Hasil Uji Signifikansi Simultan (Uji-F)

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 2.272E11 4 5.680E10 10.413 .000a Residual 2.182E11 40 5.455E9

Total 4.454E11 44

a. Predictors: (Constant), SiLPA_X4, PAD_X1, DAU_X2, DBH_X3

b. Dependent Variable: OPA_Y

Sumber : Hasil SPSS for Windows 16.0 (2016)

Berdasarkan tabel 4.7 diatas, dapat dilihat nilai signifikan

0,000 lebih kecil dari 0,05 maka PAD, DAU, DBH, dan SiLPA

secara bersama-sama berpengaruh terhadap OPA. Jika

membandingkan nilai Fhitung dengan Ftabel diketahui bahwa nilai

Fhitung lebih besar dari nilai Ftabel (10,413 > 2,61). Hal ini

menunjukkan bahwa H0 ditolak dan H1 diterima. Sehingga dapat

disimpulkan bahwa Pendapatan Asli Daerah (PAD), Dana Alokasi

Umum (DAU), Dana Bagi Hasil (DBH), dan Sisa Lebih

Perhitungan Anggaran (SiLPA) berpengaruh secara simultan

terhadap perilaku oportunistik penyusun anggaran (OPA).

4.2.3.3. Hasil Uji Signifikansi Parsial (Uji-t)

Uji signifikansi parsial (Uji t) dilakukan untuk mengetahui

apakah setiap variabel independen yaitu PAD, DAU, DBH, dan

SiLPA secara parsial mempunyai pengaruh yang signifikan

terhadap variabel dependen yaitu OPA. Berikut ini adalah kriteria

(51)

a. Jika thitung < ttabel pada α > 0,05, maka Ho diterima dan Ha

ditolak.

b. Jika thitung > ttabel pada α > 0,05, maka Ho ditolak dan Ha

diterima.

Hipotesisnya adalah sebagai berikut :

H0 : Variabel PAD, DAU, DBH, dan SiLPA tidak berpengaruh

secara signifikan terhadap variabel OPA.

Ha : Variabel PAD, DAU, DBH, dan SiLPA berpengaruh secara

signifikan terhadap variabel OPA.

ttabel dapat diperoleh dari tabel t pada tingkat signifikansi 5%

dengan:

df = n – k = 45 – 5 = 40

keterangan :

df = Degree of freedom

n = Jumlah observasi k = Jumlah variabel

, maka t tabel adalah 1,684.

Tabel 4.8

Hasil Uji Signifikansi Parsial (Uji-t)

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig. B Std. Error Beta

1 (Constant) -49759.751 25276.146 -1.969 .056

PAD_X1 .629 .415 .172 1.514 .138

DAU_X2 1.497 .296 .586 5.061 .000

DBH_X3 .028 .434 .008 .065 .949

SiLPA_X4 1.465 .459 .373 3.190 .003

a. Dependent Variable: OPA_Y

(52)

Dari hasil pengujian akan dijelaskan pengaruh variabel

independen secara parsial dengan membandingkan antara nilai

signifikansi thitung yang terdapat dalam tabel 4.7 dengan ttabel.

Kemudian dari tabel 4.7 diatas diperoleh model persamaan regresi

linier berganda sebagai berikut:

OPA = -49759.751 + PAD 0.629 + DAU 1.497 + DBH 0.028+ SiLPA 1.465 + ε

Keterangan:

1. Nilai konstanta sebesar -49759.751 artinya apabila variabel

PAD (X1), DAU (X2), DBH (X3) dan SiLPA (X4) konstan,

maka OPA rata-rata sebesar -49759.751. Apabila variabel PAD,

DAU, DBH, dan SiLPA bernilai nol, maka OPA cenderung

menurun sebesar nilai konstanta.

2. Pendapatan Asli Daerah (X1) memiliki nilai signifikansi 0,138

yang berarti nilai ini lebih besar dari 0,05, sedangkan nilai thitung

1,514 < ttabel 1,684 , sehingga dari hasil tersebut dapat

disimpulkan bahwa Ho diterima (Ha ditolak) atau variabel

Pendapatan Asli Daerah secara parsial tidak berpengaruh

terhadap perilaku oportunistik penyusun anggaran (Y).

3. Dana Alokasi Umum (X2) memiliki nilai signifikansi 0,000

yang berarti nilai ini lebih kecil dari 0,05, sedangkan nilai thitung

(53)

Alokasi Umum secara parsial berpengaruh terhadap perilaku

oportunistik penyusun anggaran (Y).

4. Dana Bagi Hasil (X3) memiliki nilai signifikansi 0,949 yang

berarti nilai ini lebih besar dari 0,05, sedangkan nilai thitung 0,065

< ttabel 1,864 , sehingga dari hasil tersebut dapat disimpulkan

bahwa Ho diterima (Ha ditolak) atau variabel Dana Bagi Hasil

secara parsial tidak berpengaruh terhadap perilaku oportunistik

penyusun anggaran (Y).

5. Sisa Lebih Perhitungan Anggaran (X4) memiliki nilai

signifikansi 0,003 yang berarti nilai ini lebih kecil dari 0,05,

sedangkan nilai thitung 3,190 > ttabel 1,864 , sehingga dari hasil

tersebut dapat disimpulkan bahwa Ha diterima (Ho ditolak) atau

variabel Sisa Lebih Perhitungan Anggaran secara parsial

berpengaruh terhadap perilaku oportunistik penyusun anggaran

(Y).

4.3. Pembahasan Hasil Penelitian

4.3.1. Pengaruh PAD, DAU, DBH, dan SiLPA terhadap Perilaku Oportunistik Penyusun Anggaran

Berdasarkan hasil Uji F yang dilakukan menunjukkan Fhitung

(10,413) > Ftabel (2,61) dengan nilai signifikansi 0,000 berada dibawah

0,05 yang artinya variabel-variabel Pendapatan Asli Daerah (PAD), Dana

Alokasi Umum (DAU), Dana Bagi Hasil (DBH), dan Sisa Lebih

(54)

signifikan terhadap variabel perilaku oportunistik penyusun anggaran

(OPA). Hal ini didukung dari nilai koefisien determinasi (Adjusted R

Square) sebesar 0,461 yang artinya 46,1% faktor-faktor perilaku

oportunistik penyusun anggaran (OPA) dapat dijelaskan oleh Pendapatan

Asli Daerah (PAD), Dana Alokasi Umum (DAU), Dana Bagi Hasil

(DBH), dan Sisa Lebih Perhitungan Anggaran (SiLPA). Sedangkan

selebihnya 53,9% dijelaskan oleh faktor-faktor lain yang tidak diteliti

dalam penelitian ini. Hasil penelitian ini sejalan dengan penelitan yang

dilakukan oleh Sularso, dkk., (2014) yang menemukan bahwa semakin

tinggi PAD, SiLPA, dan DAU maka akan meningkatkan perilaku

oportunistik penyusun anggaran Kabupaten/Kota di Provinsi Jawa Tengah.

4.3.2. Pengaruh PAD terhadap Perilaku Oportunistik Penyusun Anggaran

Sumber penerimaan daerah yang utama yaitu berasal dari

Pendapatan Asli Daerah (PAD). PAD merupakan usaha daerah guna

memperkecil ketergantungan dalam mendapatkan dana (subsidi) dari

pemerintah pusat. PAD juga memiliki peranan penting dalam pembiayaan

daerah, semakin besar PAD yang dimiliki oleh suatu daerah maka semakin

besar pula kemampuan daerah untuk meningkatkan pelayanan dan

kesejahteraan masyarakat. Hasil penelitian Fathony (2011) menemukan

bahwa proporsi PAD yang rata-rata 10% dari total penerimaan daerah

memiliki kecenderungan bertambah saat perubahan anggaran. Hal ini

(55)

oportunistik dengan cara merekomendasikan penambahan anggaran bagi

program dan kegiatan yang mendukung kepentingannya. Dari hasil

pengujian parsial yang dilakukan, diketahui bahwa variabel Pendapatan

Asli Daerah (PAD) tidak memiliki pengaruh yang signifikan terhadap

perilaku oportunistik penyusun anggaran namun berpengaruh positif

terhadap perilaku oportunistik penyusun anggaran. Dengan demikian,

secara statistik variabel Pendapatan Asli Daerah (PAD) tidak berpengaruh

terhadap perilaku oportunistik penyusun anggaran. Artinya, tinggi atau

rendahnya PAD yang diperoleh suatu daerah tidak berpengaruh terhadap

perilaku oportunistik penyusun anggaran didaerah tersebut. Hasil

penelitian ini terlihat dari uji-t yang menunjukkan hasil thitung(1,514) <

ttabel (1,684) dengan tingkat signifikansi sebesar 0,138 yang berada diatas

0,05. Hasil penelitian ini tidak sejalan dengan penelitian yang dilakukan

oleh Abdullah dan Asmara (2006) dan Sularso, dkk., (2014) yang

menyatakan bahwa variabel Pendapatan Asli Daerah (PAD) memiliki

pengaruh signifikan terhadap perilaku oportunistik penyusun anggaran.

4.3.3. Pengaruh DAU terhadap Perilaku Oportunistik Penyusun Anggaran

Dana Alokasi Umum (DAU) merupakan dana yang bersumber dari

pendapatan APBN yang dialokasikan dengan tujuan pemerataan

kemampuan keuangan antar daerah untuk mendanai kebutuhan daerah

dalam rangka pelaksanaan desentralisasi. DAU memiliki proporsi yang

(56)

grant, artinya pemerintah daerah dapat dengan leluasa menggunakannya

karena tidak terikat dengan program pengeluaran tertentu. Adanya

keleluasaan tersebut membuka peluang bagi penyusun anggaran baik

legeslatif maupun eksekutif untuk berperilaku oportunistik. Hasil

pengujian parsial terhadap variabel Dana Alokasi Umum (DAU), diketahui

bahwa variabel Dana Alokasi Umum (DAU) berpengaruh signifikan

terhadap perilaku oportunistik penyusun anggaran. Berdasarkan pengujian

statistik dengan uji-t terhadap variabel DAU menunjukkan bahwa secara

parsial variabel DAU berpengaruh positif. Dengan demikian, secara

statistik DAU berpengaruh terhadap perilaku oportunistik penyusun

anggaran. Artinya, semakin tinggi DAU yang diperoleh suatu daerah maka

akan meningkatkan perilaku oportunistik penyusun anggaran didaerah

tersebut. Hasil penelitian ini terlihat dari uji-t yang menunjukkan thitung

(5,061) > ttabel (1,684) dengan tingkat signifikansi sebesar 0,000 yang

berada dibawah 0,05. Hasil penelitian ini sejalan dengan penelitian yang

dilakukan oleh Maryono (2013) dan Sularso, dkk., (2014) yang

menyatakan bahwa variabel Dana Alokasi Umum (DAU) memiliki

pengaruh positif dan signifikan terhadap perilaku oportunistik penyusun

(57)

4.3.4. Pengaruh DBH terhadap Perilaku Oportunistik Penyusun Anggaran

Dana Bagi Hasil (DBH) adalah dana yang bersumber dari

pendapatan APBN yang dialokasikan kepada daerah berdasarkan angka

persentase untuk mendanai kebutuhan daerah dalam rangka pelaksanaan

desentralisasi. DBH merupakan sumber pendapatan daerah yang cukup

potensial dan merupakan salah satu modal dasar pemerintah daerah dalam

mendapatkan dana pembangunan dan memenuhi belanja daerah yang

bukan berasal dari Pendapatan Asli Daerah (PAD) selain Dana Alokasi

Umum (DAU) dan Dana Alokasi Khusus (DAK). Sama seperti DAU,

DBH dialokasikan dalam bentuk block grant, yang dapat digunakan secara

mandiri oleh daerah tanpa ada aturan penggunaannya. Hal ini dapat

dimanfaatkan oleh legeslatif maupun eksekutif untuk berperilaku

oportunistik. Hasil pengujian parsial terhadap variabel Dana Bagi Hasil

(DBH), diketahui bahwa variabel Dana Bagi Hasil (DBH) tidak memiliki

pengaruh yang signifikan terhadap perilaku oportunistik penyusun

anggaran namun berpengaruh positif terhadap perilaku oportunistik

penyusun anggaran. Dengan demikian, secara statistik Dana Bagi Hasil

(DBH) tidak berpengaruh terhadap perilaku oportunistik penyusun

anggaran. Artinya, tinggi atau rendahnya DBH yang diperoleh suatu

daerah tidak berpengaruh terhadap perilaku oportunistik penyusun

(58)

menunjukkan hasil thitung (0,065) < ttabel (1,684) dengan tingkat

signifikansi sebesar 0,949 yang berada diatas 0,05.

4.3.5. Pengaruh SiLPA terhadap Perilaku Oportunistik Penyusun Anggaran

SiLPA merupakan penerimaan daerah yang bersumber dari sisa kas

tahun anggaran sebelumnya yang digunakan untuk menutupi defisit

anggaran apabila realisasi pendapatan lebih kecil daripada realisasi

belanja. SiLPA sebenarnya merupakan indikator efisiensi, karena SiLPA

akan terbentuk bila terjadi surplus pembiayaan neto, dimana komponen

penerimaan lebih besar dari komponen pengeluaran. Jumlah SiLPA tahun

sebelumnya dapat diketahui setelah Laporan Keuangan Pemerintahan

Daerah (LKPD) tahun sebelumnya disahkan. Kondisi ini dapat

dimanfaatkan oleh legeslatif maupun eksekutif untuk mengalokasikan

kembali (rebudgetting) dana tersebut melalui mekanisme perubahan

APBD serta memberikan peluang bagi penyusun anggaran untuk

berperilaku oportunistik dalam mengalokasikan SiLPA tersebut. Hasil

pengujian parsial terhadap variabel Sisa Lebih Perhitungan Anggaran

(SiLPA), diketahui bahwa variabel Sisa Lebih Perhitungan Anggaran

(SiLPA) berpengaruh signifikan terhadap perilaku oportunistik penyusun

anggaran. Berdasarkan pengujian statistik dengan uji-t terhadap variabel

SiLPA menunjukkan bahwa secara parsial variabel SiLPA berpengaruh

positif. Dengan demikian, secara statistik SiLPA berpengaruh terhadap

(59)

yang diperoleh suatu daerah maka akan meningkatkan perilaku

oportunistik penyusun anggaran didaerah tersebut. Hasil penelitian ini

terlihat dari uji-t yang menunjukkan thitung(3,190) > ttabel (1,684) dengan

tingkat signifikansi sebesar 0,003 yang berada dibawah 0,05. Hasil

penelitian ini sejalan dengan penelitian yang dilakukan oleh Sularso, dkk.,

(2014) yang menyatakan bahwa variabel Sisa Lebih Perhitungan Anggaran

(SiLPA) memiliki pengaruh positif dan signifikan terhadap perilaku

(60)

BAB V

KESIMPULAN DAN SARAN 5.1. Kesimpulan

Berdasarkan hasil analisis data dan pembahasan yang telah dilakukan

dapat diambil beberapa kesimpulan sebagai berikut:

1. Secara simultan Pendapatan Asli Daerah (PAD), Dana Alokasi Umum (DAU),

Dana Bagi Hasil (DBH), dan Sisa Lebih Perhitungan Anggaran (SiLPA)

berpengaruh signifikan terhadap perilaku oportunistik penyusun anggaran

(OPA) pada Kabupaten/Kota di Provinsi Sumatera Utara.

2. Secara parsial variabel Pendapatan Asli Daerah (PAD) berpengaruh positif

tetapi tidak signifikan terhadap perilaku oportunistik penyusun anggaran

(OPA) pada Kabupaten/Kota di Provinsi Sumatera Utara.

3. Secara parsial variabel Dana Alokasi Umum (DAU) berpengaruh signifikan

positif terhadap perilaku oportunistik penyusun anggaran (OPA) pada

Kabupaten/Kota di Provinsi Sumatera Utara.

4. Secara parsial variabel Dana Bagi Hasil (DBH) berpengaruh positif tetapi

tidak signifikan terhadap perilaku oportunistik penyusun anggaran (OPA)

pada Kabupaten/Kota di Provinsi Sumatera

Gambar

Tabel Durbin-Watson
Tabel t dan F
Tabel 3.1 Operasional Variabel
Tabel 3.2 Prasyarat Uji Autokorelasi
+7

Referensi

Dokumen terkait

Dari tabel di atas tersirat bahwa parameter batasan dan persyaratan operasi sebagian besar sudah dilaksanakan pada kegiatan pengendalian terhadap persiapan sarana

Tumpang tindih antara pengadilan negeri dengan pengadilan desa adat dapat terjadi pada; pertama, sengketa tentang hak atas tanah yang berada di wilayah masyarakat hukum adat;

perkhidmatan kaunseling kepada pasangan suami isteri di Jabatan Agama

setelah berlakunya undang-undang ini kehilangan kewarganegaraannya wajib melepaskan hak itu di dalam jangka waktu satu tahun sejak diperolehnya hak tersebut atau

adalah investasi jangka panjang yang dimaksudkan untuk dimiliki

Melalui penelitian ini, peneliti berusaha mengungkapkan secara mendalam motivasi (dorongan yang menyebabkan seseorang berbuat sesuatu, melakukan tindakan, atau bersikap

The original consolidated financial statements included herein are in Indonesian

Pengertian meningkatkan dalam Kamus Besar Bahasa Indonesia mempunyai arti “menaikkan derajat, taraf, dan sebagainya.” 17 Adapun meningkatkan yang dimaksudkan dalam