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
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
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
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
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
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
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
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
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
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
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
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
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
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
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.
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
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
Yani, Ahmad, 2008. Hubungan Keuangan Antara Pemerintah Pusat dan Daerah di Indonesia, Rajagrafindo Persada, Jakarta.
www.antikorupsi.org
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
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
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
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
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
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)
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
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
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
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
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
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
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%
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
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
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
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,
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]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]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
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
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)
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
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%
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
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
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
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
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
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
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
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
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
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
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
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