51
BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil Penelitian
4.1.1 Gambaran Objek Penelitian
Pada bab ini peneliti akan memaparkan hasil analisis data yang telah
diperoleh dari hasil penelitian yang telah diajukan untuk mengetahui pengaruh
Pendapatan Asli Daerah terhadap Pertumbuhan Ekonomi dan Belanja Modal
sebagai Variabel Moderating. Data yang dipergunakan pada penelitian ini adalah
Laporan Realisasi Anggaran Pendapatan dan Belanja Daerah (APBD) dan
Laporan Pertumbuhan Ekonomi Pemerintah Daerah Kabupaten/Kota di Provinsi
Jawa Barat periode 2010-2013 (4 tahun) untuk Pendapatan Asli Daerah, dan
Belanja Modal, sedangkan periode 2011-2014 (4 tahun) untuk Pertumbuhan
Ekonomi sehingga jumlah sampel menjadi 104 data. Dari laporan tahunan
tersebut yang menjadi objek penelitian adalah Laporan Keuangan Pemerintah
Daerah (LKPD) 26 Kabupaten/Kota se-Jawa Barat. Data diperoleh dari Badan
Pusat Statistik (BPS) Provinsi Jawa Barat dan Badan Pemeriksa Keuangan (BPK)
Provinsi Jawa Barat.
Metode yang digunakan dalam penelitian ini dalah metode deskriptif
verifikatif, yaitu metode deskriptif merupakan suatu metode dalam meneliti
status sekelompok manusia, suatu objek, suatu kondisi, ataupun suatu kelas
penelitian yang bertujuan untuk memeriksa atau membuktikan kebenaran teori
atau hasil penelitian lain yang dilakukan sebelumnya (Ulber Silalahi, 2010).
4.1.2 Analisis Deskriptif
4.1.2.1 Pendapatan Asli Daerah
Tabel 4.1
Pendapatan Asli Daerah
Periode 2010-2013 No Kabupaten /Kota 2010 2011 2012 2013 1 Bogor Rp399,263,956,504 Rp685,121,399,928 Rp1,048,230,704,202 Rp1,261,034,564,121 2 Sukabumi Rp98,442,632,628 Rp151,825,718,336 Rp185,190,545,988 Rp273,452,383,011 3 Cianjur Rp114,305,535,968 Rp147,346,021,050 Rp215,802,558,713 Rp266,100,616,612 4 Bandung Rp198,650,518,839 Rp291,062,396,560 Rp366,316,690,578 Rp507,243,684,131 5 Garut Rp108,914,763,969 Rp122,418,643,665 Rp184,269,764,772 Rp240,631,630,078 6 Tasikmalaya Rp48,338,061,521 Rp51,160,921,192 Rp60,970,810,517 Rp70,474,192,115 7 Ciamis Rp50,512,875,943 Rp58,900,535,511 Rp87,711,885,423 Rp117,475,935,245 8 Kuningan Rp68,158,790,368 Rp82,917,043,803 Rp97,605,695,930 Rp112,517,242,678 9 Cirebon Rp139,426,725,461 Rp193,843,221,050 Rp229,992,688,130 Rp250,848,893,157 10 Majalengka Rp76,398,018,123 Rp86,579,536,411 Rp103,740,974,491 Rp142,505,677,495 11 Sumedang Rp108,646,803,911 Rp139,823,277,566 Rp161,995,577,348 Rp189,612,071,920 12 Indramayu Rp101,840,184,226 Rp144,553,804,178 Rp164,671,614,661 Rp174,713,400,274 13 Subang Rp75,532,291,693 Rp94,181,846,520 Rp120,972,034,723 Rp143,314,398,091 14 Purwakarta Rp76,489,287,145 Rp111,690,657,181 Rp151,567,981,246 Rp173,764,159,823 15 Karawang Rp210,282,788,665 Rp378,630,051,818 Rp658,597,372,181 Rp660,841,119,615 16 Bekasi Rp258,671,098,123 Rp599,070,130,849 Rp801,852,905,867 Rp1,154,525,309,151 17 Bandung Barat Rp50,367,666,303 Rp9,460,616,067 Rp136,241,257,300 Rp187,170,467,143 18 Bogor Rp127,488,089,831 Rp230,449,644,620 Rp300,932,470,210 Rp464,695,880,485 19 Sukabumi Rp91,472,357,185 Rp115,473,386,833 Rp148,387,665,338 Rp175,539,318,476 20 Bandung Rp441,863,068,294 Rp833,254,175,288 Rp100,558,424,429 Rp1,442,775,238,323 21 Cirebon Rp90,795,674,571 Rp120,130,531,059 Rp149,489,858,160 Rp206,019,069,726 22 Bekasi Rp296,046,878,712 Rp568,344,298,997 Rp730,735,134,154 Rp969,741,298,062
No Kabupaten /Kota 2010 2011 2012 2013 23 Depok Rp142,380,788,621 Rp282,747,544,887 Rp474,705,361,540 Rp581,207,570,935 24 Cimahi Rp87,321,279,805 Rp116,677,729,308 Rp144,540,602,338 Rp191,599,456,904 25 Tasikmalaya Rp104,787,914,975 Rp110,369,865,905 Rp153,009,410,135 Rp172,883,279,898 26 Banjar Rp37,358,705,002 Rp45,952,391,978 Rp54,684,690,641 Rp70,625,135,392 Rata Rp138,606,029,092 Rp221,999,438,098 Rp270,491,333,808 Rp392,358,153,572 Maksimal Rp441,863,068,294 Rp833,254,175,288 Rp1,048,230,704,202 Rp1,442,775,238,323 Minimal Rp37,358,705,002 Rp9,460,616,067 Rp54,684,690,641 Rp70,474,192,115
Berdasarka tabel 4.1 didapatkan informasi bahwa :
a. Pada tahun 2010 PAD tertinggi adalah Kota Bandung sebesar Rp
441,863,068,294. Sedangkan PAD terendah adalah Kota Banjar sebesar Rp
37.358.705.002.
b. Pada tahun 2011 PAD tertinggi adalah Kota Bandung sebesar Rp
833,254,175,288 Sedangkan PAD terendah adalah Kabupaten Bandung
Barat sebesar Rp9,460,616,067.
c. Pada tahun 2012 PAD tertinggi adalah Kabupaten Bogor sebesar Rp
Rp1,048,230,704,202. Sedangkan PAD terendah adalah Kota Banjar sebesar
Rp54,684,690,641.
d. Pada tahun 2013 PAD tertinggi adalah Kota Bandung sebesar Rp
Rp1,442,775,238,323. Sedangkan PAD terendah adalah Kabupaten
Tasikmalaya sebesar Rp70,474,192,115.
Daerah yang memiliki PAD terbesar Rp1,442,775,238,323 dimiliki oleh
Kota Bandung di tahun 2013. PAD terutama berasal dari pajak daerah, retribusi
Provinsi Jawa Barat, Kota Bandung Sangat memungkinkan untuk menggali PAD
dari sektor pendapatan pajak sebab melihat kondisi Kota Bandung sebagai pusat
berkumpulnya aktivitas perdagangan, industry, dan jasa bagi daerah-daerah
sekitarnya, sehingga keadaan seperti ini menjadi peluang bagi Kota Bandung
untuk menggali pajak daerahnya terutama dari pajak hotel dan restoran, hiburan,
reklame, dan lain sebagainya.
4.1.2.2 Belanja Modal Tabel 4.2 Belanja Modal Periode 2010-2013 No Kabupaten /Kota 2010 2011 2012 2013 1 Bogor Rp612,386,350,945 Rp703,670,729,991 Rp1,035,467,433,416 Rp1,316,781,706,310 2 Sukabumi Rp258,510,711,863 Rp202,654,073,240 Rp268,721,244,979 Rp392,139,039,436 3 Cianjur Rp224,832,749,280 Rp222,509,753,340 Rp322,640,716,696 Rp309,901,421,702 4 Bandung Rp198,090,778,260 Rp172,470,535,785 Rp489,588,416,448 Rp449,078,124,664 5 Garut Rp155,205,402,443 Rp180,601,217,327 Rp312,790,040,830 Rp692,368,428,641 6 Tasikmalaya Rp185,630,211,095 Rp167,143,625,168 Rp354,485,347,864 Rp488,363,197,158 7 Ciamis Rp120,099,464,487 Rp211,847,747,805 Rp251,837,622,131 Rp391,395,028,710 8 Kuningan Rp127,190,553,164 Rp188,794,369,899 Rp256,958,026,632 Rp259,869,947,676 9 Cirebon Rp140,387,572,010 Rp194,434,760,633 Rp338,952,749,390 Rp324,170,935,193 10 Majalengka Rp171,765,220,518 Rp195,921,116,510 Rp351,001,581,653 Rp385,174,996,026 11 Sumedang Rp102,602,892,282 Rp154,987,044,351 Rp204,371,006,983 Rp253,884,444,160 12 Indramayu Rp123,497,618,335 Rp229,034,821,018 Rp357,178,062,102 Rp234,540,001,656 13 Subang Rp148,249,417,812 Rp184,706,770,168 Rp230,142,267,197 Rp15,830,522,891 14 Purwakarta Rp126,161,699,177 Rp144,490,975,126 Rp166,565,692,417 Rp231,762,332,172 15 Karawang Rp215,659,021,690 Rp197,297,903,230 Rp645,768,234,137 Rp571,414,149,618 16 Bekasi Rp391,290,243,010 Rp643,501,281,377 Rp970,051,419,271 Rp107,864,000,532 17 Bandung Barat Rp157,567,031,404 Rp149,207,384,498 Rp351,375,689,865 Rp318,589,528,729
No Kabupaten/ Kota 2010 2011 2012 2013 18 Bogor Rp165,939,883,691 Rp132,952,958,038 Rp222,276,037,760 Rp224,308,059,020 19 Sukabumi Rp50,596,285,951 Rp56,290,977,928 Rp61,371,774,294 Rp115,523,193,175 20 Bandung Rp2,116,981,333,710 Rp612,081,890,549 Rp806,665,039,823 Rp1,064,845,440,308 21 Cirebon Rp140,365,711,137 Rp140,011,150,645 Rp93,925,244,322 Rp169,462,451,965 22 Bekasi Rp275,320,950,557 Rp323,903,765,551 Rp737,186,202,358 Rp888,422,432,910 23 Depok Rp219,717,984,878 Rp295,461,326,149 Rp329,846,075,583 Rp655,386,101,838 24 Cimahi Rp91,135,651,185 Rp102,870,918,842 Rp111,845,037,202 Rp120,732,964,467 25 Tasikmalaya Rp124,138,673,096 Rp104,450,591,142 Rp126,531,362,161 Rp261,383,222,345 26 Banjar Rp62,265,981,625 Rp151,418,340,703 Rp148,623,923,071 Rp221,351,044,402 Rata Rp257,907,284,369 Rp233,181,385,731 Rp367,160,240,330 Rp402,482,412,142 Maksimal Rp2,116,981,333,710 Rp703,670,729,991 Rp1,035,467,433,416 Rp1,316,781,706,310 Minimal Rp50,596,285,951 Rp56,290,977,928 Rp61,371,774,294 Rp15,830,522,891
Berdasarka tabel 4.2 didapatkan informasi bahwa :
a. Pada tahun 2010 BM tertinggi adalah Kota Bandung sebesar Rp
Rp2,116,981,333,710. Sedangkan BM terendah adalah Kota Sukabumi
sebesar Rp50,596,285,951.
b. Pada tahun 2011 BM tertinggi adalah Kabupaten Bogor sebesar Rp
Rp703,670,729,991. Sedangkan BM terendah adalah Kota Sukabumi sebesar
Rp56,290,977,928.
c. Pada tahun 2012 BM tertinggi adalah Kabupaten Bogor sebesar Rp Rp
Rp1,035,467,433,416. Sedangkan BM terendah adalah Kota Sukabumi
sebesar Rp61,371,774,294.
d. Pada tahun 2013 BM tertinggi adalah Kabupaten Bogor sebesar Rp
Rp1,316,781,706,310. Sedangkan BM terendah adalah Kabupaten Subang
4.1.2.3 Pertumbuhan Ekonomi Tabel 4.3 Pertumbuhan Ekonomi Periode 2010-2013 No Kabupaten/Kota 2011 2012 2013 2014 1 Bogor 5.86 6.01 6.16 6.06 2 Sukabumi 4.42 6.38 5.20 5.48 3 Cianjur 4.89 5.60 4.53 5.88 4 Bandung 5.82 6.28 5.89 4.81 5 Garut 4.95 4.07 4.76 4.76 6 Tasikmalaya 4.25 4.02 4.36 5.03 7 Ciamis 4.99 5.35 5.26 4.12 8 Kuningan 5.62 5.71 6.12 6.28 9 Cirebon 5.23 5.46 4.96 5.04 10 Majalengka 4.71 6.06 4.93 4.88 11 Sumedang 4.79 6.56 4.84 4.70 12 Indramayu 4.06 3.18 2.87 4.06 13 Subang 3.27 0.60 4.05 5.02 14 Purwakarta 6.70 6.83 7.05 5.54 15 Karawang 6.56 4.94 7.23 4.96 16 Bekasi 6.60 6.53 6.39 5.65 17 Bandung Barat 5.68 6.04 5.94 5.71 18 Bogor 6.22 6.31 5.99 5.97 19 Sukabumi 6.18 5.80 5.41 5.43
20 Bandung 7.91 8.53 7.82 7.69 21 Cirebon 5.78 5.92 4.90 5.71 22 Bekasi 6.45 6.74 6.04 5.61 23 Depok 6.81 8.06 6.54 7.16 24 Cimahi 5.50 6.24 5.35 5.78 25 Tasikmalaya 5.02 5.80 6.17 6.16 26 Banjar 5.47 5.32 5.45 4.97 Rata 5.53 5.71 5.55 5.48 Maksimal 7.91 8.53 7.82 7.69 Minimal 3.27 0.6 2.87 4.06
Berdasarka tabel 4.2 didapatkan informasi bahwa :
a, Pada tahun 2011 PE tertinggi adalah Kota Bandung sebesar 7.91%. Sedangkan
PE terendah adalah Kabupaten Subang sebesar 3.27%.
b. Pada tahun 2012 PE tertinggi adalah Kota Bandung sebesar 8.53%. Sedangkan
PE terendah adalah Kota Subang sebesar 0.6%.
c. Pada tahun 2013 PE tertinggi adalah Kota Bandung sebesar 7.82%. Sedangkan
PE terendah adalah Kabupaten Indramayu sebesar 2.87%.
d. Pada tahun 2014 PE tertinggi adalah Kota Bandung sebesar 7.69%. Sedangkan
4.1.3 Uji Statistik Deskriptif
Statistik deskriptif menurut Jogiyanto (2007) merupakan “statistik yang
menggambarkan fenomena atau karakteristik dari data”. Karatkeristik data yang
digambarkan adalah karakteristik distribusinya. Statistik deskriptif umumnya
digunakan untuk memberi informasi mengenai variabel penelitian yang utama.
Statistik deskriptif untuk setiap variabel bebas yang digunakan dalam
analisis ini terdiri dari variabel independen yaitu Pendapatan Asli Daerah (PAD).
Variabel pemoderasi adalah Belanja Modal (BM) dan variabel dependen yaitu
Pertumbuhan Ekonomi (PE). Berdasarkan data cross section sebanyak 26 daerah
Kabupaten/Kota dengsn periode 4 tahun pengamatan, maka diperoleh deskriptif
statistik data penelitian sebagai berikut:
Tabel 4.4
Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
PAD 104 9460616067 1442775238323 255863738642.51 274900191595.662 BM 104 15830522891 2116981333710 315182830643.34 298781789389.495 PE 104 .60 8.53 5.5649 1.12029 Valid N (listwise) 104
Sumber: Lampiran output SPSS, 2016
Data deskriptif statistik digunakan untuk mengetahui gambaran umum
setiap variabel dalam penelitian. Berdasarkan hasil pengolahan data SPSS seperti
standar deviasi (penyimpangan) setiap variabel. Output tampilan SPSS
menunjukkan jumlah data (N) ada 104 data yang merupakan periode penelitian
pada 26 Kabupaten/Kota dikali dengan 4 tahun, yaitu untuk tahun 2010 sampai
dengan tahun 2014, dengan hasil analisis sebagai berikut :
1. Nilai minimum Pertumbuhan Ekonomi (Y) pada Kabupaten/Kota di
Provinsi Jawa Barat sebesar 0.60, sedangkan nilai maksimum
Pertumbuhan Ekonomi sebesar 8.53, dengan nilai rata – rata sebesar
5.5649. Standar deviasi pertumbuhan ekonomi pada Kabupaten/Kota
di Provinsi Jawa Barat sebesar 1.12029. Kabupten Subang merupakan
daerah yang memperoleh pertumbuhan ekonomi terendah, sedangkan
Kota Bandung memperoleh pertumbuhan ekonomi tertinggi.
2. Nilai minimum Pendapatan Asli Daerah (X) pada Kabupaten/Kota di
Provinsi Jawa Barat sebesar Rp. 9.460.616.067, sedangkan nilai
maksimum Pendapatan Asli Daerah sebesar Rp. 1.442.775.238.323,
dengan nilai rata – rata sebesar Rp. 255.863.738.643. Standar deviasi
Pendapatan Asli Daerah pada Kabupaten/Kota di Provinsi Jawa Barat
sebesar Rp. 274.900.191.596. Kabupaten Bandung Barat merupakan
daerah yang memperoleh Pendapatan Asli Daerah terendah,
sedangkan Kota Bandung memperoleh Pendapatan Asli Daerah
tertinggi.
3. Nilai minimum Belanja Modal (Z) pada Kabupaten/Kota di Provinsi
Belanja Modal sebesar Rp. 2.116.981.333.710, dengan nilai rata –
rata sebesar Rp. 315.182.830.643. Standar deviasi Belanja Modal
pada Kabupaten/Kota di Provinsi Jawa Barat sebesar Rp.
298.781.789.389. Kabupaten Subang merupakan daerah dengan
Belanja Modal terendah, sedangkan Kota Bandung dengan Belanja
Modal tertinggi.
4.2 Uji Asumsi Klasik
Salah satu syarat penggunaan model regresi berganda adalah dipenuhinya
semua asumsi klasik, agar hasil pengujian bersifat tidak bias dan efisien.
Pengujian asumsi klasik dalam penelitian ini dilakukan dengan bantuan program
statistik. Berikut ini pengujian untuk menentukan apakah keempat asumsi klasik
tersebut dipenuhi atau tidak.
4.2.3 Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah data telah terdistribusi
normal atau tidak. Pengujian normalitas dengan analisis grafik dapat dilihat
melalui grafik histogram dan normal probability plot. Pada grafik histogram pola
normalitas dapat dilihat dengan pola distribusi yang tidak melenceng ke kiri
maupun ke kanan. Hasil uji normalitas data menggunakan grafik histogram
Gambar 4.1
Histogram
Sumber: Lampiran output SPSS, 2016
Pada grafik histogram diatas terlihat bahwa variabel berdistribusi normal
hal ini ditunjukkan oleh distribusi data tersebut tidak menceng ke kiri atau
menceng ke kanan.
Pada grafik normal probability plot, data dikatakan berdistribusi normal
apabila sebaran data yang tercermin dalam titik-titik pada output akan terletak di
sekitar garis diagonal dan mengikuti arah garis diagonal grafik P-Plot.
Sebaliknya, jika titik-titik tersebut tersebar tidak di sekitar garis diagonal
(terpencar jauh dari garis diagonal), maka data berdistribusi tidak normal. Hasil
Gambar 4.2
Normal Probability Plot
Sumber: Lampiran output SPSS, 2016
Gambar diatas menunjukkan bahwa data menyebar disekitar garis
diagonal dan mengikuti arah garis diagonal grafik P-Plot, pola ini menunjukkan
bahwa masing-masing variabel berdistribusi secara normal, maka model regresi
memenuhi asumsi normalitas.
Sedangkan pengujian normalitas dengan uji statistik dilakukan dengan uji
statistik nonparametrik Kolmogorov Smirnov (K-S). Jika nilai signifikansinya
lebih besar dari 0,05 maka data tersebut terdistribusi normal. Jika nilai
signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal.
Tabel 4.5
Uji One-Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N 104 Normal Parametersa ,b Mean .0000000 Std. Deviation 1.04304046 Most Extreme Differences Absolute .065 Positive .057 Negative -.065 Kolmogorov-Smirnov Z .666
Asymp. Sig. (2-tailed) .767
a. Test distribution is Normal. b. Calculated from data.
Sumber: Lampiran output SPSS, 2016
Hasil uji statistik dengan menggunakan uji non parametrik
Kolmogorov-Smirnov terlihat bahwa nilai asymp sig (2- tailed) adalah 0,767 dan di atas nilai
signifikan 0,05 dengan kata lain variabel residual berdistribusi normal.
4.3.2 Uji Autokorelasi
Uji Autokorelasi bertujuan untuk apakah dalam model regresi linear ada
korelasi antara kesalahan penganggu pada periode t dengan kesalahan pada
periode t-1 (sebelumnya). Pengambilan keputusan ada tidaknya autokorelasi
1. Jika 0 < d < dl maka tidak ada autokorelasi positif, hasilnya tolak
keputusan.
2. Jika dl ≤ d ≤ du maka tidak ada autokorelasi positif, hasilnya no decision.
3. Jika 4 – dl < d < 4 maka tidak ada auto korelasi negatif, hasilnya tolak
keputusan.
4. Jika 4 – du d 4 – dl maka tidak ada auto korelasi negatif, hasilnya
nodecision.
5. Jika du < d < 4 – du maka tidak ada auto korelasi, positif atau
Tabel 4.6
Uji Statistik Durbin-Watson
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
Durbin-Watson
1 .259a .067 .058 .27446 1.979
a. Predictors: (Constant), PAD b. Dependent Variable: PE
Sumber: Lampiran output SPSS, 2016
Berdasarkan tabel 4.6 diketahui bahwa nilai Dubrin-Watson sebesar
1,979, nilai ini akan dibandingkan dengan tabel DW dengan jumlah observasi (n)
= 104, jumlah variabel independen 1 (k) = 1 dan tingkat signifikansi 0,05 didapat
nilai dl= 1.6610 dan du= 1.6998. Oleh karena nilai DW lebih besar dari batas atas
(du) 1.6998 dan kurang dari 4 – 1.6998 (4 – du), maka dapat disimpulkan bahwa
tidak terdapat autokorelasi.
4.3.3 Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan menguji apakah dalam model regresi
terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Jika variance dari residual dari satu pengamatan ke pengamatan yang
lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut
heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau
tidak terjadi heteroskedastisitas. Pengujian dilakukan dengan melihat ada atau
grafik plot (scatterplot) antara nilai prediksi variabel terkait (ZPRED) dengan
residualnya (SRESID). Hasil pengujian heteroskedastisitas adalah sebagai
berikut:
Gambar 4.7
Grafik Scatterplot
Sumber : Lampiran output SPSS, 2016
Salah satu asumsi penting dari model regresi linear adalah varian residual
bersifat homokedastisitas atau bersifat konstan. Berdasarkan gambar 4.7 terlihat
bahwa titik-titik menyebar secara acak tidak membentuk suatu pola tertentu yang
jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Hasil
heteroskedastisitas, dengan perkataan lain: variabel-variabel yang akan diuji
dalam penelitian ini bersifat homokedastis.
4.4 Analisis Data Statistik Pertama
4.4.1 Uji Koefisien Determinasi (R2)
Koefisien determinasi digunakan untuk mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel independen atau
predictornya. Range nilai dari R2 adalah 0 sampai 1. Bila R2 semakin mendekati
1 menunjukkan semakin kuat pengaruh variabel independen terhadap variabel
dependen dan bila R2 semakin mendekati 0 menunjukkan semakin kecil pengaruh
variabel independen terhadap variabel dependen. Hasil pengujian koefisien
determinasi adalah sebagai berikut :
Tabel 4.8
Uji Koefisien Determinasi
Model Summaryb Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 .259a .067 .058 .27446
a. Predictors: (Constant), PAD b. Dependent Variable: PE
Sumber : Lampiran output SPSS, 2016
Berdasarkan tabel 4.8 menunjukkan nilai adjusted R2=0,58 berarti
yang dapat dijelaskan oleh variabel PAD sekitar 5,8% dan sisanya 94,2%
dijelaskan oleh variabel lain diluar model ini.
4.4.2 Analisis Regresi
Tabel 4.9
Hasil Regresi
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta 1 (Constant) 5.216 .158 PAD 1.289E-012 .000 .292 Interaksi 1.000E-013 .000 .084 a. Dependent Variable: PE
Sumber : Lampiran output SPSS, 2016
PE = 5.216 + 1.289E-012PAD + e
α 5.216 artinya, jika variabel independen PAD 0, maka besarnya variabel dependen yaitu PE adalah 5.216 satuan.
β 1.289E-012, artinya jika variabel independen PAD bernilai 0, maka besarnya variabel dependen yaitu PE adalah 1.289E-012 satuan.
4.4.3 Uji Signifikansi Parameter individu (Uji Statistik t)
Uji parameter individu (Uji statistik t) dilakukan untuk melihat pengaruh
masing-masing variabel independen (PAD) terhadap variabel dependen (PE) Uji
statistik t ini dilakukan dengan membandingkan nilai P-value dari t dengan a.
Kesimpulan yang dapat diambil dari uji t ini adalah:
1. Bila nilai P value dari t masing-masing variabel independen > a = 5%,
maka Ho : bi = 0 diterima dan Ha : bi ≠ 0 ditolak, artinya secara
individual variabel independen Xi tidak berpengaruh signifikan
terhadap variabel dependen.
2. Bila P value dari t masing-masing variabel independen < a = 5%
maka Ho : bi= 0 ditolak dan Ha: bi ≠ 0 diterima, artinya secara individual variabel independen berpengaruh secara signifikan
terhadap variabel dependen.
Hasil uji parsial (uji-t) dapat dilihat pada tabel 4.10 sebagai berikut :
Tabel 4.10
Uji Statistik t
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 5.184 .141 36.841 .000 PAD 1.587E-012 .000 .365 3.958 .000 a. Dependent Variable: PE
Berdasarkan pengujian pada tabel 4.7, maka secara parsial pengaruh
variabel independen terhadap variabel dependen dapat diuraikan sebagai berikut:
1) Nilai probabilitas signifikan t untuk jumlah PAD sebesar 0,000 < 0,05
dan arah koefisien positif, sehingga Ho ditolak dan Ha diterima,
kesimpulannya bahwa PAD berpengaruh positif dan signifikan
terhadap PE di Provinsi Jawa Barat. Perbandingan nilai t-hitung
dengan t-tabel juga menunjukkan bahwa PAD berpengaruh terhadap
PE dimana nilai t-hitung lebih besar dari nilai t-tabel (3.958 > 1,983).
Artinya, semakin bertambah PAD maka PE juga akan semakin
4.5 Analisis Data Statistik dengan Variabel Moderating
4.5.1 Uji Koefisien Determinasi (R2)
Untuk mengukur seberapa jauh kemampuan variabel independen
mempengaruhi variabel dependen dapat dilihat melalui nilai adjusted R Square
yang diperoleh dari hasil pengolahan data pada tabel 4.11 di bawah ini:
Tabel 4.11
Uji Koefisien Determinasi (R2) Model Summary
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .388a .151 .125 1.04771
1. Predictors: (Constant), InteraksiX_Z, Pendapatan Asli Daerah, Belanja Modal 2. Dependen Variabel: Pertumbuhan Ekonomi
Sumber : Lampiran output SPSS, 2016
Hasil output SPSS menunjukkan besarnya nilai adjusted R2 adalah 0,125
yang berarti bahwa 12,5% variasi PE yang dapat dijelaskan oleh variabel
independen PAD, dan interaksi (hasil perkalian variabel PAD dan BM). Sisanya
sebesar 87,5% dipengaruhi oleh variabel lain yang tidak dijelaskan oleh model
4.5.2 Analisis Regresi Moderasi
Tabel 4.12
Hasil Regresi Moderasi
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients
B Std. Error Beta
1
(Constant) 5.541 .130
Pendapatan Asli Daerah Belanja Modal .290 .167 .141 .167 .259 .149 InteraksiX_Z 2.811E-013 .000 .034
2. Dependent Variable: Pertumbuhan Ekonomi
Sumber: Lampiran Output SPSS, 2016
PE = 5.541 + 2.811E-013PAD + 1.000E-013PAD*BM + e
α 5.541 artinya, jika variabel independen PAD 0, maka besarnya variabel dependen yaitu PE adalah 5.541 satuan.
β 0,290, artinya jika variabel independen PAD bernilai 0, maka besarnya variabel dependen yaitu PE adalah 0,290 satuan, dengan asumsi variabel lainnya tetap.
β 0,167, artinya jika interaksi PAD*BM bernilai 0, maka besarnya variabel dependen yaitu PE adalah 0,167 satuan, dengan asumsi variabel lainnya tetap.
β 2.811E-012, artinya jika variabel independen PAD bernilai 0, maka besarnya variabel dependen yaitu PE adalah 2.811E-012 satuan, dengan asumsi variabel
4.5.3 Uji Signifikansi Parameter Individu (Uji statistik t)
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh
variabel independen (PAD) secara individual (parsial) dalam menerangkan
variabel terikat (PE). Jika variabel hasil perkalian antara variabel bebas dengan
variabel yang dihipotesiskan sebagai variabel moderasi signifikan maka dapat
dinyatakan bahwa variabel tersebut memoderasi hubungan antara variabel bebas
dengan variabel terikat. Hal ini dapat dilihat dari tabel 4.13 di bawah ini:
Tabel 4.13
Hasil Uji statistik t
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 5.541 .130 43.484 .000
Pendapatan Asli Daerah Belanja Modal .290 .167 .141 .167 .259 .149 2.050 1.000 .043 .320 InteraksiX_Z 2.811E-013 .000 .034 .292 .771 a. Dependent Variable: Pertumbuhan Ekonomi
Sumber : Lampiran output SPSS, 2016
Dari tabel 4.13 dapat dilihat bahwa nilai t hitung sebesar 0,292 sedangkan
t tabel diperoleh nilai sebesar 1,983 dan nilai probabilitas sebesar 0,771 > taraf
signifikansi 0,05, artinya bahwa ada pengaruh yang positif dan tidak signifikan
antara PAD terhadap PE dengan BM sebagai variabel moderasi. Hal ini
4.6 Pembahasan Hasil Penelitian
Berdasarkan hasil pembahasan hipotesis pertama dapat diketahui bahwa
secara parsial variabel PAD berpengaruh positif dan signifikan terhadap PE, yang
sejalan dengan penelitian yang dilakukan Maryati dan Endrawati (2010) dan
Candra dan Dwiranda. Hal ini juga didukung oleh nilai adjusted R2 = 0,058 yang
berarti bahwa 5,8%, variasi PE yang dapat dijelaskan oleh variabel independen
PAD. Sisanya 94,2% dipengaruhi oleh variabel lain yang tidak dijelaskan oleh
model penelitian ini.
Menurut Maryati dan Endrawati (2010), “Adanya kenaikan PAD akan
memicu dan memacu pertumbuhan ekonomi daerah menjadi lebih baik dari pada
pertumbuhan ekonomi daerah sebelumnya”. Dana yang tersedia melalui PAD ini harus memadai dan mencukupi sehingga pemerintah daerah dapat memanfaatkan
dan menggunakan dana tersebut untuk menjalankan pemerintahannya dengan
sebaik mungkin. Dengan demikian, pembangunan daerah akan tercapai sehingga
masyarakat setempat merasakan peningkatan, baik dari aspek pelayanan publik
maupun perekonomian. Sumber-sumber keuangan daerah yang diperoleh
melalui PAD mutlak diperlukan untuk membiayai jalannya pemerintahan dan
pembangunan daerah. Upaya pemenuhan PAD ini dilakukan pemerintah daerah
dengan mengeluarkan Peraturan Daerah (Perda) tentang berbagai jenis pajak
Setelah dilaksanakan pengujian hipotesis pertama, maka pengujian
kembali dilakukan menggunakan variabel pemoderasi yaitu BM. Pengujian
hipotesis kedua menggunakan uji pure moderator yang dilakukan dengan
mengalikan variabel yang dihipotesiskan sebagai variabel moderasi dengan
variabel bebas.
Berdasarkan Uji moderasi PAD dan interaksinya menunjukkan bahwa
BM bukan merupakan variabel moderasi hal itu terlihat dari probabilitas interaksi
sebesar 0,771. Dengan demikian menunjukkan bahwa di Provinsi Jawa Barat BM
bukan merupakan variabel moderating serta BM tidak memoderasi hubungan
PAD pada PE. Hasil ini menunjukkan bahwa H0 ditolak dan Ha diterima.
Hal ini menunjukan bahwa penelitian yang dilakukan penulis tidak
sejalan dengan penelitian yang dilakukan oleh Chandra dan Dwiranda (2014),
yang menunjukkan bahwa semakin tinggi Belanja Modal, akan berpengaruh
terhadap menurunnya pengaruh PAD pada PE. Penelitian ini mengambil sampel
pada Kabupaten/Kota di Provinsi Jawa Barat sementara pada penelitian Chandra
dan Dwiranda mengambil sampel pada Kabupaten/Kota di Provinsi Bali. Periode
penelitian juga berbeda dengan penelitian-penelitian terdahulu. Periode
penelitian yang digunakan lebih up to date yaitu tahun 2010-2013 untuk
Pendapatan Asli Daerah dan Belanja Modal sedangkan untuk Pertumbuhan
