pengeluarannya dalam rangka pelaksanaan desentralisasi.
Independen PAD PAD adalah pendapatan daerah yang dipungut
berdasarkan peraturan daerah sesuai dengan peraturan perundang-undangan.
Dependen Belanja
Daerah Belanja Daerah adalah pengeluaran yang dilakukan oleh
Pemda untuk melaksanakan wewenang dan tanggungjawab kepada masyarakat dan pemerintah
diatasnya.
F. Metode Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik model analisis regresi berganda dengan bantuan software SPSS
15 for windows. Peneliti melakukan uji asumsi klasik terlebih dahulu sebelum melakukan pengujian hipotesis.
1. Uji Asumsi Klasik
Pengujian data dilakukan dengan uji asumsi klasik yang meliputi : a. Uji Normalitas
Menurut Erlina dan Mulyani 2007 : 103, ”uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Jika data normal, gunakan statistik
parametrik dan jika data tidak normal gunakan statistik non parametrik atau lakukan treatment agar data normal.”
31
Menurut Ghozali 2005 : 110, ”uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki
distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji
statistik menjadi tidak valid untuk jumlah sampel kecil.” Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau
tidak menurut Ghozali 2005 : 110, yaitu : 1 Analisis grafik
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data
observasi dengan distribusi yang mendekati distribusi normal. Metode yang lebih handal adalah dengan melihat normal probability
plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal
dan plotnya data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang
menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
2 Analisis statistik Uji statistik sederhana dapat dilakukan dengan melihat nilai kurtosis
dan nilai Z-skewness. Uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non parametrik
Kolmogorov-Smirnov K-S.
32
Pedoman pengambilan keputusan tentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov dapat
dilihat dari : a Nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data
adalah tidak normal. b. Nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data
adalah normal.
b. Uji Multikolinearitas Multikolinieritas adalah situasi adanya korelasi variabel-variabel
independen antara yang satu dengan yang lainnya. Dalam hal ini kita sebut variabel-variabel bebas ini tidak ortogonal. Variabel-variabel bebas yang
bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol. Jika terjadi korelasi sempurna diantara sesama
variabel bebas, maka konsekuensinya adalah: 1. Koefisien-koefisien regresi menjadi tidak dapat ditaksir. 2. Nilai standar error setiap koefisien regresi
menjadi tak terhingga. Pengujian ini bermaksud untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independent. Jika
terjadi korelasi, maka dinamakan terdapat problem multikolinieritas. Pengujian multikolinearitas dilakukan dengan melihat nilai VIF dan
korelasi diantara variabel independen. Jika nilai VIF lebih besar dari 10, maka terjadi multikolinearitas diantara variabel independent. Disamping itu, suatu
33
model dikatakan terdapat gejala multikolinearitas, jika korelasi diantara variabel independen lebih besar dari 0,1 Ghozali, 2005 :92.
Ada dua cara yang dapat dilakukan jika terjadi multikolinieritas, yaitu : a. Mengeluarkan salah satu variabel, misalnya variabel independent A dan B
saling berkolerasi dengan kuat, maka bisa dipilih A atau B yang dikeluarkan dari model regresi.
b. Menggunakan metode lanjut seperti Regresi Bayesian atau Regresi Ridge.
c. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi
terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain
tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskesdatisitas. Model regresi yang baik adalah yang homoskedastisitas
atau tidak terjadi heteroskesdatisitas. Ghozali, 2005 : 105.
Menurut Ghozali 2005 : 105, ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskesdatisitas :
Melihat grafik plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya
heteroskesdatisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu
Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di-studentized.
Dasar analisis :
a Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit,
maka mengindikasikan telah terjadi heteroskesdatisitas. b Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskesdatisitas. Menurut Gujarati 1995 dalam Hadi 2006 : 172, “untuk mengetahui
adanya masalah heteroskesdatisitas ini kita bisa menggunakan korelasi jenjang Spearman, tes Park, tes Goldfeld-Quandt, tes BPG, tes White atau tes
34
Glejser.” Bila menggunakan korelasi jenjang Spearman, maka kita harus menghitung nilai korelasi untuk setiap variabel independen terhadap nilai
residu, baru kemudian dicari tingkat signifikansinya. Park dan Glejser test memiliki dasar test yang sama yaitu meregresikan kembali nilai residu ke
variabel independen. Menurut Hadi 2006 : 174, salah satu cara untuk mengurangi masalah
heteroskesdatisitas adalah “menurunkan besarnya rentang range data. Salah satu cara yang bisa dilakukan untuk menurunkan rentang data adalah
melakukan transformasi manipulasi logaritma. Tindakan ini bisa dilakukan bila semua data bertanda positif.”
d. Uji Autokorelasi Masalah autokorelasi akan muncul bila data yang dipakai adalah data
runtut waktu timeseries. “Autokorelasi akan muncul bila data sesudahnya merupakan fungsi dari data sebelumnya atau data sesudahnya memiliki
korelasi yang tinggi dengan data sebelumnya pada data runtut waktu dan besaran data sangat tergantung pada tempat data tersebut terjadi.”Hadi, 2006 :
175. Untuk mendeteksi adanya autokorelasi bisa digunakan tes Durbin Watson
DW. Deteksi autokorelasi dengan cara ini dimulai dengan menghitung nilai d, setelah nilai d diketemukan maka tahapan berikutnya adalah menentukan
nilai du dan dl dengan menggunakan tabel Durbin Watson. Ketentuan :
d
u
d 4-d
u
Tidak ada autokorelasi
35
d d
l
Terdapat autokorelasi
positif d 4-d
l
Terdapat autokorelasi
negatif d
l
d d
u
Tidak ada keputusan tentang autokorelasi 4-d
u
d 4-d
l
Tidak ada keputusan tentang autokorelasi Hadi, 2006 : 176
“Salah satu cara untuk mengatasi adanya masalah autokorelasi bila ada adalah dengan cara menambahkan satu variabel baru, yaitu variable lag -1.”
Hadi, 2006 : 176.
2. Pengujian Hipotesis