Statistik Deskriptif Analisis Regresi

29

4.2 Analisis Hasil Penelitian

4.2.1 Statistik Deskriptif

Statistik deskriptif memberikan gambaran mengenai nilai minimun, maksimum, rata-rata, dan standar deviasi. Tabel 4.1 Statistik Deskriptif Variabel Penelitian Sumber: Diolah dari SPSS 18.0 Berdasarkan tabel 4.1 di atas, dapat dijelaskan bahwa dalam jutaan Rupiah: 1. Nilai rata-rata pajak daerah adalah 14869.18 dengan standar deviasi sebesar 30622.908 dan data berjumlah 51. Nilai terendah pajak daerah X 1 sebesar 2320 dan nilai tertinggi sebesar 165461 2. Nilai rata-rata retribusi daerah adalah 10638.43 dengan standar deviasi sebesar 7445.548 dan data berjumlah 51. Nilai terendah retribusi daerah X 2 sebesar 2296 dan nilai tertinggi sebesar 39410. Descriptive Statistics N Minimum Maximum Mean Std. Deviation Pajak Daerah 51 2320 165461 14869.18 30622.908 Retribusi Daerah 51 2296 39410 10638.43 7445.548 DAU 51 225120 1211386 466772.25 195634.541 DAK 51 13411 97024 46668.14 20534.222 Belanja Modal 51 45509 289610 118492.57 51186.016 Valid N listwise 51 30 3. Nilai rata-rata Dana Alokasi Umum adalah 466772.25 dengan standar deviasi sebesar 195634.541 dan data berjumlah 51. Nilai terendah Dana Alokasi Umum X 3 sebesar 225120 dan nilai tertinggi sebesar 1211386. 4. Nilai rata-rata Dana Alokasi Khusus adalah 46668.14 dengan standar deviasi sebesar 20534.222 dan data berjumlah 51. Nilai terendah Dana Alokasi Khusus X 4 sebesar 13411 dan nilai tertinggi sebesar 97024. 5. Nilai rata-rata belanja modal adalah 118492.57 dengan standar deviasi sebesar 51186.016 dan data berjumlah 51. Nilai terendah belanja modal Y sebesar 45509 dan nilai tertinggi sebesar 289610. 31 4.2.2 Uji Asumsi Klasik 4.2.2.1 Uji Normalitas Uji normalitas bertujuan untuk mengetahui apakah data terdistribusi secara normal atau tidak. Uji normalitas dapat dilakukan melalui analisis grafik dengan melihat grafik histogram dan normal probability plot. Hasil uji analisis grafik dengan grafik histogram adalah sebagai berikut: Gambar 4.1 Hasil Uji Analisis Grafik dengan Grafik Histogram Sumber: Diolah dari SPSS 18.0 Hasil uji normalitas di atas menjelaskan bahwa pada grafik histogram memberikan pola distribusi data mengikuti kurva berbentuk lonceng yang tidak 32 menceng ke kiri maupun ke kanan. Dapat dipastikan bahwa data terdistribusi normal. Hasil uji analisis grafik dengan normal probability plot adalah sebagai berikut: Gambar 4.2 Hasil Uji Analisis dengan Normal Probability Plot Sumber: Diolah dari SPSS 18.0 Hasil uji normalitas di atas menjelaskan bahwa pada gambar normal probability plot, titik-titik menyebar di sekitar garis diagonal dan mengikuti garis diagonal, sehingga dapat disimpulkan bahwa data terdistribusi normal. Selain analisis grafik, uji normalitas juga dilakukan melalui uji statistik Kolmogorov-Smirnov. Dalam uji ini, data terdistribusi secara normal jika nilai signifikansi lebih besar dari 0,05. Sebaliknya, data tida terdistribusi secara normal jika nilai signifikansi lebih kecil dari 0,05. Hasil uji normalitas melalui Kolmogorov-Smirnov adalah sebagai berikut: 33 Tabel 4.2 Hasil Uji Statistik dengan Kolmogorov-Smirnov Dari hasil penelitian di atas, nilai Kolmogorov-Smirnov sebesar 0,739 dan signifikansi sebesar 0,646. Dapat disimpulkan bahwa data terdistribusi secara normal dimana nilai sig. lebih besar dari 0,05 0,646 0,05.

4.2.2.2 Uji Multikolinearitas

Uji multikolinearitas dilakukan untuk mengetahui ada tidaknya hubungan yang linear antara variabel independen satu dengan variabel independen lainnya. Ada tidaknya hubungan atau korelasi antarvariabel independen dapat diketahui dengan melihat nilai Tolerance dan VIF Varian Inflation Factor. Suatu data dikatakan tidak terjadi multikolinearitas jika nilai Tolerance lebih besar daripada 0,10 dan nilai VIF lebih kecil daripada 10. Hasil uji multikolinearitas adalah sebagai berikut: One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 51 Normal Parameters a,b Mean .0000000 Std. Deviation 2.80501883E4 Most Extreme Differences Absolute .103 Positive .103 Negative -.070 Kolmogorov-Smirnov Z .739 Asymp. Sig. 2-tailed .646 a. Test distribution is Normal. b. Calculated from data. Sumber: Diolah dari SPSS 18.0 34 Tabel 4.3 Hasil Uji Multikolinearitas Sumber: Diolah dari SPSS 18.0 Berdasarkan hasil penelitian di atas, nilai Tolerance dari tiap variabel lebih besar daripada 0,10, dan nilai VIF dari tiap variabel lebih kecil daripada 10. Dapat disimpulkan bahwa antara variabel independen dengan variabel independen lainnya tidak memiliki hubungan yang linear, dengan kata lain tidak terjadi multikolinearitas. Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 16597.564 12556.410 1.322 .193 Pajak Daerah .141 .218 .084 .644 .523 .384 2.607 Retribusi Daerah .958 .906 .139 1.058 .296 .376 2.661 DAU .125 .041 .478 3.073 .004 .270 3.704 DAK .670 .320 .269 2.094 .042 .396 2.523 a. Dependent Variable: Belanja Modal 35

4.2.2.3 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang lain Erlina, 2011. Pendeteksian ada tidaknya heteroskedastisitas dapat dilakukan dengan uji Glejser. Heteroskedastisitas tidak terjadi jika nilai t hitung t tabel dengan tingkat signifikansi sebesar 0,05, dan nilai signifikansi lebih besar daripada 0,05. Heteroskedastisitas terjadi jika t hitung t tabel , dan nilai signifikansi lebih kecil daripada 0,05. Hasil uji heteroskedastisitas dengan melakukan uji Glejser adalah sebagai berikut: Tabel 4.4 Hasil Uji Heteroskedastisitas Berdasarkan hasil penelitian di atas, nilai t hitung tiap variabel lebih kecil dari nilai t tabel yang telah ditetapkan yaitu sebesar 2.00758, dan signifikansinya lebih besar daripada 0,05. Dapat disimpulkan bahwa tidak terjadi heteroskedastisitas antara satu variabel dengan variabel lainnya. Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 18550.564 7357.495 2.521 .015 Pajak Daerah -.101 .128 -.183 -.793 .432 Retribusi Daerah .910 .531 .399 1.713 .093 DAU -.015 .024 -.176 -.642 .524 DAK .054 .187 .066 .290 .773 a. Dependent Variable: RES_2 Sumber: Diolah dari SPSS 18.0 36

4.2.2.4 Uji Autokorelasi

Uji autokorelasi bertujuan untuk mengetahui apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 atau sebelumnya. Autokorelasi terjadi karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Uji autokorelasi dapat dilakukan melalui uji Durbin-Watson. Autokorelasi tidak terjadi jika nilai Durbin- Watson berada di antara nilai DU dan 4-DU. Hasil uji autokorelasi dengan melakukan uji Durbin-Watson adalah sebagai berikut: Tabel 4.5 Hasil Uji Autokorelasi Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .836 a .700 .674 29244.343 2.352 a. Predictors: Constant, DAK, Retribusi Daerah, Pajak Daerah, DAU b. Dependent Variable: Belanja Modal Sumber: Diolah dari SPSS 18.0 Berdasarkan hasil penelitian, nilai Durbin-Watson sebesar 2,352. Jika melihat tabel Durbin-Watson dimana tingkat signifikansi 5, dengan jumlah data sebanyak 51 data dan 4 variabel independen, maka didapat nilai DU sebesar 1,7128. Nilai Durbin-Watson berada di antara nilai 1,7128 dan 4-1,7128, maka dapat disimpulkan bahwa model regresi linear tidak terjadi autokorelasi. 37

4.2.3 Analisis Regresi

Penelitian ini menggunakan analisis regresi linier berganda. Dalam penelitian ini, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dengan variabel dependen. Hasil analisis regresi berganda adalah sebagai berikut: Tabel 4.6 Hasil Analisis Regresi Linier Sumber: Diolah dari SPSS 18.0 Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 16597.564 12556.410 1.322 .193 Pajak Daerah .141 .218 .084 .644 .523 Retribusi Daerah .958 .906 .139 1.058 .296 DAU .125 .041 .478 3.073 .004 DAK .670 .320 .269 2.094 .042 a. Dependent Variable: Belanja Modal 38 Berdasarkan tabel, maka dapat diperoleh persamaan berikut: Y = 16597,564 + 0,141X 1 + 0,958X 2 + 0,125X 3 + 0,670X 4 + e Keterangan: 1. Konstanta sebesar 16597,564 menunjukkan bahwa apabila tidak ada variabel independen Pajak Daerah, Retribusi Daerah, DAU, DAK = 0, maka tingkat penganggaran belanja modal sebesar 16597,564. 2. Koefisien regresi pajak daerah X 1 sebesar 0,141 menunjukkan bahwa setiap ada penambahan pajak daerah sebesar 1, dengan asumsi variabel lainnya dianggap konstan, maka akan menaikkan tingkat pengalokasian belanja modal sebesar 14,1. 3. Koefisien regresi retribusi daerah X 2 sebesar 0,958 menunjukkan bahwa setiap ada penambahan retribusi daerah sebesar 1, dengan asumsi variabel lainnya dianggap konstan, maka akan menaikkan tingkat pengalokasian belanja modal sebesar 95,8. 4. Koefisien regresi DAU X 3 sebesar 0,125 menunjukkan bahwa setiap ada penambahan DAU sebesar 1, dengan asumsi variabel lainnya dianggap konstan, maka akan menaikkan tingkat pengalokasian belanja modal sebesar 12,5. 5. Koefisien regresi DAK X 4 sebesar 0,670 menunjukkan bahwa setiap ada penambahan pajak daerah sebesar 1, dengan asumsi variabel lainnya dianggap konstan, maka akan menaikkan tingkat pengalokasian belanja modal sebesar 67. 39 4.2.4 Uji Hipotesis 4.2.4.1 Uji-t