27. Kota Medan
√ √
√ √
√
14 28. Kota Pematang Siantar
√ √
√ √
√
15 29. Kota Sibolga
√ √
√ √
√
16 30. Kota Tanjung Balai
√ √
√ √
√
17 31. Kota Tebing Tinggi
√ √
√ √
√
18 32. Kota Padang Sidempuan
√ √
√ √
√
19 33. Kota Gunung Sitoli
√ -
- -
√ -
Sumber : Peneliti, 2013
3.6. Jenis Data Penelitian
Jenis data yang digunakan dalam penelitian ini adalah data sekunder, yaitu data yang diperoleh peneliti secara tidak langsung melalui media
perantara atau data yang telah dikumpulkan oleh pihak lain. Data yang digunakan yaitu data kuantitatif yaitu data berupa angka yang diperoleh
dari laporan realisasi APBD Badan Pusat Statistik BPS Sumatera Utara, melalui situs Direktorat Jendral Perimbangan Keuangan Republik
Indonesia yaitu www.djpk.depkeu.go.id. Data yang digunakan merupakan data time series periode tahun 2009 sd 2011.
Peneliti juga mencari data melalui studi kepustakaan berupa buku- buku dan jurnal-jurnal yang berkaitan dengan masalah yang diteliti.
3.7. Metode Pengumpulan Data
Metode pengumpulan data dalam penelitian ini yaitu dengan mendokumentasikan data sekunder yang diperoleh dari laporan realisasi
APBD Badan Pusat Statistik BPS Sumatera Utara pada periode tahun
Universitas Sumatera Utara
2009 sd 2011, yang didownload melalui situs Direktorat Jendral Perimbangan Keuangan Republik Indonesia yaitu www.djpk.depkeu.go.id.
Peneliti juga melakukan studi kepustakaan, yaitu dengan mengumpulkan data dan informasi melalui bermacam-macam buku,
penelitian terdahulu, dan artikel maupun jurnal-jurnal yang dapat memberikan landasan bagi perumusan hipotesis, dan pembahasan teoritis
dalam penelitian ini.
3.8. Teknik Analisis
Teknik analisis yang digunakan dalam penelitian ini yaitu analisis regresi berganda dengan menggunakan SPSS Statistical Packages for
Social Sciences yang merupakan program pengolah data yang paling banyak diaplikasikan oleh para pengguna software statistik di seluruh
dunia dikarenakan mampu memberikan kemudahan penerapan, kecepatan proses analisis, serta ketepatan hasil. Software SPSS yang digunakan yaitu
SPSS versi 20 for windows.
3.8.1. Analisis Deskriptif
Analisis Deskriptif merupakan sebuah metode untuk mengetahui gambaran sekilas atau secara teknis dapat diartikan sebagai atribut-
atribut dari sebuah data Akbar, 2005:35. Hal ini berguna untuk memberikan awareness akan data yang dijadikan fokus penelitian.
Universitas Sumatera Utara
Analisis ini dilakukan untuk mendapatkan nilai minimum, maksimum, mean dan standar deviasi.
3.8.2. Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk mendapatkan perkiraan yang efisiensi dan tidak bias sebelum melakukan analisis regresi berganda.
Adapun syarat uji asumsi klasik yang harus dipenuhi yaitu:
a. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah distribusi data mengikuti atau mendekati distribusi normal. Uji
normalitas dilakukan dengan menggunakan pendekatan Kolmogorov Smirnov, dengan menggunakan tingkat signifikan
5 maka jika nilai asymp.sig 2-tailed diatas nilai signifikan 5 artinya variabel residual berdistribusi normal.
Apabila distribusi melanggar asumsi normalitas, maka ada beberapa cara yang dapat digunakan untuk mengatasi data yang
tidak normal yaitu : 1. Lakukan transformasi data ke bentuk lainnya. Pelanggaran
asumsi normalitas biasanya disebabkan bentuknya menceng skew, sehingga untuk mengubah bentuk yang menceng tersebut
dapat mengubah nilai atau mentransformasikan nilai ke dalam bentuk log. Dengan mentransformasikan nilai-nilai observasi
Universitas Sumatera Utara
data ke dalam bentuk log diharapkan dapat membentuk distribusi yang normal.
2. Lakukan trimming. Trimming adalah membuang data yang outlier. Ketentuan data yang bersifat outlier telah dijelaskan
sebelumnya. Nilai outlier bisa juga ditentukan dengan kriteria nilainya lebih kecil dari µ -
2α atau lebih besar µ + 2α. 3. Lakukan winsorizing, yaitu mengubah nilai data yang outlier ke
suatu nilai tertentu. Jika data relative sedikit, maka mengatasi pelanggaran asumsi normalitas data dengan cara trimming akan
semakin mengecilkan jumlah sampel. Untuk mengatasi masalah ini maka cara yang lebih baik dipilih adalah dengan melakukan
winsorizing yaitu mengubah nilai observasi yang outlier menjadi nilai maksimum dan minimum yang diizinkan. Nilai observasi
yang lebih kecil dari µ - 2α akan diubah menjadi µ - 2α dan nilai
observasi yang lebih besar µ + 2α akan diubah menjadi nilai µ + 2α.
b. Uji Heteroskedastisitas
