Irma Syafitri : Pengaruh Pertumbuhan Ekonomi, Pendapatan Asli Daerah PAD, Dan Dana Alokasi Umum DAU Terhadap Pengalokasian Anggaran Belanja Modal Pada Pemerintahan KabupatenKota Di Propinsi
Sumatera Utara, 2009. USU Repository © 2009
dimiliki oleh Kota Binjai sebesar 12,09, sedangkan rata-rata DAU terendah dimiliki oleh Kabupaten Toba Samosir sebesar -32,20.
Sedangkan pada tahun 2006, rata-rata belanja modal tertinggi dimiliki oleh Kabupaten Deli Serdang sebesar 408,28, sedangkan rata-rata belanja modal
terendah dimiliki oleh Kota Medan sebesar 10,89. Rata-rata PDRB tertinggi dimiliki oleh Kota Medan sebesar 7,77, sedangkan rata-rata PDRB terendah
dimilki oleh Kota Tanjung Balai sebesar 3,54. Rata-rata Pendapatan Asli Daerah PAD tertinggi dimiliki oleh Kabupaten Toba Samosir sebesar 277,99,
sedangkan rata-rata PAD terendah dimiliki oleh Kota Medan sebesar 3,12. Rata- rata Dana Alokasi Umum DAU tertinggi dimiliki oleh Kabupaten Toba Samosir
sebesar 94,17, sedangkan rata-rata DAU terendah dimiliki oleh Kota Medan
sebesar 34,69.
2. Statistik Deskriptif
Statistik Deskriptif adalah ilmu statistik yang mempelajari cara-cara pengumpulan, penyusunan dan penyajian data suatu penelitian. Tujuannya adalah
memudahkan orang untuk membaca data serta memahami maksudnya. Berikut ini merupakan output SPSS yang merupakan keseluruhan data
yang digunakan dalam penelitian ini.
Irma Syafitri : Pengaruh Pertumbuhan Ekonomi, Pendapatan Asli Daerah PAD, Dan Dana Alokasi Umum DAU Terhadap Pengalokasian Anggaran Belanja Modal Pada Pemerintahan KabupatenKota Di Propinsi
Sumatera Utara, 2009. USU Repository © 2009
Tabel 4.3 Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation
BM Y 33
14075.17 215676.84
66398.555 8
51065.1961 1
PDRB X1 33
540093.75 27236127.15 5974054.6
852 7206218.10
556 PAD X2
33 3596.92
312862.35 43470.920
9 81180.5123
6 DAU X3
33 93121.00
637495.00 271047.39
85 154693.729
94 Valid N
listwise 33
Sumber : Diolah dari SPSS, 2009 Berikut ini data deskriptif yang telah diolah :
a. Variabel Belanja Modal Y memiliki nilai minimum 14.075,17, nilai
maksimum 21.5676,84, rata-rata Belanja Modal 66.398,56 dan standar deviasi sebesar 51065.19611 dengan jumlah sampel sebanyak 33.
b. Variabel PDRB X1 memiliki nilai minimum 54.0093,75, nilai
maksimum 27.236.127,15, rata-rata PDRB 5.974.054,6852 dan standar deviasi sebesar 7.206.218,106 dengan jumlah sampel sebanyak 33.
c. Variabel PAD X2 memiliki nilai minimum 3.596,92, nilai maksimum
312.862,35, rata-rata PAD 43.470,9209 dan standar deviasi sebesar 81.180,51236 dengan jumlah sampel sebanyak 33.
d. Variabel DAU X3 memiliki nilai minimum 93.121, nilai maksimum
637.495, rata-rata DAU 271.047,4 dan standar deviasi sebesar 154.693,72994 dengan jumlah sampel sebanyak 33.
Irma Syafitri : Pengaruh Pertumbuhan Ekonomi, Pendapatan Asli Daerah PAD, Dan Dana Alokasi Umum DAU Terhadap Pengalokasian Anggaran Belanja Modal Pada Pemerintahan KabupatenKota Di Propinsi
Sumatera Utara, 2009. USU Repository © 2009
3. Pengujian Asumsi Klasik
a. Uji Normalitas
Pengujian normalitas ini bertujuan untuk mengetahui apakah data yang digunakan telah terdistribusi secara normal. Hasil uji normalitas dengan grafik
histogram yang diolah dengan SPSS, normal probability plot serta Kolmogorov- Smirnov Test ditunjukkan sebagai berikut :
Gambar 4.1 Histogram
Sumber : Diolah dari SPSS, 2009
Hasil uji normalitas di atas memperlihatkan bahwa pada grafik histogram di atas distribusi data mengikuti kurva berbentuk lonceng yang tidak menceng
Regression Standardized Residual
2 1
-1 -2
-3
Frequency
10 8
6 4
2
Histogram Dependent Variable: BM
Mean =3.82E-16 Std. Dev. =0.952
N =33
Irma Syafitri : Pengaruh Pertumbuhan Ekonomi, Pendapatan Asli Daerah PAD, Dan Dana Alokasi Umum DAU Terhadap Pengalokasian Anggaran Belanja Modal Pada Pemerintahan KabupatenKota Di Propinsi
Sumatera Utara, 2009. USU Repository © 2009
skewness kiri maupun menceng kanan atau dapat disimpulkan bahwa data tersebut normal.
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xpect
ed C
um P
rob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: BM
Gambar 4.2 Normal P-P Plot
Sumber : Diolah dari SPSS, 2009 Hasil uji normalitas dengan menggunakan normal probability plot, di mana
terlihat bahwa titik-titik menyebar di sekitar garis diagonal serta penyebarannya mengikuti garis diagonal sehingga dapat disimpulkan bahwa data dalam model
regresi terdistribusi secara normal..
Irma Syafitri : Pengaruh Pertumbuhan Ekonomi, Pendapatan Asli Daerah PAD, Dan Dana Alokasi Umum DAU Terhadap Pengalokasian Anggaran Belanja Modal Pada Pemerintahan KabupatenKota Di Propinsi
Sumatera Utara, 2009. USU Repository © 2009
Tabel 4.4 Uji Normalitas dengan One-Sample Kolmogorov-Smirnov
Sumber : Diolah dari SPSS, 2009
Nilai Kolmogrov – Smirov sebesar 0.497 dan tidak signifikan pada 0.05 karena p= 0.966 dari 0.05. Jadi kita tidak dapat menolak H
O
yang mengatakan bahwa residual terdistribusi secara normal atau dengan kata lain residual
berdistribusi normal. Semua hasil pengujian melalui analisis grafik dan statistik di atas
menunjukkan hasil yang sama yaitu normal, dengan demikian telah terpenuhi asumsi normalitas dan bisa dilakukan pengujian asumsi klasik berikutnya pada
data.
b. Uji Heteroskedastisitas
Uji heterokedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke
33 .0000000
23875.66402 .087
.080 -.087
.497 .966
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed Unstandardiz
ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Irma Syafitri : Pengaruh Pertumbuhan Ekonomi, Pendapatan Asli Daerah PAD, Dan Dana Alokasi Umum DAU Terhadap Pengalokasian Anggaran Belanja Modal Pada Pemerintahan KabupatenKota Di Propinsi
Sumatera Utara, 2009. USU Repository © 2009
pengamatan yang lain. Heteroskedastisitas ini dapat dilihat dengan grafik scatterplot dan Uji Glejser.
Hasil dari uji heteroskedastisitas dapat dilihat pada grafik scatterplot berikut ini :
Hasil Uji Heteroskedastisitas Sebelum Transformasi dengan Logaritma Natural
Gambar 4.3 Grafik Scatterplot
Sumber : Diolah dari SPSS, 2009
Regression Standardized Predicted Value
4 3
2 1
-1
R egressi
on S
tudent iz
ed R
esi dual
2 1
-1 -2
-3 -4
Scatterplot Dependent Variable: BM
Irma Syafitri : Pengaruh Pertumbuhan Ekonomi, Pendapatan Asli Daerah PAD, Dan Dana Alokasi Umum DAU Terhadap Pengalokasian Anggaran Belanja Modal Pada Pemerintahan KabupatenKota Di Propinsi
Sumatera Utara, 2009. USU Repository © 2009
Dari gambar scatterplot di atas, terlihat bahwa titik-titik tidak menyebar secara acak di atas dan di bawah angka 0 pada sumbu Y, serta menyempit
menumpuk. Hal ini mengindikasikan telah terjadi heteroskedastisitas pada model regresi sehingga model regresi tidak layak dipakai.
Selain dengan grafik, hasil uji heteroskedastisitas dapat dilihat pada
statistik uji glejser berikut ini :
Tabel 4.5 Hasil Uji Heteroskedastisitas dengan uji Glejser sebelum transformasi
dengan Logaritma Natural
Sumber : Diolah dari SPSS, 2009
Berdasarkan hasil Uji Glejser, dapat dilihat bahwa pada tabel Coefficients
a
nilai probabilitas signifikansi variabel PDRB dan PAD signifikan secara statistik mempengaruhi variabel dependen.Hal ini terlihat dari probabilitas
signifikansi yang lebih kecil dari 0,05 5, yaitu 0,014 dan 0,006. Sehingga dapat disimpulkan telah terjadi heteroskedastisitas.
Tindakan perbaikan yang dilakukan dalam penelitian ini menggunakan salah satu dari cara yang telah dikemukakan pada bab sebelumnya, yaitu dengan
menggunakan transformasi seluruh variabel penelitian ke dalam fungsi logaritma
Coefficients
a
9481.032 5122.973
1.851 .074
.003 .001
1.526 2.621
.014 -.278
.093 -1.427
-2.983 .006
.001 .026
.008 .032
.975 Constant
PDRB PAD
DAU Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: abs ut a.
Irma Syafitri : Pengaruh Pertumbuhan Ekonomi, Pendapatan Asli Daerah PAD, Dan Dana Alokasi Umum DAU Terhadap Pengalokasian Anggaran Belanja Modal Pada Pemerintahan KabupatenKota Di Propinsi
Sumatera Utara, 2009. USU Repository © 2009
natural Ln, kemudian data diuji ulang. Hasil pengujian ulang data menghasilkan :
Hasil Uji Heteroskedastisitas Setelah Transformasi dengan Logaritma Natural
Gambar 4.4 Grafik Scatterplot
Sumber : Diolah dari SPSS, 2009
Dari gambar scatterplot di atas, terlihat bahwa titik-titik menyebar secara acak di atas dan di bawah angka 0 pada sumbu Y, serta tidak membentuk pola
tertentu atau tidak teratur. Hal ini mengindikasikan tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai.
Regression Standardized Predicted Value
3 2
1 -1
-2
R egressi
on S
tudent iz
ed R
esi dual
2 1
-1 -2
-3
Scatterplot Dependent Variable: Ln_BM
Irma Syafitri : Pengaruh Pertumbuhan Ekonomi, Pendapatan Asli Daerah PAD, Dan Dana Alokasi Umum DAU Terhadap Pengalokasian Anggaran Belanja Modal Pada Pemerintahan KabupatenKota Di Propinsi
Sumatera Utara, 2009. USU Repository © 2009
Sedangkan hasil uji heteroskedastisitas dengan statistik uji glejser setelah seluruh variabel penelitian ditransformasi ke dalam fungsi logaritma natural Ln
dapat dilihat pada tabel berikut : Tabel 4.6
Hasil Uji Heteroskedastisitas dengan uji Glejser setelah transformasi dengan Logaritma Natural
Sumber : Diolah dari SPSS, 2009 Berdasarkan hasil Uji Glejser di atas, dapat dilihat bahwa pada tabel
Coefficients
a
nilai sig. semua variabel independen lebih besar dari 0,05 5. Sehingga dapat disimpulkan tidak terjadi heteroskedastisitas atau terjadi
homoskedastisitas. Dengan demikian terpenuhilah asumsi klasik untuk uji heteroskedastisitas.
c. Uji Autokorelasi
Uji autokorelasi ini digunakan untuk menguji asumsi klasik regresi berkaitan dengan adanya autokorelasi. Model regresi yang baik adalah model
yang tidak mengandung autokorelasi. Hasil dari uji autokorelasi dapat dilihat pada
tabel berikut ini :
Coefficients
a
-.380 1.327
-.286 .777
.189 .121
.757 1.565
.128 -.132
.103 -.487
-1.283 .210
-.066 .188
-.131 -.353
.727 Constant
Ln_PDRB Ln_PAD
Ln_DAU Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: abs ut a.
Irma Syafitri : Pengaruh Pertumbuhan Ekonomi, Pendapatan Asli Daerah PAD, Dan Dana Alokasi Umum DAU Terhadap Pengalokasian Anggaran Belanja Modal Pada Pemerintahan KabupatenKota Di Propinsi
Sumatera Utara, 2009. USU Repository © 2009
Tabel 4.7 Hasil Uji Autokorelasi
Sumber : Diolah dari SPSS, 2009
Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin Watson DW sebesar 1,980. Nilai ini akan kita bandingkan dengan nilai tabel dengan
menggunakan nilai signifikansi 0,05 5, jumlah sampel 33 n dan jumlah variabel independen 1 k=1. Dari tabel Durbin Watson didapat nilai batas atas
du 1,651, nilai batas bawah dl 1,258 dan 4-du = 2,349. Oleh karena itu, nilai DW lebih besar dari du dan lebih kecil dari 4-du 1,651 1,980 2,349,
sehingga dapat disimpulkan bahwa tidak terjadi autokorelasi baik positif maupun negatif.
d. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam sebuah model regresi ditemukan adanya korelasi antarvariabel independen.
Hasil dari uji multikolinearitas dapat dilihat pada tabel berikut ini :
Model Summary
b
.778
a
.606 .565
.45827 1.980
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, Ln_DAU, Ln_PAD, Ln_PDRB a.
Dependent Variable: Ln_BM b.
Irma Syafitri : Pengaruh Pertumbuhan Ekonomi, Pendapatan Asli Daerah PAD, Dan Dana Alokasi Umum DAU Terhadap Pengalokasian Anggaran Belanja Modal Pada Pemerintahan KabupatenKota Di Propinsi
Sumatera Utara, 2009. USU Repository © 2009
Tabel 4.8 Hasil Uji Multikolinearitas
Coefficientsa
Model Collinearity Statistics
Tolerance VIF
Constant Ln_PDRB
.132 7.554
Ln_PAD .215
4.653 Ln_DAU
.226 4.425
a Dependent Variable: Ln_BM Sumber : Diolah dari SPSS
Nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1 Tolerence. Nilai cutoff yang umum dipakai untuk menunjukkan adanya
multikolinearitas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10. Dari hasil pengujian di atas, dapat dilihat bahwa angka tolerance Ln PDRB
X1, Ln PAD X2, Ln DAU X3 0,10 dan VIF-nya 10. Hasil perhitungan nilai Tolerance juga menunjukkan tidak ada variabel independen yang memiliki
nilai Tolerance kurang dari 0.10. Ini mengindikasikan bahwa tidak terjadi multikolinearitas di antara variabel independen dalam penelitian.
4. Model dan Teknik Analisis Data