61
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Hasil Penelitian
Dalam melakukan penelitiannya, peneliti menggunakan software SPSS for windows 19.0 dalam mengolah hasil penelitiannya. Hasil penelitiannya adalah
sebagai berikut.
4.1.1 Analisis Statistik Deskriptif
Statisitk deskriptif digunakan agar dapat memperoleh gambaran atau deskripsi suatu data yang dilihat dari nilai minimum, maksimum, rata-rata
mean, dan deviasi standar dari masing-masing variabel penelitian. Penelitian ini dilakukan agar dapat memudahkan pembaca dalam memahami
data dari penelitian tersebut. Berikut terlihat di tabel 4.1 hasil pengolahan dari variabel-variabel yang digunakan:
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation EFEKTIVITAS PAD
88 4.14
5.48 4.7907
.17187 BELANJA MODAL
88 25.24
27.91 26.3331
.63700 DANA PERIMBANGAN
88 26.77
28.47 27.7072
.36670 TKKD
88 1.16
3.54 2.4767
.57466 JUMLAH PENDUDUK
88 13.20
15.45 14.3412
.52188 Valid N listwise
88
Sumber : Hasil olah data SPSS v19.0 2016
Universitas Sumatera Utara
62
Berdasarkan tabel 4.1 diatas berikut penjelasan statistik deskriptif masing- masing variabel adalah sebagai berikut:
1. Variabel Efektivitas Pendapatan Asli Daerah X
1
memiliki jumlah sampel N sebanyak 88; nilai minimum 4,14; nilai maksimum 5,48; nilai rata-rata
4,7907; dan standar deviasi 0,17187. 2. Variabel Belanja Modal X
2
memiliki jumlah sampel N sebanyak 88; nilai minimum 25,24; nilai maksimum 27,91; nilai rata-rata 26,3331; dan
standar deviasi 0,3700. 3. Variabel Dana Perimbangan X
3
memiliki jumlah sampel N sebanyak 88; nilai minimum 26,77; nilai maksimum 28,47; nilai rata-rata 27,7072;
dan standar deviasi 0,36670. 4. Variabel Tingkat Kemandirian Keuangan Daerah Y memiliki jumlah
sampel N sebanyak 88; nilai minimum 1,16; nilai maksimum 3,54; nilai rata-rata 2,4767; dan standar deviasi 0,57466.
5. Variabel Jumlah Penduduk Z memiliki jumlah sampel N sebanyak 88; nilai minimum 13,2; nilai maksimum 15,45; nilai rata-rata 14,3412; dan
standar deviasi 0,52188.
4.1.2 Uji Asumsi Klasik
Penggunaan model regresi berganda memiliki syarat yaitu adalah dipenuhinya semua asumsi klasik, agar hasil pengujian bersifat tidak bias.
Pengujian ini dilakukan dengan menggunakan bantuan software SPSS dalam pengolahan datanya. Setelah Data yang lolos di dalam hasil uji asumsi klasik,
Universitas Sumatera Utara
63
uji regresi akan dilakukan untuk melihat tingkat pengaruh variabel independen X terhadap variabel dependen Y. Pengujian yang dilakukan
terdiri dari, uji normalitas, uji multikoliniearitas, uji heteroskedastisitas, dan yang terakhir uji autokorelasi. Dalam penelitian kali ini peneliti melakukan
transformasi seluruh variabel penelitiannya ke dalam fungsi Logaritma Natural Ln agar dapat memudahkan peneliti dalam mengolah data
penelitiaannya.
4.1.2.1 Uji Normalitas Data
Uji normalitas dilakukan untuk mengetahui apakah dalam model regresi, distribusi data-data yang diolah memiliki distribusi normal atau
tidak. Uji normalitas dapat dideteksi dengan melihat grafik histogram, dan grafik Normal Probability Plot. Selain itu uji normalitas juga dapat
dilakukan dengan uji statistik yaitu uji Kolmogrov-Smirnov. Uji normalitas yang pertama dilakukan adalah dengan melihat histogram
pada gambar 4.1.
Universitas Sumatera Utara
64
Gambar 4.1 Grafik Histogram
Sumber : Hasil olah data SPSS v19.0 2016
Dari gambar histogram diatas dapat dilihat bahwa distribusi data adalah normal, hal tersebut ditunjukkan oleh gambar yang tidak menceng
ke kanan, atau menceng ke kiri, dan membentuk pola seperti lonceng. Uji normalitas berikut yang dilakukan adalah melihat grafik Normal
Probability Plot, yang dapat dilihat dari gambar 4.2.
Universitas Sumatera Utara
65
Gambar 4.2 Grafik Normal Probability Plot
Sumber : Hasil olah data SPSS v19.0 2016
Berdasarkan gambar grafik Normal Probability Plot dapat dinyatakan bahwa data yang diolah berdistribusi normal. Hal ini dapat
dilihat dari grafik yang memperlihatkan titik-titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Hingga dapat
disimpulkan bahwa data terdistribusi secara normal. Dan uji normalitas terakhir yang dilakukan adalah dengan melakukant uji statistik yaitu uji
Kolmogrov-Smirnov. Cara pengambilan keputusannya adalah dengan melihat data dikatakan berdistribusi normal apabila nilai signifikansi
lebih besar dari 0.05. Sebaliknya, berdistribusi tidak normal apabila nilai
signifikansi lebih kecil dari 0.05.
Universitas Sumatera Utara
66
Tabel 4.2 Hasil Uji Kolmogrov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Predicted Value
N 88
Normal Parameters
a,b
Mean 2.4767372
Std. Deviation .42068380
Most Extreme Differences Absolute
.092 Positive
.092 Negative
-.042 Kolmogorov-Smirnov Z
.865 Asymp. Sig. 2-tailed
.444 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil olah data SPSS v19.0 2016
Dari hasil pengolahan data dapat dilihat bahwa Asymp. Sig 2- tailed adalah 0,444 yang mana lebih besar dari tingkat signifikansi yaitu
0,05. Dari hasil tersebut dapat disimpulkan bahwa data terdistribusi secara normal.
4.1.2.2 Uji Multikolinearitas
Uji multikolinearitas ini bertujuan untuk menguji apakah ada korelasi diantara variabel independen. Model regresi yang baik adalah
yang tidak terjadi korelasi antara variabel independen. Pengujian multikolinearitas dilakukan dengan melihat nilai tolerance dan nilai VIF
Variance-Infliating Factor. Jika nilai VIF 10 dan nilai tolerance 0,10 , berarti tidak terdapat gejala multikolinieritas antara variabel
independen.
Universitas Sumatera Utara
67
Tabel 4.3 Hasil Uji Multikolinearitas
Dari tabel 4.3 diatas dapat dilihat bahwa masing-masing variabel independen memiliki nilai tolerance lebih besar dari 0,10 serta nilai VIF
yang lebih kecil dari 10. Maka dapat disimpulkan bahwa tidak terjadi multikolinearitas dari data yang diuji.
4.1.2.3 Uji Heterokedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi suatu perbedaan varians dari residual satu
pengamatan terhadap yang lain. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas melainkan bersifat homoskedastisitas.
Penelitian ini dapat dibuktikan dengan melihat grafik scatterplot apabila titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu
yang jelas serta tersebar baik diatas maupun dibawah angka nol pada
sumbu Y maka dapat dikatakan bahwa tidak terjadi heteroskedastisitas.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF Constant
4.786 3.486
1.373 .173
EFEKTIVITAS PAD .975
.265 .292
3.679 .000
.879 1.138
BELANJA MODAL .773
.103 .857
7.505 .000
.424 2.358
DANA PERIMBANGAN
-.986 .171
-.629 -5.764 .000
.463 2.159
a. Dependent Variable: TKKD
Sumber : Hasil olah data SPSS v19.0 2016
Universitas Sumatera Utara
68
Gambar 4.3 Grafik Scatterplot
Sumber : Hasil olah data SPSS v19.0 2016
Berdasarkan grafik scatterplot pada gambar 4.3 dapat dilihat bahwa titik-titik data menyebar secara acak baik diatas maupun dibawah
0 pada sumbu Y, yang berarti bahwa data terbebas dari heterokedastisitas.
4.1.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan periode
sebelumnya t-1.
Model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Uji autokorelasi dilakukan dengan menggunakan uji Durbin-Watson.
Dalam penelitian ini sampel terdiri atas 22 daerah pemerintahan kabupatenkota dengan 4 tahun peneltian, yang berarti jumlah sampel
Universitas Sumatera Utara
69
adalah 88. Pada tabel Durbin-Watson untuk jumlah sampel 88 dan jumlah variabel independen 4, mempunyai batas atas dU 1,7493 dan
batas bawah dL 1,5597. Ketentuan dalam uji Durbin-Watson adalah sebagai berikut :
1. Jika DW lebih kecil dari dL atau lebih besar dari 4-dL maka terdapat autokorelasi.
2. Jika DW terletak antara dL dan 4-dU, maka tidak terdapat autokorelasi.
3. Jika DW terletak antara dL dan dU atau diantara 4-dU dan 4-dL,
maka tidak menghasilkan kesimpulan yang pasti.
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .732
a
.536 .519
.39841 1.696
a. Predictors: Constant, DANA PERIMBANGAN, EFEKTIVITAS PAD, BELANJA MODAL
b. Dependent Variable: TKKD
Sumber : Hasil olah data SPSS v19.0 2016
Dari tabel 4.4 dapat dilihat bahwa penelitian memiliki nilai DW = 1,696. Hasil perhitungan 4-dU= 4-1,7493=2,2507. Maka dL DW 4-dU ;
1,5597 1,696 2,2507. Maka dari hasil uji Durbin-Watson dapat disimpulkan bahwa tidak terjadi autokorelasi.
Universitas Sumatera Utara
70
4.1.3 Analisis Regresi Linear Berganda
Analisis regresi linear berganda dilakukan untuk dapat mengetahui seberapa besar pengaruh variabel independen X terhadap variabel dependen
Y. Dari hasil pengujian asumsi klasik maka dapat disimpulkan bahwa, model regresi yang digunakan dalam penelitian ini telah memenuhi syarat dan
layak dilakukananalisis regresi linear berganda. Berikut tabel hasil regresi yang telah diolah dengan menggunakan SPSS.
Tabel 4.5 Hasil Uji Regresi Linear Berganda
Dari tabel 4.5 diatas maka diperoleh persamaan regresi linear berganda
sebagai berikut: Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ e
Berdasarkan nilai-nilai koefisien di tabel 4.5 , maka diperoleh persamaan sebagai berikut:
Y = 4,786 + 0,975X
1
+ 0,773X
2
– 0,986X
3
+ e
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF Constant
4.786 3.486
1.373 .173
EFEKTIVITAS PAD .975
.265 .292
3.679 .000
.879 1.138
BELANJA MODAL .773
.103 .857
7.505 .000
.424 2.358
DANA PERIMBANGAN
-.986 .171
-.629 -5.764
.000 .463
2.159 a. Dependent Variable: TKKD
Sumber : Hasil olah data SPSS v19.0 2016
Universitas Sumatera Utara
71
Dimana : Y = Tingkat Kemandirian Keuangan Daerah
X
1
= Efektivitas Pendapatan Asli Daerah X
2
= Belanja Modal X
3
= Dana Perimbangan e = Error pengganggu
Dari persamaan diatas, maka masing-masing variabel dapat diinterpretasikan sebagai berikut:
1. Nilai konstanta persamaan di atas adalah 4,786 menunjukkan jika semua variabel independen dianggap konstan atau nol maka nilai dari tingkat
kemandirian keuangan daerah adalah sebesar 4,786. 2. Jika Efektivitas Pendapatan Asli Daerah naik sebesar 1 maka Tingkat
Kemandirian Keuangan Daerah akan mengalami kenaikan sebesar 0,975 dengan asumsi bahwa nilai variabel lain dianggap konstan.
3. Jika Belanja Modal naik sebesar 1 maka Tingkat Kemandirian Keuangan Daerah akan mengalami kenaikan sebesar 0,773 dengan asumsi bahwa
nilai variabel lain dianggap konstan. 4. Jika Dana Perimbangan naik sebesar 1 maka kemandirian keuangan
daerah akan mengalami penurunan sebesar 0,98 dengan asumsi bahwa nilai variabel lain dianggap konstan.
Universitas Sumatera Utara
72
4.1.4 Pengujian Hipotesis