Analisis Statistik Deskriptif Analisis Data
1 Analisis Grafik P-Plot
Gambar 5.1. Grafik P-P Plot
Berdasarkan pada gambar 5.1. tersebut Ghozali 2005 meyatakan jika distribusi data adalah normal maka terdapat titik-
titik yang menyebar di sekitar garis diagonal dan penyebarannya mengikuti arah garis diagonalnya. Dari hasil grafik tersebut
terlihat bahwa titik-titik yang menyebar di sekitar garis diagonalnya maka dapat dinyatakan bahwa residual terdistribusi
normal. 2 Uji One-Sample Kolmogorov Smirnov
Uji Normalitas bertujuan untuk melihat apakah model regresi, variabel penggangu atau residual berdistribusi normal.
Untuk itu dilakukan One-Sample Kolmogorov Smirnov Test. Dimana dalam pengambilan keputusan adalah dengan melihat
angka signifikansi yaitu dengan membandingkan nilai Asymp. Sig. yang diperoleh dengan taraf signifikan yang telah ditentukan yaitu
0,05. Apabila nilai Asymp. Sig. 0,05 maka data terdistribusi normal Ghozali, 2005.
Tabel 5.3.Hasil Pengujian One-Sample Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test Unstandardized Residual
N 10
Normal Parameters
a
Mean -.0000500
Std. Deviation 61424775609.56884000
Most Extreme Differences
Absolute .106
Positive .106
Negative -.105
Kolmogorov-Smirnov Z .337
Asymp. Sig. 2-tailed 1.000
a. Test distribution is Normal.
Sumber : Output SPSS Dari hasil pengujian terlihat pada Tabel 5.3. tersebut telihat
besarnya nilai Kolmogorov-Smirnov Z adalah 0.337 dan signifikansinya pada 1.000 dan nilainya jauh diatas α = 0.05 atau
1 0,05. dalam hal ini berarti data residual terdistribusi normal. b. Uji Multikoloniearitas
Pengujian multikolinearitas dilakukan untuk melihat apakah pada model regresi ditemukan ada tidaknya korelasi antar variabel
independen. Masalah multikoliearitas dapat disembuhkan dengan cara menyisihkan variabel penyebab multikolinearitas dari model
penelitian Ghozali, 2005. Model regresi yang baik seharusnya tidak terjadi multikolinearitas, karena jika hal tersebut terjadi maka
variabel-variabel tersebut tidak ortogonal atau terjadi kemiripan. Cara mendeteksinya adalah dengan melihat Variance Inflation Factor
VIF. Variabel independen mengalami multikolonieritas jika tolerance
α hitung α dan VIF hitung VIF. Variabel bebas tidak mengalami multikolonieritas jika tolerance
α hitung α dan VIF hitung VIF. Nilai cut off yang umum dipakai untuk menunjukkan
adanya multikolonieritas adalah nilai tolerance α ≤ 0,10 atau sama
dengan nilai VIF ≥ 10. Tabel 5.4.1. Hasil pengujian Multikolinearitas
a. Dependent Variable: BM
Sumber : Output SPSS
Coefficient Correlations
a
Model DAK
PAD DAU
PDRB 1 Correlations
DAK 1.000
-.097 -.279
-.385 PAD
-.097 1.000
.022 -.288
DAU -.279
.022 1.000
-.535 PDRB
-.385 -.288
-.535 1.000
Covariances DAK
4.957 -.643
-.265 -.025
PAD -.643
8.876 .028
-.025 DAU
-.265 .028
.182 -.007
PDRB -.025
-.025 -.007
.001
Tabel 5.4.2. Hasil pengujian Multikolinearitas
a. Dependent Variable: BM
Sumber : Output SPSS Berdasarkan Tabel 5.4.1 diatas dapat dilihat hasil uji
multikolonieritas bahwa besaran korelasi antar variabel independen tampak hanya variabel Produk Domestik Regional Bruto PDRB
yang mempunyai korelasi cukup tinggi dengan variabel Dana Alokasi Umum DAU dengan tingkat korelasi sebesar -0,535 atau sekitar
53,5. Oleh karena korelasi ini masih di bawah 95, maka dapat dikatakan tidak terjadi multikolonieritas yang serius.
Hasil perhitungan pada Tabel 5.4.2 terlihat bahwa hasil perhitungan Telorance pada variabel independen yaitu PDRB 0,295,
PAD 0,723, DAU 0,365, dan DAK 0,423 menunjukkan bahwa tidak ada variabel independen yang nilainya kurang dari 0,10 yang
berarti tidak ada korelasi antar variabel independen yang nilainya lebih dari 95. Hasil perhitungan pada Variance Inflation Factor
VIF menunjukkan PDRB 3.392, PAD 1.384, DAU 2.738, dan
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B Std. Error
Beta Tolerance VIF
1 Constant 82729040554.208 78765387641.652 1.050
.342
PDRB
.103 .029
1.026 3.527 .017
.295 3.392 PAD
2.796 2.979
.174 .938
.391 .723 1.384
DAU .374
.426 .229
.876 .421
.365 2.738 DAK
5.746 2.226
.627 2.581 .049
.423 2.365
DAK 2.365 juga berada di bawah angka 10. Jadi dapat disimpulkan bahwa tidak terdapat persoalan multikolinearitas terhadap keempat
variabel independen diatas. c. Uji Heteroskedastisitas
Model regresi yang baik adalah model yang homoskedatisitas atau tidak terjadi heteroskedasitisitas. Untuk mendeteksi ada atau tidaknya
heteroskedastisitas dapat diketahui melalui Analisis Grafik Scatterplot dan Uji Glesjer.
1 Analisis Grafik Scatterplot
Gambar 5.2. Grafik Scatterplot
Ghozali 2005 meyatakan deteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada
tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi,
dan dan sumbu X adalah residual Y prediksi – Y
sesungguhnya yang telah di studentized. Dari hasil grafik tersebut terlihat bahwa titik-titik menyebar secara acak serta
tersebar baik diatas maupun dibawah angka 0 pada sumbu Y maka
dapat disimpulkan
bahwa tidak
terjadi heteroskedastisitas pada model regresi.
2 Uji Glejser Asumsi utama Uji Glejser yaitu dengan melakukan regresi
variabel independen terhadap residual Ghozali, 2005. Adapun hasil pengujian Uji Glesjer yaitu :
Tabel 5.5. Uji Glesjer
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1 Constant 75979814810.154 23078629092.922
3.292 .022
PDRB -.019
.009 -.909 -2.255
.074 PAD
-1.999 .873
-.590 -2.290 .071
DAU .272
.125 .789 2.179
.081 DAK
1.140 .652
.588 1.747 .141
a. Dependent Variable: AbsRes
Sumber : Output SPSS
Berdasarkan hasil tabel pengujian diatas dapat dilihat bahwa tidak ada satupun variabel independen yang signifikan
secara statistik mempengaruhi variabel dependen yaitu nilai Absolut Residual AbsRes. Hal ini terlihat dari probabilitas
signifikansinya semua diatas tingkat signifikan 0,05. Jadi dapat disimpulkan
model regresi
tidak mengandung
adanya heteroskedastisitas.
d. Uji Autokorelasi Uji Autokorelasi bertujuan menguji apakah dalam model regresi
linear terdapat korelasi antara kesalahan penggangu pada periode t dengan kesalahan penggangu pada periode sebelumnya t-1.
Pengujian autokorelasi merupakan alat penting untuk melihat adanya hubungan antara data sekarang dengan sebelumnya. Bila data tersebut
tidak berhubungan dikenal dengan random walk atau adanya keacakan. Dalam pengujian ini menggnakan Runt Test untuk
mendeteksi korelasi. Run Test
merupakan bagian dari statistik non-parametrik yang dapat digunakan untuk menguji apakah antar residual terdapat korelasi
yang tinggi. Jika residual tidak terdapat hubungan korelasi maka dapat dikatakan bahwa residual adalah acak atau random. Run test
digunakan untuk melihat apakah data residual terjadi secara random atau tidak.
Tabel 5.6. Hasil pengujian Run Test
Runs Test Unstandardized Residual
Test Value
a
-3018060093.71712 Cases Test Value
5 Cases = Test Value
5 Total Cases
10 Number of Runs
8 Z
1.006 Asymp. Sig. 2-tailed
.314 a. Median
Sumber : Output SPSS Dari tabel 5.6 diatas, hasil Run Test menunjukkan nilai test adalah -
3018060093.71712 dengan probabilitas sebesar 0,314 diatas tingkat signifikansi 0,05. Sehingga dapat disimpulkan bahwa residual random
acak atau tidak mengandung autokorelasi antar nilai residual. 3. Pengujian Hipotesis
Hasil analisis dan pengujian hipotesis dapat dijelaskan sebagai berikut:
a. Pengujian Regresi Berganda Uji regresi berganda bertujuan untuk memprediksi kekuatan
pengaruh variabel independen terhadap variabel dependen. 1 Uji F
Pengujian ini bertujuan untuk mengetahui apakah seluruh variabel independen secara bersama-sama mempengaruhi variabel
secara signifikan. Hal ini dapat diketahui dengan membandingkan antara nilai signifikansi F dengan nilai signifikansi yang
digunakan yaitu 0,05. Tabel 5.7. Hasil Regresi Uji F
ANOVA
b
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression 2384551491693385 60000000.000
4 59613787292334640000
000.000 8.778 .017
a
Residual 3395702752817297
6000000.000 5
67914055056345950000 00.000
Total 2724121766975115
60000000.000 9
a. Predictors : constant, PDRB, PAD, DAU, DAK b. Dependent Variable : BM
Sumber : Output SPSS
Dari Tabel 5.9. diperoleh nilai probabilitas signifikansi 0,017. Karena nilai probabilitas jauh lebih kecil dari tingkat
signifikansi 0,017 0,05 maka hasil tersebut memberikan arti bahwa secara simultan variabel Produk Domestik Regional Bruto,
Pendapatan Asli Daerah, Dana Alokasi Umum, dan Dana Alokasi Khusus berpengaruh terhadap anggaran belanja modal di
Kabupaten Kutai Barat.
2 Mencari koefisien regresi setiap variabel independen Tabel 5.8. Hasil Pengujian Regresi Linear Berganda
B Sumber : Output SPSS
Berdasarkan hasil Tabel 5.7 dapat diketahui bahwa variabel PAD dan DAU tidak signifikan hal ini dilihat dari probabilitas
signifikansi untuk PAD sebesar 0,391 dan DAU sebesar 0,421 yang keduanya 0,05. Sedangkan PDRB dan DAK signifikan,
hal ini terlihat dari probabilitas signifikansi untuk PE sebesar 0,017 dan DAK sebesar 0,049 yang keduanya dari 0,05. Dari
hasil pengujian regresi linier berganda dapat dibuat persamaan sebagai berikut :
BM = 82729040554.208 + 0,103PDRB + 2,796PAD + 0,374DAU + 5,746DAK
Berdasarkan persamaan regresi diatas dapat dilihat bahwa nilai konstan untuk persamaan regresi adalah 82729040554.208
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1 Constant 82729040554.208 78765387641.652
1.050 .342 PDRB
.103 .029
1.026 3.527 .017
PAD 2.796
2.979 .174
.938 .391 DAU
.374 .426
.229 .876 .421
DAK 5.746
2.226 .627
2.581 .049 a.Dependent Variable : BM
dengan bertanda positif. Hal ini berarti bahwa tanpa adanya nilai Produk Domestik Regional Bruto, Pendapatan Asli Daerah, Dana
Alokasi Umum dan Dana Alokasi Khusus nilai variabel independen = 0 maka anggaran Belanja Modal akan mengalami
peningkatan sebesar 82729040554.208. Besarnya pengaruh antara variabel Belanja Modal BM
dengan Produk Domestik Regional Bruto PDRB ditunjukkan dengan nilai koefisien regresi β
1
sebesar 0,103 dengan bertanda positif. Artinya setiap peningkatan Rp 1 variabel PDRB akan
meningkatkan anggaran belanja modal sebesar Rp 0,103. Dengan asumsi variabel lainnya tetap atau sama dengan nol.
Besarnya pengaruh antara variabel Belanja Modal BM dengan Pendapatan Asli daerah PAD ditunjukkan dengan nilai
koefisien regresi β
2
sebesar 2,796 dengan bertanda positif. Artinya setiap peningkatan Rp 1 variabel PAD akan meningkatkan
anggaran belanja modal sebesar Rp 2,796. Dengan asumsi variabel lainnya tetap atau sama dengan nol.
Besarnya pengaruh antara variabel Belanja Modal BM dengan Dana Alokasi Umum DAU ditunjukkan dengan nilai
koefisien regresi β
3
sebesar 0,374 dengan bertanda positif. Artinya setiap peningkatan Rp 1 variabel DAU akan meningkatkan
anggaran belanja modal sebesar Rp 0,374. Dengan asumsi variabel lainnya tetap atau sama dengan nol.
Besarnya pengaruh antara variabel Belanja Modal BM dengan Dana Alokasi Khusus DAK ditunjukkan dengan nilai
koefisien regresi β
4
sebesar 5,746 dengan bertanda positif. Artinya setiap peningkatan Rp 1 variabel DAK maka akan meningkatkan
anggaran belanja modal sebesar Rp 5,746. Dengan asumsi variabel lainnya tetap atau sama dengan nol.
3 Menghitung seberapa besar variabel independen berpengaruh terhadap variabel dependen
Berdasarkan hasil perhitungan dengan menggunakan program SPSS maka diperoleh hasil sebagai berikut:
Tabel 5.9. Pengujian Kelayakan Model
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the Estimate
1 .936
a
.875 .776
82409984259.40024 a. Predictors : constant, PDRB, PAD, DAU, DAK
b. Dependent Variable : BM
Sumber : Output SPSS Nilai Adjusted R Square pada Tabel 5.8. di atas adalah
sebesar 0,766. Nilai tersebut menunjukkan bahwa 76,6 variabel anggaran belanja modal dapat dijelaskan oleh variabel
independen yang ada yaitu Produk Domestik Regional Bruto, Pendapatan Asli Daerah, Dana Alokasi Umum, dan Dana Alokasi
Khusus berpengaruh
terhadap anggaran
belanja modal.
Sedangkan sisanya sebesar 23,4 dipengaruhi oleh variabel-
variabel lain yang tidak dijelaskan oleh model dalam penelitian ini.
c. Menentukan Rumusan Hipotesis 1 Menentukan Hipotesis
Pengujian Simultan H
01
:β
1
= 0, Produk Domestik Regional Bruto, Pendapatan Asli Daerah, Dana Alokasi Umum, dan Dana Alokasi Khusus
tidak berpengaruh terhadap anggaran Belanja Modal H
a1
:β
1
≠ 0 atau minimal 1 β
1
≠ 0, Produk Domestik Regional Bruto, Pendapatan Asli Daerah, Dana Alokasi Umum, dan
Dana Alokasi Khusus berpengaruh terhadap anggaran Belanja Modal
a Menentukan level of significance α
Tingkat signifikansi dengan α sebesar 5 dan tingkat keyakinan 95 dengan pengujian satu sisi. Derajat
kebebasan untuk pengujian adalah df = n-1 = 10-1 = 9, diperoleh F
tabel
sebesar 3,63. b Menentukan kriteria penerimaan
H ditolak apabila F
hitung
F
tabel
H diterima apabila F
hitung
F
tabel
c Membandingkan nilai F
hitung
dengan F
tabel
F
hitung
= 8,778 F
tabel
= 3,63
d Mengambil keputusan : Berdasarkan perbandingan nilai F
hitung
dengan F
tabel
yang menunjukkan bahwa nilai F
hitung
dari F
tabel
8,778 3,63. Jadi dapat disimpulkan menerima H
a1
dan menolak H
01
, artinya Produk Domestik Regional Bruto, Pendapatan Asli Daerah, Dana Alokasi Umum, dan Dana Alokasi
Khusus berpengaruh terhadap anggaran Belanja Modal Pengujian Parsial
H
02
:β
2
≤ 0, Produk Domestik Regional Bruto berpengaruh positif tetapi tidak signifikan terhadap anggaran Belanja Modal
H
a2
:β
2
0, Produk Domestik Regional Bruto berpengaruh positif terhadap anggaran Belanja Modal
H
03
:β
3
≤ 0, Pendapatan Asli Daerah berpengaruh positif tetapi tidak signifikan terhadap anggaran Belanja Modal
H
a3
:β
3
0, Pendapatan Asli Daerah berpengaruh positif terhadap anggaran Belanja Modal
H
04
: β
4
≤ 0, Dana Alokasi Umum berpengaruh positif tetapi tidak signifikan terhadap anggaran Belanja Modal
H
a4
:β
4
0, Dana Alokasi Umum berpengaruh positif terhadap anggaran Belanja Modal
H
05
: β
5
≤ 0, Dana Alokasi Khusus berpengaruh positif tetapi tidak signifikan terhadap anggaran Belanja Modal
H
a5
:β
5
0, Dana Alokasi Khusus berpengaruh positif terhadap anggaran Belanja Modal
a Menentukan level of significance α
Tingkat signifikansi dengan α sebesar 5 dan tingkat keyakinan 95 dengan pengujian satu sisi. Derajat
kebebasan untuk pengujian adalah df = n-1 = 10-1 = 9, diperoleh t
tabel
sebesar 2,262. b Menentukan kriteria penerimaan
H ditolak apabila t
hitung
t
tabel
H tidak ditolak apabila t
hitung
t
tabel
c Membandingkan nilai t
hitung
dengan t
tabel
variabel independen
PDRB : t
hitung
= 3,527 t
tabel
= 2,262 PAD
: t
hitung
= 0,938 t
tabel
= 2,262 DAU
: t
hitung
= 0,876 t
tabel
= 2,262 DAK
: t
hitung
= 2,581 t
tabel
= 2,262 d Menarik kesimpulan :
Menarik kesimpulan berdasarkan perbandingan nilai t
hitung
dengan t
tabel
, apakah menolak atau menerima H .
1 Berdasarkan perbandingan nilai t
hitung
dengan t
tabel
yang menunjukkan bahwa nilai t
hitung
dari t
tabel
3,527 2,262. Jadi dapat disimpulkan menerima H
a2
dan
menolak H
02
, artinya PDRB berpengaruh positif terhadap anggaran Belanja Modal.
2 Berdasarkan perbandingan nilai t
hitung
dengan t
tabel
yang menunjukkan bahwa nilai t
hitung
dari t
tabel
0,938 2,262 dan tingkat signifikansi 0,05. Jadi dapat
disimpulkan menerima H
03
dan menolak H
a3
, artinya Pendapatan Asli Daerah berpengaruh positif tetapi
tidak signifikan terhadap anggaran Belanja Modal. 3 Berdasarkan perbandingan nilai t
hitung
dengan t
tabel
yang menunjukkan bahwa nilai t
hitung
dari t
tabel
0,876 2,262 dan tingkat signifikansi 0,05. Jadi dapat
disimpulkan menerima H
04
dan menolak H
a4
, artinya Dana Alokasi Umum berpengaruh positif tetapi tidak
signifikan terhadap anggaran Belanja Modal. 4 Berdasarkan perbandingan nilai t
hitung
dengan t
tabel
yang menunjukkan bahwa nilai t
hitung
dari t
tabel
2,581 2.262. Jadi dapat disimpulkan menerima H
a5
dan menolak
H
05
, artinya
Dana Alokasi
Khusus berpengaruh positif terhadap anggaran Belanja Modal