Sumatera Utara merupakan propinsi keempat terbesar jumlah penduduknya di Indonesia, yang dihuni oleh penduduk dari berbagai suku
seperti Melayu, Batak, Nias, Aceh, Minangkabau, Jawa dan menganut berbagai agama seperti Islam, Kristen, Buddha, Hindu dan berbagai aliran
kepercayaan lainnya. Menurut hasil pencacahan lengkap Sensus Penduduk SP 2000, penduduk propinsi Sumatera Utara berjumlah 11,5 juta jiwa
dengan pertumbuhan 1,20 per tahun sejak tahun 1990. Jumlah tersebut bertambah menjadi sekitar 11,9 juta jiwa pada tahun 2003 berdasarkan
Hasil Sementara Pendaftaran Pemilih dan Pendaftaran Penduduk. Selanjutnya dari hasil estimasi jumlah penduduk pada Juni 2005 diperkirakan sebesar
12,3 juta jiwa. Kepadatan penduduk Sumatera Utara tahun 1990 adalah 143 jiwa per km
2
dan tahun 2005 meningkat menjadi 172 jiwa per km
2
. Metode pemilihan sampel yang dipakai adalah purposive judgement
sampling method yaitu dengan berdasarkan kriteria-kriteria tertentu.
4.2 Analisis Hasil Penelitian
4.2.1 Statistik Deskriptif
Statistik Deskriptif adalah ilmu statistik yang mempelajari cara- cara pengumpulan, penyusunan dan penyajian data suatu penelitian.
Tujuan adanya statistik deskriptif adalah untuk memudahkan membaca data serta memahami maksudnya. Berikut ini merupakan output SPSS
yang merupakan keseluruhan data yang digunakan dalam penelitian ini.
Tabel 4.3 Descriptive Statistic
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation PAD
96 339701014
4655842679 847985221,22 661908307,221
Belanja_Daerah 96
315430692 3224449048
799360077,69 548985947,527 Penggunaan_Anggaran
96 325640045
4524737504 827084309,11 667916682,863
Valid N listwise 96
Sumber: output SPSS, lampiran 5 hal. 62
Universitas Sumatera Utara
Berdasarkan tabel 4.3 diatas dapat dijelaskan dengan pernyataan dibawah ini:
a. variabel Penggunaan Anggaran Y memiliki nilai minimum Rp.325.640.045.000 nilai maksimum Rp. 4.524.737.504rata-rata
Penggunaan Anggaran Rp. 827.084.309,11dan standar deviasi sebesar Rp. 667.916.682,863dengan jumlah amatan sebanyak 96,
b. variabel Pendapatan Asli Daerah memiliki nilai minimumRp.339.701.014.000nilai maksimum Rp. 4.655.842.679 rata-rata
Pendapatan Asli Daerah Rp. 847.985.221,22 dan standar deviasi sebesar Rp. 661.908.307,221 dengan jumlah amatan sebanyak 96,
c. variabel Belanja Daerah memiliki nilai minimum Rp. 315.430.692.000 nilai maksimum Rp. 3.224.449.048rata-rata Belanja Daerah
Rp.799.360.077,69 dan standar deviasi sebesar Rp. 548.985.947,527 dengan jumlah amatan sebanyak 96.
4.2.2 Uji Asumsi Klasik
4.2.2.1 Uji Normalitas
Uji Normalitas ini dilakukan untuk menguji apakah dalam sebuah model regresi, variabel independen, variabel dependen atau keduanya
mempunyai distribusi normal atau tidak. Model regresi yang baik hendaknya berdistribusi normal atau mendekati normal. Uji ini akan
dideteksi melalui cara, yaitu analisis grafik histogram dan Normal P- Plots dan analisis statistik Non-Parametrik Kolmogorov-Smirnov. Uji
statistik yang dapat digunakan untuk menguji apakah residual terdistribusi normal adalah uji statistik non parametrik Kolmogorov-
Smirnov K-S.
Universitas Sumatera Utara
1. Analisis Grafik
Analisis grafik dilakukan dengan melihat grafik histogram dan grafik normal P-Plots berikut ini:
Sumber: output SPSS, lampiran 5 hal. 62
Gambar 4.1 Histogram Dependent Variabel
Pada gambar 4.1 di atas, dapat disimpulkan bahwa variabel terdistribusi secara normal. Hal ini dikarenakan kurva histogram yang
memiliki keseimbangan ke kiri dan ke kanan atau berbentuk seperti lonceng.
Universitas Sumatera Utara
Sumber: output SPSS, lampiran 5 hal. 63
Gambar 4.2 Normal P-P Plot of Regression Standardized Residual
Gambar 4.2 memperlihatkan garis normal probabilty plot dimana variabel tidak terdistribusi secara tidak normal. Hal ini dikarenakan titik-
titik penyebaran data menyebar jauh dari garis diagonal serta tidak mengikuti arah garis diagonal. Ada beberapa cara yang dapat dilakukan
terhadap data yang tidak normal sebagai berikut: 1. melakukan transformasi data ke dalam bentuk lainnya,
2. melakukan trimming. Trimming adalah membuang data yang outlier,
3. melakukan winsorizing, yaitu dengan mengubah nilai data yang outlier ke suatu nilai tertentu.
Dalam penelitian ini untuk menanggulangi ketidaknormalan data, peneliti melakukan transformasi data yang menggunakan Logaritma Natural
LN, dimana data yang ditransformasikan adalah penggunaan anggaran,
Universitas Sumatera Utara
pendapatan asli daerah dan belanja daerah. Analisis grafik menggunakan histogram dan normal P-Plots setelah dilakukan transformasi data yaitu:
Sumber: output SPSS, lampiran 5 hal. 62
Gambar 4.3 Histogram Dependent Variabel
Gambar 4.3 di atas terlihat bahwa Histogram dari penelitian ini sudah terdistribusi normal karena grafiknya seimbang ke kiri dan ke kanan
atau tidak condong kekiri atau kekanan, melainkan ketengah dengan bentuk seperti lonceng. Metode lain yang digunakan dalam analisis grafik adalah
dengan melihat normal probabilty plot. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti
garis diagonalnya. Uji normalitas dengan melihat normal probabilty plot dapat dilihat dari gambar berikut.
Universitas Sumatera Utara
Sumber: output SPSS, lampiran 5 hal. 63
Gambar 4.4 Normal P-P Plot of Regression Standardized Residual
Gambar 4.4 diatas merupakan kurva P-Plot yang menunjukkan penyebaran titik-titik data disekitar garis diagonal dan mengikuti arah garis
diagonal, hal ini berarti data pada variabel yang digunakan, yaitu variabel penggunaan anggaran daerah berdistribusi secara normal. Peneliti juga
membuat uji Kolmogorov-Smirnov yang membuktikan kenormalan suatu data dalam penelitian ini dengan angka. Dengan menggunakan uji Kolmogorov-
Smirov, suatu data dinyatakan normal apabila nilai asymptonic significance lebih besar dari 0.05 p0.05 dan apabila nilai asymptonic significance
lebih kecil dari 0.05 p0.05 maka data tidak terdistribusi normal. Berikut hasil pengujian dengan uji Kolmogorov-Smirnov.
Universitas Sumatera Utara
Tabel 4.4 Uji Statistik Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
96 Normal Parameters
a,b
Mean ,0000000
Std. Deviation 13352,20541263
Most Extreme Differences
Absolute ,161
Positive ,161
Negative -,113
Kolmogorov-Smirnov Z ,161
Asymp. Sig. 2-tailed ,175
c
a. Test distribution is Normal. b. Calculated from data.
Sumber: output SPSS, lampiran 5 hal. 63 Dari tabel Kolmogorov-Smirnov diatas, nilai Asymp. Sig. 2-tailed
sebesar 0,175 yang berarti 0,05 sehingga dapat ditarik kesimpulan bahwa data sudah terdistribusi dengan normal.
4.2.2.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Model regresi
yang baik harusnya terbebas dari korelasi diantara variabel bebas. Uji multikolinearitas dilakukan dengan melihat nilai tolerance dan Variance
Inflation Factor VIF. Multikolinearitas terjadi jika VIF 10 dan nilai tolerance 0,10. Hasil dari pengujian multikolinearitas dapat dilihat pada
tabel berikut ini:
Universitas Sumatera Utara
Tabel 4.5 Uji Multikolinearitas
Sumber: ouput SPSS, lampiran 5 hal. 64
Data yang disajikan pada tabel 4.5 diatas menunjukkan bahwa nilai tolerance dan VIF dari variabel Pendapatan Asli Daerah sebesar 0,800 dan
1,250 dan untuk variabel Belanja Daerah adalah sebesar 0,800 dan 1,250. Oleh karena itu, dapat disimpulkan dalam model ini tidak terdapat masalah
multikolinearitas antara variabel bebas karena nilai tolerance berada di bawah 1 dan nilai VIF jauh di bawah angka 10.
4.2.2.3 Uji Autokorelasi
Uji autokorelasi ini bertujuan untuk menguji ada tidaknya hubungan antara variabel yang satu dengan variabel yang lain. Model regresi yang
baik adalah model yang tidak mengandung autokorelasi. Kriteria untuk penelitian terjadinya autokorelasi yaitu:
a. angka D-W terletak di bawah -2 berarti ada korelasi positif, b. angka D-W terletak di antara -2 sampai +2 berarti tidak ada autokorelasi,
c. angka D-W di atas +2 berarti ada autokorelasi negatif. Hasil dari uji autokorelasi dapat dilihat pada tabel berikut ini:
Tabel 4.6 Uji Autokorelasi
Model R
Durbin-Watson 1
,980
a
1,995
Sumber: output SPSS, lampiran 5 hal. 65
Model Collinearity Statistics
Tolerance VIF
1 Constant
PAD ,800
1,250 Belanja_Daerah
,800 1,250
Universitas Sumatera Utara
Tabel 4.6 diatas menunjukkan bahwa hasil Durbin-Watson yang diperoleh adalah 1,995 berada diantara -2 sampai +2 atau juga dapat
dikatakan mendekati 2. Ini menunjukkan bahwa tidak terjadi autokorelasi antara variabel dependen dengan variabel independen.
4.2.2.4 Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk menguji apakah di dalan sebuah model regresi terjadi ketidaksamaan varians dari residual dalam
suatu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah terjadi homokedastisitas dalam model atau dengan kata lain tidak terjadi
heterokedastisitas. Uji heteroskedastisitas ini dapat dilihat dengan grafik scatterplot berikut ini.
Sumber: output SPSS, lampiran 5 hal. 65
Gambar 4.5 Scatterplot Uji Heteroskedastisitas
Universitas Sumatera Utara
Pada gambar scatterplot diatas, terlihat penyebaran residual cenderung tidak teratur atau terlihat bahwa titik-titik menyebar secara acak diatas dan
dibawah angka 0 pada sumbu Y. Hal ini disimpulkan tidak terdapat gejala heteroskedastisitas pada model regresi penelitian ini sehingga model regresi
layak dipakai untuk memprediksi variabel Penggunaan Anggaran berdasarkan masukan variabel independen Pendapatan Asli Daerah dan Belanja Daerah.
Adanya titik-titik yang menjauh dari titik-titik yang lain dikarenakan adanya data observasi yang sangat berbeda dengan data observasi yang lain.
4.2.3 Analisis Regresi Linear Berganda
Dalam pengelolaan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel
independen dan variabel dependen, melalui pendapatan Asli Daerah dan Belanja Daerah terhadap Penggunaan Anggaran. Hasil regresi dapat dilihat
pada tabel 4.7 dibawah ini.
Tabel 4.7 Uji Analisis Regresi Linier Berganda
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -11690,970
2485,553 -4,704
,000 PAD
-,004 ,002
-,041 -1,774
,079 Belanja_Daerah
,121 ,003
,998 43,033
,000 a. Dependent Variable: Penggunaan_Anggaran
Sumber: output SPSS, lampiran 5 hal. 65 Tabel 4.7 di atas, maka dapat disimpulkan persamaan regresi linear
berganda sebagai berikut:
Y= - 11690,970 – 0,004X
1
+ 0,121X
2
+ e
Universitas Sumatera Utara
Keterangan: Y
= Penggunaan Anggaran X
1
= Pendapatan Asli Daerah PAD X
2
= Belanja Daerah e
= standard Error Berikut interpretasi dari model persamaan regresi berganda di atas:
a. nilai konstanta sebesar -11690,970 yang menunjukkan apabila semua variabel independen dianggap konstan atau nol maka nilai dari
Penggunaan Anggaran adalah sebesar -11690,970, b. variabel Pendapatan Asli Daerah berpengaruh positif terhadap
penggunaan anggaran sebesar 0,004, menunjukkan bahwa apabila setiap kenaikan Pendapatan Asli Daerah 1 dengan asumsi variabel
bebas lainnya dianggap konstan maka akan menurunkan penggunaan anggaran sebesar 0,004,
c. variabel Belanja Daerah sebesar 0,121, hal ini menyatakan bahwa Belanja Daerah berpengaruh positif terhadap Penggunaan Anggaran,
artinya jika belanja daerah naik sebesar 1 maka penggunaan anggaran akan mengalami kenaikan sebesar 0,121 dengan asumsi
bahwa nilai variabel lain.
4.2.4 Pengujian Hipotesis