30 3.
Belanja Modal dalam penelitian ini adalah angka realisasi belanja modal Pemerintah Daerah pada tahun anggaran 2010-2013 yang dinyatakan
dalam rupiah. Untuk flypaper effect tidak dijabarkan definisi operasionalnya. Hal ini
dikarenakan flypaper effect merupakan situasi yang dihasilkan oleh ketiga variabel di atas. Dimana ketika koefisien DAU lebih berpengaruh signifikan
terhadp BM daripada PAD maka, situasi ini disebut flypaper effect.
3.5 Populasi dan Sampel Penelitian
Adapun populasi yang diambil dalam penelitian ini adalah seluruh kabupatenkota Provinsi se-Sumatera Utara yang terdiri dari 25 Kabupaten dan 8
Kota. Dalam penelitian ini, sampelnya adalah populasi tersebut, jadi populasi ini merupakan sampel penelitian. Data yang dianalisis dalam penulisan ini adalah
data sekunder yang bersumber dari dokumen Laporan Realisasi APBD KabupatenKota di Provinsi Sumatera Utara yang diperoleh dari Situs Dirjen
Perimbangan Keuangan Pemerintah Daerah di internet www.djpk.depkeu.go.id. Dari Laporan Realisasi APBD ini diperoleh data mengenai jumlah realisasi
Belanja Modal, Pendapatan Asli Daerah PAD dan Dana Alokasi Umum DAU tahun 2010-2013.
3.6 Jenis dan Sumber Data
Penelitian ini menggunakan data sekunder dengan jenis data panel yaitu gabungan antara data time series dan cross section yang bersumber dari
Departemen Keuangan Republik Indonesia Direktoral Jenderal Perimbangan Keuangan Daerah www.djpkpd.go.id selama periode 2010-2013 untuk setiap
Universitas Sumatera Utara
31 KabKota di Sumatera Utara. Data diperoleh dari laporan APBD Pemerintah
Daerah KabupatenKota di Provinsi Sumatera Utara, yakni data PAD, DAU dan Total Belanja Modal.
3.7 Pengolahan Data
Penulis menggunakan program komputer E-views 7 untuk mengolah data dalam penelitian ini.
3.8 Model Analisis
Model analisis ekonometrik yang digunakan sebagai berikut: BM
it
= α + β
1
DAU
it
+ β
2
PAD
it
+ e
it
Dimana :
BM = Belanja Modal BM
α = Konstanta
β
1
, β
2
= Koefisien Regresi DAU
= Dana Alokasi Umum PAD
= Pendapatan Asli Daerah e
= Variabel Gangguan error term i
= KabupatenKota t
= Tahun
3.9 Metode Analisis
Metode dalam penelitian ini yaitu metode Generalized Least Square GLS dengan menggunakan data panel, yang artinya adalah gabungan antara data silang
cross section dengan data runtut waktu time series. Data panel dapat berguna bagi peneliti untuk melihat dampak ekonomis yang tidak bisa terpisahkan antar
setiap individu dalam beberapa periode. Hal ini tidak bisa didapatkan dari penggunaan data cross section atau data time series secara terpisah. Terdapat
beberapa keuntungan dari penggunaan metode panel yaitu Gujarati, 2003:
Universitas Sumatera Utara
32 1.
Mengingat penggunaan data panel juga meliputi data cross section dalam rentang waktu tertentu, maka data set akan rentan dari heterogenitas.
Penggunaan teknik dan estimasi data panel akan memperhitungkan secara eksplisit heterogenitas tersebut.
2. Dengan pengkombinasian, data akan memberikan informasi yang lebih,
tingkat kolinearitas yang lebih kecil antar variabel dan lebih efisien. 3.
Penggunaan data panel mampu meminimasi bias yang dihasilkan jika kita mengagregasikan data individu ke dalam agregasi yang luas.
Adapun model-model yang dapat digunakan untuk menafsirkan data panel yaitu: 1
Fixed Effect Model FEM 2
Random Effect Model REM , Baltagi, 2005 3.9.1
Fixed Effect Model FEM
Metode ini memiliki beberapa kemungkinan asumsi yang bisa digunakan peneliti berdasarkan kepercayaannya dalam memilih data, seperti:
a. Intersep dan koefisien slope konstan dari setiap cross section di sepanjang
waktu. Error term diasumsikan mampu mengatasi perubahan sepanjang waktu dan individu. Asumsi ini mengikuti asumsi dalam metode OLS.
b. Koefisien slope konstan namun intersepnya bervariasi di setiap cross
section. c.
Seluruh koefisien baik slope maupun intersep bervariasi setiap individu. Pendekatan ini memasukan variabel boneka dummy variable untuk
mengizinkan terjadinya perbedaan nilai intersep antar unit cross section.
Universitas Sumatera Utara
33 Pendekatan dengan memasukan variabel boneka ini dekenal dengan sebutan
model efek tetap fixed effect. Persamaan model ini dalah sebagai berikut: Yit =
+ +
∑ iDi +
Keterangan :
Yit = variabel terikat di waktu t untuk unit cross section i
= intersep yang berubah – ubah antar unit cross section
= variabel bebas ke-j diwaktu t untuk unit cross section i = parameter untuk variabel bebas ke-j
= komponen error di waktu t untuk unit cross section i
Keputusan memasukkan variabel boneka Di pada pendekatan fixed effect tidak dapat dipungkiri akan mengurangi jumlah degree of freedom yang pada
akhirnya akan mempengaruhi efisiensi dari parameter yang diestimasi
. 3.9.2
Random Effect Model
Kelemahan dari pendekatan LSDV adalah penambahan variabel boneka ternyata dapat mengurangi derajat kebebasan degree of freedom yang pada
akhirnya mengurangi efisiensi dari parameter yang diestimasi. Kelemahan ini kemudian diatasi dengan pendekatan ketiga yaitu pendekatan efek acak random
effect. Asumsi dasar pada pendekatan efek acak adalah perbedaan nilai intersep antar unit cross section dimasukan ke dalam error. Karena hal ini pendekatan efek
acak sering disebut model variance components. Persamaan model variance components sebagai berikut:
Yit =
+ +
,
i = 1,…N dan t = 1,..,K
Keterangan :
N 0, = komponen cross section error
N 0, = komponen time series error
Universitas Sumatera Utara
34
N 0, = komponen error kombinasi
Pendekatan efek acak dapat menghemat pemakaian derajat kebebasan dan tidak mengurangi jumlahnnya seperti yang dilakukan pada pendekatan efek tetap.
Hal ini berimplikasi parameter hasil estimasi akan menjadi semakin efisien.
3.9.3 Pemilihan Model
Sebelum dilakukan pembahasan hasil model regresi panel data, akan dilakukan pemilihan model terbaik yang akan digunakan sebagai dasar melakukan
analisis. Dalam pemilihan model dilakukan dengan menggunakan Uji Hausman digunakan untuk memilih fixed effect atau random effect.
3.9.3.1 Uji Hausman Test
Uji hausman digunakan untuk memilih model fixed effect atau random effect. Hipotesa pengujian ini sebagai berikut :
H0: random effect model H1: fixed effect model
Perhitungan hausman test menggunakan program eviews. Jika nilai hausman test hasil pengujian lebih besar dari
Tabel, maka hipotesa nol ditolak sehingga model yang kita gunakan adalah fixed effect model dan sebaliknya.
Universitas Sumatera Utara
35
BAB IV HASIL DAN PEMBAHASAN