Statistik Deskriptif Model dan Teknik Analisis Data

15 Simalungun 3,14 0,96 4,97 Sumber data: Data yang diolah Peneliti, 2009 Tabel di atas menunjukkan rasio setiap kabupaten dan kota selama tahun 2004 sampai dengan 2006. Pada tahun 2004, rasio DAK tertinggi dimiliki oleh Kota Padang Sidempuan sebesar 8,23, sedangkan rasio DAK terendah dimiliki oleh Kota Medan sebesar 0,60. Pada tahun 2005, rasio DAK tertinggi dimiliki oleh Kabupaten Humbang Hasundutan sebesar 12,31, sedangkan rasio DAK terendah dimiliki oleh Kota Medan sebesar 0,33. Pada tahun 2006, rasio DAK tertinggi dimiliki oleh Kabupaten Humbang Hasundutan sebesar 9,67, sedangkan rasio DAK terendah dimiliki oleh Kota Medan sebesar 1,46.

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. Tabel 4.7 Descriptive Statistics N Minimum Maximum Mean Std. Deviation Kemandirian Y 45 .02 .25 .0579 .05014 EfektivitasPAD X1 45 .40 2.10 1.0799 .30977 DAU X2 45 .35 .83 .7104 .09869 DAK X3 45 .00 .12 .0473 .02457 Valid N listwise 45 Sumber : Diolah dari SPSS, 2009 Berikut ini data deskriptif yang telah diolah : a. Variabel Kemandirian Y memiliki nilai minimum 0,02, nilai maksimum 0,25, rata-rata Kemandirian 0,0579 dan standar deviasi sebesar 0,05014 dengan jumlah sampel sebanyak 45. b. Variabel Efektivitas PAD X1 memiliki nilai minimum 0,40, nilai maksimum 2,10, rata-rata Efektivitas PAD 1,0799 dan standar deviasi sebesar 0,30977 dengan jumlah sampel sebanyak 45. c. Variabel DAU X2 memiliki nilai minimum 0,35, nilai maksimum 0,83, rata- rata DAU 0,7104 dan standar deviasi sebesar 0,09869 dengan jumlah sampel sebanyak 45. d. Variabel DAK X3 memiliki nilai minimum 0,00, nilai maksimum 0,12, rata- rata DAK 0,0473 dan standar deviasi sebesar 0,02457 dengan jumlah sampel sebanyak 45.

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 : Regression Standardized Residual 2 1 -1 -2 -3 Frequency 10 8 6 4 2 Histogram Dependent Variable: Kemandirian Mean =3.02E-15฀ Std. Dev. =0.965฀ N =45 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 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: Kemandirian 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.. Tabel 4.8 Uji Normalitas dengan One-Sample Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test 45 .0000000 .01946481 .085 .056 -.085 .573 .898 N Mean Std. Deviation Normal Parameters a,b Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z As ymp. Sig. 2-tailed Unstandardiz ed Res idual Test distribution is Normal. a. Calculated from data. b. Sumber : Diolah dari SPSS, 2009 Nilai Kolmogrov – Smirov sebesar 0.573 dan tidak signifikan pada 0.05 karena p= 0.898 dari 0.05. Hal ini berarti Ho diterima 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 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 Regression Standardized Predicted Value 4 3 2 1 -1 -2 R egressi on S tudent iz ed R esi dual 2 1 -1 -2 -3 Scatterplot Dependent Variable: Kemandirian Gambar 4.3 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. Hal ini mengindikasikan tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai. Selain dengan grafik, hasil uji heteroskedastisitas dapat dilihat pada statistik uji glejser berikut ini : Tabel 4.9 Hasil Uji Heteroskedastisitas dengan uji Glejser Coefficients a .041 .015 2.843 .007 -.004 .006 -.097 -.590 .558 -.033 .021 -.264 -1.580 .122 .022 .089 .045 .249 .805 Constant EfektivitasPAD DAU DAK Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig. Dependent Variable: abs ut a. 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 : Tabel 4.10 Hasil Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .922a .849 .838 .02016 1.211 a Predictors: Constant, DAK, EfektivitasPAD, DAU b Dependent Variable: Kemandirian Sumber : Diolah dari SPSS, 2009 Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin Watson DW sebesar 1,211. Maka Ho diterima, yang artinya dalam model regresi tidak terdapat autokorelasi atau kesalahan pengganggu, sebab DW terletak diantara -2 sampai +2 yang berarti tidak ada autokorelasi.

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 : Tabel 4.11 Hasil Uji Multikolinearitas Coefficientsa Model Collinearity Statistics Tolerance VIF Constant Efektivitas PAD .827 1.209 DAU .804 1.244 DAK .689 1.451 a Dependent Variable: Kemandirian 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 Efektivitas PAD X1, DAU X2, DAK 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

Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan variabel dependen, melalui pengaruh Rasio Efektivitas PAD X1 , DAU X2 dan DAK X3 terhadap tingkat Kemandirian Keuangan Daerah Y. Hasil regresi dapat dilihat pada tabel berikut ini : Tabel 4.12 Hasil Analisis Regresi Coefficients a .340 .024 14.052 .000 .038 .011 .235 3.519 .001 .827 1.209 -.424 .034 -.835 -12.349 .000 .804 1.244 -.455 .149 -.223 -3.050 .004 .689 1.451 Constant EfektivitasPAD DAU DAK Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig. Tolerance VIF Collinearity Statistics Dependent Variable: Kemandirian a. Sumber : Diolah dari SPSS, 2009 Berdasarkan hasil pengolahan data yang terlihat pada tabel 4.12 pada kolom unstandardized coeffisients bagian B, diperoleh modal persamaan regresi berganda sebagai berikut : Y=0.340+0.038X1-0,424X2-0.455X3 Keterangan : Y = Tingkat Kemandirian Keuangan Daerah X1 = Rasio Efektivitas Pendapatan Asli Daerah PAD X2 = Dana Alokasi Umum DAU X3 = Dana Alokasi Khusus DAK Adapun interpretasi dari persamaan di atas adalah : a. Konstanta sebesar 0.340 menunjukkan bahwa jika tidak ada variabel rasio Efektivitas PAD, DAU, dan DAK, maka tingkat kemandirian keuangan daerah sebesar 0.340. b. Koefisien X1 b1 = 0.038, menunjukkan bahwa rasio efektivitas PAD berpengaruh positif terhadap tingkat kemandirian keuangan daerah Y. Artinya jika efektivitas PAD ditingkatkan maka akan meningkatkan tingkat kemandirian keuangan daerah sebesar 0.038. c. Koefisien X2 b2 = -0.424, menunjukkan bahwa rasio DAU berpengaruh negatif terhadap tingkat kemandirian keuangan daerah Y. Artinya jika rasio DAU ditingkatkan maka akan mengurangi tingkat kemandirian keuangan daerah sebesar 0.424. d. Koefisien X3 b3 = -0.455, menunjukkan bahwa rasio DAK berpengaruh negatif terhadap tingkat kemandirian keuangan daerah Y. Artinya jika rasio DAK ditingkatkan maka akan mengurangi tingkat kemandirian keuangan daerah sebesar 0.455.

5. Pengujian Hipotesis a. Uji Signifikansi Parsial Uji-t