Hasil dan Analisis Data

B. Hasil dan Analisis Data

Dalam rangka analisis pengaruh positif variabel expenditure (EXP), real estate (REAL), dan gross domestic product (GDP) terhadap kinerja keuangan yang diproksikan dengan current ratio (CR), debt to equity ratio (DER), asset turnover (AT), operating revenue to total revenue (ORTR), operating revenue to operating expense (OROE). Pengujian data dalam penelitian ini menggunakan analisis multiple regression yang dibantu dengan software SPSS for Windows

16.0. Selanjutnya diuraikan hasil analisis data penelitian dari deskripsi statistik analisis, uji asumsi klasik (uji normalitas, uji heterkedastisitas, uji autokorelasi, dan uji multikoliniearitas) sampai dengan uji hipotesis (uji koefisien regresi parsial/uji signifikansi t), uji koefisien determinasi, uji regresi simultan/uji F).

commit to user

Bagian ini dilakukan untuk mencari nilai mean (rata-rata), maximum, minimum , dan standar deviasi dari variabel-variabel pada penelitian ini.

Tabel 2 Deskripsi Statistik Analisis

Std. Deviation

2,82177 50,36259 Valid N (listwise)

480

Berdasarkan tabel 1 diketahui bahwa expense (EXP) memiliki rata-rata sebesar 536.113.230.425. Nilai minimum yang sebesar 13.349.200.406 sedangkan nilai maksimal sebesar 2.593.631.396.675.

Real estate (REAL) memiliki rata-rata sebesar 1.494.947.172.660. Real estate terbesar (maksimum) yaitu 18.192.880.358.868 sedangkan real estate terkecil (minimum sebesar 926.957.907.

Untuk variabel gross domestic product (GDP) memiliki rata-rata (mean) sebesar 2.868.205.363.537. Untuk GDP paling besar (maksimum) sebesar 31.697.282.000.000 dan untuk GDP paling kecil (minimum) adalah sebesar 639.870.000.

commit to user

Uji asumsi klasik dilakukan dengan tujuan untuk memenuhi syarat untuk dapat menggunakan model regresi dalam pengujian hipotesis. Uji asumsi klasik terdiri atas uji normalitas, uji multikolinearitas, uji autokorelasi dan uji heteroskedastisitas.

Sebelum melakukan uji asumsi klasik, semua variabel independen ditransform dengan menggunakan log, mengingat variabel independen dan variabel dependen memiliki selisih yang tinggi. Variabel independen (expenditure, real estate, gross domestic product) kabupaten/kota di Indonesia berjumlah jutaan atau miliaran, sedangkan variabel dependen (current ratio, debt to equity ratio, asset turnover, operating revenue to total revenue, operating revenue to operating expense) kabupaten/kota di Indonesia berjumlah pecahan, puluhan dan ratusan. Transform log memiliki tujuan agar variabel independen lebih seimbang sebelum diregresikan dengan variabel dependen.

a. Uji Normalitas

Uji normalitas data dilakukan untuk menguji apakah data yang diuji dalam model regresi, nilai residual atau variabel pengganggu memiliki distribusi yang normal. Untuk menguji normalitas, penelitian ini menggunakan alat uji one sample kolmogorav-smirnov terhadap data residual regresi yang dilaksanakan dengan menggunakan program SPSS 16.0. Hasil dari pengujian normalitas dengan alat uji one sample kolmogorov-smirnov dapat dilihat pada tabel berikut ini.

commit to user

Normalitas Data Sebelum Seleksi Data Outlier

Unstandardized Residual

480

Normal Parameters a Mean

0,0000

Std. Deviation

1 Most Extreme Differences

-0,250619408 Kolmogorov-Smirnov Z

5,479345018 Asymp. Sig. (2-tailed)

0,000

Dari tabel 3 diketahui bahwa probability value yang dihasilkan dari pengujian one sample kolmogorov smirnov atas seluruh nilai residu data yang digunakan dalam penelitian ini memiliki dibawah tingkat signifikansi penelitian minimal, yaitu 5 % atau 0,05 yang mengindikasikan bahwa data yang digunakan mempunyai distribusi yang tidak normal. Untuk dapat menggunakan pengujian dengan model regresi, syarat yang harus dipenuhi adalah distribusi data yang harus normal (Ghozali, 2006).

Untuk memperoleh data yang normal maka dilakukan penghilangan outlier data yang ditunjukkan dalam kolom wise number pada tabel casewise diagnostic, dengan ketentuan outliers outside 2 standard deviations. Setelah mengeluarkan data outlier, maka selanjutnya data tersebut diuji kembali dengan menggunakan one sample kolmogorov smirnov. Berikut ini merupakan tabel hasil uji normalitas setelah menghilangkan data outlier.

commit to user

Normalitas Data Setelah Seleksi Data Outlier

Unstandardized Residual

249

Normal Parameters a,,b Mean

-5,33933E-17

Std. Deviation

0,066 Most Extreme Differences Absolute

-0,068 Kolmogorov-Smirnov Z

1,318 Asymp. Sig. (2-tailed)

0,075 Dari tabel dapat dilihat bahwa dengan dikeluarkannya data outlier maka

data terdistribusi secara normal yaitu dengan melihat nilai probability value sebesar 0,075 yang lebih besar dari tingkat signifikansi minimal yaitu 0,05. Maka dapat disimpulkan data sudah terdistribusi secara normal.

b. Uji Heteroskedastisitas

Uji Heteroskedastisitas dilakukan dengan tujuan untuk mengetahui apakah model regresi terjadi ketidaksamaan variance dari satu pengamatan ke pengamatan yang lain. Untuk menguji Heteroskedastisitas dalam penelitian ini adalah dengan menggunakan uji glejser, yaitu dengan metode meregresikan nilai absolute residual dengan variabel bebas. Kriteria yang digunakan dalam penelitian ini adalah jika probabiliy value lebih besar dari 0,05 maka tidak terjadi heteroskedastisitas, sebaliknya bila probabiliy value lebih kecil dari 0,05 maka terjadi heteroskedastisitas.

commit to user

Uji Heteroskedastisitas

LOG_EXP

.343

Tidak terjadi Heteroskedastisitas LOG_REAL

.882

Tidak terjadi Heteroskedastisitas LOG_GDP

.937

Tidak terjadi Heteroskedastisitas Berdasarkan hasil uji heteroskedastisitas, menunjukkan bahwa probabilitas

pada model regresi dalam penelitian ini adalah sebesarlebih dari 0.05 atau 5% sehingga dinyatakan bahwa tidak ada gejala heteroskedastisitas.

c. Uji Autokorelasi

Ghozali (2006) menyatakan bahwa uji autokorelasi digunakan untuk mengetahui kesalahan pengganggu pada periode t dengan periode t-1. Uji autokorelasi dilakukan untuk mengetahui hubungan yang terjadi antara anggota- anggota dalam satu rangkaian data observasi yang terletak berderetan secara berurutan (series) atau hubungan antara tempat yang saling berdekatan (cross section).

Untuk meneliti Autokorelasi alat uji yang digunakan pada penelitian ini adalah alat uji runs test. Hasil dari pengujian ini dapat dilihat dari nilai probabiliy value yang dihasilkan dari runs test. Apabila nilai probabiliy value yang dihasilkan lebih besar dari batas nilai minimal signifikansi yaitu 5% atau 0,05 maka tidak terjadi gejala autokorelasi. Sebaliknya, apabila nilai probabiliy value lebih kecil dari 5%, maka dapat disimpulkan bahwa terdapat gejala autokorelasi dalam model regresi yang digunakan oleh penelitian ini. Berikut ini merupakan hasil dari uji runs test untuk menemukan adanya gejala autokorelasi dari model regresi yang digunakan oleh penelitian ini.

commit to user

Uji Autokorelasi

Unstandardized Residual

Test Value a -.00996 Cases < Test Value

126 Cases >= Test Value

127 Total Cases

253 Number of Runs

129 Z

.189 Asymp. Sig. (2-tailed)

.850

Berdasarkan tabel hasil uji autokorelasi dapat diketahui bahwa nilai probabiliy value yang dihasilkan adalah sebesar 0.850 atau 85% yang lebih besar dari 0,05 atau 5%. Sehingga dapat disimpulkan bahwa tidak ada gejala autokorelasi dari model regresi yang akan digunakan dalam penelitian ini.

d. Uji Multikolinieritas

Uji multikolinieritas digunakan untuk menunjukkan ada tidaknya hubungan linier diantara variabel-variabel independen dengan model regresi. Pengujian ini dilakukan dengan menggunakan tolerance dan variance infation factor (VIF) dengan ketentuan jika tolerance value lebih kecil dari 0,01 atau VIF lebih besar dari 10 maka terjadi multikolonieritas dan jika tolerance value lebih besar dari 0,01 atau VIF lebih kecil 10 maka tidak terjadi multikolonieritas. Hasil uji multikolonieritas dapat dilihat pada tabel berikut:

commit to user

Uji Multikoliniearitas

Variabel

Tolerance VIF

Kesimpulan

LOG_EXP 0,472

2.118

Tidak terjadi Multikolinieritas LOG_REAL

0,556

1.800

Tidak terjadi Multikolinieritas

LOG_GDP 0,666

1.502

Tidak terjadi Multikolinieritas

Dari tabel uji multikoliniearitas dapat disimpulkan bahwa semua nilai tolerance dari semua variabel dalam model regresi lebih besar dari 0,1 dan nilai variance inflation factor dari semua variabel dalam model regresi lebih kecil dari

10, maka dapat disimpulkan bahwa model regresi yang digunakan dalam penelitian ini tidak mengalami gejala multikolinearitas atau semua variabel dalam model penelitian ini homokedastisitas.

3. Uji Hipotesis

Tujuan dari penelitian ini adalah untuk memperoleh bukti empiris pengaruh expenditure (EXP), real estate (REAL), gross domestic product (GDP) terhadap kinerja keuangan yang diproksikan dengan current ratio (CR), debt to equity (DER), asset turnover (AT), operating revenue to total revenue (ORTR), operating revenue to operating revenue (OROE). Untuk tujuan itu, penelitian ini menggunakan metode principal components untuk mendapatkan factor scores yang kemudian digunakan sebagai variabel dependen dalam pengujian model regresi berganda. Berikut merupakan hasil dari pengujian data dengan model regresi berganda untuk mengambil kesimpulan terkait dengan hipotesis yang diajukan dalam penelitian ini.

commit to user

Tujuan dari ujian signifikansi t adalah untuk menguji pengaruh variabel independen terhadap variabel dependen sebagaimana dinyatakan dalam hipotesis penelitian ini. Selain itu uji signifikansi t juga digunakan untuk mengetahui tanda koefisien regresi masing-masing variabel independen sehingga dapat ditentukan arah pengaruh masing-masing variabel independen terhadap variabel dependen.

Kriteria pengambilan kesimpulan atas hasil uji signifikansi t adalah probability value (sig) t, apabila (sig) t lebih kecil dari 0,05 atau 5%, maka dinyatakan bahwa variabel independen berpengaruh terhadap variabel dependen sehingga hipotesis yang diajukan dalam penelitian dapat diterima atau didukung oleh data penelitian, sebaliknya jika (sig) t lebih besar dari 0,05 atau 5% maka dinyatakan variabel independen tidak berpengaruh pada variabel dependen dan hipotesis yang diajukan tidak diterima atau tidak didukung oleh data penelitian. Berikut ini adalah hasil uji signifikansi t dalam penelitian ini.

Tabel 8 Uji Signifikansi t

Variable

Unstandardized Coefficients

.007 LOG_EXP

.043

3.582

.000 LOG_REAL

-.078

-10.370

.000 LOG_GDP

.000

-.119

.906 Dari tabel diatas dapat disimpulkan bahwa variabel real estate (REAL)

dan expenditure (EXP) berpengaruh terhadap kinerja keuangan pemerintah daerah di Indonesia karena nilai probabilitas 0 .000 yang lebih kecil dari tingkat signifikansi sebesar 0,05 atau 5%. Sementara itu, hasil tabel 7 mengindikasikan bahwa variabel gross domestic product (GDP) tidak berpengaruh terhadap kinerja

commit to user

domestic product 0,906 yang lebih besar dari tingkat signifikansi penelitian yaitu 0,05 atau 5%.

Hasil dari uji signifikansi t juga dapat dijadikan dasar dalam penyusunan model penelitian yang dapat dirumuskan dengan model berikut ini.

FP = 0,605 + 0,043 (LOG_EXP) – 0,78 (LOG_REAL) – 0,000 (LOG_GDP) + e

b. Uji Signifikansi F

Uji signifikansi F dilakukan untuk menguji kelayakan model regresi untuk digunakan dalam melakukan analisis hipotesis dalam penelitian. Untuk kriteria dalam uji signifikansi F ini adalah dengan melihat probability value (sig), apabila probability value yang dihasilkan dalam penelitian ini lebih besar dari 0,05 atau 5% maka dapat dinyatakan bahwa model tidak layak (fit) untuk digunakan dalam pengujian hipotesis penelitian. Sedangkan jika probability value yang dihasilkan dalam penelitian ini lebih kecil dari 0,05 atau 5% maka model dinyatakan layak (fit) untuk digunakan sebagai model regresi dalam penelitian.

Tabel 9 Uji Signifikansi F

Model

Sum of Squares

Df

Mean Square

F Sig.

41.984 0,000 a Residual

Tabel 8 menunjukkan bahwa probability value atau sig atas model regresi yang digunakan dalam penelitian ini lebih kecil dari tingkat signifikansi penelitian

commit to user

digunakan dalam penelitian ini layak (fit) untuk digunakan sebagai model regresi pengujian hipotesis.

c. Uji Koefisien Determinasi (R 2 )

Uji koefisien determinasi dilakukan untuk menunjukkan seberapa jauh pengaruh variabel independen dalam menerangkan variasi variabel dependen. Untuk model regresi yang menggunakan satu variabel independen determinasi

ditunjukkan oleh nilai R Square (R 2 ), sedangkan untuk model regresi yang

menggunakan dua atau lebih variabel independen koefisien determinasinya

ditunjukkan oleh nilai adjusted R Square (adj R 2 ). Hasil dari pengujian koefisien determinasi disajikan dalam tabel berikut ini.

Tabel 10 Uji Koefisien Determinasi

Model

R Square

Adjusted R

Square

Std. Error of the Estimate

Tabel uji koefisien determinasi menunjukkan bahwa nilai adj R square adalah 0,328 atau 32,8%. Nilai tersebut mengindikasikan bahwa variabel kinerja keuangan pemerintah daerah di Indonesia mampu dijelaskan oleh variabel independen berupa EXP, REAL, dan GDP sebesar 32,8 % dan sisanya sebear 67,2 % dijelaskan oleh variabel lain yang tidak dimasukkan dalam model penelitian ini.