jumlah seluruh laporan realisasi APBD yang akan diteliti adalah sebanyak 36 kabupatenkota 28 kabupaten dan 8 kota selama periode tahun 2010-2013.
Tabel 3.4 Daftar Sampel Penelitian
No. Nama KabupatenKota
1. Kabupaten Bandung
2. Kabupaten Garut
3. Kabupaten Tasikmalaya
4. Kabupaten Sumedang
5. Kabupaten Subang
6. Kabupaten Purwakarta
7. Kabupaten Karawang
8. Kota Sukabumi
9. Kota Banjar
3.5. Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini adalah data sekunder dan bersifat kuantitatif. Data sekunder adalah data yang diterbitkan atau digunakan oleh
organisasi yang bukan pengelolanya. Dalam penelitian ini, peneliti menggunakan pooled data yaitu kombinasi antara data runtut waktu time series, yaitu suatu
metode kuantitatif untuk menentukan pola data masa lampau yang telah dikumpulkan secara teratur menurut urutan waktu kejadian dan silang tempat
cross section, yaitu sekumpulan data untuk meneliti suatu fenomena tertentu dalam suatu kurun waktu Umar, 2013:42. Sumber data penelitian ini diperoleh
dari situs www.djpk.depkeu.go.id
,
www.bps.go.id ,
dan sumber-sumber data lainnya.
Universitas Sumatera Utara
3.6. Metode Pengumpulan Data
Metode pengumpulan data pada penelitian ini adalah metode dokumentasi, yaitu dengan cara mengumpulkan, mencatat, dan mengkaji data sekunder yang
diunduh dari situs Direkorat Jenderal Perimbangan Keuangan Republik Indonesia www.djpk.depkeu.go.id
.
3.7. Teknik Analisis Data
Teknik analisis data yang digunakan dalam penelitian ini adalah tenik analisis statistik dengan menggunakan SPSS, yaitu statistik deskriptif, uji asumsi
klasik, dan analisis regresi untuk pengujian hipotesis penelitian.
3.7.1. Statistik Deskriptif
Statistik deskriptif menurut Ghozali 2006:19 merupakan “metode untuk mengumpulkan, mengolah, menyajikan, dan menganalisa data
kuantitatif secara deskriptif”. Pengukuran statistik deskriptif ini meliputi jumlah sampel, nilai minimum, nilai maksimum, mean, dan standar deviasi.
Minimum digunakan untuk mengetahui jumlah terkecil yang bersangkutan bervariasi dari rata-rata. Maksimum digunakan untuk mengetahui jumlah
terbesar data yang bersangkutan. Standar deviasi digunakan untuk mengetahui seberapa besar data bersangkutan bervariasi dari rata-rata.
3.7.2. Uji Asumsi Klasik
Sebelum pengujian hipotesis dilakukan, terlebih dahulu harus dilakukan uji asumsi klasik. Hal ini bertujuan untuk menghindari
terjadinya estimasi yang bisa mengingat tidak pada semua data dapat
Universitas Sumatera Utara
diterapkan regresi. Asumsi klasik yang harus dipenuhi adalah berdistribusi normal, non-multikolinieritas, non-autokorelasi, dan homoskedastisitas.
3.7.2.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal
Ghozali, 2006 : 110. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Dalam penelitian ini,
untuk mendeteksi normalitas data dapat dilakukan dengan pengujian berikut:
1. Uji Kolmogrov Smirnov Untuk mendeteksi normalitas data dapat dilakukan melalui
analisis statistik yang salah satunya dapat dilihat melalui Kolmogrorov-Smirnov test K-S. Uji K-S dilakukan dengan
membuat hipotesis: 1 Jika nilai signifikan 0.05 maka distribusi normal, dan
2 Jika nilai signifikan 0.05 maka distribusi tidak normal Hipotesis yang digunakan dalam uji ini adalah:
Ho : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal
2. Histogram Pengujian dengan model histogram memiliki ketentuan bahwa
data normal berbentuk lonceng. Data yang baik adalah data yang memiliki pola distribusi normal. Jika data melenceng ke kanan
Universitas Sumatera Utara
atau melenceng ke kiri berarti data tidak terdistribusi secara normal.
3.7.2.2. Uji Heteroskedastisitas
Menurut Ghozali 2006: 105, uji heteroskedastisitas bertujuan “menguji apakah dalam model regresi terjadi ketidaksamaan variance
dari residual satu pengamatan ke pengamatan yang lain”. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah Homoskedastisitas atau tidak terjadi
Heteroskedastisitas. Salah satu cara yang dapat digunakan untuk mengetahui ada tidaknya gejala heteroskedastisitas adalah dengan
melihat pada grafik scatter plot. Dasar analisis uji heteroskedastisitas adalah sebagai berikut :
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi
heteroskedastisitas. 2.
Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi
heterokedastisitas.
3.7.2.3. Uji Autokorelasi
Menurut Ghozali 2006: 95, uji autokorelasi bertujuan “menguji apakah dalam model regresi linear ada korelasi antara
Universitas Sumatera Utara
kesalahan penggangu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya”. Jika terjadi korelasi, maka dinamakan
ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Untuk menguji
ada tidaknya gejala autokorelasi maka dapat dideteksi dengan uji Runs test. Untuk pengujian yang dilakukan dengan Runs Test, Jika nilai sig.
0,05 maka disimpulkan tidak ada autokorelasi.
3.7.2.4. Uji Multikolinearitas
Menurut Ghozali 2006 : 91 uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di
antara variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Pengujian
multikolinearitas dilakukan dengan melihat toleransi variabel dan variance inflation factor VIF. Ketentuan suatu model regresi tidak
terdapat gejala multikolinearitas adalah jika nilai Variance Inflation Factor VIF 10 dan Tolerance 0,1. Ghozali, 2006 : 92. Cara
untuk perbaikan jika terjadi multikolinearitas yaitu : 1. Mengeluarkan satu atau lebih variabel dependen yang mempunyai
korelasi tinggi dari model regresi dan identifikasikan variabel independen lainnya untuk membantu prediksi.
2. Menggabungkan data cross section dan time series pooling data. 3. Menambah data penelitian.
Universitas Sumatera Utara
3.7.3. Analisis Regresi
Metode analisis yang digunakan dalam penelitian ini adalah analisis regresi berganda multiple regression analysis. Regresi berganda dilakukan untuk
mengetahui sejauh mana variabel bebas mempengaruhi variabel terikat. Pada regresi berganda terdapat satu variabel terikat dan lebih dari satu variabel bebas.
Dalam penelitian ini yang menjadi variabel terikat adalah belanja modal, sedangkan yang menjadi variabel bebas adalah pajak daerah, retribusi daerah,
hasil pengelolaan kekayaan daerah yang dipisahkan, dan lain-lain pendapatan asli daerah yang sah.
Hipotesis dianalisis dengan regresi berganda untuk melihat pengaruh masing-masing variabel yaitu pajak daerah, retribusi daerah, hasil pengelolaan
kekayaan daerah yang dipisahkan, dan lain-lain pendapatan asli daerah yang sah secara bersama-sama terhadap belanja modal, dengan rumus:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ e 3.7.4. Pengujian Hipotesis
3.7.4.1. Uji Simultan Uji F
Uji F digunakan untuk mengetahui pengaruh variabel bebas secara bersama-sama simultan terhadap variabel terikat. Membandingkan F
hitung dengan F tabel dengan ketentuan sebagai berikut:
H diterima dan Ha ditolak jika F hitung F
tabel
untuk a = 5 H
diterima dan Ha ditolak jika F hitung F
tabel
untuk a = 5 Jika tingkat signifikansi dibawah 0,05 maka H0 ditolak dan Ha diterima.
Jika pada perhitungan Fhitung Ftabel dan tingkat signifikansinya 0,000
Universitas Sumatera Utara
0,05 maka menunjukkan bahwa pengaruh variabel independen secara serempak adalah signifikan terhadap variabel dependen.
3.7.4.2. Uji Parsial Uji t
Uji t dalam penelitian ini digunakan untuk menguji signifikansi koefisien variabel bebas dalam memprediksi variabel terikat. Uji ini
dilakukan dengan membandingkan t hitung dengan t tabel dengan
ketentuan sebagai berikut:
H diterima dan Ha ditolak jika t hitung t tabel untuk a = 5
H diterima dan Ha ditolak jika t hitung t tabel untuk a = 5
Jika tingkat signifikansi dibawah 0,05 maka H0 ditolak dan Ha diterima. Tingkat signifikansinya 0,000 0,05 berarti masing-masing variabel
independen berpengaruh secara positif dan signifikan terhadap variabel dependen.
3.7.4.3. Uji R
2
atau Koefisien Determinasi
Koefisien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Nilai
koefisien determinasi adalah antara nol dan satu. Nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan
variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang
dibutuhkan untuk memprediksi variasi variabel independen.
Universitas Sumatera Utara
BAB IV HASIL DAN PEMBAHASAN
4.1. Deskriptif Penelitian
Objek dalam penelitian ini adalah kabupatenkota di Jawa Barat yang memiliki laporan realisasi APBD yang lengkap dan telah dipublikasikan di
Direkorat Jenderal Perimbangan Keuangan DJPK selama periode 2010-2013. Data yang digunakan merupakan data sekunder berupa data Laporan Realisasi
APBD yang dapat diakses dari situs DJPK, yaitu www.djpk.depkeu.go.id
. Penentuan sampel dalam penelitian ini menggunakan purposive sampling,
sehingga diperoleh sampel sebanyak 36 kabupatenkota. Pengolahan data dalam penelitian ini dilakukan dengan menginput dan menghitung data dengan Microsoft
Excel dan melakukan pengujian dengan menggunakan aplikasi SPSS versi 20.0.
4.2. Statistik Deskriptif
Statistik deskriptif digunakan untuk mengetahui deskripsi suatu data yang dilihat dari nilai maksimum, nilai minimum, nilai rata-rata mean, dan nilai
standar deviasi. Dalam penelitian ini, variabel yang digunakan dalam perhitungan statistik deskriptif adalah pajak daerah, retribusi daerah, hasil pengelolaan
kekayaan daerah yang dipisahkan, lain-lain pendapatan asli daerah yang sah, dan belanja modal. Berdasarkan analisis statistik deskriptif diperoleh gambaran
sampel sebagai berikut.
Universitas Sumatera Utara
Tabel 4.1 Hasil Statistik Deskriptif
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation
Belanja_modal 36
50596 692368 238410.72
162765.130 Pajak_daerah
36 2086
477595 78784.89
116096.243 Retribusi_daerah
36 4296
60254 21543.92
14331.466 Hasil_pengelolaan_kek
ayaan_daerah_yang_di pisahkan
36 1610
52790 9790.06
14004.555 Lain_lain_PAD_yang_
sah 36
5833 140864
56930.56 34203.876
Valid N listwise 36
Sumber: Output SPSS 20.0 , diolah peneliti, 2016 Dari hasil pengujian diatas diketahui bahwa :
1. Jumlah unit analisis N dalam penelitian ini adalah sebanyak 36
kabupatenkota yang terdapat di DJPK dari tahun 2010 sampai 2013. 2.
Variabel dependen yaitu belanja modal yang memiliki nilai minimum 50596 dimiliki oleh Kota Sukabumi pada tahun 2010 dan nilai maksimum
sebesar 692368 dimiliki oleh Kabupaten Garut pada tahun 2013. Nilai Rata-rata mean sebesar 238410,72 dengan standar deviasi 162765,130.
3. Variabel independen yang pertama, yaitu pajak daerah memiliki nilai .
minimum 2086 dimiliki oleh Kota Banjar pada tahun 2010 dan nilai maksimum sebesar 477595 dimiliki oleh Kabupaten Karawang pada tahun
2012. Nilai rata-rata mean 78784,89 dengan standar deviasi sebesar 116096,243.
4. Variabel independen yang kedua, yaitu retribusi daerah memiliki nilai
minimum sebesar 4296 dimiliki oleh Kota Banjar pada tahun 2012, dan
Universitas Sumatera Utara
nilai maksimum sebesar 60254 dimiliki oleh Kabupaten Bandung pada tahun 2010. Nilai rata-rata mean sebesar 21543,92 dengan standar
deviasi sebesar 14331,466. 5.
Variabel independen yang ketiga, yaitu hasil pengelolaan kekayaan daerah yang dipisahkan memiliki nilai minimum sebesar 1610 dimiliki oleh
Kabupaten Garut pada tahun 2012, dan nilai maksimum sebesar 52790 dimiliki oleh Kabupaten Bandung pada tahun 2010. Nilai rata-rata mean
sebesar 9790,06 dengan standar deviasi sebesar 14004,555. 6.
Variabel independen yang keempat adalah lain-lain PAD yang sah memiliki nilai minimum 5833 dimiliki oleh Kota Banjar pada tahun 2010.
Nilai maksimum sebesar 140864 dimiliki oleh Kota Sukabumi pada tahun 2013. Nilai rata-rata mean sebesar 56930,56 dengan standar deviasi
sebesar 34203,876.
4.3. Uji Asumsi Klasik a. Uji Normalitas
