Hasil dan Analisis Kuantitatif

4.3 Hasil dan Analisis Kuantitatif

4.3.1 Analisis Data Panel

4.3.1.1 Hasil Estimasi Data Panel

Salah satu tujuan dari penelitian ini adalah untuk mengetahui pengaruh variabel PAD, DAU, DBH, TK sebaga turunan dari desentralisasi fiskal terhadap Pertumbuhan ekonomi yang di proksi ke PDRB. Dalam penelitian ini menggunakan analisis data panel yaitu dengan menggabungkan data yang bersifat time series dengan cross section.

Seperti pendapat Widarjono (2007) yang menjelaskan bahwa dalam menganalisis data panel menggunakan tiga jenis estimasi, yaitu :

Tahun Surakarta

Boyolali

Sukoharjo Karanganyar Wonogiri

Sragen Klaten

2002

242688

510118

410798

420602 550412.00 441490.00 594101

2003

227212

517156

421822

442465 525489.00 493635.00 612229

2004

245575

485790

442954

439600

568055

465868 570087

2005

256532

529215

441216

468588

562662

456167 632685

2006

258420

532346

447876

426324

546542

456150 606790

2007

287450

573381

471155

465240

568927

504199 636135

2008

277675

536845

447875

451144

557492

476316 612644

2009

275546

542533

451417

455446

580035

494956 612172

2010

258573

527581

432526

483526

519702

483526 574549

Random Effect Methode (REM). Penelitian ini juga menggunakan tiga estimasi tersebut untuk menganilis data panel. Dari ketiga estimasi tersebut peneliti melakukan pemilihan model untuk menyimpulkan hasil penelitian yaitu dengan pengujian model yang terbaik.

Dalam penelitian ini menggunakan software Eviews 6, hasil dari perhitungan untuk pemilihan model terbaik adalah sebagai berikut :

Tabel 4.13 Hasil estimasi data panel Subosukowonosraten tahun 2002-2010

Variabel Dependen : Log PDRB Variabel

t statistik

Log PAD t statistik

Log DAU t statistik

Log DBH t statistik

Log TK t statistik

Surakarta Boyolali Sukoharjo Karanganyar Wonogiri Sragen Klaten

F statistik

Semua variabel signifikan pada tingkat level 5% ( t-tabel 1.645) Sumber : hasil olah data Eviews 6

Berdasarkan tabel diatas diketahui bahwa hasil estimasi dengan menggunakan pendekatan PLS, FEM dan REM menunjukkan bahwa tidak seluruh variabel independen berpengaruh positif dan signifikan terhadap

PDRB pada α = 5%. Diantaranya pada PLS variabel yang tidak berpengaruh positif adalah variabel PAD dan TK. Sedangkan variabel

yang tidadk signifikan adalah variabel DBH. Pada FEM semua variabel berpengaruh positif tetapi tidak semua signifikan, yaitu variabel PAD dan DBH.

Dilihat dari nilai koefisien dterminasi (goodness of fit test) menunjukkan bahwa model FEM adalah yang terbaik dengan nilai R- Square sebesar 0,98440 dibandingkan dengan R-square model PLS sebesar 0,452848 dan R-square REM sebesar 0,916124. Jadi pada model FEM variabel PAD, DBH, DAU dan TK mampu menjelaskan 98% variansi variabel PDRB. Sedangkan, sisanya 2% dijelaskan variabel lain yang tidak dimasukkan dalam model penelitian ini.

Pada model FEM nilai intersep pada masing-masing negara adalah, Surakarta sebesar 0.136363, Boyolali sebesar -0.009768, Sukoharjo sebesar 0.194763, Karanganyar sebesar 0.237280, Wonogiri sebesar - 0.335540, Sragen sebesar -0.375946 dan Klaten sebesar 0.152847. dengan demikian, pendekatan FEM menjelaskan adanya perbedaan PDRB dari Subosukawonosraten. Sedangkan nilai intersep model REM pada masing- masing daerah adalah, Surakarta sebesar 0.114847, Boyolali sebesar - 0.004299, Sukoharjo sebesar 0.192013, Karanganyar sebesar 0.235708,

Wonogiri sebesar -0.327215, Sragen sebesar -0.372896 dan Klaten sebesar 0.161842.

Sesuai dengan pendapat Widarjono (2007) bahwa dalam model FEM terdapat perbedaan intersep masing-masing wilayah, sehingga terdapat faktor yang berbeda-beda dalam mempengaruhi pertumbuhan ekonomi pada masing-masing wilayah.

4.3.2 Hasil Uji Pemilihan Model

Dalam analisis data panel ada tiga teknik yang bisa digunakan yaitu model dengan Metode OLS (Common), Model Fixed Effect dan Model Random Effect. Maka akan di lakukan uji pemilihan model untuk memilik model yang terbaik.

4.3.2.1 Uji F

Uji ini digunakan untuk memilih antara metode OLS atau Fixed Effect. Dalam uji ini digunakan hipotesis yaitu : H0 : Model Common (restricted) H1 : Model Fixed Effect (unrestricted)

Dalam pengujian ini menggunakan rumus (Aisyah , 2007):

Berdasarkan hasil perhitungan diatas diperoleh nilai F hitung yaitu sebesar 492,2148, sedangkan nilai dai F tabel dengan df for numerator = 4,

df for denumerator = 58, pada tingkat kepercayaan 5% adalah sebesar 2,53. Dapat diketahui bahwa F hitung lebih bear daripada F tabel. Dengan df for denumerator = 58, pada tingkat kepercayaan 5% adalah sebesar 2,53. Dapat diketahui bahwa F hitung lebih bear daripada F tabel. Dengan

4.3.2.2. Hausman Test

Dari hasil pemelihan model sebelumnya mendapatkan hasil bahwa model Fixed Effect lebih baik menganalisis penelitian ini. Kemudian untuk menentukan model mana yang lebih baik antara FEM dengan REM dilakukan dengan uji Hausman test. Dalam pengujian ini hipotesis yang digunakan adalah : Ho : Model Random Effect (REM) H1 : Model Fixed Effect (FEM)

Dalam penelitian ini pengujian Hausman test dilakukan dengan E views 6, yang hasilnya bisa dilihat pada tabel.

Tabel 4.14 Hasil Uji Hausman

Test Summary

Chi-Sq. Statistic

Chi-Sq. d.f.

Prob. Cross-section

random

4 0.0895 Sumber : Hasil Olah data Eviews 6

Dari hasil perhitungan uji Hausman test diatas diperoleh nilai chi square (x2) hitung sebesar 8.056858, sedangkan nilai chi square (x2) tabel dengan df = 4, pada tingkat kepercayaan 5% adalah sebesar 9.488. sehingga dapat diketahui bahwa chi square hitung jauh lebih kecil dibanding nilai chi square tabel, yang berarti menerima Ho. Dengan kata lain model data panel yang cocok untuk digunakan dalam mengestimasi penelitian ini adalah model data panel dengan pendekatan Random Effect.

4.3.3 Hasil Estimasi

Setelah dilakukan beberapa uji untuk memilih model yang lebih baik untuk penelitian ini, yang akhirnya model Random Effect yang terbaik untuksmenganalisis penelitian ini. Hasil ini didapat dengan membandingkan hasil estimasi pengaruh pelaksanaan desentralisasi fiskal kabupaten/kota di Subosukawonosraten dari tiga model yang berbeda, dilihat dari goodness of ftnya (R-square, t statistik, F statistik).

Hasil pengolahan data bisa dilihat pada tabel :

Tabel 4.15 Hasil estimasi dengan metode Random Effect

Dependent Variable: LOGPDRB? Variable

Coefficient

Std. Error

Sumber : Hasil olah data Eviews 6 Berdasarkan hasil perhitungan diatas diketahui bahwa hasil estimasi dengan menggunakan pendekatan Random Effect menunjukan seluruh variabel Sumber : Hasil olah data Eviews 6 Berdasarkan hasil perhitungan diatas diketahui bahwa hasil estimasi dengan menggunakan pendekatan Random Effect menunjukan seluruh variabel

Nilai R-Square yang dihasilkan dari estimasi Random Effect adalah 91 %. Hal ini berarti bahwa estimasi yang dilakukan dengan menggunakan Random Effect , variabel independen (PAD, DAU, DBH dan Tenaga kerja) dalam penelitian ini mampu menjelaskan 91% variansi variabel indpenden. Sedangkan sisanya 9% dijelaskan variabel lain yang tidak dimasukkan dalam penelitian ini.

4.3.4 Pengujian Kriteria Statistik

4.3.4.1 Uji t statistik (uji parsial )

Uji t digunakan untuk melihatkan pengaruh parsial masing-masing variabel independent terhadap variabel dependent.

Tabel 4.16 Hasil Uji t statistik

Variabel dependen : Log PDRB Variabel

t-statistik

t-tabel Prob

Kesimpulan independen

df( α/2, n-k) df(0,025,58)

Signifikan Log DAU

Tidak signifikan Log DBH

Signifikan Log Tk

Tidak signifikan Sumber : hasil olah data e views 6

4.3.4.1.1 Variabel log PAD (Pendapatan Asli Daerah)

Berdasarkan hasil estimasi data diperoleh nilai t hitung 3.547645 > t –tabel ±1.96, memiliki nilai signifikansi 0.0008 yang berarti di bawah α = 5%. Maka dapat disimpulkan bahwa Ho Berdasarkan hasil estimasi data diperoleh nilai t hitung 3.547645 > t –tabel ±1.96, memiliki nilai signifikansi 0.0008 yang berarti di bawah α = 5%. Maka dapat disimpulkan bahwa Ho

4.3.4.1.2 Variabel log DAU (Dana Alokasi Umum)

Berdasarkan hasil estimasi data diperoleh nilai t hitung 1.565097 < t tabel ±1.96 memiliki nilai signifikansi 0.1230 yang

berarti diatas α =5%. Maka dapat disimpulkan bahwa Ho diterima dan menolak Ha yang artinya variabel Dana Alokasi Umum tidak

mempunyai pengaruh signifikan secara statistik terhadap PDRB di Subosukawonosraten.

4.3.4.1.3 Variabel log DBH (Dana Bagi Hasil)

Berdasarkan hasil estimasi data diperoleh nilai t hitung 4.174570 > ±1.96 memiliki nilai signifikansi 0.0001 yang berarti

dibawah α = 5%. Maka dapat disimpulkan bahwa Ho ditolak dan menerima Ha yang artinya variabel Dana Bagi Hasil mempunyai

pengaruh signifikan secara statistik terhadap PDRB di Subosukawonosraten.

4.3.4.1.4 Variabel log TK (Tenaga Kerja)

Berdasarkan hasil estimasi data diperoleh t hitung 1.032000 < ± 1.96 memiliki nilai signifikansi 0.3064 yang berarti bahwa

diatas α = 5%. Maka dapat disimpulkan bahwa Ho diterima dan Menolak Ha yang artinya variabel Tenaga Kerja tidak mempunyai pengaruh signifikan secara statistik terhadap PDRB di Subosukawonosraten.

4.3.4.2 Uji F statistik

Uji F statistik merupakan pengujian yang bertujuan untuk mengetahui besarnya pengaruh variabel independen terhadap variabel dependen secara bersama-sama. Pengujian secara bersama-sama terhadap koefisien regresi variabel independen dengan menggunakan level of significant 5% diperoleh hasil sebagai berikut :

Berdasarkan hasil pengujian F statistik dari model Random effect pada derajar signifikansi 5% diperoleh nilai F-hitung 158.3734 > F-tabel 1.645. hal ini berarti bahwa dalam hasil estimasi data panel dengan pendekatan Random Effect menunjukkan bahwa paling tidak ada satu variabel bebas yang signifikan secara statistik berpengaruh terhadap terhadap PDRB di Subosukawonosraten.

Tabel 4.17 Hasil Uji F statistik

Variabel Dependen : log PDRB Variabel

F-statistik

F-tabel

Kesimpulan Independen

df(α, k-1, n-k) Df(5%, 3,59)

Log PAD, Log DAU 158.3734 2.76 Signifikan Log DBH, Log TK

Sumber : hasil olah data Eviews 6

4.3.4.3 Uji (Koefisien dterminasi)

Tujuan dilakukannya uji koefisien determinasi adalah untuk mengetahui seberapa jauh kemampuan model dalam menerangkan variansi variabel terikat (dependen). Besarnya koefisien determinasi menujukkan pengaruh yang dijelaskan oleh variabel dependen.

Berdasarkan hasil pengolahan data dengan menggunakan pendekatan Random Effect diperoleh nilai sebesar 0.916124 atau sekitar 91%. Dari hasil tersebut berarti bahwa 91% variabel PDRB dapat dijelaskan oleh variabel Pendapatan Asli Daerah, Dana Alokasi Umum, Dana Bagi Hasil dan Tenaga Kerja. Sedangkan sisanya 9% dijelaskan oleh variabel-variabel lain diluar model.

4.3.5 Uji Asumsi Klasik

4.3.5.1 Multikolonearitas

Gujarati, 2003 dalam Pujiati menyatakan dalam melakukan uji multikolinearitas dilakukan dengan pendeteksian atas nilai R-squared dan signifikansi dari variabel yang digunakan. Apabila didapatkan R-squared yang tinggi sementara terdapat sebagian besar atau semua variael yang secara parsial tidak signifikan, maka diduga terjadi multikolinearitas pada model tersebut. Dalam penelitian ini menggunakan data panel sehingga masalah multikolinearitas secara teknis dapat dikurangi. Hal ini diperkuat dengan hasil estimasi model bahwa nilai R-squared yang tinggi yaitu sebesar 0.91. Sehingga dari hasil estimasi tersebut melihat R-squared yang tinggi model yang dipakai sudah terbebas dari multikolinearitas.

4.3.5.2 Heteroskedastisitas

Berdasarkan hasil uji pemilihan model, mengahasilkan bahwa model yang cocok untuk penelitian ini adalah model Random Effect, dimana model Random Effect disebut juga dengan metode GLS (generalized least square) . Pada metode ini memberikan pembobotan Berdasarkan hasil uji pemilihan model, mengahasilkan bahwa model yang cocok untuk penelitian ini adalah model Random Effect, dimana model Random Effect disebut juga dengan metode GLS (generalized least square) . Pada metode ini memberikan pembobotan

4.3.5.3 Autokorelasi

Dalam melakukan uji autokorelasi yang paling sederehana menggunakan uji Durin Watson. Nilai DW hitung yang mendekati 2 dianggap menunjukkan bahwa model terbebas dari autokorelasi (Gujarati, 2003 dalam Pujiati).

Dalam menentukan nilai uji Durbin Watson yaitu dl < d < du. Secara umum bisa diambil patokan 4-du(batas atas) dan 4-dl (batas bawah). Dalam penelitian ini nilai k=4 dan n=63 untuk p=0,05 maka nilai dl dan du pada tabel DW adalah sebesar dl =1.4607 dan du=1.7296 sedangkan nilai d atau Durbin Watson pada hasil estimasi sebesar 0.832133. Jadi dl < d < du atau 1.4609 > 0.832133<1.7296 maka niali d jatuh pada wilayah autokorelasi positif. Sehingga dalam penelitian ini terjadi autokorelasi.