Analisis Statistik Deskriptif Grafik Scatterplots

B. Analisis Hasil Penelitian

1. Analisis Statistik Deskriptif

Statistik deskriptif digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku umum atau generalisasi. Berdasarkan data penelitian yang diperoleh selama 4 tahun pengamatan, maka diperoleh deskriptif statistik data penelitian. Dari data deskriptif statistik data penelitian diperoleh data hasil yang mencakup n banyaknya data yang diperoleh, rata-rata mean, nilai tengah median, standar deviasi, variance, range, nilai minimum dan nilai maksimum atas variabel-variabel penelitian Tabel 4.1. Deskriptif Statistik Descriptive Statistics N Minimum Maximum Mean Std. Deviation Pendapatan Asli Daerah 68 .30 3.09 1.3537 .64471 Dana Alokasi Umum 68 1.28 5.99 2.8943 .94504 Dana Alokasi Khusus 68 .12 .77 .4168 .15338 Belanja Daerah 68 2.41 9.22 4.6304 1.27789 Valid N listwise 68 Berdasarkan tabel 4.1. di atas dapat diketahui: 1. Jumlah sampel N sebanyak 68 2. Pendapatan Asli Daerah terendah adalah 0,30 puluh milyar rupiah, Pendapatan Asli Daerah tertinggi adalah 3,09 puluh milyar rupiah dengan rata-rata 1,3537 puluh milyar rupiah. Universitas Sumatera Utara 3. Dana Alokasi Umum terendah adalah 1,28 ratus milyar rupiah, Dana Alokasi Umum tertinggi adalah 5,99 ratus milyar rupiah dengan rata-rata 2.8943 ratus milyar rupiah. 4. Dana Alokasi Khusus terendah adalah 0,12 ratus milyar rupiah, Dana Alokasi Khusus tertinggi adalah 0,77 ratus milyar rupiah dengan rata-rata 0.4168 ratus milyar rupiah. 5. Belanja Daerah terendah adalah 2.41 ratus milyar rupiah, Belanja Daerah tertinggi adalah 9,22 ratus milyar rupiah dengan rata-rata 4.6304 ratus milyar rupiah.

2. Uji Asumsi Klasik

Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya gejala heterokedastisitas, gejala multikolinieritas dan gejala autokorelasi. Model regresi akan dapat dijadikan alat estimasi yang tidak bias jika telah memenuhi persyaratan BLUE Blue Linear Unbiased Estimator yakni tidak terdapat heterokedastisitas, tidak terdapat multikolinieritas dan tidak terdapat autokorelasi, yang dapat diuraikan sebagai berikut:

a. Uji Normalitas

Uji normalitas bertujuan menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal Erlina, 2008. Untuk menguji apakah data penelitian ini terdistribusi normal Universitas Sumatera Utara atau tidak dapat dideteksi melului dua cara yaitu analisis grafik dan analisis statistik : 1 Analisis Grafik Analisis grafik dapat digunakan dengan dua alat, yaitu grafik histogram dan grafik P-P Plot. Data yang baik adalah data yang memiliki pola distribusi normal. Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot, sebuah data dikatakan berdistribusi normal apabila titik-titik datanya tidak menceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal. Gambar 4.1. Histogram Universitas Sumatera Utara Gambar 4.2. Normal P-Plot of Regresion Standarized Residual Berdasarkan grafik histogram maupun grafik normal plot dapat disimpulkan bahwa model regresi pada penelitian ini berdistribusi secara normal hal ini tergambar pada grafik histogram, dimana grafik tidak menceng ke kiri atau ke kanan grafik seimbang antara kiri dan kanan dan pada grafik normal plot tampak bahwa data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal. 2 Analisis Statistik Uji statistik yang dapat digunakan untuk menguji normalitas residual antara lain adalah uji statistik non-parametik Kolmogorov-Smirnov K-S. Uji K-S dapat dilakukan dengan membuat hipotesis: H o : Data residual berdistribusi normal Universitas Sumatera Utara H a : Data residual tidak berdistribusi normal Untuk menentukannnya maka kriterianya adalah: • H o diterima apabila nilai signifikansi 0,05 • H a ditolak apabila nilai signifikansin 0,05 Tabel 4.2. Kosmogorov – Smirnov Test One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 68 Normal Parameters a,b Mean .0000000 Std. Deviation .67898455 Most Extreme Differences Absolute .118 Positive .118 Negative -.108 Kolmogorov-Smirnov Z .970 Asymp. Sig. 2-tailed .303 Dari hasil uji statistik terlihat pada Tabel 4.2. nilai Kosmogorov-Smirnov Z sebesar 0,97 dan signifikansinya pada 0,303 dan nilainya di atas α = 0,05 Asymp. Sig = 0,303 0,05 sehingga hipotesis H o diterima, yang berarti data residual berdistribusi normal.

b. Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel independen Erlina, 2008. Nilai yang umum digunakan untuk menunjukkan tidak adanya Universitas Sumatera Utara multikolinieritas apabila nilai Tolerance 0,10 atau sama dengan nilai VIF 10. Tabel 4.3. Collinearity Statistics Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 1.159 .293 3.957 .000 PAD puluh milyar .486 .168 .245 2.891 .005 .612 1.634 DAU ratus milyar .747 .128 .553 5.826 .000 .490 2.039 DAK ratus milyar 1.561 .665 .187 2.347 .022 .693 1.444 Hasil uji statistik pada Tabel 4.3. nilai Tolerance menunjukkan tidak adanya variabel independen yang memiliki nilai Tolerance kurang dari 0,10 demikian juga dengan hasil perhitungan Variance Inflation Factor VIF yang menunjukkan nilai VIF lebih kecil dari 10. Tabel 4.4. Covariance Matrix Coefficient Correlations a Model DAK PAD DAU Correlations DAK ratus milyar 1.000 -.034 -.447 PAD puluh milyar -.034 1.000 -.541 DAU ratus milyar -.447 -.541 1.000 Covariances DAK ratus milyar .442 -.004 -.038 PAD puluh milyar -.004 .028 -.012 DAU ratus milyar -.038 -.012 .016 Berdasarkan Tabel 4.4 maka kita dapat melihat hasil besaran korelasi antar variabel dependen tampak bahwa hanya variabel PAD Universitas Sumatera Utara yang mempunyai korelasi cukup tinggi dengan variabel DAU dengan tingkat korelasi -0,541 atau sekitar 54,1 , selanjutnya terhadap variabel DAK -0,447 atau sekitar 44,7. Selain itu korelasi antara variabel PAD terhadap DAK -0,034 atau sekitar 3,4. Oleh karena korelasi ini masih dibawah 95 , maka dapat dikatakan tidak terjadi multikolinearitas.

c. Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Untuk mendeteksi ada tidaknya autokorelasi maka dilakukan pengujian Durbin-Watson DW dengan kriteria: Tabel 4.5. Kriteria Pengambilan Keputusan Hipotesis Nol Keputusan Jika Tidak ada autokorelasi positif Tidak ada autokorelasi positif Tidak ada korelasi negatif Tidak ada korelasi negatif Tidak ada autokorelasi positif atau negatif Tolak No decision Tolak No decision Tidak ditolak 0 dw dl dl ≤ dw ≤ du 4 – dl dw 4 -dl 4 – du ≤ dw ≤ 4 – dl du dw 4 – du Sumber : Situmorang, dkk 2008:104 Keterangan = dw = durbin watson dl = batas bawah du = batas atas Universitas Sumatera Utara Tabel 4.6. Uji Autokorelasi Mo d el S umm a ryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .847 .718 .704 .69472 2.024 Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin- Watson DW sebesar 2.024, yang menyatakan du DW 4 – du 1,700 2,024 4 – 1,700. Dari uji statistik ini dapat disimpulkan tidak ada autokorelasi positif atau negatif pada model regresi.

d. Uji Heteroskedastisitas

Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan grafik scatterplots dan uji Glesjer : Universitas Sumatera Utara

1. Grafik Scatterplots

Gambar 4.3. Scatterplot Dari grafik scatterplot dalam Gambar 4.3. menunjukkan bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y dan tidak membentuk pola tertentu yang teratur, hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. 2 Uji Glesjer Uji Glesjer mengusulkan untuk meregres nilai absolut residual terhadap variabel independen. Adapun hasil uji glesjer terdapat pada Tabel 4.7. berikut: Universitas Sumatera Utara Tabel 4.7. Uji Glesjer Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -.068 .203 -.335 .739 PAD puluh milyar .059 .116 .077 .510 .612 DAU ratus milyar .139 .089 .263 1.562 .123 DAK ratus milyar .105 .460 .032 .229 .820 Hasil yang terlihat menunjukkan koefisien parameter untuk variabel independen tidak ada yang signifikan yaitu PAD = 0.612 α = 0,05, DAU = 0,123 α = 0,05, DAK = 0,82 α = 0,05. Maka dapat disimpulkan model regresi tidak terdapat heteroskedastisitas.

3. Uji Hipotesis