BAB V HASIL PENELITIAN DAN PEMBAHASAN
5.1. Hasil Penelitian
Sebelum melakukan pengujian hipotesis melalui pengujian model, terlebih dahulu dilakukan pengujian terhadap kualitas data yang digunakan. Pengujian ini
digunakan untuk menjamin terpenuhinya asumsi yang diperlukan dalam melakukan pengujian terhadap model regresi berganda.
5.1.1. Statistik Deskriptif
Statistik deskriptif memberikan gambaran umum tentang objek penelitian yang dijadikan sampel penelitian. Penjelasan data melalui statistik deskriptif
diharapkan memberikan gambaran awal tentang masalah yang diteliti. Statistik deskriptif pada penelitian ini difokuskan kepada
1. Nilai minimum, fungsinya untuk menentukan nilai terendah dari variabel
Desentralisasi Fiskal, Pendapatan Asli Daerah dan Kinerja Keuangan Pemerintah Daerah. Menurut Sumardi 2008, standar nilai minimum 50.
2. Nilai maximum, fungsinya untuk menentukan nilai tertinggi dari variabel
Desentralisasi Fiskal, Pendapatan Asli Daerah dan Kinerja Keuangan Pemerintah Daerah. Menurut Sumardi 2008, standar nilai maximum 50.
3. Nilai rata-rata, fungsinya untuk menentukan jumlah seluruh angka pada data
dibagi dengan jumlah data yang ada pada masing-masing variabel.
Universitas Sumatera Utara
4. Nilai standar deviasi, fungsinya untuk mengukur penyimpangan. Jika nilainya
kecil maka data yang digunakan mengelompok di sekitar nilai rata-rata. Statistik deskriptif sebagaimana yang terdapat pada Tabel 5.1 berikut:
Tabel 5.1. Statistik Deskriptif
Descriptive Statistics N
Minimum Maximum
Mean Std. Deviation
DF 92
42302.30 1086048.64
335337.2982 216404.09161
PAD 92
283.36 324263.79
26613.7620 59184.29187
KKPD 92
.51 173.48
17.1311 19.59342
Valid N listwise
92
Sumber: Hasil Penelitian, 2010 Data Diolah
Berdasarkan hasil deskriptif statistik pada Tabel 5.1 dapat dilihat bahwa data yang akan digunakan dalam penelitian ini sangat bervariasi dengan kisaran yang
sangat jauh. Hal ini mengindikasikan bahwa data penelitian ini berdistribusi normal. Hal ini merupakan kejadian yang sudah diprediksi sebelumnya sebagaimana lazimnya
penelitian di Pemerintah KabupatenKota Provinsi Sumatera Utara. Dari hasil olahan data pada Tabel 5.1 diketahui bahwa nilai Desentralisasi
Fiskal DF minimum adalah sebesar Rp.42.302.000,30 atau 3,89 artinya DF menunjukkan bahwa derajat kemandirian suatu daerah 3,89 mampu membiayai
pembangunan daerah tersebut dan terdapat beberapa Pemerintah Kabupaten yang memiliki Nilai DF yang rendah di Sumatera Utara yaitu Nias Selatan, Humbang
Hasundutan, Pakpak Bharat. Sedangkan DF maximum sebesar Rp.1.086.048.000,64 atau 96,25 menunjukkan bahwa derajat kemandirian suatu daerah semakin baik dan
Universitas Sumatera Utara
berkembang dengan baik serta terdapat Pemerintah KabupatenKota yang memiliki nilai DF tertinggi yaitu Medan, Deli Serdang, Langkat. Rata-rata dari DF adalah
sebesar Rp.335.337.000,2982
atau 29,72
dengan standar
deviasi Rp.2.164.004.000,09161 atau 19,18. Hal ini menunjukkan bahwa kondisi
Desentralisasi Fiskal Pemerintah KabupatenKota sangat berfluktuasi, rata-rata jarak antara DF maximum cukup jauh dengan rata-rata jarak DF minimum.
Dari hasil olahan data pada Tabel 5.1 diketahui bahwa nilai Pendapatan Asli Daerah PAD minimum adalah sebesar Rp.283.000,36 atau 0,08 artinya PAD
menunjukkan bahwa Pendapatan Asli Daerah membiayai pelayanan pembangunan 0,08, terdapat beberapa Pemerintah Kabupaten yang memiliki Nilai PAD terendah
di Sumatera Utara yaitu Nias Selatan, Humbang Hasundutan, Pakpak Bharat Sedangkan PAD maximum sebesar Rp.324.263.000,79 atau 99,91 menunjukkan
bahwa PAD suatu daerah semakin baik dalam pembangunannya dan terdapat Pemerintah KabupatenKota yang memiliki nilai PAD tertinggi yaitu Medan, Deli
Serdang, Labuhan Batu. Rata-rata dari PAD adalah sebesar Rp.26.613.000,7620 atau 8,20 dengan standar deviasi Rp.59.184.000,29187 atau 18,23. Hal ini
menunjukkan bahwa kondisi Pendapatan Asli Daerah Pemerintah KabupatenKota sangat berfluktuasi, rata-rata jarak antara PAD maximum cukup jauh dengan rata-rata
jarak PAD minimum. Dari hasil olahan data pada Tabel 5.1 diketahui bahwa nilai Kinerja Keuangan
Pemerintah Daerah KKPD minimum adalah sebesar 0.51 atau 0,29 artinya KKPD menunjukkan bahwa tingkat capaian dari suatu hasil kerja di bidang keuangan daerah
Universitas Sumatera Utara
0,29 dan terdapat beberapa Pemerintah Kabupaten yang memiliki Nilai KKPD terendah di Sumatera Utara yaitu Nias Selatan, Langkat, Deli Serdang Sedangkan
KKPD maximum sebesar 173.48 atau 99,71 menunjukkan bahwa KKPD suatu daerah semakin baik tingkat capaian dari suatu hasil kerja di bidang keuangan daerah
dan terdapat Pemerintah KabupatenKota yang memiliki nilai KKPD tertinggi yaitu Sibolga, Pakpak Bharat, Toba Samosir. Rata-rata dari KKPD adalah sebesar 17.1311
atau 9,85 dengan standar deviasi 19.59342 atau 11,26. Hal ini menunjukkan bahwa kondisi Kinerja Keuangan Pemerintah Daerah KabupatenKota sangat
berfluktuasi, rata-rata jarak antara KKPD maximum cukup jauh dengan rata-rata jarak
KKPD minimum. 5.1.2. Pengujian Asumsi Klasik
Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis.
Apabila terjadi penyimpangan dalam pengujian asumsi klasik perlu dilakukan perbaikan terlebih dahulu.
5.1.2.1. Uji normalitas Uji normalitas berguna untuk mengetahui apakah variabel dependen dan
variabel independen yang digunakan dalam penelitian mempunyai distribusi normal atau tidak. Model regresi yang baik dan layak digunakan dalam penelitian adalah
model yang memiliki distribusi normal atau mendekati normal. Hasil uji normalitas data dengan normal Probability Plot dalam penelitian ini dapat ditunjukkan pada
Gambar 5.1 berikut ini:
Universitas Sumatera Utara
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xp
ect e
d C
u m
P r
o b
1.0
0.8
0.6
0.4
0.2
0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: KKPD
Sumber: Hasil Penelitian, 2010 Data Diolah
Gambar 5.1. Hasil Uji Normalitas Sebelum Dilakukan Transformasi
Dari Gambar 5.1 terlihat bahwa titik-titik menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi
normalitas. Selain itu uji normalitas data dapat dilakukan dengan menggunakan uji statistik non parametrik Kolmogorov-Smirnov K-S, pengujian ini adalah pengujian
Universitas Sumatera Utara
paling valid atas asumsi normalitas. Untuk mengetahui hasil uji normalitas dari masing-masing variabel dengan uji Kolmogorov-Smirnov dapat dilihat pada Tabel
5.2 berikut ini:
Tabel 5.2. Uji Kolmogorov-Smirnov Sebelum Transformasi
One-Sample Kolmogorov-Smirnov Test DF
PAD KKPD
N 92
92 92
Normal Parametersa,b Mean
335337.29 82
26613.762 17.1311
Std. Deviation 216404.09
161 59184.291
87 19.59342
Most Extreme Differences
Absolute .164
.343 .252
Positive .164
.343 .252
Negative -.103
-.328 -.242
Kolmogorov-Smirnov Z 1.570
3.293 2.415
Asymp. Sig. 2-tailed .014
.000 .000
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Penelitian, 2010 Data Diolah
Dari hasil uji normalitas pada Tabel 5.2 dapat dilihat bahwa variabel DF, PAD dan KKPD memiliki data yang tidak berdistribusi normal karena nilai signifikansi
dari masing-masing variabel sebesar 0.014 0.05 dan 0.000 0.05. Untuk mengubah nilai residual agar berdistribusi normal, peneliti melakukan transformasi data dengan
Logaritma natural Ln dengan menggunakan SPSS. Caranya adalah dengan melakukan Logaritma natural terhadap semua variabel yang tidak berdistribusi
normal. Setelah itu, data diuji ulang berdasarkan asumsi normalitas. Hasil uji normalitas setelah melakukan transformasi data dapat dilihat dari gambar normalitas
Probability Plot pada Gambar 5.2 berikut ini:
Universitas Sumatera Utara
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xp
ec ted
C u
m P
ro b
1.0
0.8
0.6
0.4
0.2
0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: LnKKPD
Sumber: Hasil Penelitian, 2010 Data Diolah
Gambar 5.2. Hasil Uji Normalitas Setelah Dilakukan Transformasi
Dari grafik normal Probability Plot pada Gambar 5.2 terlihat bahwa setelah dilakukan transformasi data menggunakan logaritma natural, grafik P-P Plot
memperlihatkan titik-titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal yang menunjukkan pola distribusi normal. Untuk meyakinkan bahwa
Universitas Sumatera Utara
data penelitian ini benar-benar normal, maka akan dilakukan pengujian uji statistik non parametrik dengan menggunakan Kolmogorov-Smirnov K-S seperti yang
terdapat dalam Tabel 5.3 berikut ini:
Tabel 5.3. Uji Kolmogorov-Smirnov Setelah Transformasi
One-Sample Kolmogorov-Smirnov Test LnDF
LnPAD LnKKPD
N 92
92 92
Normal Parametersa,b Mean 12.5326
9.3741 2.5715
Std. Deviation .6294
1.10716 .70407
Most Extreme Differences
Absolute .059
.112 .081
Positive .059
.112 .081
Negative -.054
-.110 -.080
Kolmogorov-Smirnov Z .566
1.072 .778
Asymp. Sig. 2-tailed .905
.201 .580
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Penelitian, 2010 Data Diolah
Dari hasil uji Kolmogorov-Smirnov pada Tabel 5.3 dapat dilihat bahwa setelah dilakukan transformasi data dengan logaritma natural, maka semua data
variabel yang diuji menjadi normal dengan nilai signifikansi dari masing-masing variabel lebih besar dari 0.05 dengan demikian dapat disimpulkan bahwa data telah
berdistribusi normal. 5.1.2.2. Uji multikolinearitas
Uji Multikolinearitas digunakan untuk menguji apakah dalam model regresi ditemukan korelasi antar variabel bebas independen, model regresi yang baik
seharusnya tidak terjadi korelasi antar variabel bebas. Untuk mendeteksi ada tidaknya multikoliniearitas yaitu dengan melihat Tolerance Value dan Variance Inflation
Universitas Sumatera Utara
Factor VIF. Multikolinearitas terjadi jika nilai tolerance kurang dari 0.10 dan VIF lebih besar dari 10, atau jika antar variabel independen ada korelasi yang cukup tinggi
umumnya di atas 0.9.
Tabel 5.4. Uji Multikolinearitas
Coefficientsa Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B Std.
Error Beta
Tolerance VIF
1 Constant
4.192 1.679
2.497 .014
LnDF .157
.198 .140
.791 .431
.272 3.673
LnPAD .383
.113 .602
3.393 .001
.272 3.673
a. Dependent Variable: LnKKPD
Sumber: Hasil Penelitian, 2010 Data Diolah
Berdasarkan hasil pengujian multikoliniearitas pada Tabel 5.4 dapat dilihat bahwa angka tolerance dan VIF pada variabel Log_DF dan Log_PAD di atas 0.10
dan VIF-nya di bawah 10. Hal ini menunjukkan bahwa tidak terjadi korelasi antar variabel independen yang artinya tidak terjadi multikolinearitas.
5.1.2.3. Uji autokorelasi Uji autokorelasi digunakan untuk mengetahui ada tidaknya korelasi antara
kesalahan pengganggu pada periode tertentu dengan kesalahan pengganggu periode sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Uji
autokorelasi dapat dilakukan dengan pengujian Durbin Watson DW. Hasil uji autokorelasi dapat dilihat pada Tabel 5.5 berikut ini:
Universitas Sumatera Utara
Tabel 5.5. Uji Autokorelasi
Model Summaryb Model
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .488a
.238 .221
.62156 1.102
a. Predictors: Constant, LnPAD, LnDF b. Dependent Variable: LnKKPD
Sumber: Hasil Penelitian, 2010 Data Diolah
Dari Tabel 5.5 dapat dilihat bahwa nilai Durbin Watson dalam penelitian ini sebesar 1.102. Nilai Durbin Watson tersebut berada di antara -2 sampai +2 berarti
tidak terjadi autokorelasi pada model regresi yang digunakan. 5.1.2.4. Uji heteroskedastisitas
Uji heteroskedastisitas dalam penelitian ini dilakukan dengan melihat grafik Scatterplot antara nilai prediksi variabel terkait ZPRED dengan residualnya
SRESID. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi heteroskedastisitas dan jika tidak ada
pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y maka tidak terjadi heteroskedastisitas, di mana Y adalah nilai residual dan X adalah
nilai yang telah diprediksi. Hasil uji heteroskedastisitas dapat dilihat pada grafik Scatterplot berikut ini:
Universitas Sumatera Utara
Regression Standardized Predicted Value
4 2
-2
R eg
r ess
io n
S tu
d en
tiz ed
R es
id u
al
6
4
2
-2
-4
Scatterplot
Dependent Variable: LnKKPD
Sumber: Hasil Penelitian, 2010 Data Diolah
Gambar 5.3. Uji Heteroskedastisitas
Dari grafik scatterplot pada Gambar 5.3 dapat dilihat bahwa tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal
ini menyimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai.
Universitas Sumatera Utara
5.1.3. Hasil Analisis Data