Bab IV Hasil Penelitian dan Pembahasan
123
4.2.2 Hasil Analisis Verifikatif
4.2.2.1 Pengaruh Pendapatan Asli Daerah dan Dana Alokasi Umum Terhadap Belanja Daerah Pemerintah Kota Bandung
1. Analisis Statistik
Setelah diuraikan gambaran data variabel penelitian, selanjutnya untuk menguji pengaruh pendapatan asli daerah dan dana alokasi umum terhadap belanja daerah
maka dilakukan pengujian statistik baik secara parsial maupun simultan. Pengujian akan dilakukan melalui tahapan sebagai berikut, analisis regresi linier berganda,
pengujian uji asumsi klasik, koefisien korelasi parsial, koefisien determinasi serta pengujian hipotesis. Pengujian tersebut dilakukan dengan bantuan software SPSS 15
for windows dan untuk lebih jelasnya akan dibahas berikut ini :
a. Analisis Regresi Linier Berganda
Analisis regresi linier berganda ini digunakan untuk melakukan prediksi, perubahan nilai variabel dependen apabila nilai variabel independen naik atau turun
nilainya. Dalam penelitian ini, analisis regresi linier berganda digunakan karena variabel yang menjadi kajian dalam penelitian ini terdiri dari dua variabel yaitu dua
variabel independen yaitu pendapatan asli daerah sebagai variabel X
1
dan dana alokasi umum sebagai variabel X
2
dan satu variabel dependen yaitu belanja daerah. Sehingga dapat diketahui dan dibuktikan sejauh mana hubungan pendapatan
asli daerah dan dana alokasi umum terhadap belanja daerah. Dalam perhitungannya penulis menggunakan dua cara yaitu manual dan komputerisasi. Cara perhitungan
Bab IV Hasil Penelitian dan Pembahasan
124
komputerisasi dengan menggunakan media program komputer yaitu SPSS 15 for windows. Berikut ini perhitungan regresi linier berganda secara manual menggunakan
persamaan regresi berganda, yaitu sebagai berikut:
Nilai a, b
1
dan b
2
dapat di cari dengan menyelesaikan persamaan dengan rumus berikut:
Untuk menyelesaikan persamaan tersebut, nilai-nilai yang diperlukan dalam perhitungan diperoleh melalui perhitungan pada tabel berikut :
Tabel 4.4 Data untuk perhitungan analisis Regresi X dan Y
Tahun X
1
X
2
Y X
1
Y
2001 123,984,485,749.29
341,618,150,032.00 562,268,168,632.57
6.971252971X10
22
2002 182,064,238,544.02
388,260,000,000.00 646,590,348,280.00
1.177209794x10
23
2003 213,029,461,862.25
416,680,000,000.00 945,824,122,537.58
2.014884038x10
23
2004 222,909,941,952.75
439,689,469,000.00 975,023,708,152.70
2.173424781x10
23
2005 225,596,438,613.00
458,072,000,000.00 1,096,592,281,568.30
2.473873132x10
23
2006 253,882,919,542.87
632,379,000,000.00 1,266,047,202,038.00
3.112724431x10
23
Y = a + b
1
X
1
+ b
2
X
2
∑y = na + b
1
∑X
1
+ b
2
∑X
2
∑X
1
y = a
∑X
1
+ b
1
∑X
1 2
+b
2
∑X
1
X
2
∑X
2
y = a
∑X
2
+ b
1
∑X
1
X
2
+ b
2
∑X
2 2
Bab IV Hasil Penelitian dan Pembahasan
125
2007 287,249,534,044.93
828,294,700,000.00 1,552,886,614,168.00
4.460659565x10
23
2008 314,627,155,412.30
965,518,566,800.00 2,058,920,582,037.55
6.477923259x10
23
2009 360,152,627,690.00
989,233,620,000.00 2,240,739,995,151.00
8.070083972x10
23
∑ 2,183,496,803,411.41
5,459,745,505,832.00 11,344,893,022,565.70
5.701526804x10
23
…………..
Tahun X
2
Y X
1
X
2
X
1 2
X
2 2
Y
2
2001 1.920810115x10
23
4.235535065x10
22
1.53721527x10
22
1.167029604x10
23
3.161454934x10
23
2002 2.510451686x10
23
7.068826125x10
22
3.314738695x10
22
1.507458276x10
23
4.180790784x10
23
2003 3.941059953x10
23
8.876511616x10
22
4.538155162x10
22
1.736222224x10
23
8.945832707x10
23
2004 4.287076565x10
23
9.801115401x
22
4.968884222x10
22
1.933268291x10
23
9.506712314x10
23
2005 5.023182196x10
23
1.033394118x10
23
5.089375311x10
22
2.098299571x10
23
1.202514631x10
24
2006 8.006216635x10
23
1.605502267x10
23
6.445653683x10
22
3.999031996x10
23
1.602875517x10
24
2007 1.286247752x10
24
2.379272666x10
23
8.25122948x10
22
6.8607211x10
23
2.411456836x10
24
2008 1.987926049x10
24
3.037783601x10
23
9.899024692x10
22
9.322261028x10
23
4.239153963x10
24
2009 2.216615336x10
24
3.562750876x10
23
1.297099152x10
23
9.785831549x10
23
5.020915725x1024
∑ 8.059668853x10
24
1.461690235x10
27
5.701526804x10
23
3.841012364x10
24
1.705639574x10
25
Dari tabel di atas dapat di ketahui: ∑X
1
= 2,183,496,803,411.41 2.183496803x10
12
∑X
2
= 5,459,745,505,832.005.459745505x10
12
∑Y = 11,344,893,022,565.70 1.113489302x10
13
∑X
1
Y = 5.701526804x10
23
∑X
2
Y = 8.059668853x10
24
Bab IV Hasil Penelitian dan Pembahasan
126
∑X
1
X
2
= 1.461690235x10
27
∑X
1 2
= 5.701526804x10
23
∑X
2 2
= 3.841012364x10
24
∑Y
2
= 1.705639574x10
25
Model regressi digunakan untuk memprediksi dan menguji perubahan yang terjadi pada belanja daerah yang dapat diterangkan atau dijelaskan oleh perubahan
kedua variabel independen pendapatan asli daerah dan dana alkasi umum. Berdasarkan Perhitungan tersebut di atas juga sama dengan perhitungan secara
komputerisasi dengan SPSS 15 for windows yaitu sebagai berikut:
Tabel 4.5 Hasil Perhitungan Koefisien Regresi
Coefficients
a
-4E+011 2E+011
-2.595 .041
3.765 1.496
.456 2.517
.045 .970
1.250 .414
.548 3.023
.023 .975
Constant PAD
DAU Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Zero-order Correlations
Dependent Variable: BD a.
Melalui hasil pengolahan data seperti diuraikan pada tabel 4.6 maka dapat dibentuk model prediksi variabel pendapatan asli daerah dan dana alokasi umum
terhadap belanja daerah sebagai berikut:
Y= -400,000,000,000+3.765X
1
+1.250X
2
Bab IV Hasil Penelitian dan Pembahasan
127
Dari persamaan regresi tersebut di atas, dapat dijelaskan bahwa :
Nilai konstanta a sebesar -400.000.000.000 menunjukkan nilai rata-rata Belanja Daerah di Pemerintah Kota Bandung apabila pendapatan asli daerah PAD dan
dana alokasi umum DAU tidak dilaksankan dengan baik. Koefisien regresi pendapatan asli daerah PAD bertanda positif sebesar 3.765,
artinya apabila pendapatan asli daerah PAD mengalami kenaikan sebesar 1 satuan sedangkan variabel dana alokasi umum DAU tidak mengalami
perubahan, maka belanja daerah akan naik sebesar 3.765. Hal itu berarti, apabila pendapatan asli daerah PAD meningkat sedangkan alokasi umum DAU tetap
maka belanja daerah akan meningkat. Koefisien regresi dana alokasi umum DAU bertanda positif sebesar 1.250,
artinya apabila dana alokasi umum DAU mengalami kenaikan sebesar 1 satuan sedangkan pendapatan asli daerah PAD tidak mengalami perubahan, maka
belanja daerah akan meningkat sebesar 1.250. Hal itu berarti, apabila dana alokasi umum DAU meningkat sedangkan pendapatan asli daerah PAD tetap
maka belanja daerah akan meningkat.
1 Pengujian Asumsi Klasik
Sebelum hasil analisis regresi di analisa lebih lanjut, ada beberapa asumsi yang harus diuji guna mengetahui apakah kesimpulan dari regresi tersebut tidak biasa,
diantaranya adalah uji normalitas, uji multikolinieritas, uji Heteroskedastisitas, dan uji Autokorelasi. Pada penelitian ini keempat asumsi yang disebutkan diatas tersebut
Bab IV Hasil Penelitian dan Pembahasan
128
diuji karena variabel bebas yang digunakan pada penelitian ini lebih dari satu dan data yang dikumpulkan mengandung unsur deret waktu sembilan tahun
pengamatan.
a Uji Asumsi Normalitas
Asumsi normalitas merupakan persyaratan yang sangat penting pada pengujian kebermaknaan signifikansi koefisien regresi, apabila model regresi tidak
berdistribusi normal maka kesimpulan dari uji F dan uji t masih meragukan, karena statistik uji F dan uji t pada analisis regresi diturunkan dari distribusi normal. Pada
penelitian ini digunakan ujisatu sampel Kolmogorov-Smirnov untuk menguji normalitas model regresi.
Tabel 4.6 Hasil Pengujian Asumsi Normalitas
One-Sample Kolmogorov-Smirnov Test
9 .0002272
90473517958 .203
.171 -.203
.608 .854
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated from data. b.
untuk mengetahui apakah data terdistribusi normal atau tidak adalah dengan melihat grafik normal P Plot of Regression Statistic. Bila titik-titik menyebar di
Bab IV Hasil Penelitian dan Pembahasan
129
sekitar garis diagonal dan mengikuti arah garis diagonal, berarti model regresi telah memenuhi asumsi normalitas. Hasil uji normalitas pada penelitian ini dapat dilihat
pada gambar berikut:
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E x
p e
c te
d 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: BD
Gambar 4.4 Grafik Normal P-Plot Asumsi Normalitas
Dari grafik normal P-Plot tersebut terlihat bahwa titik-titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal. Sehingga dalam penelitian
tidak terjadi gangguan normalitas, yang berarti data berdistribusi normal.
b Uji Asumsi Multikolinieritas
Uji multikolinearitas digunakan untuk menunjukkan ada tidaknya hubungan linier di antara variabel-variabel independen dalam model regresi. Salah satu cara
untuk mengetahui ada tidaknya multikolinearitas pada suatu model regresi adalah dengan melihat nilai tolerance dan VIF Variance Inflation Factor. Jika nilai
tolerance 0,10 dan VIF 10, maka dapat diartikan bahwa tidak terdapat multikolinearitas pada penelitian tersebut. Dan sebaliknya, jika nilai tolerance 0,10
dan VIF 10 maka terjadi multikolinearitas. Hasil uji multikolinearitas dapat dilihat pada Tabel 4.6 berikut ini :
Bab IV Hasil Penelitian dan Pembahasan
130
Tabel 4.7 Hasil Uji Asumsi Multikolinearitas
Coefficients
a
.121 8.286
.121 8.286
PAD DAU
Model 1
Tolerance VIF
Collinearity Statistics
Dependent Variable: BD a.
Dari tabel di atas, dapat diketahui bahwa nilai tolerance variabel independen pendapatan asli daerah PAD X
1
dan dana alokasi umum DAU X
2
0,10 dan begitu juga dengan nilai VIFnya 10. Sehingga dalam penelitian ini tidak terjadi
multokolinearitas dalam model regresinya yang diperoleh.
c Uji Asumsi Heterokedastisitas
Heteroskedastisitas merupakan indikasi varian antar residual tidak homogen yang mengakibatkan nilai taksiran yang diperoleh tidak lagi efisien. Untuk menguji
apakah varian dari residual homogen digunakan uji rank Spearman, yaitu dengan mengkorelasikan variabel bebas terhadap nilai absolut dari residual error. Apabila
koefisien korelasi dari masing-masing variabel independen ada yang signifikan pada tingkat kekeliruan 5, mengindikasikan adanya heteroskedastisitas. Pada tabel 4.8
berikut dapat dilihat nilai signifikansi masing-masing koefisien regressi variabel bebas terhadap nilai absolut dari residual error.
Bab IV Hasil Penelitian dan Pembahasan
131
Tabel 4.8 Hasil Pengujian Asumsi Heterokedastisitas
Correlations
1.000 .
9 -.067
.865 9
-.067 .865
9 Correlation Coefficient
Sig. 2-tailed N
Correlation Coefficient Sig. 2-tailed
N Correlation Coefficient
Sig. 2-tailed N
absolut_error
PAD
DAU Spearmans rho
absolut_error
Hasil uji heteroskedastisitas menunjukkan bahwa varians dari residual homogen tidak terdapat heteroskedastisitas. Hal ini ditunjukan oleh hasil regresi X
1
terhadap nilai absolut dari residual error tidak signifikan pada level 5. Diperoleh nilai signifikansi untuk PAD sebesar 0,865 lebih besar dari 0,05 dan untuk X
2
sebesar 0,865 lebih besar dari 0,05 sebagai batas tingkat kekeliruan.
Cara lain untuk mendeteksi ada atau tidaknya heterokedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel terikat ZPRED dengan nilai
residualnya SDRESID. Jika ada pola yang jelas dan titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka terjadi heterokedastisitas. Hasil pengujian
heterokedastisitas pada penelitian ini dapat dilihat pada Gambar 4.5 berikut ini :
Bab IV Hasil Penelitian dan Pembahasan
132
Regression Standardized Predicted Value
2 1
-1 -2
R e
g re
s s
io n
S tu
d e
n ti
z e
d
R e
s id
u a
l
2 1
-1 -2
Scattelot
Dependent Variable: DB
Gambar 4.5 Grafik Uji Heterokedastisitas
Diperoleh titik-titik data tersebar di atas dan dibawah 0, sehingga disimpulkan tidak terjadi masalah heteroskedastisitas pada persamaan regresi yang diperoleh.
d Uji Asumsi Autokorelasi
Autokorelasi didefinisikan sebagai korelasi antar observasi yang diukur berdasarkan deret waktu dalam model regresi atau dengan kata lain error dari
observasi tahun berjalan dipengaruhi oleh error dari observasi tahun sebelumnya. Pada pengujian autokorelasi digunakan uji Durbin-Watson untuk mengetahui ada
tidaknya autokorelasi pada model regressi dan berikut nilai Durbin-Watson yang diperoleh melalui hasil estimasi model regressi.
Bab IV Hasil Penelitian dan Pembahasan
133
Tabel 4.9 Nilai Durbin-Watson Untuk Uji Autokorelasi
Model Summary
b
.988
a
.976 .968
1.045E+011 2.335
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, PAD, DAU a.
Dependent Variable: DB b.
Berdasarkan hasil pengolahan diperoleh nilai statistik Durbin-Watson D-W = 2,335, sementara dari tabel Durbin-Watson pada tingkat kekeliruan 5 untuk
jumlah variabel bebas = 2 dan jumlah pengamatan n = 9 diperoleh batas bawah nilai tabel d
L
= 0,629 dan batas atasnya d
U
= 1,662. Karena nilai d
U
1,662 lebih kecil dari pada Durbin-Watson 2,335 dan lebih kecil dari pada 4-d
U
2.338, maka dapat disimpulkan bahwa tidak terjadi autokorelasi pada model regresi.
b. Analisis Korelasi
Kategori