Jenis Data Uji Hipotesis

1. Produk Domestik Regional Bruto X 1 Produk Domestik Regional Bruto PDRB adalah jumlah nilai produk akhir atau nilai tambah dari barang dan jasa yang dihasilkan oleh unit-unit produksi yang dimiliki oleh penduduk wilayah itu dalam jangka waktu tertentu, yang dinyatakan dengan satuan juta rupiah Rp. 2. Pajak Daerah X 2 Pajak Daerah adalah iuran wajib yang dilaksanakan oleh orang pribadibadan kepada daerah tanpa adanya imbalan langsung yang seimbang yang dapat dipaksakan berdasarkan peraturan perundang-undangan yang berlaku yang digunakan untuk membiayai penyelenggaraan pemerintah daerah dan pembangunan daerah yang dinyatakan dengan satuan ribu rupiah Rp.

3.2 Teknik Penentuan Sampel

Teknik penentuan sampel yang digunakan penulis dalam ini adalah Time Series yaitu data berkala yang diambil waktu 16 Enam Belas tahun yaitu Tahun 1994 sampai dengan 2009.

3.3 Teknik Pengumpulan Data

3.3.1 Jenis Data

Dalam penelitian ini jenis data yang digunakan adalah data sekunder. Data sekunder adalah data yang tidak diambil secara langsung Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. dari lapangan, melainkan data yang diperoleh dengan mengambil data-data laporan, catatan-catatan yang berhubungan langsung dengan masalah yang dibahas, pada kantor-kantor Dinas atau Instansi yang terkait didalamnya. 3.3.2. Sumber data Data yang dipergunakan dalam penelitian ini diperoleh dari berbagai instansi yaitu: 1. Badan Pusat Stastitik Jawa Timur 2. Dinas Pendapatan Daerah Dispenda Kabupaten Sumenep 3. Badan Pusat Statistik Kabupaten Sumenep 3.3.3. Pengumpulan Data Pengumpulan data dilakukan dengan metode : 1. Studi Kepustakaan Yaitu pengumpulan data yang dilakukan dengan membaca buku- buku literatur sebagai bahan pustaka yang berkaitan dengan permasalahan yang ada dalam penelitian ini. 2. Studi Lapangan Yaitu data diperoleh dengan berbagai teknik pengambilan data di lapangan atau tempat yang dilakukan deangan cara Dokumentasi, yaitu pengumpulan data yang dilakukan dengan jalan mencatat atau mengutip data-data yang ada pada dokumen instansi terkait yang berkaitan dengan masalah yang dibahas. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 3. 4 Teknik Analisa Data dan Uji Hipotesis 3.4.1 Teknik Analisa Data Sesuai dengan tujuan dan hipotesis penelitian yang diajukan, maka kaitan antar variabel penelitian dapat digambarkan secara spesifik dalam analisis regresi linier berganda dengan persamaan sebagai berikut: Yi =  +  1  1i +  2  2i + i …………..Sudjana,1999:380 Di mana: Y = Belanja Daerah  1 = Produk Domestik Regional Bruto PDRB  2 = Pajak Daerah  = Konstanta regresi  1 -  2 = Koefisien regresi variabel  1 -  2  = Variabel penganggu i = 1,2,3, …,n : pengamatan ke i sampai ke n

3.4.2 Uji Hipotesis

Uji hipotesis yang akan dilakukan adalah uji F kecocokan model maupun Uji t, yang masing-masing uji dilakukan untuk mengetahui pengaruh dari variabel bebas terhadap variabel terikat. 1. Uji F Uji Kecocokan Model Fhitung Uji F uji kecocokan model, yaitu untuk mengetahui variasi perubahan independent variabel mampu menjelaskan variasi dependent variabel dengan prosedur sebagai berikut : Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. a. F hitung dapat dicari dengan rumus : Rata-rata kuadrat regresi F hit = ——————————— ................ Sudrajat,1988:124 Rata-rata kuadrat sisa Tingkat signifikasi Dalam penelitian ini menggunakan tingkat signifikasi 0,05 = 5 Dengan df pembilang k dan df penyebut n-k-1 di mana n jumlah sampel dan k jumlah variabel bebas. b. Kriteria hipotesis H :  1 =  2 = 0,  1 ,  2 , tidak berpengaruh terhadap Y H 1 :       0,    , berpengaruh terhadap Y Gambar 3 Kurva Uji Hipotesis Kecocokan Model Uji F Sumber: Supranto, J, 2005, Ekonometrika, Buku Kesatu, Penerbit. Ghalia Indonesia , Jakarta, hal.152 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Kaidah pengujian : 1. Apabila F hitung F tabel, maka H ditolak dan H 1 diterima, artinya variabel bebas berpengaruh nyata terhadap variabel terikat. 2. Apabila F hitung F table, maka H diterima dan H 1 ditolak, artinya variabel bebas tidak berpengaruh nyata terhadap variabel terikat. 2. Uji t t hituhg Uji t digunakan untuk pengujian hipotesis pengaruh variabel bebas terhadap variabel terikat dengan asumsi variabel bebas lainnya konstan, dengan prosedur sebagai berikut : a. Nilai t hitung dapat dicari dengan rumus sebagai berikut: β 1 t hitung = ————……………… Sudrajat, 1988, 122 Se β 1 Derajat kebebasan sebesar n – k – 1 Dimana : β 1 = Koefisien regresi setiap variabel bebas Se = Standart error n = Jumlah sampel k = jumlah variabel bebas Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Tingkat signifikan Dalam peneltian ini menggunakan tingkat signifikansi 5 = 0,05 .Derajat kebebasan sebesar n – k – 1 , di mana n = jumlah sampel dan k = jumlah variabel bebas. b. Kriteria hipotesis H :  1 =  2 = 0,  1 ,  2, tidak berpengaruh terhadap Y H 1 :  1 ≠  2  0,  1 ,  2, berpengaruh terhadap Y Gambar 4 Kurva Uji Hipotesis dengan Uji t Sumber: Supranto, J, 2005, Ekonometri, Buku Kesatu, Penerbit. Ghalia Indonesia , Jakarta, hal.152. Ho diterima jika –t tabel  t hitung  t tabel Ho ditolak jika t hitung  t tabel dan t hitung  t tabel Dengan kriteria : 1. Apabila t hitung t tabel, maka H ditolak dan H 1 diterima, berarti ada pengaruh nyata variabel bebas terhadap variabel terikat. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 2. Apabila t hitung t tabel, maka H diterima dan H 1 ditolak, berarti tidak ada pengaruh nyata variabel bebas terhadap variabel terikat. 3. Kriteria asumsi klasik BLUE Regresi linier berganda dengan persamaan: Y = 0 + 11i + 22i + i …………..Sudjana,1999:380 Persamaan regresi tersebut harus bersifat BLUE Best Linier Unbiased Estimator , artinya pengambilan keputusan melalui uji F dan uji t tidak boleh bias. Sifat BLUE dapat dijelaskan sebagai berikut : Best = Perhitungan sifat ini bila ditetapkan dalam uji signifikan baku terhadap α dan β. Linier = Sifat ini dibutuhkan untuk memudahkan dalam penafsiran. Unbiased = Bila jumlah sampel sangat besar penafsiran parameter diperoleh dari sampel besar kira-kira lebih mendekati parameter sebenarnya. Estimator = E diharapkan sekecil mungkin Untuk mengetahui apakah model analisis tersebut cukup layak digunakan dalam pembuktian selanjutnya dan untuk mengetahui sampai sejauh mana variabel bebas menjelaskan variabel terikat, maka perlu diketahui nilai R² koefisien determinasi dengan menggunakan rumus : Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. R² = JK regresi ...................... Sudrajat, 1988 ; 120 JK total Dimana : R² = Koefisien determinasi JK = Jumlah kuadrat JK regresi = b 1 Sy 1 X 1 i + b 2 Sy 2 Y 2 i …..+ bm JK total = Y 1 ² atau ∑Y ² n b 1 ∑Y 1 X 1 + b 2 ∑Y 1 X 2 R² = ______________________ ∑Y 1 ² Keterangan : Karakteristik utama R² adalah tidak mempunyai nilai negatif, tidak berkisar antara 0 dan 1 R² ≤ 1. Untuk menghasilkan pengambilan keputusan yang BLUE maka harus dipenuhi tiga asumsi sebagai asumsi klasik dalam regresi linier berganda, yaitu: a. Non Autokorelasi b. Non Multikolinieritas c. Non Heterokedastisitas Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE, sehingga pengambilan keputusan melalui uji F dan uji t menjadi bias. Di bawah ini akan dijelaskan masing-masing asumsi dasar dari BLUE, yaitu sebagai berikut : Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. a. Autokorelasi, didefinisikan sebagai korelasi antara data observasi yang diurutkan berdasarkan urut waktu time series atau data yang diambil pada waktu tertentu cross section. Gambar 5 Kurva Uji Durbin-Watson dL dU 2 4-dU 4-dL 4 Sumber : Gujarati, Damodar, 1993, Ekonometrika Dasar, Cetakan Ketiga, PT.Gelora Aksara Pratama, Yogyakarta, hal.183 Jadi dalam model regresi linier berganda diasumsikan tidak terdapat gejala autokorelasi. Artinya nilai residual Y observasi Y prediksi pada waktu ke t et tidak boleh ada hubungan dengan nilai residual periode sebelumnya et-1. Identifikasi ada atau Menolak Ho bukti autokorelasi negatif Daerah keraguan Daerah bebas autokorelasi Menerima Ho atau Ho atau dua-duanya Daerah keraguan Menolak Ho bukti autokorelasi negatif Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. tidaknya gejala autokorelasi dapat di tes dengan menghitung nilai Durbin watson d-tes dengan persamaan:  ⁿ t = 2 et-et-1 ² d = ─────────  ⁿ t- 1 et ² Keterangan: d = Nilai Durbin Watson et = Residual pada waktu ke-t et-1 = Residual pada waktu ke t-1 atau periode sebelumnya n = banyaknya data b. Multikolinieritas, yaitu suatu model regresi yang mempunyai korelasi antar variabel independennya. Diagnosis atau dugaan secara sederhana terhadap adanya multikolinieritas di dalam model regresi adalah sebagai berikut: 1. Koefisien determinasi berganda r square tinggi 2. Koefisen korelasi sederhana tinggi 3. Nilai Fhitung tinggi signifikan 4. Sebagian besar 5. Atau bahkan seluruh koefisien regresi tidak signifikan Gujarati, 1995: 166 Dari diagnosis atau dugaan adanya multikolinieritas tersebut maka perlu adanya pembuktian atau secara statistik ada atau tidaknya gejala multikolinieritas yang dilakukan dengan cara Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. menghitung Variance Inflation Faktor VIF, dengan rumus sebagai berikut: VIF menyatakan tingkat pembengkakan variance, apabila VIF lebih besar dari 10 ini berarti terdapat multikolinieritas pada persamaan linier. Pembuktian dengan menghitung VIF ini tidak dapat diketahui dengan variabel bebas yang mana korelasi tersebut terjadi. Sehingga dalam menganalisis ada tidaknya multikolinieritas peneliti juga akan membahas dengan korelasi matrik, yaitu mengkorelasikan satu persatu antar variabel bebas. Adapun hasil yang diperoleh setelah dianalisis VIF adalah dibawah 10 sehingga persamaan di atas tidak terjadi multikolinieritas. c. Heterokedastisitas, dalam analisis regresi untuk mendapatkan hasil yang baik salah satu yang harus dipenuhi adalah homogenitas varians yang ditimbulkan oleh koefisien pengganggu e. Untuk mendeteksi gejala heterokedastisitas dapat dibuat diagram pencar antara e² dengan Yi.Selain itu bisa diidentifikasi dengan cara menghitung Rank Spearman antara residual dengan seluruh variabel bebas :  di²  rs = 1- 6     NN²-1  Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Dimana : di = selisih ranking standart deviasi s dan ranking nilai mutlak error n = banyaknya sampel Apabila koefisien korelasi Rank Spearman untuk seluruh variabel bebas terhadap residual lebih kecil dari 0,05 maka dapat dikatakan bahwa dalam persamaan regresi terdapat heteroskedastisitas. Gujarati, 1995 : 189 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 60

BAB IV HASIL PENELITIAN DAN PEMBAHASAN