36 3.6
Metode Analisis Data
Data dianalisis dengan menggunakan metode analisa regresi linier berganda, yang merupakan metode statistik deskriptif dan infrensial yang
digunakan untuk menganalisa data lebih dari dua variabel penelitian
3.6.1. Perumusan Model
Hipotesis penelitian diuji dengan menggunakan metode Regresi Linier Berganda. Dengan analisis ini pengaruh variabel independen
terhadap variabel dependent yang diteliti bisa diketahui. Model persamaan regresi yang digunakan untuk menguji hipotesis yang
berbunyi P e r t u m b u h a n E k o n o m i , P e n d a p a t a n A s l i D a e r a h , d a n Dana Alokasi Umum berpengaruh terhadap Belanja Modal di
Provinsi Sumatera Utara, adalah sebagai berikut:
BMt = d0 + d1PDRB t-1 + d2PAD t-1 + d3DAU t-1 + e
Di mana: BM t
= Realisasi Belanja Modalt d0
= Konstanta , d1d2,d3,d4 = Koefisien estimasi PDRB t-1 = Realisasi Produk Domestik Regional Bruto t-1
PAD t-1 = Realisasi Pendaapatan Asli Daerah t-1
DAU t-1 = Realisasi Dana Alokasi Umum t-1
3.6.2. Pengujian Asumsi Klasik
Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya
gejala heteroskedastisitas, gejala multikolinearitas, dan gejala
Universitas Sumatera Utara
37
autokorelasi. Model regresi akan dapat dijadikan alat estimasi yang tidak bias jika telah memenuhi persyaratan BLUE
best linear unbiased estimator
yakni tidak terdapat heteroskedastistas, tidak terdapat multikolinearitas, dan tidak terdapat autokorelasi. Jika
terdapat heteroskedastisitas, maka varian tidak konstan sehingga dapat menyebabkan biasnya standar
error.
Jika terdapat multikolinearitas, maka akan sulit untuk mengisolasi pengaruh-pengaruh individual dari
variabel, sehingga tingkat signifikansi koefisien regresi menjadi rendah. Dengan adanya autokorelasi mengakibatkan penaksir masih
tetap bias dan masih tetap konsisten hanya saja menjadi tidak efisien. Oleh karena itu, uji asumsi klasik perlu dilakukan.
3.6.2.1 Uji Normalitas Data
Menurut Erlina dan Mulyani 2007 : 103, ”uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Jika data
normal, gunakan statistik parametrik dan jika data tidak normal gunakan statistik non parametrik atau lakukan treatment agar data
normal.” Menurut Ghozali 2005 : 110, ”uji normalitas bertujuan
untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa
uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik
menjadi tidak valid untuk jumlah sampel kecil.”
Universitas Sumatera Utara
38
Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak menurut Ghozali 2005 : 110,yaitu:
a. Analisis grafik
Salah satu cara termudah untuk melihat normalitas residual adalah
dengan melihat
grafik histogram
yang membandingkan antara data observasi dengan distribusi
yang mendekati distribusi normal. Metode yang lebih handal adalah dengan melihat
normal probability plot
yang membandingkan distribusi kumulatif dari distribusi normal.
Distribusi normal akan membentuk satu garis lurus diagonal dan plotnya data residual akan dibandingkan
dengan garis diagonal.Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan
mengikuti garis diagonalnya.
b. Analisis statistik
Uji statistik sederhana dapat dilakukan dengan melihat nilai kurtosis dan nilai Z skewness. Uji statistik lain yang dapat
digunakan untuk menguji normalitas residual adalah uji statistik non parametrik Kolmogorov-Smirnov K-S.
Pedoman pengambilan keputusan tentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji
Kolmogorov Smirnov dapat dilihat dari : i.
Nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal.
ii. Nilai Sig. atau signifikan atau probabilitas 0,05, maka
distribusi data adalah normal.
3.6.2.2 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah model regresi terjadi ketidaksamaan varians dari residual satu
pengamatan ke pengamatan yang lain. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
39
Uji heteroskedastisitas dilakukan dengan melihat ada tidaknya pola tertentu pada grafik
Scatterplot
antara SRESID dan ZPRED. Dasar analisisnya dapat dilihat:
a Jika titik-titik yang membentuk pola yang teratur bergelombang, melebar kemudian menyempit maka
mengidentifikasikan telah terjadi heteroskedastisitas. b Jika tidak ada pola yang jelas serta titik-titik menyebar di
atas dan di bawah angka nol pada sumbunya maka tidak
terjadi heteroskedastisitas.
3.6.2.3 Uji Autokorelasi
Masalah autokorelasi akan muncul bila data yang dipakai adalah data runtut waktu
timeseries
. “Autokorelasi akan muncul bila data sesudahnya merupakan fungsi dari data sebelumnya atau
data sesudahnya memiliki korelasi yang tinggi dengan data sebelumnya pada data runtut waktu dan besaran data sangat
tergantung pada tempat data tersebut terjadi.”Hadi, 2006 :175 Untuk mendeteksi adanya autokorelasi bisa digunakan tes
Durbin Watson DW. Deteksi autokorelasi dengan cara ini dimulai dengan menghitung nilai d, setelah nilai d diketemukan maka
tahapan berikutnya adalah menentukan nilai du dan dl dengan menggunakan tabel Durbin Watson.
Ketentuan : du d 4-du Tidak ada autokorelasi
d dl Terdapat autokorelasi positif d 4-dl Terdapat autokorelasi negatif
Universitas Sumatera Utara
40
dl d du Tidak ada keputusan tentang autokorelasi 4-du d 4-dl Tidak ada keputusan tentang autokorelasi
Hadi, 2006 : 176
“Salah satu cara untuk mengatasi adanya masalah autokorelasi bila ada adalah dengan cara menambahkan satu
variabel baru, yaitu variable lag - 1.” Hadi, 2006 : 176
3.7.2.4 Uji Multikolinieritas
Multikolinieritas adalah adanya suatu hubungan linier yang sempurna mendekati sempurna antara beberapa atau semua
variabel bebas Kuncoro, 2007: 98. Hal ini disebut variabel- variabel bebas tidak ortogonal. Variabel-variabel bebas yang
bersifat ortogonal, apabila variabel bebas memiliki nilai korelasi diantara sesamanya sama dengan nol. Jika terjadi korelasi
sempurna diantara sesama variabel bebas, maka konsekuensinya koefisien-koefisien regresi menjadi tidak dapat ditaksir, dan nilai
standar error
setiap koefisien regresi menjadi tak terhingga. Menurut Ghozali 2009: 95, Uji multikolinieritas bertujuan untuk
menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya
tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak
ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antarsesama variabel independen sama dengan nol.
Dikatakan terdapat problem multikolinieritas apabila terjadi
Universitas Sumatera Utara
41
korelasi antarvariabel independen pada uji multikolinieritas. Pada penelitian ini, digunakan metode
Variance Inflation Factor
VIF. Apabila nilai
cut off
VIF ≥ 10, maka dikatakan terjadi
multikolinieritas diantara variabel independen.
3.6.3 Pengujian Hipotesis
Untuk menguji apakah hipotesis yang diajukan diterima atau ditolak, maka dilakukan pengujian terhadap variabel-variabel penelitian
secara parsial dan simultan. Pengujian secara parsial digunakan uji statistik
t
. Uji koefisien regresi dengan uji
t t- test
diperlukan untuk mengetahui tingkat pengaruh variabel independen terhadap variabel
dependen. Pengujian secara simultan digunakan uji signifikansi simultan uji
statistik F dan penentuan Koefisien Determinasi R 2
yang bermaksud untuk menjelaskan pengaruh variabel independen terhadap variabel
dependen.
3.6.3.1 Uji Signifikansi Parsial Uji t
Uji statistik t disebut juga sebagai uji signifikansi individual. Uji statistik t pada dasarnya menunjukkan seberapa
jauh pengaruh satu variabel penjelas secara individual dalam menerangkan variasi variabel terikat Kuncoro, 2003: 219.
Hipotesis nol Ho yang hendak diuji adalah apakah suatu parameter d1, d2, d3, d4, sama dengan nol, maksudnya
Universitas Sumatera Utara
42
apakah suatu variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen,
Ho : d1 = 0, Ho : d2 = 0; Ho : d3 = 0; dan Ho : d4 = 0
Artinya Produk Domestik Regional Bruto, Pendapatan Asli Daerah, dan Dana Alokasi Umum secara parsial tidak
berpengaruh signifikan terhadap Belanja Modal. Hipotesis alternatifnya Ha apakah suatu parameter d1,
d2, d3, d4 , tidak sama dengan nol, maksudnya variabel tersebut merupakan penjelas yang signifikan terhadap variabel
dependen.
Ha : d1 ≠ 0, Ho : d2 ≠ 0; Ho : d3 ≠ 0; dan Ho : d4 ≠ 0
Artinya Produk Domestik Regional Bruto, Pendapatan Asli Daerah, dan Dana Alokasi Umum secara parsial berpengaruh
signifikan terhadap Belanja Modal. Kriteria pengambil keputusan terhadap uji ñ t, adalah sebagai berikut:
Jika probabilitas 0,05, Ha diterima Jika probabilitas 0,05, Ha ditolak
3.6.3.2 Uji Signifikansi Simultan Uji F
Uji statistik F pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukkan dalam metode mempunyai
pengaruh secara bersama-sama terhadap variabel terikat Kuncoro, 2003: 218.
Universitas Sumatera Utara
43
Hipotesis nol Ho yang hendak diuji adalah apakah semua parameter dalam model sama dengan nol, maksudnya
apakah suatu variabel independen merupakan penjelas yang signifikan terhadap variabel dependen.
Ho : d1 = d2 = d3 = d4 = 0
Artinya Produk Domestik Regional Bruto, Pendapatan Asli Daerah, dan Dana Alokasi Umum secara simultan tidak
berpengaruh signifikan terhadap Belanja Modal. Hipotesis alternatifnya Ha, tidak semua parameter
secara simultan sama dengan nol, maksudnya semua variabel independen secara simultan merupakan penjelas yang signifikan
terhadap variabel dependen.
Ha : d1 ≠ d2 ≠ d3 ≠ d4 ≠ 0
Artinya Produk Domestik Regional Bruto, Pendapatan Asli Daerah, dan Dana Alokasi Umum secara simultan berpengaruh
signifikan terhadap Belanja Modal. Kriteria pengambilan keputusan terhadap uji F, adalah
sebagai berikut: Jika probabilitas 0,05, Ha diterima
Jika probabilitas 0,05, Ha ditolak
3.6.4 Koefisien Determinasi R
2
Koefisien Determinasi R
2
pada intinya untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat Kuncoro,
Universitas Sumatera Utara
44
2003. Nilai koefisien determinasi adalah diantara nol dan satu 0 ≤ R
2
≤ 1. Nilai R
2
yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel
dependen, dan apabila nilai R
2
semakin kecil mendekati nol, berarti variabel- variabel independen hampir tidak memberikan semua informasi yang
dibutuhkan untuk memprediksi variasi variabel dependen. Menurut Ghozali 2009: 87, kelemahan mendasar penggunaan koefisien determinasi adalah bias
terhadap jumlah variabel independen yang dimasukkan kedalam model. Banyak peneliti menganjurkan untuk menggunakan nilai
Adjusted R
2
pada saat mengevaluasi mana model regresi terbaik. Tidak seperti R
2
nilai
Adjusted R
2
dapat naik atau turun apabila satu variabel independen ditambahkan kedalam model.
Universitas Sumatera Utara
45 BAB IV
HASIL DAN PEMBAHASAN
4.1 Analisis Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk mengetahui deskripsi suatu data yang dilihat dari nilai maksimum, nilai minimum, nilai rata-rata
mean
, dan nilai standar deviasi. Dalam penelitian ini, variabel yang digunakan dalam
perhitungan statistik deskriptif adalah belanja modal, PDRB, pendapatan asli daerah PAD, dan dana alokasi umum DAU. Berdasarkan analisis statistik
deskriptif diperoleh gambaran sampel sebagai berikut.
Tabel 4.1 Statistik Deskriptif dari Belanja Modal, PDRB, Pendapatan Asli
Daerah PAD, dan Dana Alokasi Umum DAU
BELANJA_MOD AL_Y
PDRB_X1 PAD_X2
DAU_X3 Mean
9.29E+10 75205.30
8.69E+11 2.91E+11
Maximum 2.24E+12
477285.2 2.42E+13
2.36E+12 Minimum
147415.0 3141.458
93649.00 52638.00
Std. Dev. 2.87E+11
116701.8 3.14E+12
4.93E+11 Observations
93 93
93 93
Sumber: Hasil Olah
Software
EViews 7 Berdasarkan Tabel 4.1, diketahui nilai rata-rata belanja modal adalah
9.29E+10 E+10 berarti . Nilai tersebut secara otomatis telah dibulatkan
oleh
software EViews
, maksimum 2.24+12 nilai sebenarnya sebelum dibulatkan 2,236,476,202,567, minimum 147415, dan standar deviasi 2.87E+11. Diketahui
rata-rata PDRB adalah 75205.30, maksimum 477285.2, minimum 3141.458, dan standar deviasi 116701.8. Rata-rata PAD 8.69+11, maksimum 2.42E+13 sebelum
Universitas Sumatera Utara
