Independen Dependen Metode Analisis Data

Gunawan Simanjuntak : Pengaruh Transfer Pemerintah Pusat Terhadap Belanja Modal Pemerintah KabupatenKota Di Sumatera Utara, 2010. Tabel 3.3 Definisi Operasional dan Pengukuran Variabel Variabel Defenisi Operasional Skala Pengukuran

A. Independen

1. Dana Alokasi Umum X1 2. Dana Bagi Hasil Pajak X2 3. Dana Bagi Hasil Sumber Daya Alam X3 Dana Alokasi Umum adalah dana yang berasal dari APBN yang dialokasikan dengan tujuan pemerataan kemampuan keuangan antar daeah untuk membiayai kebutuhan pembelanjaan. Wijaya, Ham, 2002. Dana Bagi Hasil Pajak adalah bagian daerah yang berasal dari penerimaan pajak bumu dan bangunan, bea perolehan hak atas tanah dan bangunan, pajak penghasilan pasal 25 dan pasal 29 wajib pajak orang pribadi dalam negeri, dan pajak penghasilan pasal 21. Wijaya, Ham, 2002. Dana Bagi Hasil Sumber Daya Alam adalah bagian daerah yang berasal dari penerimaan sumber daya alam kehutanan, pertambangan umum, perikanan, pertambangan minyak bumi, pertambangan gas bumi, dan pertambangan panas bumi. wijaya, Ham, 2002. Skala Rasio Skala Rasio Skala Rasio

B. Dependen

1. Belanja Modal Y Belanja Modal merupakan belanja yang manfaatnya melebihi satu tahun anggaran dan akan menambah aset atau kekayaan daerah serta akan menimbulkan konsekuensi menambah belanja yamg bersifat rutin seperti biaya pemeliharan. Belanja modal memiliki karakteristik spesifik yang menunjukkan adanya berbagai pertimbanagn dalam pengalokasianya. Pemerolehan aset tetap Skala Rasio Gunawan Simanjuntak : Pengaruh Transfer Pemerintah Pusat Terhadap Belanja Modal Pemerintah KabupatenKota Di Sumatera Utara, 2010. juga memiliki konsekuensi pada beban operacional dan pemeliharaan pada masa yang akan datang. Halim,2004: 73.

F. Metode Analisis Data

Metode analisis data yang digunakan dalam penelitian ini adalah model analisis regresi dengan bantuan Software SPSS for windows. Penggunaan metode analisis regresi dalam pengujian hipotesis, terlebih dahulu diuji apakah model tersebut memenuhi asusmsi klasik atau tidak. 1. Pengujian Asumsi Klasik Pengujian regresi linear berganda dapat dilakukan setelah model dari penelitian ini memenuhi syarat-syarat yaitu lolos dari asumsi klasik. Syarat-syarat tersebut adalah data tersebut harus terdistribusi secara normal, tidak mengandung multikolinearitas, autokorelasi dan heterokedastisitas. Untuk itu sebelum melakukan pengujian regresi linear berganda perlu dilakukan terlebih dahulu pengujian asumsi klasik.

a. Uji Normalitas

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 Gunawan Simanjuntak : Pengaruh Transfer Pemerintah Pusat Terhadap Belanja Modal Pemerintah KabupatenKota Di Sumatera Utara, 2010. 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.” Dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak menurut Ghozali 2005 : 110, 1 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. 2 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 : a nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah tidak normal, b nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal. Gunawan Simanjuntak : Pengaruh Transfer Pemerintah Pusat Terhadap Belanja Modal Pemerintah KabupatenKota Di Sumatera Utara, 2010.

b. Uji Multikolinearitas

Menurut Gujarati 1995 dalam Hadi 2006 : 168, “uji multikolinearitas berhubungan dengan adanya korelasi antar variable independen. Sebuah persamaan terjangkit penyakit ini bila dua atau lebih variabel independen memiliki tingkat korelasi yang tinggi. Sebuah persamaan regresi dikatakan baik bila persamaan tersebut memiliki variabel independen yang saling tidak berkorelasi.” Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi menurut Hadi 2006 : 168 dapat dilihat dari : 1 salah satu ciri regresi yang terjangkit multikolinear adalah persamaan tersebut memiliki nilai R 2 yang sangat tinggi, tetapi hanya memiliki sedikit variabel independen yang signifikan memiliki nilai t hitung tinggi. Keadaan yang paling ekstrim adalah bila model memiliki nilai R 2 dan F hitung yang tinggi dan secara otomatis akan memiliki nilai signifikansi F yang sangat bagus tetapi tidak satupun variabel independen yang memiliki nilai t cukup signifikan. Bila hal ini terjadi maka bisa disimpulkan bahwa bagusnya F dan R 2 karena adanya interaksi antar variabel independen yang cukup tinggi multikolinear 2 indikator lain yang bisa dipakai adalah CI Condition Index atau Eigenvalues. Bila CI berkisar antara10 sampai dengan 30 maka kita bisa mengatakan bahwa persamaan tersebut terjangkit multikolinear. Bila CI 30 maka terjangkitnya semakin kecil. 3 VIF Variable Inflation Factor juga bisa digunakan sebagai indicator. Bila VIF 10 maka variable tersebut memiliki kolinearitas yang tinggi. Menurut Ghozali 2005 : 91, untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi, 1 nilai R 2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independennya banyak yang tidak signifikan mempengaruhi variabel dependen. 2 menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi umumnya di atas 0.90, maka hal ini merupakan indikasi adanya multikolinearitas. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti bebas Gunawan Simanjuntak : Pengaruh Transfer Pemerintah Pusat Terhadap Belanja Modal Pemerintah KabupatenKota Di Sumatera Utara, 2010. dari multikolinearitas. Multikolinearitas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen. 3 multikolinearitas dapat juga dilihat dari a nilai tolerance dan lawannya b variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen terikat dan diregres terhadap variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1 Tolerence. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10. Beberapa cara mengobati apabila terjadi multikolonieritas dalam data penelitian adalah sebagai berikut: a menggabungkan data crossection dan time series pooling data b mengeluarkan satu atau lebih variable indevenden yang mempunyai korelasi tinggi dari model regresi dan identifikasikan variable indevenden lainnya untuk membantu prediksi. c transformasi variable merupakan salah satu cara mengurangi hubungan linear di antara variable indevenden. d menggunakan model dengan variabel indevenden yang mempunyai korelasi tinggi hanya semata-mata untuk prediksi jangan mencoba untuk menginterpretasikan koefisien regresinya. e menggunakan metode analisis yang lebih canggih seperti Bayesian regression atau dalam kasus khusus ridge regression.

c. Uji Heterokedastisitas,

Uji heterokedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke Gunawan Simanjuntak : Pengaruh Transfer Pemerintah Pusat Terhadap Belanja Modal Pemerintah KabupatenKota Di Sumatera Utara, 2010. pengamatan yang lain. Jika varians dari residual dari suatu pengamatan ke pengamatan lainnya tetap, maka disebut Homoskedastisitas. Dan jika varians berbeda, maka disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas. Suatu model dikatakan terdapat gejala heterokedesitas jika koefisien parameter beta dari persamaan regresi tersebut signifikan secara statistik. Sebaliknya, jika parameter beta tidak signifikan secara statisik, hal ini menunjukkan bahwa data model empiris yang diestimasi tidak terdapat heterokedesitas Erlina, 2007:108. Menurut Gujarati 1995 dalam Hadi 2006 : 172, “untuk mengetahui adanya masalah heteroskesdatisitas ini kita bisa menggunakan korelasi jenjang Spearman, tes Park, tes Goldfeld-Quandt, tes BPG, tes White atau tes Glejser.” Bila menggunakan korelasi jenjang Spearman, maka kita harus menghitung nilai korelasi untuk setiap variabel independen terhadap nilai residu, baru kemudian dicari tingkat signifikansinya. Park dan Glejser test memiliki dasar test yang sama yaitu meregresikan kembali nilai residu ke variabel independen. Menurut Hadi 2006 : 174, salah satu cara untuk mengurangi masalah heteroskesdatisitas adalah “menurunkan besarnya rentang range data. Salah satu cara yang bisa dilakukan untuk menurunkan rentang data adalah melakukan transformasi manipulasi logaritma. Tindakan ini bisa dilakukan bila semua data bertanda positif.”

d. Uji Autokorelasi

Masalah autokorelasi akan muncul bila data yang dipakai adalah data runtut waktu timeseries. “Autokorelasi akan muncul bila data sesudahnya merupakan Gunawan Simanjuntak : Pengaruh Transfer Pemerintah Pusat Terhadap Belanja Modal Pemerintah KabupatenKota Di Sumatera Utara, 2010. 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 Menurut Singgih 2002 : 218 Untuk mendeteksi adanya autokorelasi bisa digunakan tes Durbin Watson D-W. Panduan mengenai angka D-W untuk mendeteksi autokorelasi bisa dilihat pada tabel D-W, yang bisa dilihat pada buku statistik yang relevan. Namun demikian secara umum bisa diambil patokan: 1 angka D-W di bawah -2 berarti ada autokorelasi positif, 2 angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, 3 angka D-W diatas +2 berarti ada autokorelasi negatif. Jika terjadi autokorelasi, maka dapat diatasi dengan cara: a melakukan transformasi data, b menambah data observasi. 2. Model dan Teknik Analisis Data

a. Model Regresi Berganda

Pada tahapan ini penulis akan membuat model regresi yang menggambarkan hubungan antara dana alokasi umum, dana bagi hasil pajak dan dana bagi hasil sumber daya alamas ebagai variabel indevenden terhadap variabel devenden yakni belanja modal, sehingga dapat digunakan untuk menafsirkan nilai Y apabila variable X diketahui. Y= a + b 1 X 1 + b 2 X 2 + b 3 X 3 + e Dimana : Y = Realisasi Belanja Modal X 1 = Dana Alokasi Umum Gunawan Simanjuntak : Pengaruh Transfer Pemerintah Pusat Terhadap Belanja Modal Pemerintah KabupatenKota Di Sumatera Utara, 2010. X 2 = Dana Bagi Hasil Pajak X 3 = Dana Bagi Hasil Sumber Daya Alam a = Konstanta b 1 , b 2 = Koefisien regresi e = Tingkat kesalahan pengganggu

b. Pengujian Hipotesis

1 Uji Parsial Uji t Statistik Pengujian ini bertujuan untuk mengetahui apakah masing-masing variabel independen mempengaruhi variabel dependen secara signifikan. Bentuk pengujiannnya adalah : Ho : b 1 ,b 2 =0 , artinya Dana Alokasi Umum, Dana Bagi Hasil Pajak, Dana Bagi Hasil Sumber Daya Alam secara Parsial tidak mempunyai pengaruh yang signifikan terhadap realisasi Belanja Modal. Ha : b 1 ,b 2 ≠0 , artinya Dana Alokasi Umum, Dana Bagi Hasil Pajak, dan Dan Dana Bagi Hasil Sumberdaya Alam Daerah secara parsial mempunyai pengaruh yang signifikan terhadap realisasi Belanja Modal. Pengujian dilakukan menggunakan uji – t dengan tingkat pengujia n pada 5 derajat kebebasan degree of freedom atau df=n – k. Kriteria pengambilan keputusan : Ho diterima jika t hitung t tabel Ha diterima jika t hitung t tabel Gunawan Simanjuntak : Pengaruh Transfer Pemerintah Pusat Terhadap Belanja Modal Pemerintah KabupatenKota Di Sumatera Utara, 2010. 2 Pengujian secara Simultan Uji F Statistik Uji F digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen Ghozali, 2005 : 84. Bentuk pengujiannya adalah : Ho : b 1 =b 2 =0, artinya variabel Dana Alokasi Umum, Dana Bagi hasil Pajak, dan Dana bagi Hasil Sumberdaya Alama secara bersama-sama tidak mempunyai pengaruh yang signifikan terhadap realisasi Belanja Modal. Ha : b 1 ≠b 2 ≠0, artinya variabel Dana Alokasi Umum, Dana Bagi hasil Pajak, dan Dana bagi Hasil Sumberdaya Alama secara bersama-sama mempunyai pengaruh yang signifikan terhadap realisasi Belanja Modal. Kriteria pengambilan keputusan : Ho diterima jika F hitung F tabel Ha diterima jika F hitung F tabel 3. Koefisien Determinasi R² Pengujian Koefisien Determinasi R² digunakan untuk mengukur proporsi atau persentase sumbangan variabel independen yang diteliti terhadap variasi naik turunnya variabel dependen. Koefisien determinasi berkisar antara nol sampai dengan satu 0 ≤ R² ≤ 1 . Hal ini berarti bila R² = 0 menunjukkan tidak adanya pengaruh antara variabel independen terhadap variabel dependen, bila R² semakin besar mendekati 1, menunjukkan semakin kuatnya pengaruh variabel independen terhadap variabel dependen dan bila R² semakin kecil mendekati nol maka dapat dikatakan semakin kecilnya pengaruh variabel independen terhadap variabel dependen. Gunawan Simanjuntak : Pengaruh Transfer Pemerintah Pusat Terhadap Belanja Modal Pemerintah KabupatenKota Di Sumatera Utara, 2010.

G. Jadwal Penelitian