3. Analisis Regresi
Untuk menguji hipotesis, peneliti menggunakan analisis regresi berganda. Berdasarkan hasil pengolahan data dengan program SPSS 16, maka diperoleh
hasil sebagai berikut:
a. Persamaan Regresi
Pengolahan data menggunakan regresi linear dilakukan dengan beberapa tahapan untuk mencari hubungan antara variabel independen dan variabel
dependen,yaitu dengan melihat pengaruh BL = fPAD, DAU, DBH. Hasil regresi dapat dilihat pada tabel 4.11 berikut ini:
Tabel 4.10 Analisis Hasil Regresi
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
6,047 48,776
,124 ,902
PAD ,380
,761 ,083
,499 ,621
DAU ,627
,249 ,433
2,521 ,017
DBH ,590
,324 ,276
1,820 ,078
a Dependent Variable: BL
Sumber: Data yang diolah penulis, 2010. Berdasarkan tabel di atas, didapatlah persamaan regresi sebagai beikut:
Y = 6,047 + 0,380 X1 + 0,627 X2 + 0,590 X3 + ε
Keterangan : 1
Konstanta sebesar 6,047 menunjukkan bahwa apabila tidak ada variabel independen X
1
= 0, X
2
= 0 dan X
3
= 0 maka Belanja Langsung sebesar 6,047.
Universitas Sumatera Utara
2 β
1
sebesar 0,380 menunjukkan bahwa setiap kenaikan PAD sebesar 1 akan diikuti oleh kenaikan Belanja Langsung sebesar 0,380 dengan asumsi variabel
lain tetap. 3
β
2
sebesar 0,627 menunjukkan bahwa setiap kenaikan DAU sebesar 1 akan diikuti oleh kenaikan Belanja Langsung sebesar 0,627 dengan asumsi variabel
lain tetap. 4
β
3
sebesar 0,590 menunjukkan bahwa setiap kenaikan DBH sebesar 1 akan diikuti oleh kenaikan Belanja Langsung sebesar 0,590 dengan asumsi variabel
lain tetap.
b. Analisis Koefisien Korelasi dan Koefisien Determinasi
Nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen.
Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0.5 dan mendekati 1.
Koefisien determinasi R square menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah nol sampai
dengan satu. Apabila nilai R square semakin mendekati satu, maka variabel- variabel independen memberikan semua informasi yang dibutuhkan untuk
memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R square, maka kemampuan variabel-variabel independen dalam menjelaskan variasi
variabel dependen semakin terbatas. Nilai R square memiliki kelemahan yaitu
nilai R square akan meningkat setiap ada penambahan satu variabel independen
Universitas Sumatera Utara
meskipun variabel independen tersebut tidak berpengaruh signifikan terhadap variabel dependen.
Tabel 4.11 Hasil Analisis Koefisien Korelasi dan Koefisien Determinasi
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-Watson
1 ,599a
,359 ,297
83,29572 1,709
a Predictors: Constant, DBH, PAD, DAU b Dependent Variable: BL
Sumber: Data yang diolah penulis, 2010. Pada model summary, nilai koefisien korelasi R sebesar 0,599 yang berarti
bahwa korelasi atau hubungan antara Belanja Langsung dengan variabel independennya DAK, PAD, DBH kuat karena berada diatas 0,5. Angka
adjusted R square atau koefisien determinasi adalah 0,297. Hal ini berarti 29,70 variasi atau perubahan dalam Belanja Langsung dapat dijelaskan oleh variasi dari
DAK, PAD dan DBH, sedangkan sisanya 70,30 dijelaskan oleh sebab-sebab lain yang tidak dijelaskan dalam penelitian ini. Standar Error of Estimate SEE
adalah 83,29572, yang mana semakin besar SEE akan membuat model regresi kurang tepat dalam memprediksi variabel dependen.
c. Pengujian Hipotesis