Lanjutan Tabel 4.2
Variabel Intervening
5 Belanja Modal
Pengeluaran yang dilakukan Dalam rangka Kegiatan, Pengadaan, sarana
dan prasarana fisik. Diukur berdasarkan
angka yang sebenarnya tercantum
dalam dokumen realisasi pengeluaran
Belanja Modal Pemerintah KabKot
di NAD tahun 2006- 2007.
Rasio
4.6. Metode Teknik Analisis Data
4.6.1. Teknik Analisis Data
Model analisis data dalam penelitian ini menggunakan analisis path analisis, model Trimming. Path Analisis digunakan untuk menganalisis pola hubungan
variabel dengan tujuan untuk mengetahui pengaruh langsung maupun pengaruh tidak langsung seperangkat variabel bebas eksogen terhadap variabel terikat endogen.
Model Trimming adalah model yang digunakan untuk memperbaiki suatu model struktur analisis jalur dengan cara mengeluarkan dari model variabel eksogen yang
koefisien jalurnya tidak signifikan Heise, 1969: 59; Al-Rasyid Sitepu, 1994: Kusnendi, 2005:12. Jadi model trimming terjadi ketika koefisien jalur diuji
secara keseluruhan ternyata ada varaibel yang tidak signifikan. Pengolahan data menggunakan software SPSS. Pola hubungan yang sesuai adalah pola
model struktural. Secara matematik analisis jalur mengikuti pola model struktural sebagai berikut:
Universitas Sumatera Utara
1. Z = P
ZX1
X
1
+ P
ZX2
X
2
+ P
ZX3
X
3 2
2
.
Y = P
YX1
X
1
+ P
YX3
X
3
+ P
YZ
Z + Py ε
Keterangan : Variabel endogen terikat
Variabel eksogen bebas Z = Belanja Modal
X
1
= DAU Y= IPM
X
2
= DAK X
3
= PAD
4.6.2. Analisis Deskriptif
Analisis ini menggunakan seperti rata-rata, nilai maksimum, minimum dan standar deviasi. Analisis ditujukan untuk memberi gambaran awal tentang dana
alokasi umum, dana Alokasi khusus, pendapatan asli daerah, belanja modal dan indeks pembangunan manusia.
4.6.3. Pengujian Asumsi Klasik
Oleh karena itu pengujian asumsi klasik perlu dilakukan. Uji asumsi klasik yang digunakan adalah uji normalitas, uji autokorelasi, dan uji heteroskedastisitas dan
uji multikolinearitas. 4.6.3.1. Uji normalitas
Uji Normalitas bertujuan untuk menguji kenormalan data dan dideteksi dengan melihat penyebaran data pada sumbu diagonal dari grafik atau dapat juga
dengan melihat histogram dari residualnya. Pengujian normalitas data dilakukan dengan melihat grafik penyebaran data dan uji Kolmogorov-Smirnov, dengan kriteria:
Universitas Sumatera Utara
1. Jika nilai signifikansi atau probabilitasnya dari 0,05 maka distribusi data adalah
normal. 2.
Jika nilai signifikansi atau probabilitasnya dari 0,05 maka distribusi data adalah tidak normal.
4.6.3.2 Uji multikolinearitas Uji Multikolinearitas bertujuan untuk mendeteksi ada tidaknya hubungan
antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi, maka
varabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama varabel independen sama dengan nol. Untuk
mendeteksi ada atau tidaknya multikolonearitas didalam model regresi adalah sebagai berikut: a nilai R
2
tinggi, tetapi secara individual variabel-variabel independen banyak yang tidak signifikan mempengaruhi variabel dependen; b menganalisis
matriks korelasi jika variabel independen ada korelasi cukup tinggi diatas 0.90 maka ada indikasi terjadi multikolonearitas; dan c jika nilai Tolerance
≤ 0.10 atau sama dengan nilai VIF
≥ 10 menunjukkan multikolonearitas. 4.6.3.3. Uji autokorelasi
Uji Autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode
t-1sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu
Universitas Sumatera Utara
sama lain. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Meskipun ada beberapa cara yang dapat digunakan untuk mendeteksi ada atau
tidaknya autokorelasi, tetapi penelitian ini akan memakai uji Durbin Watson. Uji Durbin waston hanya digunakan untuk autokorelasi tingkat satu first order
autocorrelation dan masyarakat adanya konstanta intercept dalam model regresi dan tidak ada variabel lagi antara variabel bebas. Menurut Erlina 2008: hal 107
pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut: 1.
Bila nilai Durbin-Waston DW terletak antara batas atas atau Upper Bound DU dan 4 – DU, maka koefisien autokorelasi sama dengan nol, berarti tidak ada
autokorelasi positif. 2.
Bila Nilai DW lebih rendah dari pada batas bawah atau Lower Bound DL, maka koefisien autokorelasi lebih besar dari nol, berarti nol ada autokorelasi positif.
3. Bila nilai DW lebih besar dari pada 4 – DL, maka koefisien autokorelasi lebih
kecil dari nol, berarti ada autokorelasi negatif. 4.
Bila nilai DW terletak di antara batas atas DU dan batas bawah DL atau DW terletak antara 4 – DU dan 4 – DL, maka hasilnya tidak dapat disimpulkan
Ghozali, 2001. Pengambilan keputusan ada tidaknya autokorelasi menurut santoso 2002:
218 dengan cara melihat besaran Durbin Watson DW sebagai berikut: a Angka DW -2, berarti autokorelasi Positif; b Angka DW diantara -2 sampai +2 berarti
tidak ada autokorelasi;c Angka DW diatas +2, berarti ada autokorelasi negative;
Universitas Sumatera Utara
4.6.3.4. Uji heteroskedastisitas Uji heterokedastisitas dimaksudkan untuk mengetahui apakah dalam model regresi
terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan lain. Pengujian dilakukan dengan melihat ada atau tidaknya pola tertentu bergelombang,
melebar kemudian menyempit pada grafik plot scatter-plot antara nilai prediksi variabel terkait ZPRED dengan residualnya SRESID mengindikasikan adanya
terjadi heteroskedastisitas. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas, dan jika berbeda disebut
heterokedastisitas. Model regresi yang baik adalah tidak terjadinya heteroskedastisitas. Secara statistic uji heteroskedastisitas dapat di lakukan dengan uji
park yaitu dengan melakukan transformasi logaritma terhadap residual
4.6.4. Pengujian Hipotesis Penelitian