commit to user 49
Tabel 4.5. APBD Kabupaten Ngawi Belanja Aparatur dan Pelayanan Publik Tahun 2006
– 2010
No Pengeluaran
2006 2007
2008 2009
2010
A Belanja Aparatur
1 Belanja Administrasi
Umum 337,416,904,686.45
- -
- -
2 Belanja Operasi dan
Pemeliharaan 39,696,106,433.70
- -
- -
3 Belanja Modal
19,848,053,216.85 -
- -
- 4
Belanja Bagi Hasil dan Bantuan Keuangan
- -
- -
- 5
Belanja Pegawai -
350,941,518,185.01 446,655,866,154.08
429,912,999,924.87 503,350,515,237.00
6 Belanja Bunga
- 3,805,389,956.22
4,843,256,379.98 4,661,707,228.10
5,458,017,635.10 7
Belanja Hibah -
12,684,633,187.41 16,144,187,933.28
15,539,024,093.67 18,193,392,117.00
8 Belanja Bantuan Sosial
- 14,798,738,718.65
18,834,885,922.16 18,128,861,442.62
21,225,624,136.50 9
Belanja Bagi hasil kpd PropKabKota dan
Pemdes -
4,651,032,168.72 5,919,535,575.54
5,697,642,167.68 6,670,910,442.90
10 Belanja Bantuan keu kpd
PropKabKota dan Pemdes
- 23,255,160,843.59
29,597,677,877.68 28,488,210,838.40
33,354,552,214.50 11
Belanja tidak terduga -
12,684,633,187.41 16,144,187,933.28
15,539,024,093.67 18,193,392,117.00
Jumlah 396,961,064,337.00
422,821,106,247.00 538,139,597,776.00
517,967,469,789.00 606,446,403,900.00
B
Belanja Pelayanan Publik
1 Belanja Administrasi
Umum 275,890,890,326.35
- -
- -
2 Belanja Operasi dan
Pemeliharaan 46,689,227,593.69
- -
- -
3 Belanja Modal
59,422,653,301.06 -
- -
- 4
Belanja Bagi Hasil dan Bantuan Keuangan
25,466,851,414.74 -
- -
- 5
Belanja tidak terduga 16,977,900,943.16
- -
- -
6 Belanja Pegawai
- 89,544,332,888.20
125,576,898,262.00 113,439,371,778.00
123,139,617,260.00 7
Belanja Barang dan Jasa -
223,860,832,220.50 313,942,245,655.00
283,598,429,445.00 307,849,043,150.00
8 Belanja Modal
- 134,316,499,332.30
188,365,347,393.00 170,159,057,667.00
184,709,425,890.00
Jumlah 424,447,523,579.00
447,721,664,441.00 627,884,491,310.00
567,196,858,890.00 615,698,086,300.00
TOTAL 821,408,587,916.00
870,542,770,688.00 1,166,024,089,086.00
1,085,164,328,679.00 1,222,144,490,200.00
Sumber : APBD Kabupaten Ngawi
B. Analisis dan Hasil Estimasi
1. Uji Asumsi Klasik
a. Multikolinieritas
Mendeteksi ada tidaknya multicollinearity dalam model estimasi tersebut dapat dilakukan dengan melihat nilai R
2
R-squared
yang dihasilkan dari estimasi model persamaan yang ada. Angka R
2
yang tinggi
commit to user 50
disertai koefisien regresi yang tidak signifikan biasanya menandakan terdapatnya multicollineary. Hasil estimasi model diatas diperoleh nilai R
2
sebesar 0,967. Hal ini berarti terdapat hubungan yang kuat antara variabel bebas dan terikat yaitu sebesar 96,7 persen dan tingkat signifikansi dari
variabel bebas berdasarkan uji t-statistik menunjukkan tidak semua variable bebas dalam model estimasi tersebut berpengaruh secara
signifikan, dengan demikian dapat disimpulkan bahwa model persamaan yang digunakan dalam penelitian ini tidak terdapat
multicollinearity
. Pengertian
multicollinearity
adalah adanya korelasi yang kuat diantara variabel bebasnya dari model persamaan tersebut. Untuk
mendeteksinya dapat dilakukan dengan melihat kuatnya hubungan diantara variabel bebasnya, dimana untuk ukuran hubungan yang kuat
apabila r 0,5. Berikut ini hasil uji
multicollinearity
dengan
correlation matrix
dilakukan dengan menggunakan software Eviews 6 seperti pada Tabel di bawah ini :
Tabel 4.6. Hasil Estimasi Correlation Matrix
PE PA
PP PE-1
PE 1.000000
0.691341 0.690342
0.980585 PA
0.691341 1.000000
0.737545 0.707454
PP 0.690342
0.737545 1.000000
0.656103 PE-1
0.980585 0.707454
0.656103 1.000000
Sumber : Data diolah Lampiran 1
commit to user 51
Berdasarkan Tabel 4.6 di atas dapat dilihat bahwa besarnya nilai korelasi antar variabel bebas adalah lebih kecil dari 0,5 maka mengikuti
rule of thumb
dari metode ini dapat disimpulkan bahwa dalam model persamaan tersebut tidak ditemukan adanya
multicollinearity
.
b. Korelasi Serial Autokorelasi
Mendianogsis ada tidaknya korelasi serial autokorelasi, dapat dilakukan dengan uji
Lagrange Multiplier
LM test. Uji ini ternyata lebih baik dibandingkan dengan
Durbin Watson test
, karena lebih mudah untuk diinterpretasikan dan dapat diterapkan untuk regresi yang menggunakan
variable lagged
sekalipun. Berikut ini hasil estimasi dari LM test seperti yang ditampilkan pada Tabel 4.7 di bawah ini.
Tabel 4.7. Hasil Estimasi Uji LM Test
F-statistic 44.90323 Prob. F2,54
0.0000 ObsR-squared
37.46972 Prob. Chi-Square2 0.0000
Sumber : Data diolah Lampiran 2 Berdasarkan hasil estimasi LM test di atas, ternyata besarnya nilai
χ
2 hitung
ObsR-squared = 37,47 lebih besar dari nilai χ
2 tabel
= 9,488 {χ
2 hitung
37,47 χ
2 tabel
9,488} pada level signifikan 5 persen. Dengan demikian, hipotesis nol Ho yang menyatakan bahwa tidak ada
autokorelasi diterima. Artinya dalam model yang diestimasi tersebut tidak mengandung korelasi serial autokorelasi antar factor pengganggu
error term
.
commit to user 52
c. Uji F