Statistik Deskriptif Pengujian Hipotesis

B. Statistik Deskriptif

Statistik Deskriptif adalah ilmu statistik yang mempelajari cara-cara pengumpulan, penyusunan dan penyajian data suatu penelitian. Tujuannya adalah memudahkan orang untuk membaca data serta memahami maksudnya. Berikut ini merupakan output SPSS yang merupakan keseluruhan data yang digunakan dalam penelitian ini. Tabel 4.5. Statistik Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation LN_Tingkat_kemandirian 44 ,61 1,95 1,4424 ,29163 LN_Belanja_Modal 44 5,23 12,39 10,9288 1,13811 Valid N listwise 44 Sumber : Diolah dari SPSS, 2009 a. variabel Kemandirian Y memiliki nilai minimum 0,61, nilai maksimum 1,95, rata-rata Tingkat Kemandirian 1,4424 dan standar deviasi sebesar 0,29163 dengan jumlah sampel sebanyak 44. b. variabel Belanja Modal memiliki nilai minimum 5,23, nilai maksimum 12,39, rata-rata variabel Belanja Modal 10,9288 dan standar deviasi sebesar 1,13811 dengan jumlah sampel sebanyak 44.

C. Pengujian Asumsi Klasik

1. Uji Normalitas

Uji ini bertujuan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Pengujian normalitas dalam penelitian ini menggunakan dua cara yaitu analisis grafik yang terdiri dari histogram dan normal probability plot dan analisis statistik yang terdiri dari uji skewnesskurtosis dan uji nonparametrik Kolmogorov Smirnov. Oleh karena itu, dilakukanlah uji nonparametrik Kolmogorov Smirnov dengan hasil sebagai berikut: Tabel 4.6 One-Sample Kolmogorov-Smirnov Test One-Sample Kolmogorov-Smirnov Test Unstandardize d Residual N 44 Normal Parametersa,b Mean ,0000000 Std. Deviation 1,13564844 Most Extreme Differences Absolute ,136 Positive ,122 Negative -,136 Kolmogorov-Smirnov Z ,900 Asymp. Sig. 2-tailed ,393 a Test distribution is Normal. b Calculated from data. Sumber : Diolah dari SPSS, 2009 Uji Kolmogorov Smirnov K-S dilakukan dengan membuat hipotesis: Ho : data residual berdistribusi normal sig. 0,05 Ha : data residual tidak berdistribusi normal sig. 0,05 Dari tabel hasil uji Kolmogorov Smirnov di atas, dapat disimpulkan bahwa data dalam model regresi telah terdistribusi secara normal. Besarnya nilai Kolmogrov – Smirov adalah 900 dan tidak signifikan pada 0.05 karena p = 393 dari 0.05. Hal ini berarti Ho diterima yang mengatakan bahwa residual terdistribusi secara normal atau dengan kata lain residual berdistribusi normal. Semua hasil pengujian melalui analisis grafik dan statistik di atas menunjukkan hasil yang sama yaitu normal, dengan demikian telah terpenuhi asumsi normalitas dan bisa dilakukan pengujian asumsi klasik berikutnya pada data yang tersisa. Gambar 4.1 Regression Standardized Residual 2 -2 -4 Frequency 25 20 15 10 5 Histogram Dependent Variable: LN_Belanja_Modal Hasil uji normalitas di atas memperlihatkan bahwa pada grafik histogram di atas distribusi data mengikuti kurva berbentuk lonceng yang tidak menceng skewness kiri maupun menceng kanan atau bisa disimpulkan bahwa data tersebut normal. Gambar 4.2 Grafik PP Plots Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 E xpect ed C um P rob 1.0 0.8 0.6 0.4 0.2 0.0 Normal P-P Plot of Regression Standardized Residual Dependent Variable: LN_Belanja_Modal Hasil uji normalitas dengan menggunakan normal probability plot, di mana terlihat bahwa titik-titik menyebar di sekitar garis diagonal serta penyebarannya mengikuti garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal. Namun, hasil uji normalitas dengan grafik kadang-kadang bisa menyesatkan karena kelihatannya distribusinya normal padahal melalui analisis statistik sebenarnya tidak normal.

2. Uji Heteroskedastisitas

Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Heteroskedastisitas ini dapat dilihat dengan grafik scatterplot. Berdasarkan grafik scatterplot, dapat terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas pada model regresi. Gambar 4.3 Grafik Scatterplot Regression Standardized Predicted Value 3 2 1 -1 -2 R egressi on S tudent iz ed R esi dual 2 -2 -4 -6 Scatterplot Dependent Variable: LN_Belanja_Modal Berdasarkan grafik scatterplot, dapat terlihat bahwa titik-titik tidak menyebar secara tidak acak serta menyempit menumpuk baik di atas maupun di bawah angka 0 pada sumbu Y. Sehingga dapat disimpulkan bahwa terjadi heteroskedastisitas pada model regresi. Tindakan perbaikan yang dilakukan dalam penelitian ini menggunakan salah satu dari tiga cara yang telah dikemukakan pada bab sebelumnya, yaitu dengan menggunakan transformasi seluruh variabel penelitian ke dalam fungsi logaritma natural Ln. Sehingga dari belanja modal menjadi Ln belanja modal. Kemudian data diuji ulang berdasarkan asumsi normalitas. 3. Uji Autokorelasi Uji ini bertujuan untuk menganalisis apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan tingkat kesalahan pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observassi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu time series karena “gangguan” pada seseorang individu kelompok cenderung mempengaruhi “gangguan” pada individu kelompok yang sama pada periode berikutnya. Menurut Santoso dalam Yunita 2008 : 28 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. Hasil dari uji autokorelasi dapat dilihat pada tabel berikut ini: Tabel 4.7 Hasil Uji Autokorelasi Model Summary b ,066 a ,004 -,019 1,14909 ,004 ,182 1 42 ,672 1,229 Model 1 R R Square Adjusted R Square Std. Error of the Estimate R Square Change F Change df1 df2 Sig. F Change Change Statistics Durbin- Watson Predictors: Constant, LN_Tingkat_kemandirian a. Dependent Variable: LN_Belanja_Modal b. Sumber : Diolah dari SPSS, 2009 Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin Watson DW sebesar 1.229. Nilai ini akan kita bandingkan dengan nilai tabel dengan menggunakan nilai signifikansi 0,05 5, jumlah sampel 44 n dan jumlah variabel independen 1 k=1. Dari kriteria yang telah dipaparkan, maka dapat disimpulkan bahwa tidak terjadi autokorelasi baik positif maupun negatif.

D. Pengujian Hipotesis

Untuk mengetahui apakah Variabel independen yaitu Tingkat Kemandirian berpengaruh Uji hipotesis dilakukan dengan menggunakan analisis regresi. Pengujian hipotesis dilakukan untuk melihat apakah Tingkat Kemandirian Keuangan Daerah berpengaruh secara signifikan terhadap Belanja Modal. Hasil uji hipotesis dapat dilihat pada tabel berikut ini. Tabel 4.8 Coefficientsa Coefficients a 11,298 ,884 12,783 ,000 -,256 ,601 -,066 -,427 ,672 1,000 1,000 Constant LN_Tingkat_kemandirian Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig. Tolerance VIF Collinearity Statistics Dependent Variable: LN_Belanja_Modal a. a Dependent Variable: Belanjamodal Sumber : Diolah dari SPSS, 2009 Sehingga dapat diperoleh nilai persamaan regresi : LnY = 11,298 + -0,25 LnX Berdasarkan model pengujian hipotesis di atas, maka pengujian hipotesis dapat dilakukan dengan menggunakan uji t dengan ketentuan sebagai berikut : - Ho ; t hitung ≤ t tabel - Ha ; t hitung ≥ t tabel Pengujian dilakukan dengan menggunakan bantuan Software SPSS 16 dan didapat output dari hasil pengolahan data seperti yang tertera pada tabel 4.7. Berdasarkan tabel 4.7 diatas dapat dilihat nilai t hitung sebesar -0,427. Dan berdasarkan taraf nyata 5 untuk uji satu arah dengan df = n – k di mana df = 44 – 2 maka df =42. maka berdasarkan tabel distribusi t didapat t tabel sebesar 2,0180. Berdasarkan ketentuan di atas dapat dinyatakan bahwa t hitung ≤ t tabel dimana -0,427 ≤ 2,0345. Berdasarkan rumusan hipotesis di atas maka dapat dinyatakan bahwa Ha ditolak dan Ho diterima. Secara deskriptif dapat dijelaskan bahwa Tingkat Kemandirian Daerah tidak mempunyai pengaruh terhadap Belanja Modal di Sumatera Utara secara signifikan.

E. Pembahasan Hasil Penelitian