sebagai perwujudan desentralisasi. Variabel ini menggunakan skala pengukuran nominal.
Tabel 3.2 Defenisi Operasional Variabel dan Skala Pengukuran
Variabel Defenisi Operasional
Indikator Skala
Belanja Modal
X Pengeluaran anggaran untuk perolehan aset
tetap dan aset lainnya yang memberi manfaat lebih dari satu periode akuntansi.
Belanja modal meliputi antara lain belanja modal untuk perolehan tanah, gedung dan
bangunan, peralatan dan aset tak berwujud. Realisasi
Pengeluaran Belanja
Modal Nominal
Pendapatan Asli Daerah
Y Perhitungan hasil maksimal dari setiap
sumber-sumber pendapatan asli daerah. Realisasi
Penerimaan Pendapatan
Asli Daerah Nominal
3.6 Metode dan Teknik Analisis Data
Dalam penelitian ini, metode analisis data yang digunakan adalah metode analisis statistik dengan menggunakan software SPSS 17 Statistical Product and
Services Solution. Metode dan teknik analisis dilakukan dengan tahapan sebagai berikut:
3.6.1 Uji Asumsi Klasik
Salah satu syarat yang menjadi dasar penggunaan model regresi berganda dengan metode Ordinary Least Square OLS adalah dipenuhinya
Universitas Sumatera Utara
semua asumsi klasik, agar hasil pengujian bersifat tidak bias dan efisien Best Linear Unbiased EstimatorBLUE.
Uji Normalitas
Uji ini bertujuan untuk “mengetahui apakah dalam model regresi variable pengganggu atau residual memiliki distribusi normal.
Pengujian ini perlu dilakukan karena untuk melakukan uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika
asumsi ini dilanggar atau tidak dipenuhi maka uji statistik menjadi tidak valid untuk jumlah sampel kecil” Erlina, 2008. Untuk mendeteksi
apakah residual terdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik. Dalam analisis grafik, distribusi normal akan
membentuk satu garis lurus diagonal dan plotting data residual akan dibandingkan dengan garis diagonal. Jika garis yang menggambarkan
data sesungguhnya mengikuti garis diagonalnya maka data residual terdistribusi secara normal . Untuk uji statistik, dapat dilakukan dengan
melihat nilai Kolmogorov-Smirnov, jika nilai signifikansinya 0,05 maka data terdistribusi secara normal. Sebaliknya, jika nilai
signifikansinya 0,05 maka data tersebut tidak terdistribusi secara normal.
Uji Heteroskedastisitas
Menurut Ghozali, 2006 .Uji ini bertujuan untuk “menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu
pengamatan ke pengamatan yang lain. jika varian dari residual satu
Universitas Sumatera Utara
pengamatan ke pengamatan lainnya tetap, maka disebut homoskedastisitas, jika berbeda disebut heteroskedastisitas”. Untuk
melihat ada atau tidaknya heteroskedastisitas dilakukan dengan mengamati grafik scatterplot antar nilai prediksi variabel terikat dengan
residualnya. Deteksi ada atau tidaknya heteroskedastisitas dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot
dengan dasar analisis, yaitu: Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar
kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas; Jika tidak ada pola yang jelas, seperti titik
menyebar di atas dan di bawah angka 0 pada sumbuh y, maka tidak terjadi heteroskedastisitas.
Uji Autokorelasi
Uji ini bertujuan untuk “menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pada periode t-1 sebelumnya”, Ghozali, 2006. Autokorelasi dapat terjadi pada observasi yang menggunakan
runtut waktu time series dimana penggangu dari data pada periode sebelumnya akan berpengaruh terhadap data pada periode berikutnya.
Model regresi yang baik harus terbebas dari adanya autokorelasi. Salah satu cara untuk mengetahui ada atau tidaknya korelasi yaitu dengan
melakukan uji Durbin-Watson DW test sebagai berikut: • angka D-W dibawah -2, berarti ada autokorelasi positif.
Universitas Sumatera Utara
• angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi. • angka D-W di atas +2, berarti ada autokorelasi negatif.
Jika nilai Durbin-Watson tidak dapat memberikan kesimpulan apakah data yang digunakan terbebas dari autokorelasi atau tidak, maka
perlu dilakukan Run-Test. Pengambilan keputusan didasarkan pada acak atau tidaknya data, apabila bersifat acak maka dapat diambil
kesimpulan bahwa data tidak terkena autokorelasi. Menurut Ghozali 2005:120 acak atau tidaknya data didasarkan pada batasan :
• Apabila nilai probabilitas ≥ α = 0,05 maka observasi terjadi secar
acak. • Apabila nilai probabilitas
≤ α = 0,05 maka observasi terjadi secara tidak acak.
3.6.2 Pengujian Hipotesis Penelitian
