Gambaran Umum Persamaan Regresi

l

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Gambaran Umum

Populasi dalam penelitian ini adalah 33 kabupatenkota di Provinsi Sumatera Utara, dengan menggunakan data yang bersumber dari laporan APBD selama periode tahun 2007-2011. Setelah dilakukan pemilihan sampel dengan teknik purposive sampling, maka diperoleh sebanyak 24 kabupatenkota yang memenuhi kriteria sampel yang ditetapkan sehingga data penelitian untuk pengamatan selama 5 tahun menjadi 120 unit analisis. Metode analisis data yang digunakan untuk penelitian ini adalah metode analisis yang menggunakan persamaan regresi berganda.

4.2 Analisis Hasil Penelitian

4.2.1 Analisis Statistik Deskriptif

Statistik Deskriptif adalah metode yang berhubungan dengan pengumpulan dan pengolahan data sehingga dapat memberikan informasi yang berguna berdasarkan keadaan yang umum. Statistik deskriptif memberikan penjelasan mengenai nilai minimum, nilai maksimum, nilai rata-rata mean, dan nilai standar deviasi dari variabel-variabel independen dan dependen yang dijabarkan dalam bentuk statistik. Variabel independen yang digunakan dalam Universitas Sumatera Utara li penelitian ini terdiri dari pendapatan asli daerah, dana alokasi umum, dan dana bagi hasil, sedangkan variabel dependen yang digunakan adalah belanja modal. Berdasarkan data cross section sebanyak 24 daerah kabupatenkota dengan time series sebanyak 5 tahun pengamatan maka diperoleh statistik deskriptif data penelitian, sebagai berikut: Tabel 4.1 Statistik Deskriptif Variabel Penelitian Descriptive Statistics N Minimum Maximum Mean Std. Deviation PAD_X1 120 2.42E9 8.30E11 4.2877E10 1.02051E11 DAU_X2 120 1.46E11 9.68E11 3.7826E11 1.83466E11 DBH_X3 120 6.71E9 3.20E11 4.7258E10 5.37210E10 BM_Y 120 2.27E10 5.39E11 1.4148E11 8.72372E10 Valid N listwise 120 Berdasarkan data dari tabel 4.1 dapat dijelaskan bahwa: 1. Variabel pendapatan asli daerah PAD memiliki sampel N sebanyak 120. Hasil penelitian menunjukkan bahwa jumlah pendapatan asli daerah paling rendah sebesar Rp. 2.415.225.000,00 terdapat di Kabupaten Pakpak Barat pada tahun 2007. Sedangkan PAD tertinggi sebesar Rp. 829.793.558.792,00 terdapat di Kota Medan pada tahun 2011. Rata-rata PAD selama kurun waktu tahun 2007-2011 adalah sebesar Rp. 42.877.000.000,00. PAD memiliki standar deviasi Rp. 102.051.000.000,00 yang menunjukkan variasi penyebaran data pada variabel tersebut. 2. Variabel dana alokasi umum DAU memiliki sampel N sebanyak 120. Hasil penelitian menunjukkan bahwa jumlah dana alokasi umum Universitas Sumatera Utara lii paling rendah sebesar Rp. 145.900.000.000,00 terdapat di Kabupaten Pakpak Barat pada tahun 2007. Sedangkan DAU tertinggi sebesar Rp. 967.533.300.400,00 terdapat di Kota Medan pada tahun 2011. Rata- rata DAU selama kurun waktu tahun 2007-2011 adalah sebesar Rp. 378.260.000.000,00. DAU memiliki standar deviasi Rp. 183.466.000.000,00 yang menunjukkan variasi penyebaran data pada variabel tersebut. 3. Variabel dana bagi hasil DBH memiliki sampel N sebanyak 120. Hasil penelitian menunjukkan bahwa jumlah dana bagi hasil paling rendah sebesar Rp. 6.710.389.072,00 terdapat di Kabupaten Nias Selatan pada tahun 2007. Sedangkan DBH tertinggi sebesar Rp. 319.694.711.675,00 terdapat di Kota Medan pada tahun 2010. Rata- rata DBH selama kurun waktu tahun 2007-2011 adalah sebesar Rp. 47.258.000.000,00. DBH memiliki standar deviasi Rp. 53.721.000.000,00 yang menunjukkan variasi penyebaran data pada variabel tersebut. 4. Variabel pengalokasian anggaran belanja modal BM memiliki sampel N sebanyak 120. Hasil penelitian menunjukkan bahwa jumlah pengalokasian anggaran belanja modal paling rendah sebesar Rp. 22.738.944.800,00 terdapat di Kota Padang Sidempuan pada tahun 2010. Sedangkan pengalokasian anggaran belanja modal tertinggi sebesar Rp. 538.560.431.550,00 terdapat di Kota Medan pada tahun 2011. Rata-rata pengalokasian anggaran belanja modal Universitas Sumatera Utara liii dalam kurun waktu tahun 2007-2011 adalah sebesar Rp. 141.480.000.000,00. Standar deviasi sebesar Rp. 87.237.200.000,00 menunjukkan variasi penyebaran data pada variabel pengalokasian anggaran belanja modal.

4.2.2 Uji Asumsi Klasik

4.2.2.1 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah model regresi pada variabel dependen dan variabel independen mempunyai distribusi normal atau tidak. Proses uji normalitas data dilakukan dengan menggunakan uji Kolmogorov Smirnov. Distribusi dikatakan normal jika signifikansi nilai uji Kolmogorov Smirnov lebih besar dari 0,05 dan sebaliknya jika signifikansi nilai uji lebih kecil dari 0,05 maka distribusi data tidak normal. Tabel 4.2 Tabel Hasil Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 120 Normal Parameters a Mean -.0000088 Std. Deviation 4.76495230E10 Most Extreme Differences Absolute .056 Positive .056 Negative -.037 Kolmogorov-Smirnov Z .617 Asymp. Sig. 2-tailed .842 a. Test distribution is Normal. Universitas Sumatera Utara liv Dari hasil pengujian data diatas, besarnya nilai Kolmogrov- Smirnov adalah 0,617 dan signifikansinya pada 0,842 maka dapat disimpulkan data tersebut terdistribusi secara normal karena sesuai dengan pedoman penilaian yang ditentukan nilai Asymp.Sig. 2-tailed berada diatas 0,05 yaitu pada 0,842. Selain dari uji normalitas melalui pendekatan statistik Kolmogrov-Smirnov, data yang terdistribusi normal tersebut juga dapat dilihat melalui grafik histogram dan grafik normal plot data berikut ini: Gambar 4.1 Grafik Histogram Pada grafik histogram diatas terlihat bahwa variabel belanja modal berdistribusi normal. Dikatakan normal karena grafik tersebut berbentuk lonceng, tidak menceng ke kiri atau menceng ke kanan. Universitas Sumatera Utara lv Gambar 4.2 Grafik Normal P-P Plot Berdasarkan grafik diatas, scatter plot memperlihatkan titik-titik menyebar disekitar garis diagonal serta penyebarannya agak mendekati garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal. Kesimpulan secara keseluruhan yang dapat diambil adalah bahwa nilai-nilai observasi data telah terdistribusi secara normal dan dapat dilanjutkan dengan uji asumsi klasik lainnya. Universitas Sumatera Utara lvi

4.2.2.2 Uji Multikolinieritas

Uji multikolinieritas pada penelitian ini bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Menurut Ghozali, 2005:91 “model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebasnya”. Untuk menguji ada tidaknya multikolinieritas dapat dilakukan dengan cara menggunakan variance inflation factor VIF dan nilai tolerance. Multikolinieritas terjadi jika VIF lebih dari 10 dan nilai tolerance lebih kecil dari 0,10. Berikut disajikan tabel hasil pengujian: Tabel 4.3 Tabel Hasil Uji Multikolinieritas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 3.727E10 1.215E10 3.067 .003 PAD .434 .076 .508 5.721 .000 .326 3.068 DAU .251 .042 .529 5.930 .000 .323 3.092 DBH -.202 .188 -.124 -1.072 .286 .191 5.228 a. Dependent Variable: BM Berdasarkan tabel diatas, nilai tolerance menunjukkan nilai yang lebih besar dari 0,10 yaitu untuk variabel PAD adalah 0,326, variabel DAU adalah 0,323 dan variabel DBH adalah 0,191. Sementara itu, seluruh variabel independen yang digunakan dalam penelitian ini yaitu PAD, DAU, dan DBH memiliki angka variance inflaction factor VIF lebih kecil dari 10, PAD memiliki angka VIF 3,068, DAU memiliki Universitas Sumatera Utara lvii angka VIF 3,092 dan DBH memiliki angka VIF 5,228. Dengan demikian dapat disimpulkan tidak terjadi gejala multikolinieritas dalam variabel independennya sehingga analisis lebih lanjut dilakukan dengan model regresi berganda.

4.2.2.3 Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode sebelumnya. Ghozali 2005:95 menyatakan bahwa “uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan penggangu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya”. Autokorelasi sering terjadi pada sampel dengan data time series. Untuk mendeteksi adanya autokorelasi, dapat dilakukan dengan metode grafik dan uji Durbin-Watson. Kriteria unutk penilaian terjadinya autokorelasi yaitu: 1. angka D-W dibawah -2 berarti ada autokorelasi positif 2. angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi 3. angka D-W diatas +2 berarti autokorelasi negatif Universitas Sumatera Utara lviii Tabel 4.4 Hasil Uji Durbin Watson Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .838 a .702 .694 4.82617E10 1.101 a. Predictors: Constant, DBH, PAD, DAU b. Dependent Variable: BM Tabel diatas menunjukkan bahwa nilai Durbin-Watson sebesar 1,101. Angka tersebut menunjukkan nilai D-W berada diantara -2 sampai +2 -2 D-W +2. Nilai D-W berada diantara -2 1,101 2. Dari hasil pengamatan tersebut, dapat disimpulkan tidak terjadi autokorelasi.

4.2.2.4 Uji Heterokedastisitas

Uji heterokedasititas dilakukan untuk menguji apakah dalam sebuah model regresi telah terjadi ketidaksamaan varian dari residual suatu pengamatan ke pengamatan lainnya Ghozali, 2005:105. Jika varian dari residual satu pengamatan ke pengamatan lain tetap maka disebut Homokedasititas dan jika berbeda disebut Heterokedasititas. Beberapa cara untuk mendeteksi ada tidaknya heterokedasititas: 1. Jika ada pola tertentu, seperti titik-titik yang ada yang membentuk pola tertentu yang teratur bergelombang menyebar kemudian menyempit, maka mengindikasikan telah terjadi heterokedasititas. Universitas Sumatera Utara lix 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedasititas. Berikut disajikan hasil pengujian grafik Scatterplot: Gambar 4.3 Scatterplot Grafik scatterplots pada Gambar 4.3 menunjukkan bahwa titik- titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y dan tidak membentuk pola tertentu yang teratur, yang mengindikasikan tidak terjadi heterokedastisitas. Oleh karena itu, Universitas Sumatera Utara lx model regresi layak dipakai untuk memprediksi pengalokasian anggaran belanja modal berdasarkan masukan variabel independen PAD, DAU, dan DBH.

4.2.3 Analisis Regresi

Analisis yang digunakan dalam penelitian ini adalah regresi linear berganda. Pengolahan data dengan menggunakan regresi linear dilakukan dalam beberapa tahapan untuk mengetahui bagaimana variabel dependen atau kriteria dapat diprediksikan melalui variabel independen atau prediktor, secara individual. Dampak dari penggunaan analisis regresi dapat digunakan untuk memutuskan apakah naik dan menurunnya variabel dependen dapat dilakukan melalui menaikkan dan menurunkan keadaan variabel independen atau sebaliknya.

a. Persamaan Regresi

Berikut hasil regresi yang ditampilkan dalam tabel 4.5 Tabel 4.5 Hasil Analisis Regresi Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 3.727E10 1.215E10 3.067 .003 PAD .434 .076 .508 5.721 .000 .326 3.068 DAU .251 .042 .529 5.930 .000 .323 3.092 DBH -.202 .188 -.124 -1.072 .286 .191 5.228 a. Dependent Variable: BM Universitas Sumatera Utara lxi Berdasarkan tabel hasil analisis regresi diatas maka diperoleh persamaan sebagai berikut: BM = 37.270.000.000 + 0,434 PAD + 0,251 DAU – 0,202 DBH + e Keterangan: 1. Konstanta sebesar 37.270.000.000 menunjukkan bahwa apabila tidak ada variabel independen PAD, DAU, DBH = 0 maka tingkat pengalokasian anggaran belanja modal sebesar 37.270.000.000 2. Koefisien regresi pendapatan asli daerah X 1 = 0,434 menunjukkan bahwa setiap penambahan pendapatan asli daerah sebesar 1, dengan asumsi variabel lainnya dianggap konstan, maka akan menaikkan tingkat pengalokasian anggaran belanja modal sebesar 0,434. 3. Koefisien regresi dana alokasi umum X 2 = 0,251 menunjukkan bahwa setiap penambahan dana alokasi umum sebesar 1 dengan asumsi variabel lainnya dianggap konstan, maka akan meningkatkan tingkat pengalokasian anggaran belanja modal sebesar 0,251. 4. Koefisien regresi dana bagi hasil X 3 = - 0,202 menunjukkan bahwa setiap penambahan dana bagi hasil sebesar 1 dengan asumsi variabel lainnya dianggap konstan, maka akan menurunkan tingkat pengalokasian anggaran belanja modal sebesar 0,202. Universitas Sumatera Utara lxii

b. Analisis Koefisien Determinasi