41
3.5 Jenis Data
Peneliti menggunakan data sekunder dalam penelitian ini. ”Data sekunder merupakan data yang telah dikumpulkan sebelumnya” Anandya dan Suprihhadi, 2005 :
64. Data diperoleh dari laporan APBD Pemda kabupaten kota yang diperoleh dari situs Departemen Keuangan Republik Indonesia Direktorat Jenderal Perimbangan Keuangan.
Data yang dibutuhkan adalah informasi keuangan yang berhubungan dengan variabel penelitian yaitu Belanja Daerah, total Pendapatan Asli Daerah PAD, data Dana
Alokasi Umum DAU, Dana Alokasi Khusus dan Jumlah Penduduk.
3.6 Metode Pengumpulan Data
Teknik pengumpulan data yang diperlukan dalam penelitian adalah data sekunder yaitu pooling data realisasi Dana Alokasi Umum DAU, Dana Alokasi
Khusus DAK, Dana Bagi Hasil dan Belanja Modal dari masing-masing KabupatenKota yang ada di Provinsi Sumatera Utara untuk periode tahun 2010-2013
yang diperoleh dari situs Sistem Informasi Keuangan Daerah .Departemen Keuangan Republik Indonesia yaitu www.depkeu.djpk.go.id dan sistus Badan Pusat Statistik yaitu
www.bps.go.idsumut, melalui internet.
3.7. Metode Analisis Data
Dalam penelitian ini model analisis yang digunakan adalah regresi data panel dengan menggunakan perangkat lunak program Eviews dan Microsoft Excel 2007
sebagai alat bantu dalam mengolah data. Data dianalisis dengan menggunakan model panel data program Eviews 7.0. Eviews merupakan program yang disajikan untuk
42
analisis statistika dan ekonometrika. Eviews menyajikan perangkat analisis data, regresi dan peramalan.
3.7.1 Metode Analisis Data Panel
Untuk menganalisis pengaruh pendapatan asli daerah, dana alokasi umum, dana alokasi khusus, dan jumlah penduduk terhadap anggaran belanja
daerah di KabupatenKota di Sumatera Utara maka digunakan model data panel. Di dalam ekonometrika, data panel adalah hasil gabungan dari data deret waktu
time series dan data silang cross section, maka modelnya dapat ditulis sebagai berikut:
Yit = α + β Xit + єit Dimana:
i = 1, 2, …, N dan t = 1, 2, …, T N = banyaknya observasi
T = banyaknya waktu N x T = banyaknya data panel.
Data deret waktu adalah data yang dihimpun dari beberapa periode. Dalam penelitian ini data yang dihimpun adalah dari tahun 2009 sampai
dengan 2012 untunk variabel independent dan 2010-2013 utnuk variabel dependent. Data silang adalah data yang dihimpun dari satu periode atas
beberapa objek atau individu yang dalam penelitian ini adalah 24 KabupatenKota di Sumatera Utara. Dengan data panel, jumlah observasi
sebanyak 96 pengamatan yaitu 4 tahun amatan dikalikan 24 sampel Kabupatenkota dan jumlah data panel menjadi lebih banyak yaitu 384 data yaitu
jumlah observasi 96 dikali 4 variabel independen.
43
Karena merupakan hasil gabungan dari data deret waktu dan data silang maka panel data ini memiliki beberapa keunggulan, antara lain Gujarati
2003:637 : 1. Mampu mengidentifikasi dan mengukur efek yang secara sederhana tidak
dapat diatasi dalam data cross section murni atau data time series murni. 2. Mampu mengontrol heterogenitas individu atau unit cross section.
3. Memberikan data yang informatif, mengurangi kolinearitas antar peubah serta meningkatkan derajat kebebasan sehingga data menjadi lebih efisien.
4. Data panel lebih baik digunakan untuk studi dynamics of adjusment karena terkait dengan observasi pada cross section yang sama secara berulang.
5. Mampu menguji dan mengembangkan model perilaku yang lebih kompleks. Estimasi model dengan menggunakan data panel dapat dilakukan dengan tiga
metode, yaitu metode kuadrat terkecil pooled least square, metode efek tetap fixed effect, dan metode efek random random effect.
3.7.1.1 Metode kuadrat terkecil Pooled Least Square Metode kuadrat terkecil yaitu mengestimasi data panel dengan
Metode ordinary least square OLS. Metode ini merupakan metode yang paling sederhana dalam pengolahan data panel yaitu dengan menggabungkan seluruh
data time series dan data silang. Dengan N sebagai jumlah unit cross section individu dan T adalah jumlah periode waktunya. Dengan mengansumsi
komponen error dalam pengolahan kuadrat terkecil biasa, kita dapat melakukan proses estimasi secara terpisah untuk setiap unit cross section. Bila kita
berasumsi bahwa α dan β akan sama konstan untuk setiap data time series dan
44
cross section, maka α dan β dapat diestimasi dengan menggunakan N x T pengamatan maka bentuk modelnya adalah:
Yit = α + β Xit + єit Dengan asumsi bahwa α dan β konstan akan jauh dari kenyataan sebenarnya.
3.7.1.2 Metode efek tetap Fixed Effect Kesulitan terbesar dalam pendekatan metode kuadrat terkecil
adalah adanya asumsi intersep dan slope dari persamaan regresi yang dianggap konstan, baik antar daerah maupun antar waktu yang kurang sesuai dengan
tujuan penggunaan data panel. Untuk mengatasi hal ini dapat digunakan pendekatan model efek tetap fixed effect yaitu dengan menambahkan model
dummy pada data panel. Metode efek tetap memper-hitungkan kemungkinan bahwa peneliti menghadapi masalah omitted variables, yang mungkin membawa
perubahan pada intercept time series atau cross-section .Model efek tetap atau Least Square Dummy Variable atau disebut juga Covarians Model adalah model
yang dapat digunakan dengan mempertimbangkan bahwa perubah-perubah yang dihilangkan dapat mengakibatkan perubahan dalam intersep-intersep cross
section dan time series. Untuk memungkinkan perubahan perubahan intersep ini, dapat ditambahkan variabel dummy ke dalam model yang selanjutnya akan
diduga dengan model OLS Ordinary Least Square. Pada metode efek tetap estimasi dapat dilakukan dengan tanpa
pembobot no weighted atau Least Square Dummy LSDV dan dengan pembobot cross section weight atau General Least Square GLS. Tujuan
dilakukan pembobotan ini adalah untuk mengurangi heterogenitas antar unit cross section Gujarati 2003:639.
45
3.7.1.3 Metode efek acak Random Effect Pendekatan Metode efek acak memperbaiki efisiensi proses least
square dengan memperhitungkan error dan cross-section dan time series. Model efek acak adalah variasi dari estimasi generalized least square GLS. Keputusan
untuk memasukkan variabel dummy ke dalam model akan mengakibatkan berkurangnya jumlah derajat kebebasan yang pada akhirnya akan mengurangi
efisiensi dari parameter yang diestimasi. Pendekatan yang digunakan untuk mengatasi hal ini adalah model efek acak. Model efek acak disebut juga sebagai
error component model karena dalam model ini, parameter yang berbeda antar individu maupun antar waktu dimasukkan ke dalam error.
Asumsi yang digunakan dalam model ini adalah error secara individual tidak saling berkorelasi, begitu pula dengan error kombinasinya. Penggunaan
model efek acak dapat menghemat derajat kebebasan dan tidak mengurangi jumlahnya seperti pada model fixed effect. Hal ini berimplikasi kepada
parameter hasil estimasi akan menjadi efisien. Semakin efisien maka model yang akan didapat semakin baik. Dengan demikian adanya gangguan asumsi
klasik dalam model ini telah terdistribusi secara normal sehingga tidak diperlukan lagi treatmen terhadap model bagi pelanggaran asumsi klasik yaitu
asumsi adanya autokorelasi, multikoliniearitas dan heterokedastisitas.
3.7.2 Pengujian Model Data Panel
Model mana yang akan dipilih dari 3 pendekatan model yang ada maka perlu dilakukan analisis terlebih dahulu agar diperoleh pendekatan model yang
46
paling sesuai terhadap hasil penelitian ini. Ada tiga pengujian statistik yang digunakan dalam data panel yaitu:
3.7.2.1. Uji Langrange Multiplier LM test Uji ini digunakan untuk memilih antara Ordinary Least Square OLS
tanpa variabel dummy atau model efek random. 3.7.2.2. Uji Chow Chow test
Uji Chow atau yang sering juga disebut dengan uji F statistik merupakan pengujian statistik yang digunakan untuk memilih apakah lebih baik
menggunakan model Kuadrat Terkecil atau Efek Tetap. Uji F digunakan untuk mengetahui apakah teknik regresi data panel dengan model Efek Tetap lebih
baik dari teknik regresi data panel tanpa variabel dummy dengan melihat residual sum of squares RSS. Dalam pengujian ini dilakukan dengan hipotesa
berikut : H0 : Model Kuadrat Terkecil
Ha: Model Efek Tetap Dasar penolakan terhadap hipotesis nol adalah dengan menggunakan F
statistik atau Uji Chow yang dirumuskan dalam bentuk persamaan berikut ini: F =
RSS 1 −RSS 2�−1
���2��−�−�
Dimana: RSS1 = residual sum square hasil pendugaan model Efek Tetap
RSS2 = residual sum square hasil pendugaan model PLS N = jumlah data cross section
T = jumlah data time series
47
K = jumlah variabel bebas Jika nilai chow statistics F-stat hasil pengujian lebih besar dari F-tabel, maka
cukup bukti untuk melakukan penolakan terhadap H0 sehingga model yang digunakan adalah Model Efek Tetap dan sebaliknya.
3.7.2.3.Uji Hausman Uji Hausman adalah pengujian statistik sebagai dasar pertimbangan
dalam memilih apakah menggunakan model Efek Tetap atau menggunakan model Efek Random. Jika nilai probabilitas lebih kecil dari nilai α = 5 maka
Ho ditolak dan model yang dipilih adalah Fixed Effect. Menurut beberapa ahli ekonometri yang telah membuktikan secara
matematis dikatakan bahwa untuk memilih apakah model Efek Tetap atau Model Efek Random yang digunakan dapat dilakukan dengan melihat:
- Jika data panel yang dimiliki mempunyai jumlah waktu T lebih besar dibandingkan dengan jumlah individu N maka disarankan menggunakan
model efek tetap. T N maka digunakan model effek tetap. - Jika data panel yang dimiliki mempunyai jumlah waktu T lebih kecil
dibandingkan dengan jumlah individu N maka disarankan untuk menggunakan model efek random. T N maka digunakan model efek
random Nachrowi 2006:318.
3.7.3 Pengujian Hipotesis
Penelitian ini menggunakan metode analisis data panel dengan model regresi berganda multiple regression analysis, karena terdiri dari satu variabel
48
dependen dan empat variabel independen. Model persamaan regresi dirumuskan sebagai berikut:
Y = β0 + βitX1 + βitX2 + βitX3 + єit
Dimana : Y = Realisasi Belanja Modal
X1 = Dana Alokasi Umum X2 = Dana Alokasi Khusus
X3 = Dana Bagi Hasil β0 = Konstanta
βit, βit, βit dan βit = Koefisien variabel є = Error Term
i = 1, 2, …, N banyaknya sampel dan t = 1, 2, …, T banyaknya waktu
3.7.4. Kriteria Pengujian
Setelah mendapatkan paramater estimasi yang dianggap sesuai maka langkah selanjutnya adalah melakukan pengujian terhadap parameter estimasi
tersebut. Pengujian dilakukan untuk menentukan baik tidaknya sebuah model yang telah dipilih.
3.7.4.1 Uji signifikansi simultan uji - F Uji ini dilakukan untuk mengetahui apakah variabel-variabel
independen secara bersama-sama secara serentak simultan mempengaruhi variabel dependen. Caranya adalah dengan membandingkan F-hitung dan F-
tabel. Jika F-hitung F-tabel maka dapat dikatakan bahwa dana alokasi umum,
49
dana alokasi khusus, dan dana bagi hasil secara simultan berpengaruh positif dan signifikan terhadap Belanja Modal.
Kriteria pengujiannya adalah seperti berikut ini : H0 : β1 = β2 = ... = βt = 0, artinya dana alokasi umum, dana alokasi khusus, dan
dana bagi hasil secara simultan tidak berpengaruh positif dan signifikan terhadap belanja modal.
Ha : βt≠ 0, artinya dana alokasi umum, dana alokasi khusus, dan dana bagi hasil secara simultan berpengaruh positif dan signifikan terhadap belanja modal,
Pengujian tersebut juga dapat dilakukan dengan membandingkan nilai probabilitas F-Statistics
dengan nilai signifikansi α. Jika nilai probabilitas FStatistics
lebih kecil dari nilai α yang dipilih maka H0 ditolak atau menerima Ha.
3.7.4.2 Uji signifikansi parsial uji - t Uji t merupakan pengujian yang dilakukan terhadap variabel bebas. Uji
ini digunakan untuk mengetahui apakah variabel bebas secara individual mempengaruhi variabel terikat dengan asumsi variabel independen lainnya
konstan. Jika t-hitung t-tabel maka dapat disimpulkan bahwa artinya dana alokasi umum, dana alokasi khusus, dan dana bagi hasil Secara parsial
berpengaruh terhadap belanja modal. Cara pengujian lain adalah dengan membandingkan nilai probabilitas p
dengan nilai signifikansi α. Jika nilai probabilitas p lebih kecil dari nilai α yang dipilih maka H0 ditolak atau menerima Ha.
50
Kriteria pengujiannya adalah seperti berikut ini. H0 : b = 0 artinya dana alokasi umum, dana alokasi khusus, dan dana bagi hasil
secara parsial tidak berpengaruh positif dan signifikan terhadap belanja modal Kabupatenkota di Sumatera Utara.
Ha : b ≠ 0 artinya artinya dana alokasi umum, dana alokasi khusus, dan dana
bagi hasil secara parsial berpengaruh positif dan signifikan terhadap belanja modal Kabupatenkota di Sumatera Utara.
3.7.4.3 Koefisien determinasi R
2
Pengujian Koefisien determinasi R2 atau adjusted R2 ini untuk mengetahui seberapa jauh kemampuan model dalam menerangkan variasi variabel
independen. Tingkat ketepatan regresi dinyatakan dalam koefisien determinasi majemuk R2 yang nilainya antara 0 sampai dengan 1, semakin dekat nilainya ke angka 1
semakin baik hasil penelitian tersebut.
51
BAB IV HASIL DAN PEMBAHASAN
4.1 Analisis Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk mengetahui deskripsi suatu data yang dilihat dari nilai maksimum, nilai minimum, nilai rata-rata mean, dan nilai
standar deviasi. Dalam penelitian ini, variabel yang digunakan dalam perhitungan statistik deskriptif adalah belanja modal, dana alokasi umum DAU, dana alokasi
khusus DAK, dan dana bagi hasil DBH. Berdasarkan analisis statistik deskriptif diperoleh gambaran sampel sebagai berikut.
Tabel 4.1 Statistik Deskriptif dari Belanja Modal, Dana Alokasi Umum DAU, Dana Alokasi Khusus DAK, dan Dana Bagi Hasil DBH
BELANJA_M ODAL
DAU DAK
DBH Mean
166606.4 449394.7
45908.45 49036.26
Maximum 1201667.
1270245. 90869.00
374026.6 Minimum
27867.29 167780.0
17807.00 10624.71
Std. Dev. 145466.0
211195.2 17301.24
53680.53 Sumber: Hasil Olah Software EViews 7
Berdasarkan Tabel 4.1, diketahui nilai belanja modal minimum adalah 27867,29, sedangkan nilai belanja modal maksimum adalah 1201667. Diketahui rata-rata mean
belanja modal adalah 166606,4, dan standar deviasinya 145466. Nilai dana alokasi umum DAU minimum adalah 167780, sedangkan nilai dana alokasi umum DAU
52
maksimum adalah 1270245. Diketahui rata-rata mean dana alokasi umum adalah 449394,7, dan standar deviasinya 211195,2. Diketahui nilai dana alokasi khusus DAK
minimum adalah 17807, sedangkan nilai dana alokasi khusus maksimum adalah 90869. Diketahui rata-rata mean dana alokasi khusus adalah 45908,45, dan standar deviasinya
17301,24. Diketahui nilai dana bagi hasil DBH minimum adalah 10624,71, sedangkan nilai dana bagi hasil maksimum adalah 374026,6. Diketahui rata-rata mean dana bagi
hasil adalah 49036,26, dan standar deviasinya 53680,53.
4.2 Uji Asumsi Klasik 4.2.1 Uji Normalitas
Kategori