BAB IV HASIL DAN PEMBAHASAN
4.1 Deskriptif Sampel Penelitian
Data kuantitatif yang dipergunakan pada penelitian ini adalah Laporan Realisasi Anggaran Kota Pematangsiantar dari tahun 2009 sd tahun 2012. Dari
laporan tersebut yang menjadi objek penelitian adalah realisasi Belanja Modal dan realisasi Pendapatan Asli Daerah tahun amatan 2009 sd 2012.
4.2 Statistik Deskriptif
Menurut Sugiyono : 2007 statistik deskriptif adalah proses pengumpulan dan peringkasan data, serta upaya untuk menggambarkan berbagai karakteristik
data yang telah terorganisasi tersebut. Statistik deskriptif digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang
telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku umum atau generalisasi.
Peneliti menggunakan statistik deskriptif apabila hanya ingin mendeskripsikan data sampel, dan tidak ingin membuat kesimpulan yang berlaku
untuk populasi di mana sampel diambil. Berdasarkan data cross section sebanyak 14 SKPD dan time series sebanyak 4 tahun pengamatan, maka diperoleh
deskriptif statistik data penelitian sebagai berikut:
Universitas Sumatera Utara
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation Belanja Modal
56 8900000.00 36700000000.00 2772300000.00 6862450000.00
Realisasi PAD 56
10000000.00 35300000000.00 2699900000.00 6592850000.00 Valid N listwise
56
Diolah oleh Penulis 2012 Berdasarkan tabel 4.1 di atas dapat diketahui:
1. Jumlah sampel N sebanyak 56. 2. Belanja Modal memiliki nilai minimum sebesar 8.900.000 , nilai maksimum
sebesar 36.700.000.000, nilai rata-rata sebesar 2.772.300.000dengan standar deviasi 6.862.450.000.
3. Pendapatan Asli Daerah PAD memiliki nilai minimum sebesar 10.000.000, nilai maksimum sebesar 35.300.000.000, nilai rata-rata sebesar2.699.900.000
dengan standar deviasi 6.592.850.000.
4.3 Uji Asumsi Klasik 4.3.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki memiliki distribusi normal.
Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar maka uji statistik
menjadi tidak valid untuk jumlah sampel kecil.
Universitas Sumatera Utara
MenurutGhozali 2005:115 memberikan pedoman pengambilan keputusan rentang data mendekati atau merupakan distribusi normal
berdasarkan uji Kolmogorov Smirnov yang dapat dilihat dari: a nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data
adalah tidak normal. b nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data
adalah normal. Hasil uji normalitas dengan menggunakan model Kolmogorov-Smirnov
dapat dilihat pada Tabel 4.2 berikut ini:
Tabel 4.2 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 56
Normal Parameters
a,,b
Mean .0000002
Std. Deviation .6555519430
Most Extreme Differences Absolute
.376 Positive
.376 Negative
-.326 Kolmogorov-Smirnov Z
2.812 Asymp. Sig. 2-tailed
.000
Diolah oleh Penulis 2012
Universitas Sumatera Utara
Berdasarkan hasil uji statistik pada One-Sample Kolgomorov-Smirnov nilai signifikansinya Asymp. Sig. 2-tailedpada tabel tersebut adalah 0,000.
Karena p = 0,000 0,05 maka dapat disimpulkan data tidak terdistribusi normal. Oleh karena itu, peneliti akan melakukan treatment atau perbaikan
pada data tersebut agar dapat memenuhi Uji Normalitas. Menurut Syafrizal et.all 2008 : 62 Ada beberapa cara mengubah
model regresi menjadi normal yaitu: 1. Lakukan transformasi data, misalnya mengubah data menjadi bentuk
logaritma Log atau natural LN. 2. Menambah jumlah data.
3. Menghilangkan data yang dianggap sebagai penyebab tidak normalnya data.
4. Menerima data apa adanya. Guna memenuhi uji normalitas maka peneliti akan mentransformasikan
data penelitian ini kedalam bentuk Logaritma Natural LN, kemudian data diuji ulang dengan menggunakan uji normalitas. Hasil Uji Normalitas pada
data yang telah ditransformasi dapat dilihat pada tabel 4.3 berikut.
Universitas Sumatera Utara
Tabel 4.3 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 56
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .80816814
Most Extreme Differences Absolute
.158 Positive
.101 Negative
-.158 Kolmogorov-Smirnov Z
.774 Asymp. Sig. 2-tailed
.586
Diolah oleh Penulis 2012 Bedasarkan hasil Uji Normalitas tabel 4.3 dengan data yang telah
ditransformasi ke dalam bentuk Logaritma Natural LN, maka hasil yang di dapatkan adalah data telah terdistribusi secara normalkarena dari hasil
pengolahan data tersebut, besarnya nilai Kolmogorov-Smirnov adalah 0,774 dan signifikansinya pada 0,586. Maka dapat disimpulkan bahwa data
terdistribusi normal, karena p = 0,586 0,05 dan dapat dilanjutkan dengan uji asumsi klasik lainnya.
Untuk lebih jelas, berikut ini turut dilampirkan grafik histogram, dan normal probability plot yang terdistribusi normal.
Universitas Sumatera Utara
Gambar 4.1 Uji Normalitas
Uji Normalitas
Gambar 4.2 Uji Normalitas
Universitas Sumatera Utara
Data yang telah terdistribusi normal dapat kita ketahui dengan melihat Histogram pada gambar 4.1, grafik histogram pada uji normalitas di atas
dapat terlihat bahwa data terdistribusi mengikuti garis diagonal yang tidak menceng Skewness ke kiri maupun ke kanan. Data yang telah terdistribusi
normal juga bisa diketahui dengan melihat grafik plot yang ditunjukkan pada gambar 4.2. Menurut Ghozali 2005:112 pendeteksian normalitas dapat
dilakukan dengan melihat penyebaran data titik pada sumbu diagonal dari grafik, yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti
arah garis diagonal, hal ini menunjukkan data yang telah terdistribusi normal. Pada gambar 4.2 dapat terlihat bahwa penyebaran data titik menyebar
di sekitar garis diagonal dan mengikuti arah garis diagonal, oleh sebab itu dapat diketahui bahwa data telah terdistribusi dengan normal.
4.3.2 Uji Autokorelasi
Untuk mengetahui terjadi atau tidak terjadinya suatu autokorelasi dapat diketahui dengan melihat nilai Durbin-Watson DW.Menurut Sugiyono
2001:76 mengemukakan bahwa terjadinya Autokorelasi jika nilai Durbin- Watson DW memiliki nilai lebih dari 5, atau Durbin-Watson DW 5.
Berikut ini peneliti menampilkan hasil Uji Autokorelasi pada Tabel 4.5 dibawah ini:
Universitas Sumatera Utara
Tabel 4.4 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .330
a
.109 .068
.82633 2.267
Diolah oleh Penulis 2012 Berdasarkan Tabel 4.4 tentang Uji Autokorelasi memperlihatkan bahwa
nilai Durbin-Watson DW adalah 2,267 5.Oleh karena itu, dapat dikemukakan bahwa tidak terjadi Autokorelasi dalam penelitian ini.
4.3.3 Uji Heteroskedastisitas
Menurut Ghozali 2005:105 Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari
residual satu pengamatan ke pengamatan yang lain.Model regresi yang baik adalah model regresi yang tidak terjadi heterokedastisitas.Cara untuk
menentukan ada atau tidaknya heterokedastisitas adalah dengan melihat grafik scatterplot pada gambar 4.3.Dasar pengambilan keputusannya menurut
Ghozali 2005:105 adalah sebagai berikut:
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi heterokedasitas.
2. Jika tidak ada pola yang jelas, serta titik menyebar dibawah angka 0 dan sumbu y, maka tidak terjadi heterokedasitas.
Universitas Sumatera Utara
Berikut ini peneliti menampilkan grafik scatterplot untuk melihat hasil uji heterokedastisitas dalam penelitian ini pada gambar 4.3.
Gambar 4.3 Uji Heteroskedastisitas
Pada gambar 4.3 pada grafik Scatterplot diatas dapat terlihat bahwa titik data menyebar secara acak dan tidak terlihat suatu pola tertentu, dan
pada grafik scatterplot diatas juga dapat terlihat bahwa tidak tersebar diatas maupun dibawah sumbu y dan angka 0. Oleh karena itu dapat disimpulkan
bahwa tidak terjadi heterokedastisitas di dalam penelitian ini, dan model regresi ini layak dipakai dalam penelitian.
Universitas Sumatera Utara
4.4 Analisis Regresi
Analisis regresi linier sederhana dari pengaruh alokasi Belanja Modal terhadap peningkatan potensi Pendapatan Asli Daerah dari tahun 2009 sd 2012
memiliki hasil berikut:
Tabel 4.5 Analisis Regresi
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 22.923
1.761 13.018
.000 LN Belanja Modal
.142 .087
.330 1.638
.116
Diolah oleh Penulis 2012
Berdasarkan data di atas, dapat dirumuskan suatu persamaan regresi untuk Pendapatan Asli Daerah dari tahun 2009 sd 2012 adalah sebagai berikut:
Y= 22,923 + 0,142X
Keterangan: 1.
Konstanta α sebesar 22,923 menunjukkan bahwa apabila nilai variabel independen sama dengan nol Belanja Modal = 0maka Pendapatan Asli
Daerah bernilai 22,923. 2. Koefisien regresi Belanja Modal sebesar 0,142 menunjukkan bahwa setiap
kenaikan dari Belanja Modal sebesar 1 satuan akan diikuti oleh kenaikan Pendapatan Asli Daerah sebesar 0,142.
Universitas Sumatera Utara
4.5 Pengujian Hipotesis
Kategori