Determinan Perilaku Oportunistik Penyusunan Anggaran (Studi Pada Kabupaten Kota di Sumatera Utara) Chapter III V
BAB III
METODE PENELITIAN
3.1 Jenis Penelitian
Penelitian ini menggunakan desain penelitian kausal. Desain penelitian kausal
merupakan desain penelitian yang bertujuan menganalisis hubungan sebab akibat
antara satu variabel dengan variabel lainnya. Penelitian ini menguji pengaruh
Pendapatan Asli Daerah (PAD), Dana Alokasi Umum (DAU), Sisa Lebih
Perhitungan Anggaran (SiLPA) terhadap Perilaku Oportunistik Penyusunan
Anggaran.
3.2 Defenisi Operasional dan Pengukuran Variabel
Variabel-variabel dalam penelitian ini terdiri dari variabel dependen yaitu
perilaku oportunistik penyusun anggaran dan variabel independen yaitu PAD,
DAU dan SiLPA.
3.2.1 Variabel Dependen
Variabel dependen pada penelitian ini adalah Perilaku Oportunistik
Penyusun Anggaran (OPA). OPA menunjukkan perubahan (spread) alokasi
anggaran belanja tertentu dari APBD tahun sebelumnya ke APBD tahun
berjalan. Spread terjadi karena perbedaan preferensi dalam pengalokasian
sumberdaya antara principal dan agents. Nilai OPA menunjukkan adanya
perilaku
penyusun
anggaran
yang
memanfaatkan
kekuasaan
dan
kewenangannya untuk mempengaruhi kebijakan pengalokasian anggaran
48
Universitas Sumatera Utara
sesuai dengan preferensi diri atau kelompoknya, sehingga nilai OPA
menggambarkan besaran self-interest penyusun anggaran. Pengukuran OPA
dikembangkan dari penelitian Abdullah (2012), namum penelitian ini
menggunakan pengukuran OPA Abdullah (2012) yang telah dikembangkan
oleh Parwati (2015) yaitu dengan menghilangkan peningkatan anggaran
legislatif dan menggantinya dengan peningkatan belanja hibah dan bansos
dari tahun sebelumnya ke tahun berjalan dengan tahap pengukuran sebagai
berikut:
1. Menghitung spread alokasi anggaran belanja dari APBD tahun berjalan
ke tahun sebelumnya. Perhitungan spread(Δ) = APBD tahun berjalan (t)
– APBD tahun sebelumnya (t-1). Sektor yang diamati adalah pendidikan,
kesehatan, pekerjaan umum, hibah dan bansos, yaitu :
a) ΔPdk yaitu penurunan alokasi untuk belanja pendidikan
b) ΔKes yaitu penurunan alokasi untuk belanja kesehatan
c) ΔPU yaitu kenaikan alokasi untuk belanja PU
d) ΔHibah yaitu kenaikan alokasi untuk belanja hibah
e) ΔBansos yaitu kenaikan alokasi untuk belanja bansos.
Semua kenaikan dan penurunan alokasi tersebut dinyatakan dalam satuan
rupiah dan bertanda positif, namun jika yang terjadi sebaliknya atau tidak
terjadi perubahan seperti di atas maka diberi nilai 0 (nol).
2. Mengagregasi atau menggabungkan spread yang menunjukkan OPA
secara keseluruhan. Perhitungan OPA= ΔPdk + ΔKes + ΔPU + ΔHibah
+ Δbansos.
49
Universitas Sumatera Utara
3.2.2 Variabel Independen
Variabel independen pada penelitian ini yang mempengaruhi OPA
terdiri dari tiga variabel yaitu Pendapatan Asli Daerah (PAD), Dana Alokasi
Umum (DAU) dan Sisa Lebih Perhitungan Anggaran (SiLPA).
1. Pendapatan Asli Daerah (PAD)
PAD merupakan pendapatan daerah yang terdiri dari Pajak Daerah,
Retribusi Daerah, Pendapatan dari Laba Perusahaan Daerah dan lain-lain
pendapatan. Pengukuran PAD menggunakan spread PAD (Δ PAD) adalah
perubahan naik atau turunnya PAD dari APBD tahun berjalan (t) ke APBD
tahun sebelumnya (t-1) (Abdullah, 2012).
2. Dana Alokasi Umum (DAU)
DAU adalah transfer yang bersifat umum dari Pemerintah Pusat ke
Pemerintah Daerah untuk menunjang pelaksanaan desentraliasi (Halim,
2007). Jumlah keseluruhan DAU untuk masing-masing Kabupaten/Kota
dapat dilihat dari pos dana perimbangan dalam APBD. Pengukuran DAU
dengan menggunakan spread Dana Alokasi Umum (Δ DAU) dari APBD
tahun berjalan (t) ke APBD tahun sebelumnya (t-1) (Sularso dkk., 2014).
3. Sisa Lebih Perhitungan Anggaran (SiLPA)
SiLPA mencakup pelampauan penerimaan PAD, pelampauan penerimaan
dana perimbangan, pelampauan penerimaan lain-lain pendapatan daerah
yang sah, pelampauan penerimaan pembiayaan, penghematan belanja,
kewajiban kepada pihak ketiga sampai dengan akhir tahun terselesaikan
dan sisa dana kegiatan lanjutan, yang ditanggung dalam perubahan APBD.
50
Universitas Sumatera Utara
SiLPA diukur dengan spread SiLPA (ΔSiLPA) dari APBD tahun berjalan
(t) ke APBD tahun sebelumnya (t-1) (Sularso dkk., 2014).
Tabel 3.1
Definisi Operasional dan Skala Pengukuran
Variabel
Definisi
Pendapatan Pendapatan daerah yang
dari
Pajak
Asli Daerah terdiri
(X1)
Daerah,
Retribusi
Daerah,
Pendapatan
dari Laba Perusahaan
Daerah dan lain-lain
pendapatan yang sah
Dana
Transfer yang bersifat
Alokasi
umum dari Pemerintah
Umum
Pusat ke Pemerintah
Daerah
untuk
(X2)
menunjang pelaksanaan
desentraliasi
Sisa
lebih
realisasi
Sisa Lebih
dan
Perhitungan penerimaan
pengeluaran
anggaran
Anggaran
selama satu periode
(X3)
anggaran.
Perilaku
Oportunistik
Penyusunan
Anggaran
(Y)
Perilaku
oportunistik
merupakan
perilaku
yang
berusaha
mencapai
keinginan
dengan segala cara
bahkan cara ilegal
sekalipun
Indikator
Selisih/ perubahan naik
atau turunnya PAD dari
APBD tahun berjalan (t)
ke APBD tahun
sebelumnya (t-1)
Skala
Pengukuran
Rasio
Selisih/ perubahan naik
Rasio
atau turunnya Dana
Alokasi Umum (Δ DAU)
dari APBD tahun
berjalan (t) ke APBD
tahun sebelumnya (t-1)
Selisih/ perubahan naik
Rasio
atau turunnya SiLPA
(ΔSiLPA) dari APBD
tahun berjalan (t) ke
APBD tahun sebelumnya
(t-1)
1. Menghitung spread
Rasio
alokasi
anggaran
belanja dari APBD
tahun berjalan ke tahun
sebelumnya.
Sektor
yang diamati adalah
pendidikan, kesehatan,
pekerjaan umum, hibah
dan bansos, yaitu :
a) ΔPdk yaitu penurunan
alokasi untuk belanja
pendidikan
b) ΔKes yaitu penurunan
alokasi untuk belanja
kesehatan
c) ΔPU yaitu kenaikan
alokasi untuk belanja PU
51
Universitas Sumatera Utara
d) ΔHibah yaitu kenaikan
alokasi untuk belanja
hibah
e)
ΔBansos
yaitu
kenaikan alokasi untuk
belanja bansos
2.
Menggabungkan
spread
yang
menunjukkan
OPA
secara keseluruhan.
OPA= ΔPdk + ΔKes +
ΔPU + ΔHibah +
Δbansos
3.3 Populasi dan Sampel
Populasi dalam penelitian ini adalah seluruh APBD Kabupaten/Kota di
Provinsi sumatera utara yang terdiri dari 33 kabupaten/ kota untuk kurun waktu
2012-2015. Kabupaten/kota yang ada di Provinsi Sumatera Utara adalah:
1.
Kab. Asahan
2.
Kab. Dairi
3.
Kab. Deli Serdang
4.
Kab. Tanah Karo
5.
Kab. Labuhan Batu
6.
Kab. Langkat
7.
Kab. Mandailing Natal
8.
Kab. Nias
9.
Kab. Simalungun
10. Kab. Tapanuli Selatan
52
Universitas Sumatera Utara
11. Kab. Tapanuli Tengah
12. Kab. Tapanuli Utara
13. Kab. Toba Samosir
14. Kota Binjai
15. Kota Medan
16. Kota Pematang Siantar
17. Kota Sibolga
18. Kota Tanjung Balai
19. Kota Padang Sidempuan
20. Kota Tebing Tinggi
21. Kab. Pakpak Bharat
22. Kab. Nias Selatan
23. Kab. Humbang Hasundutan
24. Kab. Serdang Bedagai
25. Kab. Samosir
26. Kab. Batu Bara
27. Kab. Padang Lawas
28. Kab. Padang Lawas Utara
29. Kab. Labuhanbatu Selatan
30. Kab. Labuhanbatu Utara
31. Kab. Nias Utara
32. Kab. Nias Barat
33. Kota Gunung Sitoli
53
Universitas Sumatera Utara
Teknik pengambilan sampel dalam penelitian ini dengan menggunakan
metode purposive sampling. Pengambilan sampel bertujuan (purposive sampling)
dilakukan dengan mengambil sampel dari populasi berdasarkan kriteria tertentu.
Kriteria yang
digunakan dapat berdasarkan perimbangan (judgement) atau
berdasarkan suatu kriteria tertentu.
Adapun kriteria pengambilan sampel dalam penelitian ini adalah:
1. Seluruh Kabupaten/Kota di Provinsi Sumatera Utara yang melaporkan secara
rutin APBD dari Urusan Pendidikan, Urusan Kesehatan, Urusan Pekerjaan
Umum selama 4 tahun yaitu tahun 2012 – 2015
2. Seluruh Kabupaten/Kota di Provinsi Sumatera Utara yang melaporkan secara
rutin APBD tahun anggaran 2012 – 2015 yang mempublikasikan PAD, SiLPA,
DAU, Belaja Hibah, dan Belanja Bansos.
Berdasarkan kriteria yang ditentukan dalam penelitian ini maka sampel
diperoleh 25 Kabupaten/kota dari 33 Kabupaten/kota di Provinsi Sumatera Utara.
Berikut adalah tabel prosedur pemilihan sampel.
Tabel 3.2
Tabel Prosedur pemilihan sampel
No
Kabupaten/ Kota
Kriteria
1
2
1
2
3
Kab. Asahan
Kab. Dairi
Kab. Deli Serdang
4
Kab. Tanah Karo
-
Ket.
tidak melaporkan APBD dari Urusan
Pendidikan, Urusan Kesehatan, Urusan
Pekerjaan Umum tahun 2014
5
6
7
Kab. Labuhan Batu
Kab. Langkat
Kab. Mandailing Natal
54
Universitas Sumatera Utara
8
Kab. Nias
-
tidak melaporkan APBD dari Urusan
Pendidikan, Urusan Kesehatan, Urusan
Pekerjaan Umum tahun 2012
9
10
Kab. Simalungun
Kab. Tapanuli Selatan
11
Kab. Tapanuli Tengah
-
12
13
Kab. Tapanuli Utara
Kab. Toba Samosir
14
Kota Binjai
-
15
16
Kota Medan
Kota Pematang Siantar
17
Kota Sibolga
-
18
Kota Tanjung Balai
19
Kota Tebing Tinggi
-
tidak melaporkan APBD dari Urusan
Pendidikan, Urusan Kesehatan, Urusan
Pekerjaan Umum tahun 2015
tidak melaporkan APBD dari Urusan
Pendidikan, Urusan Kesehatan, Urusan
Pekerjaan Umum tahun 2015
tidak melaporkan APBD dari Urusan
Pendidikan, Urusan Kesehatan, Urusan
Pekerjaan Umum tahun 2015
tidak melaporkan APBD dari Urusan
Pendidikan, Urusan Kesehatan, Urusan
Pekerjaan Umum tahun 2012
20
Kota Padang Sidempuan
-
tidak melaporkan APBD dari Urusan
Pendidikan, Urusan Kesehatan, Urusan
Pekerjaan Umum tahun 2015
21
22
23
24
25
26
27
28
29
30
31
Kab. Pakpak Bharat
Kab. Nias Selatan
Kab. Humbang Hasundutan
Kab. Serdang Bedagai
Kab. Samosir
Kab. Batu Bara
Kab. Padang Lawas
Kab. Padang Lawas Utara
Kab. Labuhanbatu Selatan
Kab. Labuhanbatu Utara
Kab. Nias Utara
32
Kab. Nias Barat
-
Pendidikan, Urusan Kesehatan, Urusan
tidak melaporkan APBD dari Urusan
Pekerjaan Umum tahun 2015
33
Kota Gunung Sitoli
Sumber: Hasil pengolahan sendiri
55
Universitas Sumatera Utara
3.4 Jenis dan Sumber Data
Jenis data dalam penelitian ini adalah data sekunder, yaitu Data sekunder
merupakan sumber data penelitian yang diperoleh peneliti secara tidak langsung
melalui media perantara (diperoleh dan dicatat pihak lain). Sumber data sekunder
dalam penelitian ini diperoleh dari situs Direktorat Jenderal Perimbangan
Keuangan Kementerian Keuangan yaitu www.depkeu.djkp.go.id.
3.5 Metode Pengumpulan Data
Metode pengumpulan data dilakukan dengan metode dokumentasi, yaitu
metode mengumpulkan data sekunder yang berasal dari laporan keuangan
pemerintah Kabupaten/ kota di sumatera utara.
3.6 Teknik Analisis Data
Keseluruhan data yang terkumpul selanjutnya dianalisis untuk memberikan
jawaban dari masalah yang dibahas dalam penelitian ini- Dalam menganalisis
data, peneliti menggunakan program SPSS. Metode data yang digunakan dalam
penelitian ini adalah metode analisis statistik
3.6.1
Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data
yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum,
minimum, sum, range, dan skewness (kemencengan distribusi), sehingga
secara kontekstual dapat lebih mudah dimengerti oleh pembaca.
56
Universitas Sumatera Utara
3.6.2 Pengujian Asumsi Klasik
Uji asumsi klasik dilakukan untuk memastikan bahwa sampel yang
diteliti
terbebas
dari
gangguan
normalitas,
multikolonieritas,
heteroskedastisitas, dan autokorelasi.
3.6.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model
regresi, variabel pengganggu atau residual memiliki distribusi normal.
Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai
residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka
uji statistik menjadi tidak valid untuk jumlah sampel kecil. Uji
normalitas residual dilakukan dengan menggunakan Uji KolmogorovSmirnov dengan tingkat signifikansi 5%.
3.6.2.2 Uji Multikoloniearitas
Uji multikoloniearitas bertujuan untuk menguji apakah pada
model regresi ditemukan adanya korelasi antar variabel bebas.
Multikoloniearitas terjadi dalam analisis regresi berganda apabila
variabel-variabel bebas saling berkorelasi yang dapat dilihat dari nilai
tolerance dan lawannya Variance Inflation Factor (VIF). Kedua ukuran
tersebut menunjukkan variabel independen mana yang dijelaskan oleh
variabel independen yang lainnya. Tolerance mengukur variabilitas
variabel independen yang terpilih yang tidak dijelaskan oleh variabel
independen lainnya. Nilai tolerance yang rendah sama dengan nilai VIF
57
Universitas Sumatera Utara
tinggi (karena VIF = 1/tolerance). Nilai cut off yang umum dipakai
untuk menunjukkan adanya multikoloniearitas adalah nilai Tolerance <
0.10 atau sama dengan nilai VIF > 10.
3.6.2.3 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
yang
lain
tetap,
maka
disebut
homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model
regresi yang baik adalah Homoskedastisitas atau tidak terjadi
heteroskedastisitas. Uji statistik yang digunakan untuk mendeteksi ada
tidaknya heteroskedastisitas dalam penelitian ini adalah Uji Glejser. Uji
Glejser dilakukan dengan meregresikan variabel bebas terhadap nilai
residual mutlaknya dengan probabilitas signifikansi 5%. Suatu model
regresi dikatakan tidak mengandung adanya heteroskedastisitas, jika
tidak ada satu pun variabel independen yang signifikan secara statistik
mempengaruhi variabel dependen.
3.6.2.4 Uji Autokorelasi
Data yang digunakan dalam penelitian ini merupakan data time
series, sehingga menggunakan pengujian autokorelasi. Uji autokorelasi
bertujuan untuk
menguji apakah dalam model regresi linear ada
58
Universitas Sumatera Utara
korelasi antara kesalahan pengganggu pada periodet dengan kesalahan
pengganggu pada periodet-1. Untuk mengetahui ada tidaknya
autokorelasi dapat dilihat dari nilai Durbin Watson pada output
pengujian. Model regresi terbebas dari autokorelasi jika nilai Durbin
Watson hitung terletak di daerah no autocorrelation atau tidak terletak
di daerah negative/positive autocorrelation. Penentuan letak tersebut
dibantu dengan tabel dL dan dU, sesuai nilai K yang merupakan jumlah
variabel.
3.6.3
Analisis Regresi
Alat analisis data dalam penelitian ini menggunakan regresi linier
berganda untuk melihat ketergantungan variabel dependen dengan satu atau
lebih variabel independen. Persamaan regresi yang digunakan adalah:
Y= α + β1X1 + β2X2 + β3X3 + ε
Keterangan :
Y : Perilaku Oportunistik Penyusun Anggaran
X1 : Pendapatan Asli Daerah
X2 : Dana Alokasi Umum
X3 : Sisa Lebih Perhitungan Anggaran
α : Konstanta.
β : Koefisien Regresi.
ε : Error.
59
Universitas Sumatera Utara
3.6.4 Uji Hipotesis
Pengujian hipotesa dilakukan untuk menguji kemampuan variabel
independen (Pendapatan Asli Daerah, Dana Alokasi Umum, Sisa Lebih
Perhitungan Anggaran) dalarn mempengaruhi variabel dependen yaitu
Perilaku Oportunistik Penyusun Anggaran. Secara statistik, setidaknya ini
dapat diukur dari nilai koefisien determinasi (R2), nilai statistik F dan nilai
statistik t.
3.6.4.1 Uji Koefisien Determinasi
Koefisien
determinasi
(R2)
mengukur
seberapa
jauh
kemampuan model dalam menerangkan variasi variabel dependen. Nilai
koefisien determinasi adalah antara nol dan satu. Nilai R 2 yang kecil
berarti kemampuan variabelvariabel independen dalam menjelaskan
variasi variabel dependen amat terbatas. Nilai yang mendekati satu
berarti variabel-variabel independen memberikan hampir semua
informasi yang dibutuhkan untuk memprediksi variasi variabel
dependen. Secara umum, koefisien determinasi untuk data runtut waktu
(time series) biasanya mempunyai nilai koefisien determinasi yang
tinggi.
3.6.4.2 Uji F
Uji statistik F pada dasarnya menunjukkan apakah semua
variabel independen atau bebas yang dimasukkan dalam model
mempunyai
pengaruh
secara
bersama-sama
terhadap
variabel
60
Universitas Sumatera Utara
dependen/terikat. Uji F dapat dilakukan dengan melihat nilai
signifikansi F pada output hasil regresi menggunakan Stastistical
Package for Social Science (SPSS) dengan significance level 0,05 (5%).
Jika nilai signifikansi lebih besar dari 0,05 maka hipotesis
ditolak(koefisien regresi tidak signifikan), yang berarti secara simultan
variabel-variabel bebas tidak mempunyai pengaruh yang signifikan
terhadap variabel terikat. Jika nilai signifikansi lebih kecil dari 0,05
maka hipotesis tidak dapat ditolak (koefisien regresi signifikan). Ini
berarti bahwa secara simultan variabel-variabel bebas mempunyai
pengaruh yang signifikan terhadap variabel terikat.
3.6.4.3 Uji t
Pengujian ini bertujuan untuk mengetahui apakah masingmasing variabel independen mempengaruhi variabel dependen secara
signifikan. Dasar pengambilan keputusannya dilakukan dengan melihat
nilai signifikansi t masing – masing variabel pada output hasil regresi
dengan SPSS dengan tingkat signifikansi 0,05. Jika hasil regresi
menunjukkan nilai signifikansi < 0,05, maka kita menerima hipotesis
alternatif yang menyatakan bahwa suatu variabel independen secara
individual mempengaruhi variabel dependen.
61
Universitas Sumatera Utara
BAB IV
HASIL PEMBAHASAN
4.1. Gambaran Umum
Di dalam bab ini disajikan analisis terhadap data yang telah diperoleh selama
pelaksanaan penelitian. Metode analisis data yang digunakan dalam penelitian ini
adalah metode analisis statistik yang menggunakan persamaan regresi linier
berganda. Analisis data dimulai dengan mengolah data dengan menggunakan
Microsoft Excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian
menggunakan regresi linear berganda. Pengujian asumsi klasik, regresi linear
berganda digunakan dengan menggunakan software SPSS. Penelitian dimulai
dengan memasukkan variabel-variabel penelitian ke program SPSS tersebut dan
menghasilkan output sesuai metode analisis data yang telah ditentukan.
Data yang digunakan dalam penelitian ini adalah APBD kabupaten/ kota se
Sumatera Utara. Jumlah kabupaten/ kota se Sumatera Utara adalah sebanyak 33
Kabupaten/ Kota. Keseluruhan data tersebut kemudian dipilih sesuai kriteria yang
telah ditentukan berdasarkan metode purposive sampling sehingga data yang
terkumpul sebanyak 25 kabupaten/ kota. Berdasarkan 25 kabupaten/ kota tersebut,
kemudian dilakukan pengujian-pengujian.
62
Universitas Sumatera Utara
4.2. Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Informasi yang dibutuhkan dalam penelitian ini adalah data sekunder
yang diperoleh dari situs Direktorat Jenderal Perimbangan Keuangan
Kementerian Keuangan yaitu www.depkeu.djkp.go.id, berupa data keuangan
daerah dari tahun 2012-2015. Variabel yang digunakan dalam penelitian ini
adalah Pendapatan Asli Daerah (PAD), Dana Alokasi Umum (DAU), Sisa
Lebih Perhitungan Anggaran (SiLPA) sebagai variabel independen dan
Perilaku Oportunistik Penyusunan Anggaran (OPA) sebagai variabel
dependennya. Dari hasil dari pengujian statistik deskiptif atas variabelvariabel independen dengan variabel dependen tersebut maka diperoleh hasil
sebagai berikut:
Tabel 4.1
Hasil Statistik Deskriptif
Descriptive Statistics
N
Minimum
Maximum
Mean
Std. Deviation
OPA
75
-1.33E5
3.57E5
7.6886E4
98226.91118
PAD
75
-2.43E5
3.43E5
1.5659E4
58844.90086
DAU
75
-2.31E4
3.48E5
5.3640E4
50297.02931
SILPA
75
-1.20E5
1.21E5 -1.5721E2
33707.49845
Valid N (listwise)
75
Sumber: Output SPSS
Berikut ini adalah perincian deskriptif dari data yang telah diolah:
1.
Variabel Perilaku Oportunistik Penyusunan Anggaran memiliki nilai
minimum -1.33E5(-133.027) atau sekitar Rp. 133 Miliyar pada
Kabupaten Langkat tahun anggaran 2015, nilai maksimum 3.57E5
63
Universitas Sumatera Utara
(356.539) atau sekitar Rp. 365 Milyar pada Kota Medan tahun anggaran
2015 dan rata-rata 7.6886E4 (76.885,786) atau sekitar Rp. 76 dengan
jumlah pengamatan 75.
2.
Variabel Pendapatan Asli Daerah memiliki nilai minimum -2.43E5 (243.102) atau sekitar Rp. -243 Milyar yang merupakan penurunan
pendapatan asli daerah tahun anggaran 2014 dibanding dari tahun
anggaran 2013 pada Kota Medan, nilai maksimum 3.43E5 (342.559) atau
sekitar Rp. 342 Milyar yang merupakan kenaikan pendapatan asli daerah
tahun anggaran 2013 dibanding dari tahun anggaran 2012 dan rata-rata
1.5659E4 (15.659,44) atau sekitar Rp. 15 dengan jumlah pengamatan 75.
3.
Variabel Dana Alokasi Umum memiliki nilai minimum -2.31E4 (23.136) atau sekitar Rp. -23 Milyar yang merupakan penurunan dana
alokasi umum tahun anggaran 2015 dibanding dari tahun anggaran 2014
pada Kabupaten Labuhanbatu Selatan, nilai maksimum 3.48E5 (347.615)
atau sekitar Rp. 347 Milyar yang merupakan kenaikan dana alokasi
umum Kabupaten Simalungun tahun anggaran 2015 dibanding dari tahun
anggaran 2014 dan rata-rata 5.3640E4 (53.639,933) atau sekitar Rp. 53
Milyar dengan jumlah pengamatan 75.
4.
Variabel Sisa Lebih Perhitungan Anggaran memiliki nilai minimum 1.20E5 (-120.340) atau sekitar Rp. -120 Milyar yang merupakan
penurunan sisa lebih perhitungan anggaran tahun anggaran 2013
dibanding dari tahun anggaran 2012 pada Kota Medan, nilai maksimum
1.21E5 (120.993) atau sekitar Rp. 120 Milyar yang merupakan kenaikan
64
Universitas Sumatera Utara
sisa lebih perhitungan anggaran kota Medan tahun anggaran 2015
dibanding dari tahun anggaran 2014 dan rata-rata -1.5721E2 (-157,213)
atau sekitar Rp. -157 Milyar dengan jumlah pengamatan 75.
4.2.2 Uji Asumsi Klasik
4.2.2.1 Uji Normalitas
1. Grafik Histogram dan P-P Plot
Pengujian menggunakan grafik histogram dengan kriteria
pola distribusi yang tidak menceng ke kiri dan kekanan maka
dapat dinyatakan bahwa distribusi data berasal dari populasi
yang terdistribusi normal. Pengujian normalitas menggunakan
P-P Plot dengan kriteria, apabila titik-titik pada P-P Plot
berada pada garis lurus, maka dapat dinyatakan bahwa
distribusi data berasal dari populasi yang terdistribusi normal.
Gambar 4.1
Grafik Normal Histogram
65
Universitas Sumatera Utara
Gambar 4.2
Grafik Normal PP Plot
Berdasarkan hasil histogram dan diagram P-P Plot diatas
dapat diketahui bahwa grafik histogram memberikan pola
distribusi yang normal dan titik-titik menyebar di sekitar garis
lurus, seperti tampak pada gambar p-plot di atas. Hal ini berarti
bahwa data penelitian ini telah diambil dari populasi yang
terdistribusi normal.
2.
Analisis Statistik Kolmogorov-Smirnov Test
Untuk mendeteksi normalitas data, dapat pula dilakukan
melalui analisis statistik Kolmogorov-Smirnov Test (K-S). Uji
K-S dilakukan dengan membuat hipotesis :
H0 = Data residual terdistribusi normal.
H1 = Data residual tidak terdistribusi normal.
66
Universitas Sumatera Utara
Dasar pengambilan keputusan dalam uji K-S adalah
sebagai berikut:
a. Apabila probabilitas nilai Z uji K-S signifikan secara
statistik ditolak, yang berarti data terdistribusi tidak normal.
b. Apabila probabilitas nilai Z uji K-S tidak signifikan secara
statistik maka H0 diterima, yang berarti data terdistribusi
normal.
Tabel 4.2
Uji One-Sample Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N
75
Normal Parametersa
Mean
.0000000
Std. Deviation
Most Extreme Differences
7.54897702E4
Absolute
.074
Positive
.074
Negative
-.062
Kolmogorov-Smirnov Z
.638
Asymp. Sig. (2-tailed)
a. Test distribution is Normal.
.811
Sumber: Output SPSS
Dari
hasil
pengolahan
data
tersebut,
besar
nilai
Kolmogorov-Smirnov adalah 0.638 dengan nilai signifikansi
0,811 maka disimpulkan data terdistribusi secara normal
karena
nilai
signifikansi
diatas
0,05
atau
5%
yang
menunjukkan Ho diterima, sehingga dapat disimpulkan bahwa
data dalam model regresi telah terdistribusi secara normal,
67
Universitas Sumatera Utara
dimana nilai signifikansinya lebih besar dari 0.05 (p = 0.811 >
0.05).
4.2.2.2 Uji Multikolinearitas
Pengujian multikolinearitas dilakukan untuk membuktikan
apakah ubahan atau variabel bebas pada penelitian ini dapat
diasumsikan tidak saling berintervensi ketika dibuat pemodelan dengan
variabel terikat. Kriteria dinyatakan bahwa variabel bebas tidak saling
intervensi satu sama lain ketika
1. Jika nilai tolerance >10% dan nilai VIF < 10, maka dapat
disimpulkan bahwa tidak ada multikolinearitas antar variabel
independen dalam model regresi.
2. Jika nilai tolerance < 10% dan nilai VIF > 10, maka dapa
disimpulkan bahwa ada multikolinearitas antar variabel independen
dalam model regresi.
Pengujian multikoleniaritas dapat ditunjukkan sebagai berikut:
Tabel 4.3
Hasil Uji Multikolinearitas
Coefficients
Model
1 (Constant)
a
Unstandardized
Standardized
Collinearity
Coefficients
Coefficients
Statistics
B
Std. Error
Beta
t
Sig. Tolerance
VIF
29384.557
13132.504
2.238 .028
PAD
.734
.154
.440 4.766 .000
.977 1.024
DAU
.674
.181
.345 3.726 .000
.970 1.031
SILPA
.876
.267
.301 3.274 .002
.987 1.013
a. Dependent Variable: OPA
68
Universitas Sumatera Utara
Sumber: Output SPSS
Pada tabel hasil uji multikolinearitas di atas, diperoleh harga
VIF tidak ada yang melebihi dari nilai 10 dan Tolerance > 10%.
Dengan demikian dapat disimpulkan bahwa model regresi tersebut
tidak terdapat masalah multikolinieritas antar variabel independen
dalam model regresi.
4.2.2.3 Uji Heterokedasitas
Uji Heteroskedastisitas bertujuan untuk melihat apakah di
dalam model regresi terjadi ketidaksamaan variabel dari residual satu
pengamatan ke pengamatan lain. Pengujian heteroskedastisitas pada
penelitian ini menggunakan dasar analitis sebagai berikut :
1. Jika ada pola tertentu, seperti titik-titik yang ada akan membentuk
pola tertentu yang teratur,maka mengindikasikan telah terjadi
heteroskedastisitas.
2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dan
dibawah angka 0 pada sumbu Y, maka mengindikasikan tidak terjadi
heteroskedastisitas.
69
Universitas Sumatera Utara
Gambar 4.3
Hasil Uji Scatter Plot
Dari grafik scatterplot pada gambar 4.3 diatas terlihat bahwa
titik-titik menyebar secara acak baik di atas maupun di bawah angka 0
pada sumbu Y tidak membentuk pola tertentu atau tidak teratur. Titiktitik yang menyebar menjauh dari titik-titik yang lain mengindikasikan
bahwa adanya data observasi yang sangat berbeda dengan data
penelitian lainnya. Maka dapat di simpulkan bahwa tidak terjadi
heteroskedastisitas pada model regresi ini sehingga model ini layak
untuk digunakan untuk melihat pengaruh Pendapatan Asli Daerah, Sisa
Lebih Perhitungan Anggaran dan Dana Alokasi Umum terhadap
perilaku oportunistik penyusunan anggaran Kabupaten/Kota di Provinsi
Sumatera.
70
Universitas Sumatera Utara
4.2.2.4 Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam model
regresi linear ada korelasi antara kesalahan penganggu pada periode t
dengan kesalahan pengganggu periode t-1 (sebelumnya). Autokorelasi
muncul karena observasi yang berurutan sepanjang waktu berkaitan
satu
sama
lainnya.
Adanya
autokorelasi
dapat
diuji
dengan
menggunakan Uji Durbin-Watson, pengambilan keputusan ada tidaknya
autokorelasi:
1. Bila nilai DW terletak antara batas atas atau upper bound (du) dan (4
- du), maka koefisien autokorelasi sama dengan nol, berarti tidak ada
autokorelasi.
2. Bial nilai DW lebih rendah daripada batas bawah atau lower bound
(dl), maka koefisien autokorelasi lebih besar daripada nol, berarti ada
autokorelasi positif.
3. Bila nilai DW lebih besar daripada (4 - dl), maka koefisien
autokorelasi lebih kecil daripada nol, berarti ada autokorelasi negatif.
4. Bila nilai DW terletak di antara batas atas (du) dan batas bawah (dl)
ada DW terletak antara (4 - du) dan (4 - dl), maka hasilnya tidak
dapat disimpulkan.
Hasil output yang didapatkan dari uji Autokorelasi yang
digunakan dengan uji Durbin-Watson (DW) adalah sebagai berikut:
71
Universitas Sumatera Utara
Tabel 4.4
Hasil Uji Autokorelasi
Model Summaryb
Model
1
R
R Square
.640
a
Adjusted R
Std. Error of the
Square
Estimate
.409
.384
77068.12421
Durbin-Watson
2.161
a. Predictors: (Constant), SILPA, PAD, DAU
b. Dependent Variable: OPA
Sumber: Output SPSS
Dari hasil output diatas nilai DW/d yang dihasilkan adalah
2,161. Sedangkan dari tabel DW dengan signifikansi 0,05 (5%) dan
jumlah data (n) = 75, serta jumlah variabel (k) = 3 diperoleh nilai dL
sebesar 1,5432 dan dU sebesar 1,7092. DW terletakan diantara du dan
(4-du), dimana 2,161 berada diantara 1,7092 dan 2,2908 (1,7092 <
2,161 < 2,2908) yang berarti tidak terjadi autokorelasi.
4.2.3 Analisis Regresi
Alat analisis data dalam penelitian ini menggunakan regresi linier
berganda untuk melihat ketergantungan variabel dependen dengan satu atau
lebih variabel independen. Persamaan regresi dapat dilihat dari tabel hasil
Uji Coefficient terhadap ketiga variabel independen yaitu Pendapatan Asli
Daerah, Dana Alokasi Umum dan Sisa Lebih Perhitungan Anggaran terhadap
perilaku oportunistik penyusunan anggaran Kabupaten/Kota di Provinsi
Sumatera, ditunjukkan pada tabel berikut:
72
Universitas Sumatera Utara
Tabel 4.5
Hasil Analisis Regresi
Coefficientsa
Standardized
Unstandardized Coefficients
Model
1
B
(Constant)
Coefficients
Std. Error
29384.557
13132.504
PAD
.734
.154
DAU
.674
SILPA
.876
Beta
t
Sig.
2.238
.028
.440
4.766
.000
.181
.345
3.726
.000
.267
.301
3.274
.002
a. Dependent Variable: OPA
Sumber: Output SPSS
Dari tabel di atas dapat disusun Persamaan Regresi Berganda sebagai
berikut :
OPA = 29.384,557 + 0,734PAD+ 0,674DAU + 0,876SiLPA + ε
Keterangan :
Y : Perilaku Oportunistik Penyusun Anggaran (OPA)
X1 : Pendapatan Asli Daerah (PAD)
X2 : Dana Alokasi Umum (DAU)
X3 : Sisa Lebih Perhitungan Anggaran (SiLPA)
ε : Error.
Berdasarkan hasil persamaan regresi berganda tersebut masing-masing
variabel menjelaskan bahwa:
1. Konstanta (α) sebesar 29.384,557 menyatakan bahwa apabila tidak ada
variabel bebas maka nilai Perilaku Oportunistik Penyusun Anggaran
(OPA) adalah sebesar 29.384,557.
73
Universitas Sumatera Utara
2. Pendapatan Asli Daerah (PAD) memiliki arah hubungan positif sejauh
0,734. Dengan asumsi setiap kenaikan pada Pendapatan Asli Daerah
(PAD) akan menyebabkan peningkatan pada Perilaku Oportunistik
Penyusun Anggaran (OPA) sebesar 73,4%, dan sebaliknya penurunan
Pendapatan Asli Daerah (PAD) akan menyebabkan penurunan pada pada
Perilaku Oportunistik Penyusun Anggaran (OPA) sebesar 73,4%.
3. Dana Alokasi Umum (DAU) memiliki arah hubungan positif sejauh 0,674.
Dengan asumsi setiap kenaikan pada Dana Alokasi Umum (DAU) akan
menyebabkan peningkatan pada Perilaku Oportunistik Penyusun Anggaran
(OPA) sebesar 67,4%, dan sebaliknya penurunan Dana Alokasi Umum
(DAU) akan menyebabkan penurunan pada pada Perilaku Oportunistik
Penyusun Anggaran (OPA) sebesar 67,4%.
4. Sisa Lebih Perhitungan Anggaran (SiLPA) memiliki arah hubungan positif
sejauh 0,874. Dengan asumsi setiap kenaikan pada Sisa Lebih Perhitungan
Anggaran (SiLPA) akan menyebabkan peningkatan pada Perilaku
Oportunistik Penyusun Anggaran (OPA) sebesar 87,4%, dan sebaliknya
penurunan Sisa Lebih Perhitungan Anggaran (SiLPA) akan menyebabkan
penurunan pada pada Perilaku Oportunistik Penyusun Anggaran (OPA)
sebesar 87,4%.
4.2.4 Pengujian Hipotesis
Pengujian hipotesis dilakukan untuk mengetahui pengaruh variabel
independen terhadap variabel dependen. Pengujian hipotesis secara statistik
74
Universitas Sumatera Utara
dilakukan dengan menggunakan analisis koefisien derterminasi, uji parsial (ttest) dan uji simultan (Ftest).
4.2.4.1 Analisis Koefisien Determinasi
Uji koefisien determinasi (R2) dilakukan untuk menunjukkan
seberapa besar presentase variasi variabel independen yang digunakan
dalam model mampu menjelaskan variasi variabel dependen. Nilai
koefisien determinasi ini terletak diantara nol dan satu.
Tabel 4.6
Hasil Uji Koefisien Determinasi
Model Summary
Model
R
1
.640
R Square
a
Adjusted R
Std. Error of the
Square
Estimate
.409
.384
77068.12421
a. Predictors: (Constant), SILPA, PAD, DAU
Sumber: Output SPSS
Pada model summary angka adjusted R Square atau koefesien
determinasi adalah 0,409, hal ini berarti 40,9 % variasi atau perubahan
dalam Perilaku Oportunistik Penyusunan Anggaran dapat dijelaskan
dengan variasi Pendapatan Asli Daerah, Dana alokasi Umum, dan Sisa
Lebih Perhitungan Aggaran sedangkan sisanya 59,1% dijelaskan oleh
sebab-sebab lain.
4.2.4.2 Uji t
Uji t digunakan untuk mengetahui signifikansi konstanta dan
setiap variabel independennya. Berdasarkan pengolahan data dalam
SPSS, diperoleh hasil sebagai berikut:
75
Universitas Sumatera Utara
Tabel 4.7
Hasil Uji t
Coefficients
a
Standardized
Unstandardized Coefficients
Model
1
B
(Constant)
Std. Error
29384.557
13132.504
PAD
.734
.154
DAU
.674
SILPA
.876
Coefficients
Beta
t
Sig.
2.238
.028
.440
4.766
.000
.181
.345
3.726
.000
.267
.301
3.274
.002
a. Dependent Variable: OPA
Sumber: Output SPSS
Uji t dilakukan untuk menyelidiki lebih lanjut, mana diantara
variabel independen yang berpengaruh terhadap OPA. Uji t dilakukan
dengan membandingkan t hitung dengan t tabel, taraf signifikansi 5% :
2 = 2,5% (uji 2 sisi) dengan derajat kebebasan df = n - k (dimana n =
jumlah data observasi an k = jumlah variabel independen termasuk
variabel dependen) atau 75 - 4 = 71. Dengan pengujian 2 sisi
(signifikansi = 0,025), maka hasil diperoleh untuk t tabel sebesar
1,99394.Sehingga didapat hasil pengujian sebagai berikut :
a. Variabel PAD memiliki t hitung sebesar 4,766 dengan taraf
signifikasi 0.000 dibawah signifiknsi 0,05 (5%). Dengan demikian t
hitung > t tabel atau 4,766 > 1,99394. Sehingga dapat disimpulkan
bawah PAD berpengaruh secara partial terhadap OPA. Hal ini
membuktikan bahawa hipotesi H0 diterima, PAD berpengaruh
terhadap OPA pada Kabupaten/ Kota di provinsi Sumatera Utara.
76
Universitas Sumatera Utara
b. Variabel DAU memiliki t hitung sebesar 3,726 dengan taraf
signifikasi 0.000 dibawah signifiknsi 0,05 (5%). Dengan demikian t
hitung > t tabel atau 3,726 > 1,99394. Sehingga dapat disimpulkan
bawah PAD berpengaruh secara partial terhadap OPA. Hal ini
membuktikan bahawa hipotesi H0 diterima, DAU berpengaruh
terhadap OPA pada Kabupaten/ Kota di provinsi Sumatera Utara.
c. Variabel SiLPA memiliki t hitung sebesar 3,274 dengan taraf
signifikasi 0.002 dibawah signifiknsi 0,05 (5%). Dengan demikian t
hitung > t tabel atau 3,274 > 1,99394. Sehingga dapat disimpulkan
bawah PAD berpengaruh secara partial terhadap OPA. Hal ini
membuktikan bahawa hipotesi H0 diterima, SiLPA berpengaruh
terhadap OPA pada Kabupaten/ Kota di provinsi Sumatera Utara.
4.2.4.3 Uji F
Uji F atau uji simultan dilakukan untuk mengetahui apakah
variabel bebas memiliki pengaruh secara bersama-sama ataupun
simultan terhadap variabel terikat, apabila nilai signifikan yang
diperoleh kurang dari 0,05.
77
Universitas Sumatera Utara
Tabel 4.8
Hasil Uji F
b
ANOVA
Model
1
Sum of Squares
df
Mean Square
F
Regression
2.923E11
3
9.743E10
Residual
4.217E11
71
5.939E9
Total
7.140E11
74
16.404
Sig.
.000
a
a. Predictors: (Constant), SILPA, PAD, DAU
b. Dependent Variable: OPA
Sumber: Output SPSS
Dari uji ANOVA atau Ftest , diperoleh f hitung sebesar 16,404
dengan
tingkat
signifikansi
0,000.
Uji
f
dilakukan
dengan
membandingkan f hitung dengan f tabel, dengan probabilita 0.05 derajat
kebebasan df = n - k (dimana n = jumlah data observasi dan k = jumlah
variabel independen) atau 75 - 3 = 72, maka hasil diperoleh untuk f
tabel sebesar 2,73. Hal ini menunjukkan bahwa Pendapatan Asli
Daerah, Sisa Lebih Perhitungan Anggaran dan Dana Alokasi Umum
berpengaruh secara simultan terhadap perilaku oportunistik penyusunan
anggaran Kabupaten/Kota di Provinsi Sumatera karena fhitung > ftabel
(16,405 > 2,73) dan signifikansi penelitian 0,000 < 0,05.
78
Universitas Sumatera Utara
BAB V
KESIMPULAN DAN SARAN
5.1 KESIMPULAN
Beberapa hal yang dapat disimpulkan antara lain:
1.
Pendapatan Asli Daerah (X1) berpengaruh secara signifikan terhadap
Perilaku Oportunistik Penyusunan Anggaran (Y) pada Kabupaten/ Kota di
provinsi Sumatera Utara. Hal ini dapat dilihat dari t-test, dimana nilai t hitung
variabel Pendapatan Asli Daerah diperoleh sebesar 4,766 lebih besar dari t
tabel sebesar 1,99394 dan nilai signifikansiya sebesar 0,000 yang lebih kecil
dari tingkat signifikansi alpha yang telah ditetapkan yaitu 0,05.
2.
Dana Alokasi Umum (X2) berpengaruh secara signifikan terhadap Perilaku
Oportunistik Penyusunan Anggaran (Y) pada Kabupaten/ Kota di provinsi
Sumatera Utara. Hal ini dapat dilihat dari t-test, dimana nilai t hitung variabel
Dana Alokasi umum diperoleh sebesar 3,726 lebih besar dari t tabel sebesar
1,99394 dan nilai signifikansiya sebesar 0,000 yang lebih kecil dari tingkat
signifikansi alpha yang telah ditetapkan yaitu 0,05.
3.
Sisa Lebih Perhitungan Anggaran (X3) berpengaruh secara signifikan
terhadap Perilaku Oportunistik Penyusunan Anggaran (Y) pada Kabupaten/
Kota di provinsi Sumatera Utara. Hal ini dapat dilihat dari t-test, dimana nilai
t hitung variabel Sisa Lebih Perhitumgan Anggaran diperoleh sebesar 3,274
lebih besar dari t tabel sebesar 1,99394 dan nilai signifikansiya sebesar 0,002
79
Universitas Sumatera Utara
yang lebih kecil dari tingkat signifikansi alpha yang telah ditetapkan yaitu
0,05.
4.
Berdasarkan Uji F, Pendapatan Asli Daerah (X1), Dana Alokasi Umum (X2)
dan Sisa Lebih Perhitungan Anggaran (X3) secara simultan berpengaruh
terhadap Perilaku Oportunistik Penyusunan Anggaran (Y) pada Kabupaten/
Kota di provinsi Sumatera Utara. Uji F diperoleh nilai f hitung sebesar 16,404
yag lebih besar dari nilai f tabel sebesar 2,73 dan nilai signifikan sebesar
0,000 yang lebih kecil dari tingkat signifikasi alpa yaitu 0,005.
5.2 SARAN
Adapun saran yang dapat penulis berikan sehubungan dengan keterbatasan
yang terdapat pada penelitian ini adalah sebagai berikut:
1. Pemerintah Daerah hendaknya lebih meningkatkan kualitas penyusunan
anggaran dengan mengutamakan alokasi belanja sesuai kebutuhan masyarakat,
transparansi anggaran serta menerapkan pengawasan mulai dari proses
perencanaan anggaran.
2. Untuk menekan perilaku oportunistik pada belanja hibah dan bansos,
disarankan agar mekanisme pengajuan diverifikasi lebih teliti dan pencairan
dilakukan sesuai prosedur.
3. Berdasarkan nilai koefisien determinasi sebesar 0,409, menunjukkan bahwa
masih terdapat 59,1% pengaruh variabel lain yang mampu menjelaskan variasi
variabel perilaku oportunistik penyusun anggaran, maka disarankan bagi
peneliti selanjutnya untuk meneliti faktor lain yang berpengaruh terhadap
80
Universitas Sumatera Utara
perilaku oportunistik penyusun anggaran seperti pinjaman daerah yang belum
dapat dikembangkan pada penelitian ini karena keterbatasan data yang tersedia.
81
Universitas Sumatera Utara
METODE PENELITIAN
3.1 Jenis Penelitian
Penelitian ini menggunakan desain penelitian kausal. Desain penelitian kausal
merupakan desain penelitian yang bertujuan menganalisis hubungan sebab akibat
antara satu variabel dengan variabel lainnya. Penelitian ini menguji pengaruh
Pendapatan Asli Daerah (PAD), Dana Alokasi Umum (DAU), Sisa Lebih
Perhitungan Anggaran (SiLPA) terhadap Perilaku Oportunistik Penyusunan
Anggaran.
3.2 Defenisi Operasional dan Pengukuran Variabel
Variabel-variabel dalam penelitian ini terdiri dari variabel dependen yaitu
perilaku oportunistik penyusun anggaran dan variabel independen yaitu PAD,
DAU dan SiLPA.
3.2.1 Variabel Dependen
Variabel dependen pada penelitian ini adalah Perilaku Oportunistik
Penyusun Anggaran (OPA). OPA menunjukkan perubahan (spread) alokasi
anggaran belanja tertentu dari APBD tahun sebelumnya ke APBD tahun
berjalan. Spread terjadi karena perbedaan preferensi dalam pengalokasian
sumberdaya antara principal dan agents. Nilai OPA menunjukkan adanya
perilaku
penyusun
anggaran
yang
memanfaatkan
kekuasaan
dan
kewenangannya untuk mempengaruhi kebijakan pengalokasian anggaran
48
Universitas Sumatera Utara
sesuai dengan preferensi diri atau kelompoknya, sehingga nilai OPA
menggambarkan besaran self-interest penyusun anggaran. Pengukuran OPA
dikembangkan dari penelitian Abdullah (2012), namum penelitian ini
menggunakan pengukuran OPA Abdullah (2012) yang telah dikembangkan
oleh Parwati (2015) yaitu dengan menghilangkan peningkatan anggaran
legislatif dan menggantinya dengan peningkatan belanja hibah dan bansos
dari tahun sebelumnya ke tahun berjalan dengan tahap pengukuran sebagai
berikut:
1. Menghitung spread alokasi anggaran belanja dari APBD tahun berjalan
ke tahun sebelumnya. Perhitungan spread(Δ) = APBD tahun berjalan (t)
– APBD tahun sebelumnya (t-1). Sektor yang diamati adalah pendidikan,
kesehatan, pekerjaan umum, hibah dan bansos, yaitu :
a) ΔPdk yaitu penurunan alokasi untuk belanja pendidikan
b) ΔKes yaitu penurunan alokasi untuk belanja kesehatan
c) ΔPU yaitu kenaikan alokasi untuk belanja PU
d) ΔHibah yaitu kenaikan alokasi untuk belanja hibah
e) ΔBansos yaitu kenaikan alokasi untuk belanja bansos.
Semua kenaikan dan penurunan alokasi tersebut dinyatakan dalam satuan
rupiah dan bertanda positif, namun jika yang terjadi sebaliknya atau tidak
terjadi perubahan seperti di atas maka diberi nilai 0 (nol).
2. Mengagregasi atau menggabungkan spread yang menunjukkan OPA
secara keseluruhan. Perhitungan OPA= ΔPdk + ΔKes + ΔPU + ΔHibah
+ Δbansos.
49
Universitas Sumatera Utara
3.2.2 Variabel Independen
Variabel independen pada penelitian ini yang mempengaruhi OPA
terdiri dari tiga variabel yaitu Pendapatan Asli Daerah (PAD), Dana Alokasi
Umum (DAU) dan Sisa Lebih Perhitungan Anggaran (SiLPA).
1. Pendapatan Asli Daerah (PAD)
PAD merupakan pendapatan daerah yang terdiri dari Pajak Daerah,
Retribusi Daerah, Pendapatan dari Laba Perusahaan Daerah dan lain-lain
pendapatan. Pengukuran PAD menggunakan spread PAD (Δ PAD) adalah
perubahan naik atau turunnya PAD dari APBD tahun berjalan (t) ke APBD
tahun sebelumnya (t-1) (Abdullah, 2012).
2. Dana Alokasi Umum (DAU)
DAU adalah transfer yang bersifat umum dari Pemerintah Pusat ke
Pemerintah Daerah untuk menunjang pelaksanaan desentraliasi (Halim,
2007). Jumlah keseluruhan DAU untuk masing-masing Kabupaten/Kota
dapat dilihat dari pos dana perimbangan dalam APBD. Pengukuran DAU
dengan menggunakan spread Dana Alokasi Umum (Δ DAU) dari APBD
tahun berjalan (t) ke APBD tahun sebelumnya (t-1) (Sularso dkk., 2014).
3. Sisa Lebih Perhitungan Anggaran (SiLPA)
SiLPA mencakup pelampauan penerimaan PAD, pelampauan penerimaan
dana perimbangan, pelampauan penerimaan lain-lain pendapatan daerah
yang sah, pelampauan penerimaan pembiayaan, penghematan belanja,
kewajiban kepada pihak ketiga sampai dengan akhir tahun terselesaikan
dan sisa dana kegiatan lanjutan, yang ditanggung dalam perubahan APBD.
50
Universitas Sumatera Utara
SiLPA diukur dengan spread SiLPA (ΔSiLPA) dari APBD tahun berjalan
(t) ke APBD tahun sebelumnya (t-1) (Sularso dkk., 2014).
Tabel 3.1
Definisi Operasional dan Skala Pengukuran
Variabel
Definisi
Pendapatan Pendapatan daerah yang
dari
Pajak
Asli Daerah terdiri
(X1)
Daerah,
Retribusi
Daerah,
Pendapatan
dari Laba Perusahaan
Daerah dan lain-lain
pendapatan yang sah
Dana
Transfer yang bersifat
Alokasi
umum dari Pemerintah
Umum
Pusat ke Pemerintah
Daerah
untuk
(X2)
menunjang pelaksanaan
desentraliasi
Sisa
lebih
realisasi
Sisa Lebih
dan
Perhitungan penerimaan
pengeluaran
anggaran
Anggaran
selama satu periode
(X3)
anggaran.
Perilaku
Oportunistik
Penyusunan
Anggaran
(Y)
Perilaku
oportunistik
merupakan
perilaku
yang
berusaha
mencapai
keinginan
dengan segala cara
bahkan cara ilegal
sekalipun
Indikator
Selisih/ perubahan naik
atau turunnya PAD dari
APBD tahun berjalan (t)
ke APBD tahun
sebelumnya (t-1)
Skala
Pengukuran
Rasio
Selisih/ perubahan naik
Rasio
atau turunnya Dana
Alokasi Umum (Δ DAU)
dari APBD tahun
berjalan (t) ke APBD
tahun sebelumnya (t-1)
Selisih/ perubahan naik
Rasio
atau turunnya SiLPA
(ΔSiLPA) dari APBD
tahun berjalan (t) ke
APBD tahun sebelumnya
(t-1)
1. Menghitung spread
Rasio
alokasi
anggaran
belanja dari APBD
tahun berjalan ke tahun
sebelumnya.
Sektor
yang diamati adalah
pendidikan, kesehatan,
pekerjaan umum, hibah
dan bansos, yaitu :
a) ΔPdk yaitu penurunan
alokasi untuk belanja
pendidikan
b) ΔKes yaitu penurunan
alokasi untuk belanja
kesehatan
c) ΔPU yaitu kenaikan
alokasi untuk belanja PU
51
Universitas Sumatera Utara
d) ΔHibah yaitu kenaikan
alokasi untuk belanja
hibah
e)
ΔBansos
yaitu
kenaikan alokasi untuk
belanja bansos
2.
Menggabungkan
spread
yang
menunjukkan
OPA
secara keseluruhan.
OPA= ΔPdk + ΔKes +
ΔPU + ΔHibah +
Δbansos
3.3 Populasi dan Sampel
Populasi dalam penelitian ini adalah seluruh APBD Kabupaten/Kota di
Provinsi sumatera utara yang terdiri dari 33 kabupaten/ kota untuk kurun waktu
2012-2015. Kabupaten/kota yang ada di Provinsi Sumatera Utara adalah:
1.
Kab. Asahan
2.
Kab. Dairi
3.
Kab. Deli Serdang
4.
Kab. Tanah Karo
5.
Kab. Labuhan Batu
6.
Kab. Langkat
7.
Kab. Mandailing Natal
8.
Kab. Nias
9.
Kab. Simalungun
10. Kab. Tapanuli Selatan
52
Universitas Sumatera Utara
11. Kab. Tapanuli Tengah
12. Kab. Tapanuli Utara
13. Kab. Toba Samosir
14. Kota Binjai
15. Kota Medan
16. Kota Pematang Siantar
17. Kota Sibolga
18. Kota Tanjung Balai
19. Kota Padang Sidempuan
20. Kota Tebing Tinggi
21. Kab. Pakpak Bharat
22. Kab. Nias Selatan
23. Kab. Humbang Hasundutan
24. Kab. Serdang Bedagai
25. Kab. Samosir
26. Kab. Batu Bara
27. Kab. Padang Lawas
28. Kab. Padang Lawas Utara
29. Kab. Labuhanbatu Selatan
30. Kab. Labuhanbatu Utara
31. Kab. Nias Utara
32. Kab. Nias Barat
33. Kota Gunung Sitoli
53
Universitas Sumatera Utara
Teknik pengambilan sampel dalam penelitian ini dengan menggunakan
metode purposive sampling. Pengambilan sampel bertujuan (purposive sampling)
dilakukan dengan mengambil sampel dari populasi berdasarkan kriteria tertentu.
Kriteria yang
digunakan dapat berdasarkan perimbangan (judgement) atau
berdasarkan suatu kriteria tertentu.
Adapun kriteria pengambilan sampel dalam penelitian ini adalah:
1. Seluruh Kabupaten/Kota di Provinsi Sumatera Utara yang melaporkan secara
rutin APBD dari Urusan Pendidikan, Urusan Kesehatan, Urusan Pekerjaan
Umum selama 4 tahun yaitu tahun 2012 – 2015
2. Seluruh Kabupaten/Kota di Provinsi Sumatera Utara yang melaporkan secara
rutin APBD tahun anggaran 2012 – 2015 yang mempublikasikan PAD, SiLPA,
DAU, Belaja Hibah, dan Belanja Bansos.
Berdasarkan kriteria yang ditentukan dalam penelitian ini maka sampel
diperoleh 25 Kabupaten/kota dari 33 Kabupaten/kota di Provinsi Sumatera Utara.
Berikut adalah tabel prosedur pemilihan sampel.
Tabel 3.2
Tabel Prosedur pemilihan sampel
No
Kabupaten/ Kota
Kriteria
1
2
1
2
3
Kab. Asahan
Kab. Dairi
Kab. Deli Serdang
4
Kab. Tanah Karo
-
Ket.
tidak melaporkan APBD dari Urusan
Pendidikan, Urusan Kesehatan, Urusan
Pekerjaan Umum tahun 2014
5
6
7
Kab. Labuhan Batu
Kab. Langkat
Kab. Mandailing Natal
54
Universitas Sumatera Utara
8
Kab. Nias
-
tidak melaporkan APBD dari Urusan
Pendidikan, Urusan Kesehatan, Urusan
Pekerjaan Umum tahun 2012
9
10
Kab. Simalungun
Kab. Tapanuli Selatan
11
Kab. Tapanuli Tengah
-
12
13
Kab. Tapanuli Utara
Kab. Toba Samosir
14
Kota Binjai
-
15
16
Kota Medan
Kota Pematang Siantar
17
Kota Sibolga
-
18
Kota Tanjung Balai
19
Kota Tebing Tinggi
-
tidak melaporkan APBD dari Urusan
Pendidikan, Urusan Kesehatan, Urusan
Pekerjaan Umum tahun 2015
tidak melaporkan APBD dari Urusan
Pendidikan, Urusan Kesehatan, Urusan
Pekerjaan Umum tahun 2015
tidak melaporkan APBD dari Urusan
Pendidikan, Urusan Kesehatan, Urusan
Pekerjaan Umum tahun 2015
tidak melaporkan APBD dari Urusan
Pendidikan, Urusan Kesehatan, Urusan
Pekerjaan Umum tahun 2012
20
Kota Padang Sidempuan
-
tidak melaporkan APBD dari Urusan
Pendidikan, Urusan Kesehatan, Urusan
Pekerjaan Umum tahun 2015
21
22
23
24
25
26
27
28
29
30
31
Kab. Pakpak Bharat
Kab. Nias Selatan
Kab. Humbang Hasundutan
Kab. Serdang Bedagai
Kab. Samosir
Kab. Batu Bara
Kab. Padang Lawas
Kab. Padang Lawas Utara
Kab. Labuhanbatu Selatan
Kab. Labuhanbatu Utara
Kab. Nias Utara
32
Kab. Nias Barat
-
Pendidikan, Urusan Kesehatan, Urusan
tidak melaporkan APBD dari Urusan
Pekerjaan Umum tahun 2015
33
Kota Gunung Sitoli
Sumber: Hasil pengolahan sendiri
55
Universitas Sumatera Utara
3.4 Jenis dan Sumber Data
Jenis data dalam penelitian ini adalah data sekunder, yaitu Data sekunder
merupakan sumber data penelitian yang diperoleh peneliti secara tidak langsung
melalui media perantara (diperoleh dan dicatat pihak lain). Sumber data sekunder
dalam penelitian ini diperoleh dari situs Direktorat Jenderal Perimbangan
Keuangan Kementerian Keuangan yaitu www.depkeu.djkp.go.id.
3.5 Metode Pengumpulan Data
Metode pengumpulan data dilakukan dengan metode dokumentasi, yaitu
metode mengumpulkan data sekunder yang berasal dari laporan keuangan
pemerintah Kabupaten/ kota di sumatera utara.
3.6 Teknik Analisis Data
Keseluruhan data yang terkumpul selanjutnya dianalisis untuk memberikan
jawaban dari masalah yang dibahas dalam penelitian ini- Dalam menganalisis
data, peneliti menggunakan program SPSS. Metode data yang digunakan dalam
penelitian ini adalah metode analisis statistik
3.6.1
Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data
yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum,
minimum, sum, range, dan skewness (kemencengan distribusi), sehingga
secara kontekstual dapat lebih mudah dimengerti oleh pembaca.
56
Universitas Sumatera Utara
3.6.2 Pengujian Asumsi Klasik
Uji asumsi klasik dilakukan untuk memastikan bahwa sampel yang
diteliti
terbebas
dari
gangguan
normalitas,
multikolonieritas,
heteroskedastisitas, dan autokorelasi.
3.6.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model
regresi, variabel pengganggu atau residual memiliki distribusi normal.
Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai
residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka
uji statistik menjadi tidak valid untuk jumlah sampel kecil. Uji
normalitas residual dilakukan dengan menggunakan Uji KolmogorovSmirnov dengan tingkat signifikansi 5%.
3.6.2.2 Uji Multikoloniearitas
Uji multikoloniearitas bertujuan untuk menguji apakah pada
model regresi ditemukan adanya korelasi antar variabel bebas.
Multikoloniearitas terjadi dalam analisis regresi berganda apabila
variabel-variabel bebas saling berkorelasi yang dapat dilihat dari nilai
tolerance dan lawannya Variance Inflation Factor (VIF). Kedua ukuran
tersebut menunjukkan variabel independen mana yang dijelaskan oleh
variabel independen yang lainnya. Tolerance mengukur variabilitas
variabel independen yang terpilih yang tidak dijelaskan oleh variabel
independen lainnya. Nilai tolerance yang rendah sama dengan nilai VIF
57
Universitas Sumatera Utara
tinggi (karena VIF = 1/tolerance). Nilai cut off yang umum dipakai
untuk menunjukkan adanya multikoloniearitas adalah nilai Tolerance <
0.10 atau sama dengan nilai VIF > 10.
3.6.2.3 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
yang
lain
tetap,
maka
disebut
homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model
regresi yang baik adalah Homoskedastisitas atau tidak terjadi
heteroskedastisitas. Uji statistik yang digunakan untuk mendeteksi ada
tidaknya heteroskedastisitas dalam penelitian ini adalah Uji Glejser. Uji
Glejser dilakukan dengan meregresikan variabel bebas terhadap nilai
residual mutlaknya dengan probabilitas signifikansi 5%. Suatu model
regresi dikatakan tidak mengandung adanya heteroskedastisitas, jika
tidak ada satu pun variabel independen yang signifikan secara statistik
mempengaruhi variabel dependen.
3.6.2.4 Uji Autokorelasi
Data yang digunakan dalam penelitian ini merupakan data time
series, sehingga menggunakan pengujian autokorelasi. Uji autokorelasi
bertujuan untuk
menguji apakah dalam model regresi linear ada
58
Universitas Sumatera Utara
korelasi antara kesalahan pengganggu pada periodet dengan kesalahan
pengganggu pada periodet-1. Untuk mengetahui ada tidaknya
autokorelasi dapat dilihat dari nilai Durbin Watson pada output
pengujian. Model regresi terbebas dari autokorelasi jika nilai Durbin
Watson hitung terletak di daerah no autocorrelation atau tidak terletak
di daerah negative/positive autocorrelation. Penentuan letak tersebut
dibantu dengan tabel dL dan dU, sesuai nilai K yang merupakan jumlah
variabel.
3.6.3
Analisis Regresi
Alat analisis data dalam penelitian ini menggunakan regresi linier
berganda untuk melihat ketergantungan variabel dependen dengan satu atau
lebih variabel independen. Persamaan regresi yang digunakan adalah:
Y= α + β1X1 + β2X2 + β3X3 + ε
Keterangan :
Y : Perilaku Oportunistik Penyusun Anggaran
X1 : Pendapatan Asli Daerah
X2 : Dana Alokasi Umum
X3 : Sisa Lebih Perhitungan Anggaran
α : Konstanta.
β : Koefisien Regresi.
ε : Error.
59
Universitas Sumatera Utara
3.6.4 Uji Hipotesis
Pengujian hipotesa dilakukan untuk menguji kemampuan variabel
independen (Pendapatan Asli Daerah, Dana Alokasi Umum, Sisa Lebih
Perhitungan Anggaran) dalarn mempengaruhi variabel dependen yaitu
Perilaku Oportunistik Penyusun Anggaran. Secara statistik, setidaknya ini
dapat diukur dari nilai koefisien determinasi (R2), nilai statistik F dan nilai
statistik t.
3.6.4.1 Uji Koefisien Determinasi
Koefisien
determinasi
(R2)
mengukur
seberapa
jauh
kemampuan model dalam menerangkan variasi variabel dependen. Nilai
koefisien determinasi adalah antara nol dan satu. Nilai R 2 yang kecil
berarti kemampuan variabelvariabel independen dalam menjelaskan
variasi variabel dependen amat terbatas. Nilai yang mendekati satu
berarti variabel-variabel independen memberikan hampir semua
informasi yang dibutuhkan untuk memprediksi variasi variabel
dependen. Secara umum, koefisien determinasi untuk data runtut waktu
(time series) biasanya mempunyai nilai koefisien determinasi yang
tinggi.
3.6.4.2 Uji F
Uji statistik F pada dasarnya menunjukkan apakah semua
variabel independen atau bebas yang dimasukkan dalam model
mempunyai
pengaruh
secara
bersama-sama
terhadap
variabel
60
Universitas Sumatera Utara
dependen/terikat. Uji F dapat dilakukan dengan melihat nilai
signifikansi F pada output hasil regresi menggunakan Stastistical
Package for Social Science (SPSS) dengan significance level 0,05 (5%).
Jika nilai signifikansi lebih besar dari 0,05 maka hipotesis
ditolak(koefisien regresi tidak signifikan), yang berarti secara simultan
variabel-variabel bebas tidak mempunyai pengaruh yang signifikan
terhadap variabel terikat. Jika nilai signifikansi lebih kecil dari 0,05
maka hipotesis tidak dapat ditolak (koefisien regresi signifikan). Ini
berarti bahwa secara simultan variabel-variabel bebas mempunyai
pengaruh yang signifikan terhadap variabel terikat.
3.6.4.3 Uji t
Pengujian ini bertujuan untuk mengetahui apakah masingmasing variabel independen mempengaruhi variabel dependen secara
signifikan. Dasar pengambilan keputusannya dilakukan dengan melihat
nilai signifikansi t masing – masing variabel pada output hasil regresi
dengan SPSS dengan tingkat signifikansi 0,05. Jika hasil regresi
menunjukkan nilai signifikansi < 0,05, maka kita menerima hipotesis
alternatif yang menyatakan bahwa suatu variabel independen secara
individual mempengaruhi variabel dependen.
61
Universitas Sumatera Utara
BAB IV
HASIL PEMBAHASAN
4.1. Gambaran Umum
Di dalam bab ini disajikan analisis terhadap data yang telah diperoleh selama
pelaksanaan penelitian. Metode analisis data yang digunakan dalam penelitian ini
adalah metode analisis statistik yang menggunakan persamaan regresi linier
berganda. Analisis data dimulai dengan mengolah data dengan menggunakan
Microsoft Excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian
menggunakan regresi linear berganda. Pengujian asumsi klasik, regresi linear
berganda digunakan dengan menggunakan software SPSS. Penelitian dimulai
dengan memasukkan variabel-variabel penelitian ke program SPSS tersebut dan
menghasilkan output sesuai metode analisis data yang telah ditentukan.
Data yang digunakan dalam penelitian ini adalah APBD kabupaten/ kota se
Sumatera Utara. Jumlah kabupaten/ kota se Sumatera Utara adalah sebanyak 33
Kabupaten/ Kota. Keseluruhan data tersebut kemudian dipilih sesuai kriteria yang
telah ditentukan berdasarkan metode purposive sampling sehingga data yang
terkumpul sebanyak 25 kabupaten/ kota. Berdasarkan 25 kabupaten/ kota tersebut,
kemudian dilakukan pengujian-pengujian.
62
Universitas Sumatera Utara
4.2. Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Informasi yang dibutuhkan dalam penelitian ini adalah data sekunder
yang diperoleh dari situs Direktorat Jenderal Perimbangan Keuangan
Kementerian Keuangan yaitu www.depkeu.djkp.go.id, berupa data keuangan
daerah dari tahun 2012-2015. Variabel yang digunakan dalam penelitian ini
adalah Pendapatan Asli Daerah (PAD), Dana Alokasi Umum (DAU), Sisa
Lebih Perhitungan Anggaran (SiLPA) sebagai variabel independen dan
Perilaku Oportunistik Penyusunan Anggaran (OPA) sebagai variabel
dependennya. Dari hasil dari pengujian statistik deskiptif atas variabelvariabel independen dengan variabel dependen tersebut maka diperoleh hasil
sebagai berikut:
Tabel 4.1
Hasil Statistik Deskriptif
Descriptive Statistics
N
Minimum
Maximum
Mean
Std. Deviation
OPA
75
-1.33E5
3.57E5
7.6886E4
98226.91118
PAD
75
-2.43E5
3.43E5
1.5659E4
58844.90086
DAU
75
-2.31E4
3.48E5
5.3640E4
50297.02931
SILPA
75
-1.20E5
1.21E5 -1.5721E2
33707.49845
Valid N (listwise)
75
Sumber: Output SPSS
Berikut ini adalah perincian deskriptif dari data yang telah diolah:
1.
Variabel Perilaku Oportunistik Penyusunan Anggaran memiliki nilai
minimum -1.33E5(-133.027) atau sekitar Rp. 133 Miliyar pada
Kabupaten Langkat tahun anggaran 2015, nilai maksimum 3.57E5
63
Universitas Sumatera Utara
(356.539) atau sekitar Rp. 365 Milyar pada Kota Medan tahun anggaran
2015 dan rata-rata 7.6886E4 (76.885,786) atau sekitar Rp. 76 dengan
jumlah pengamatan 75.
2.
Variabel Pendapatan Asli Daerah memiliki nilai minimum -2.43E5 (243.102) atau sekitar Rp. -243 Milyar yang merupakan penurunan
pendapatan asli daerah tahun anggaran 2014 dibanding dari tahun
anggaran 2013 pada Kota Medan, nilai maksimum 3.43E5 (342.559) atau
sekitar Rp. 342 Milyar yang merupakan kenaikan pendapatan asli daerah
tahun anggaran 2013 dibanding dari tahun anggaran 2012 dan rata-rata
1.5659E4 (15.659,44) atau sekitar Rp. 15 dengan jumlah pengamatan 75.
3.
Variabel Dana Alokasi Umum memiliki nilai minimum -2.31E4 (23.136) atau sekitar Rp. -23 Milyar yang merupakan penurunan dana
alokasi umum tahun anggaran 2015 dibanding dari tahun anggaran 2014
pada Kabupaten Labuhanbatu Selatan, nilai maksimum 3.48E5 (347.615)
atau sekitar Rp. 347 Milyar yang merupakan kenaikan dana alokasi
umum Kabupaten Simalungun tahun anggaran 2015 dibanding dari tahun
anggaran 2014 dan rata-rata 5.3640E4 (53.639,933) atau sekitar Rp. 53
Milyar dengan jumlah pengamatan 75.
4.
Variabel Sisa Lebih Perhitungan Anggaran memiliki nilai minimum 1.20E5 (-120.340) atau sekitar Rp. -120 Milyar yang merupakan
penurunan sisa lebih perhitungan anggaran tahun anggaran 2013
dibanding dari tahun anggaran 2012 pada Kota Medan, nilai maksimum
1.21E5 (120.993) atau sekitar Rp. 120 Milyar yang merupakan kenaikan
64
Universitas Sumatera Utara
sisa lebih perhitungan anggaran kota Medan tahun anggaran 2015
dibanding dari tahun anggaran 2014 dan rata-rata -1.5721E2 (-157,213)
atau sekitar Rp. -157 Milyar dengan jumlah pengamatan 75.
4.2.2 Uji Asumsi Klasik
4.2.2.1 Uji Normalitas
1. Grafik Histogram dan P-P Plot
Pengujian menggunakan grafik histogram dengan kriteria
pola distribusi yang tidak menceng ke kiri dan kekanan maka
dapat dinyatakan bahwa distribusi data berasal dari populasi
yang terdistribusi normal. Pengujian normalitas menggunakan
P-P Plot dengan kriteria, apabila titik-titik pada P-P Plot
berada pada garis lurus, maka dapat dinyatakan bahwa
distribusi data berasal dari populasi yang terdistribusi normal.
Gambar 4.1
Grafik Normal Histogram
65
Universitas Sumatera Utara
Gambar 4.2
Grafik Normal PP Plot
Berdasarkan hasil histogram dan diagram P-P Plot diatas
dapat diketahui bahwa grafik histogram memberikan pola
distribusi yang normal dan titik-titik menyebar di sekitar garis
lurus, seperti tampak pada gambar p-plot di atas. Hal ini berarti
bahwa data penelitian ini telah diambil dari populasi yang
terdistribusi normal.
2.
Analisis Statistik Kolmogorov-Smirnov Test
Untuk mendeteksi normalitas data, dapat pula dilakukan
melalui analisis statistik Kolmogorov-Smirnov Test (K-S). Uji
K-S dilakukan dengan membuat hipotesis :
H0 = Data residual terdistribusi normal.
H1 = Data residual tidak terdistribusi normal.
66
Universitas Sumatera Utara
Dasar pengambilan keputusan dalam uji K-S adalah
sebagai berikut:
a. Apabila probabilitas nilai Z uji K-S signifikan secara
statistik ditolak, yang berarti data terdistribusi tidak normal.
b. Apabila probabilitas nilai Z uji K-S tidak signifikan secara
statistik maka H0 diterima, yang berarti data terdistribusi
normal.
Tabel 4.2
Uji One-Sample Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N
75
Normal Parametersa
Mean
.0000000
Std. Deviation
Most Extreme Differences
7.54897702E4
Absolute
.074
Positive
.074
Negative
-.062
Kolmogorov-Smirnov Z
.638
Asymp. Sig. (2-tailed)
a. Test distribution is Normal.
.811
Sumber: Output SPSS
Dari
hasil
pengolahan
data
tersebut,
besar
nilai
Kolmogorov-Smirnov adalah 0.638 dengan nilai signifikansi
0,811 maka disimpulkan data terdistribusi secara normal
karena
nilai
signifikansi
diatas
0,05
atau
5%
yang
menunjukkan Ho diterima, sehingga dapat disimpulkan bahwa
data dalam model regresi telah terdistribusi secara normal,
67
Universitas Sumatera Utara
dimana nilai signifikansinya lebih besar dari 0.05 (p = 0.811 >
0.05).
4.2.2.2 Uji Multikolinearitas
Pengujian multikolinearitas dilakukan untuk membuktikan
apakah ubahan atau variabel bebas pada penelitian ini dapat
diasumsikan tidak saling berintervensi ketika dibuat pemodelan dengan
variabel terikat. Kriteria dinyatakan bahwa variabel bebas tidak saling
intervensi satu sama lain ketika
1. Jika nilai tolerance >10% dan nilai VIF < 10, maka dapat
disimpulkan bahwa tidak ada multikolinearitas antar variabel
independen dalam model regresi.
2. Jika nilai tolerance < 10% dan nilai VIF > 10, maka dapa
disimpulkan bahwa ada multikolinearitas antar variabel independen
dalam model regresi.
Pengujian multikoleniaritas dapat ditunjukkan sebagai berikut:
Tabel 4.3
Hasil Uji Multikolinearitas
Coefficients
Model
1 (Constant)
a
Unstandardized
Standardized
Collinearity
Coefficients
Coefficients
Statistics
B
Std. Error
Beta
t
Sig. Tolerance
VIF
29384.557
13132.504
2.238 .028
PAD
.734
.154
.440 4.766 .000
.977 1.024
DAU
.674
.181
.345 3.726 .000
.970 1.031
SILPA
.876
.267
.301 3.274 .002
.987 1.013
a. Dependent Variable: OPA
68
Universitas Sumatera Utara
Sumber: Output SPSS
Pada tabel hasil uji multikolinearitas di atas, diperoleh harga
VIF tidak ada yang melebihi dari nilai 10 dan Tolerance > 10%.
Dengan demikian dapat disimpulkan bahwa model regresi tersebut
tidak terdapat masalah multikolinieritas antar variabel independen
dalam model regresi.
4.2.2.3 Uji Heterokedasitas
Uji Heteroskedastisitas bertujuan untuk melihat apakah di
dalam model regresi terjadi ketidaksamaan variabel dari residual satu
pengamatan ke pengamatan lain. Pengujian heteroskedastisitas pada
penelitian ini menggunakan dasar analitis sebagai berikut :
1. Jika ada pola tertentu, seperti titik-titik yang ada akan membentuk
pola tertentu yang teratur,maka mengindikasikan telah terjadi
heteroskedastisitas.
2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dan
dibawah angka 0 pada sumbu Y, maka mengindikasikan tidak terjadi
heteroskedastisitas.
69
Universitas Sumatera Utara
Gambar 4.3
Hasil Uji Scatter Plot
Dari grafik scatterplot pada gambar 4.3 diatas terlihat bahwa
titik-titik menyebar secara acak baik di atas maupun di bawah angka 0
pada sumbu Y tidak membentuk pola tertentu atau tidak teratur. Titiktitik yang menyebar menjauh dari titik-titik yang lain mengindikasikan
bahwa adanya data observasi yang sangat berbeda dengan data
penelitian lainnya. Maka dapat di simpulkan bahwa tidak terjadi
heteroskedastisitas pada model regresi ini sehingga model ini layak
untuk digunakan untuk melihat pengaruh Pendapatan Asli Daerah, Sisa
Lebih Perhitungan Anggaran dan Dana Alokasi Umum terhadap
perilaku oportunistik penyusunan anggaran Kabupaten/Kota di Provinsi
Sumatera.
70
Universitas Sumatera Utara
4.2.2.4 Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam model
regresi linear ada korelasi antara kesalahan penganggu pada periode t
dengan kesalahan pengganggu periode t-1 (sebelumnya). Autokorelasi
muncul karena observasi yang berurutan sepanjang waktu berkaitan
satu
sama
lainnya.
Adanya
autokorelasi
dapat
diuji
dengan
menggunakan Uji Durbin-Watson, pengambilan keputusan ada tidaknya
autokorelasi:
1. Bila nilai DW terletak antara batas atas atau upper bound (du) dan (4
- du), maka koefisien autokorelasi sama dengan nol, berarti tidak ada
autokorelasi.
2. Bial nilai DW lebih rendah daripada batas bawah atau lower bound
(dl), maka koefisien autokorelasi lebih besar daripada nol, berarti ada
autokorelasi positif.
3. Bila nilai DW lebih besar daripada (4 - dl), maka koefisien
autokorelasi lebih kecil daripada nol, berarti ada autokorelasi negatif.
4. Bila nilai DW terletak di antara batas atas (du) dan batas bawah (dl)
ada DW terletak antara (4 - du) dan (4 - dl), maka hasilnya tidak
dapat disimpulkan.
Hasil output yang didapatkan dari uji Autokorelasi yang
digunakan dengan uji Durbin-Watson (DW) adalah sebagai berikut:
71
Universitas Sumatera Utara
Tabel 4.4
Hasil Uji Autokorelasi
Model Summaryb
Model
1
R
R Square
.640
a
Adjusted R
Std. Error of the
Square
Estimate
.409
.384
77068.12421
Durbin-Watson
2.161
a. Predictors: (Constant), SILPA, PAD, DAU
b. Dependent Variable: OPA
Sumber: Output SPSS
Dari hasil output diatas nilai DW/d yang dihasilkan adalah
2,161. Sedangkan dari tabel DW dengan signifikansi 0,05 (5%) dan
jumlah data (n) = 75, serta jumlah variabel (k) = 3 diperoleh nilai dL
sebesar 1,5432 dan dU sebesar 1,7092. DW terletakan diantara du dan
(4-du), dimana 2,161 berada diantara 1,7092 dan 2,2908 (1,7092 <
2,161 < 2,2908) yang berarti tidak terjadi autokorelasi.
4.2.3 Analisis Regresi
Alat analisis data dalam penelitian ini menggunakan regresi linier
berganda untuk melihat ketergantungan variabel dependen dengan satu atau
lebih variabel independen. Persamaan regresi dapat dilihat dari tabel hasil
Uji Coefficient terhadap ketiga variabel independen yaitu Pendapatan Asli
Daerah, Dana Alokasi Umum dan Sisa Lebih Perhitungan Anggaran terhadap
perilaku oportunistik penyusunan anggaran Kabupaten/Kota di Provinsi
Sumatera, ditunjukkan pada tabel berikut:
72
Universitas Sumatera Utara
Tabel 4.5
Hasil Analisis Regresi
Coefficientsa
Standardized
Unstandardized Coefficients
Model
1
B
(Constant)
Coefficients
Std. Error
29384.557
13132.504
PAD
.734
.154
DAU
.674
SILPA
.876
Beta
t
Sig.
2.238
.028
.440
4.766
.000
.181
.345
3.726
.000
.267
.301
3.274
.002
a. Dependent Variable: OPA
Sumber: Output SPSS
Dari tabel di atas dapat disusun Persamaan Regresi Berganda sebagai
berikut :
OPA = 29.384,557 + 0,734PAD+ 0,674DAU + 0,876SiLPA + ε
Keterangan :
Y : Perilaku Oportunistik Penyusun Anggaran (OPA)
X1 : Pendapatan Asli Daerah (PAD)
X2 : Dana Alokasi Umum (DAU)
X3 : Sisa Lebih Perhitungan Anggaran (SiLPA)
ε : Error.
Berdasarkan hasil persamaan regresi berganda tersebut masing-masing
variabel menjelaskan bahwa:
1. Konstanta (α) sebesar 29.384,557 menyatakan bahwa apabila tidak ada
variabel bebas maka nilai Perilaku Oportunistik Penyusun Anggaran
(OPA) adalah sebesar 29.384,557.
73
Universitas Sumatera Utara
2. Pendapatan Asli Daerah (PAD) memiliki arah hubungan positif sejauh
0,734. Dengan asumsi setiap kenaikan pada Pendapatan Asli Daerah
(PAD) akan menyebabkan peningkatan pada Perilaku Oportunistik
Penyusun Anggaran (OPA) sebesar 73,4%, dan sebaliknya penurunan
Pendapatan Asli Daerah (PAD) akan menyebabkan penurunan pada pada
Perilaku Oportunistik Penyusun Anggaran (OPA) sebesar 73,4%.
3. Dana Alokasi Umum (DAU) memiliki arah hubungan positif sejauh 0,674.
Dengan asumsi setiap kenaikan pada Dana Alokasi Umum (DAU) akan
menyebabkan peningkatan pada Perilaku Oportunistik Penyusun Anggaran
(OPA) sebesar 67,4%, dan sebaliknya penurunan Dana Alokasi Umum
(DAU) akan menyebabkan penurunan pada pada Perilaku Oportunistik
Penyusun Anggaran (OPA) sebesar 67,4%.
4. Sisa Lebih Perhitungan Anggaran (SiLPA) memiliki arah hubungan positif
sejauh 0,874. Dengan asumsi setiap kenaikan pada Sisa Lebih Perhitungan
Anggaran (SiLPA) akan menyebabkan peningkatan pada Perilaku
Oportunistik Penyusun Anggaran (OPA) sebesar 87,4%, dan sebaliknya
penurunan Sisa Lebih Perhitungan Anggaran (SiLPA) akan menyebabkan
penurunan pada pada Perilaku Oportunistik Penyusun Anggaran (OPA)
sebesar 87,4%.
4.2.4 Pengujian Hipotesis
Pengujian hipotesis dilakukan untuk mengetahui pengaruh variabel
independen terhadap variabel dependen. Pengujian hipotesis secara statistik
74
Universitas Sumatera Utara
dilakukan dengan menggunakan analisis koefisien derterminasi, uji parsial (ttest) dan uji simultan (Ftest).
4.2.4.1 Analisis Koefisien Determinasi
Uji koefisien determinasi (R2) dilakukan untuk menunjukkan
seberapa besar presentase variasi variabel independen yang digunakan
dalam model mampu menjelaskan variasi variabel dependen. Nilai
koefisien determinasi ini terletak diantara nol dan satu.
Tabel 4.6
Hasil Uji Koefisien Determinasi
Model Summary
Model
R
1
.640
R Square
a
Adjusted R
Std. Error of the
Square
Estimate
.409
.384
77068.12421
a. Predictors: (Constant), SILPA, PAD, DAU
Sumber: Output SPSS
Pada model summary angka adjusted R Square atau koefesien
determinasi adalah 0,409, hal ini berarti 40,9 % variasi atau perubahan
dalam Perilaku Oportunistik Penyusunan Anggaran dapat dijelaskan
dengan variasi Pendapatan Asli Daerah, Dana alokasi Umum, dan Sisa
Lebih Perhitungan Aggaran sedangkan sisanya 59,1% dijelaskan oleh
sebab-sebab lain.
4.2.4.2 Uji t
Uji t digunakan untuk mengetahui signifikansi konstanta dan
setiap variabel independennya. Berdasarkan pengolahan data dalam
SPSS, diperoleh hasil sebagai berikut:
75
Universitas Sumatera Utara
Tabel 4.7
Hasil Uji t
Coefficients
a
Standardized
Unstandardized Coefficients
Model
1
B
(Constant)
Std. Error
29384.557
13132.504
PAD
.734
.154
DAU
.674
SILPA
.876
Coefficients
Beta
t
Sig.
2.238
.028
.440
4.766
.000
.181
.345
3.726
.000
.267
.301
3.274
.002
a. Dependent Variable: OPA
Sumber: Output SPSS
Uji t dilakukan untuk menyelidiki lebih lanjut, mana diantara
variabel independen yang berpengaruh terhadap OPA. Uji t dilakukan
dengan membandingkan t hitung dengan t tabel, taraf signifikansi 5% :
2 = 2,5% (uji 2 sisi) dengan derajat kebebasan df = n - k (dimana n =
jumlah data observasi an k = jumlah variabel independen termasuk
variabel dependen) atau 75 - 4 = 71. Dengan pengujian 2 sisi
(signifikansi = 0,025), maka hasil diperoleh untuk t tabel sebesar
1,99394.Sehingga didapat hasil pengujian sebagai berikut :
a. Variabel PAD memiliki t hitung sebesar 4,766 dengan taraf
signifikasi 0.000 dibawah signifiknsi 0,05 (5%). Dengan demikian t
hitung > t tabel atau 4,766 > 1,99394. Sehingga dapat disimpulkan
bawah PAD berpengaruh secara partial terhadap OPA. Hal ini
membuktikan bahawa hipotesi H0 diterima, PAD berpengaruh
terhadap OPA pada Kabupaten/ Kota di provinsi Sumatera Utara.
76
Universitas Sumatera Utara
b. Variabel DAU memiliki t hitung sebesar 3,726 dengan taraf
signifikasi 0.000 dibawah signifiknsi 0,05 (5%). Dengan demikian t
hitung > t tabel atau 3,726 > 1,99394. Sehingga dapat disimpulkan
bawah PAD berpengaruh secara partial terhadap OPA. Hal ini
membuktikan bahawa hipotesi H0 diterima, DAU berpengaruh
terhadap OPA pada Kabupaten/ Kota di provinsi Sumatera Utara.
c. Variabel SiLPA memiliki t hitung sebesar 3,274 dengan taraf
signifikasi 0.002 dibawah signifiknsi 0,05 (5%). Dengan demikian t
hitung > t tabel atau 3,274 > 1,99394. Sehingga dapat disimpulkan
bawah PAD berpengaruh secara partial terhadap OPA. Hal ini
membuktikan bahawa hipotesi H0 diterima, SiLPA berpengaruh
terhadap OPA pada Kabupaten/ Kota di provinsi Sumatera Utara.
4.2.4.3 Uji F
Uji F atau uji simultan dilakukan untuk mengetahui apakah
variabel bebas memiliki pengaruh secara bersama-sama ataupun
simultan terhadap variabel terikat, apabila nilai signifikan yang
diperoleh kurang dari 0,05.
77
Universitas Sumatera Utara
Tabel 4.8
Hasil Uji F
b
ANOVA
Model
1
Sum of Squares
df
Mean Square
F
Regression
2.923E11
3
9.743E10
Residual
4.217E11
71
5.939E9
Total
7.140E11
74
16.404
Sig.
.000
a
a. Predictors: (Constant), SILPA, PAD, DAU
b. Dependent Variable: OPA
Sumber: Output SPSS
Dari uji ANOVA atau Ftest , diperoleh f hitung sebesar 16,404
dengan
tingkat
signifikansi
0,000.
Uji
f
dilakukan
dengan
membandingkan f hitung dengan f tabel, dengan probabilita 0.05 derajat
kebebasan df = n - k (dimana n = jumlah data observasi dan k = jumlah
variabel independen) atau 75 - 3 = 72, maka hasil diperoleh untuk f
tabel sebesar 2,73. Hal ini menunjukkan bahwa Pendapatan Asli
Daerah, Sisa Lebih Perhitungan Anggaran dan Dana Alokasi Umum
berpengaruh secara simultan terhadap perilaku oportunistik penyusunan
anggaran Kabupaten/Kota di Provinsi Sumatera karena fhitung > ftabel
(16,405 > 2,73) dan signifikansi penelitian 0,000 < 0,05.
78
Universitas Sumatera Utara
BAB V
KESIMPULAN DAN SARAN
5.1 KESIMPULAN
Beberapa hal yang dapat disimpulkan antara lain:
1.
Pendapatan Asli Daerah (X1) berpengaruh secara signifikan terhadap
Perilaku Oportunistik Penyusunan Anggaran (Y) pada Kabupaten/ Kota di
provinsi Sumatera Utara. Hal ini dapat dilihat dari t-test, dimana nilai t hitung
variabel Pendapatan Asli Daerah diperoleh sebesar 4,766 lebih besar dari t
tabel sebesar 1,99394 dan nilai signifikansiya sebesar 0,000 yang lebih kecil
dari tingkat signifikansi alpha yang telah ditetapkan yaitu 0,05.
2.
Dana Alokasi Umum (X2) berpengaruh secara signifikan terhadap Perilaku
Oportunistik Penyusunan Anggaran (Y) pada Kabupaten/ Kota di provinsi
Sumatera Utara. Hal ini dapat dilihat dari t-test, dimana nilai t hitung variabel
Dana Alokasi umum diperoleh sebesar 3,726 lebih besar dari t tabel sebesar
1,99394 dan nilai signifikansiya sebesar 0,000 yang lebih kecil dari tingkat
signifikansi alpha yang telah ditetapkan yaitu 0,05.
3.
Sisa Lebih Perhitungan Anggaran (X3) berpengaruh secara signifikan
terhadap Perilaku Oportunistik Penyusunan Anggaran (Y) pada Kabupaten/
Kota di provinsi Sumatera Utara. Hal ini dapat dilihat dari t-test, dimana nilai
t hitung variabel Sisa Lebih Perhitumgan Anggaran diperoleh sebesar 3,274
lebih besar dari t tabel sebesar 1,99394 dan nilai signifikansiya sebesar 0,002
79
Universitas Sumatera Utara
yang lebih kecil dari tingkat signifikansi alpha yang telah ditetapkan yaitu
0,05.
4.
Berdasarkan Uji F, Pendapatan Asli Daerah (X1), Dana Alokasi Umum (X2)
dan Sisa Lebih Perhitungan Anggaran (X3) secara simultan berpengaruh
terhadap Perilaku Oportunistik Penyusunan Anggaran (Y) pada Kabupaten/
Kota di provinsi Sumatera Utara. Uji F diperoleh nilai f hitung sebesar 16,404
yag lebih besar dari nilai f tabel sebesar 2,73 dan nilai signifikan sebesar
0,000 yang lebih kecil dari tingkat signifikasi alpa yaitu 0,005.
5.2 SARAN
Adapun saran yang dapat penulis berikan sehubungan dengan keterbatasan
yang terdapat pada penelitian ini adalah sebagai berikut:
1. Pemerintah Daerah hendaknya lebih meningkatkan kualitas penyusunan
anggaran dengan mengutamakan alokasi belanja sesuai kebutuhan masyarakat,
transparansi anggaran serta menerapkan pengawasan mulai dari proses
perencanaan anggaran.
2. Untuk menekan perilaku oportunistik pada belanja hibah dan bansos,
disarankan agar mekanisme pengajuan diverifikasi lebih teliti dan pencairan
dilakukan sesuai prosedur.
3. Berdasarkan nilai koefisien determinasi sebesar 0,409, menunjukkan bahwa
masih terdapat 59,1% pengaruh variabel lain yang mampu menjelaskan variasi
variabel perilaku oportunistik penyusun anggaran, maka disarankan bagi
peneliti selanjutnya untuk meneliti faktor lain yang berpengaruh terhadap
80
Universitas Sumatera Utara
perilaku oportunistik penyusun anggaran seperti pinjaman daerah yang belum
dapat dikembangkan pada penelitian ini karena keterbatasan data yang tersedia.
81
Universitas Sumatera Utara