BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Jumlah Provinsi di Indonesia pada saat ini adalah sejumlah 34 Provinsi. Pada masa orde baru jumlah Provinsi di Indonesia hanya sejumlah 27 Provinsi. Pada tahun 1999, terjadi pelepasan wilayah Negara Kesatuan Republik Indonesia, yaitu Timor Timur yang sekarang menjadi Negara Timor Leste, yang resmi lepas pada tanggal 19 Oktober 1999 pada masa pemerintahan presiden BJ. Habibie. Selain itu, terbentuk pula dua Provinsi baru pada tahun 1999, yaitu Provinsi Papua Barat yang merupakan pemekaran dari Provinsi Papua atau Irian Jaya dan Maluku Utara yang merupakan pemekaran dari Provinsi Maluku. Pada tahun 2000, kembali dibentuknya Provinsi baru yaitu Provinsi Banten yang merupakan pemekaran dari Provinsi Jawa Barat dan Provinsi Bangka Belitung yang merupakan pemekaran dari Provinsi Sumatera Selatan. Pada tahun tahun berikutnya terbentuklah 4 Provinsi baru yang menambah jumlah Provinsi di Indonesia hingga total menjadi 34 Provinsi. Tahun 2001, terbentuk Provinsi Gorontalo yang merupakan pemekaran dari Provinsi Sulawesi Utara. Di tahun 2002, terbentuk Provinsi Kepulauan Riau yang 49
merupakan pemekaran dari Provinsi Riau. Tahun 2004, dibentuknya Provinsi Sulawesi Barat yang merupakan pemekaran dari Provinsi Sulawesi Tengah. Tahun 2012, dibentuknya Provinsi Kalimantan Utara yang merupakan pemekaran dari Provinsi Kalimantan Timur. ( Kebudayaan Indonesia, 2014 ) B. Statistik Deskriptif Statistik deskriptif dalam penelitian ini akan memberikan informasi mengenai variabel-variabel yang digunakan, yaitu Dana Alokasi Umum, Dana Alokasi Khusus, Dana Bagi Hasil, Belanja Modal, dan Pendapatan Asli Daerah. Data yang telah diolah dilihat dari nilai minimum, maksimum, nilai rata-rata atau mean dan standar deviasi dari masing masing variabel. Pada tabel 4.1, hasil pengujian statistik deskriptif memberikan deskripsi variabel-variabel secara statistik di penelitian ini. Minimum adalah nilai terkecil pada suatu rangkaian pengamatan, maksimum adalah nilai terbesar dalam suatu rangkaian pengamatan. Sedangkan mean adalah nilai rata-rata pada rangkaian pengamatan atau merupakan pembagian nilai seluruh data dengan jumlah data yang diamati. Standar deviasi merupakan akar dari jumlah kuadrat dari nilai selisih data dengan nilai rata-rata dibagi dengan banyaknya data. 50
Tabel 4.1 Statistik Deskriptif N Minimum Maximum Mean Std. Deviation DAU 85 342.743.861.000 1.569.780.000.000 649.976.845.508,23 213.194.100.236,07 DAK 85 7.618.800.000 106.191.000.000 36.131.203.236,09 16.679.452.126,96 DBH 85 18.889.052.447 2.031.965.789.232 262.393.360.688,61 339.910.501.050,78 BM 85 108.996.106.112 3.696.304.078.890 518.675.911.461,09 609.025.321.832,64 PAD 85 102.626.018.112 4.118.551.716.459 913.284.967.940,39 766.498.450.970,54 Valid N (listwise) 85 Tabel 4.1 menunjukkan statistik deskriptif variabel penelitian dengan jumlah data setiap variabel yang valid sebanyak 85 adalah sebagai berikut : 1. Dana Alokasi Umum mempunyai nilai maksimum sebesar Rp 1.569.780.000.000 yang terletak pada Provinsi Papua di tahun 2012 dan nilai minimum terletak pada Provinsi Banten di tahun 2008 sebesar Rp 342.743.861.000. Mean Dana Alokasi Umum sebesar Rp 649.976.845.508,23 dengan standar deviasi sebesar Rp 213.194.100.236,07. 2. Dana Alokasi Khusus mempunyai nilai maksimum di Provinsi Papua pada tahun 2012 sebesar Rp 106.191.000.000 dan nilai minimum sebesar Rp 7.618.800.000 yang terletak di Provinsi Bengkulu pada tahun 2008. Mean Dana Alokasi Khusus adalah Rp 36.131.203.236,09 dengan standar deviasi sebesar Rp 16.679.452.126,96. 51
3. Dana Bagi Hasil mempunyai nilai maksimum pada Provinsi Aceh sebesar Rp 2.031.965.789.232 di tahun 2008 dan nilai minimum sebesar Rp 18.889.052.447 di tahun 2009 pada Provinsi Gorontalo. Mean Dana Bagi Hasil adalah Rp 262.393.360.688,61 dengan standar deviasi sebesar Rp 339.910.501.050,78. 4. Belanja Modal sebagai variabel intervening mempunyai nilai maksimum sebesar Rp 3.696.304.078.890 pada Provinsi Aceh di tahun 2009 dan nilai minimum terletak di Provinsi Gorontalo pada tahun 2010 sebesar Rp 108.996.106.112. Mean Belanja Modal adalah Rp 518.675.911.461,09 dengan standar deviasi sebesar Rp 609.025.321.832,64. 5. Pendapatan Asli Daerah mempunya nilai maksimum sebesar Rp 4.118.551.716.459 pada provinsi Banten di tahun 2013 ( n+1 ) dan nilai minimum sebesar Rp 102.626.018.112 pada Provinsi Gorontalo di tahun 2009 ( n+1 ). Mean Pendapatan Asli Daerah adalah Rp 913.284.967.940,39 dengan standar deviasi sebesar Rp 766.498.450.970,54. 52
C. Uji Asumsi dan Kualitas Instrumen Penelitian Uji asumsi klasik dilakukan untuk melihat apakah asumsi yang dibutuhkan dalam model penelitian empiris sudah dipenuhi. Tujuan dipenuhinya asumsi yang dibutuhkan adalah agar model menghasilkan prediksi yang tidak bias. Dalam penelitian ini, uji asumsi klasik meliputi uji normalitas, uji multikolinieritas, uji heteroskedastisitas, dan uji autokorelasi. 1. Uji Normalitas Uji normalitas dilakukan untuk menguji apakah dalam sebuah regresi penelitian, baik variabel dependen dan variabel lainnya mempunyai distribusi data yang normal atau tidak. Sebuah model regresi dikatakan baik apabila memiliki data yang terdistribusi secara normal atau mendekati normal. Uji Normalitas ini menggunakan analisa grafik dan dengan normal probability plot. 53
Gambar 4.1 Grafik Histogram Gambar 4.2 Grafik Normal P-Plot 54
Hasil uji normalitas dengan grafik di atas menunjukkan pola distribusi yang tidak normal, dapat terlihat dari titik titik yang menyebar menjauhi garis diagonal. Sehingga model regresi ini dapat dikatakan tidak terdistribusi dengan normal. Selain dengan menggunakan analisis grafik dan Normal Probability Plot, uji normalitas juga menggunakan uji one sample kolmogrov-smirnov. Hasil uji one sample kolmogorov-smirnov pada tabel 4.2 menunjukkan nilai 1,684 dan tingkat probabilitas signifikan 0,007. Karena nilai p < 0,05, maka dapat simpulkan bahwa data residual pada model regresi ini tidak terdistribusi secara normal. Hasil analisis grafik dan normal probability plot beserta uji one sample kolmogorov-smirnov menunjukkan hasil kesimpulan yang sama bahwa model regresi yang digunakan tidak memenuhi asumsi normalitas. 55
Tabel 4.2 Hasil Test One-Sample Kolmogorov-Smirnov Unstandardized Residual N 85 Normal Parameters a,b Mean,0000531 Std. Deviation 729455841921, 30740000 Most Extreme Differences Absolute,183 Positive,183 Negative -,140 Kolmogorov-Smirnov Z 1,684 Asymp. Sig. (2-tailed),007 a. Test distribution is Normal. b. Calculated from data. Oleh karena itu, untuk memperbaiki data yang tidak normal maka dilakukan transformasi data dengan cara melogaritma naturalkan seluruh variabel yang digunakan dalam penelitian. Setelah data ditransformasikan kemudian dilakukan kembali uji normalitas dengan menggunakan grafik dan uji one kolmogorov smirnov. 56
Gambar 4.3 Grafik Histogram Dengan Data yang ditransformasi Gambar 4.4 Grafik Normal P-Plot Dengan Data yang Ditransformasi Hasil uji normalitas dengan grafik diatas menunjukkan pola distribusi normal, dapat terlihat dari grafik titik-titik menyebar mendekati garis diagonal. 57
Sehingga model regresi ini layak untuk digunakan dalam penelitian. Hasil uji one sample Kolmogorv-smirnov pada tabel 4.3 menunjukkan nilai Kolmogorov-Smirnov sebesar 1,186 dan tingkat probabilitas signifikan 0,120. Karena nilai p > 0,05, maka dapat disimpulkan bahwa data residual pada model regresi ini terdistribusi secara normal. Dengan kata lain model regresi yang digunakan memenuhi asumsi normalitas. Tabel 4.3 One-Sample Kolmogorov-Smirnov Test Dengan Data yang ditransformasi AbsResLn N 85 Normal Parameters a,b Mean,4257 Std. Deviation,30422 Most Extreme Differences Absolute,129 Positive,129 Negative -,096 Kolmogorov-Smirnov Z 1,186 Asymp. Sig. (2-tailed),120 a. Test distribution is Normal. b. Calculated from data. 2. Uji Multikolinieritas Pengujian ini bertujuan untuk menguji apakah di dalam model regresi ditemukan korelasi yang kuat antar variabel independen. Model 58
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Ada atau tidaknya multikolinieritas dalam model regresi dapat dilihat dari nilai Tolerance dan Variance Inflation Factor (VIF) pada tabel 4.4 dan 4.5. Tabel 4.4 Hasil Uji Multikolonieritas Model Collinearity Statistics Tolerance VIF (Constant) 1 DAU,568 1,759 DAK,549 1,822 DBH,257 3,890 BM,247 4,046 a. Dependent Variable: PAD 59
Tabel 4.5 Hasil Uji Multikolinieritas Dengan Data yang Ditransformasi Model Collinearity Statistics Tolerance VIF (Constant) LnDAU,666 1,502 1 LnDAK,677 1,477 LnDBH,235 4,253 LnBM,230 4,352 a. Dependent Variable: LnPAD Hasil uji multikolonearitas yang disajikan pada tabel 4.4 dan 4.5 menunjukan bahwa semua variabel memiliki nilai tolerance diatas 0,10 dan dengan nilai VIF dibawah 10. Maka dapat disimpulkan bahwa tidak terjadi multikolonearitas antar variabel bebas dalam model regresi ini. 3. Uji Heteroskedastisitas Pengujian ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan lain. Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik scatterplot antara nilai 60
prediksi variabel dependen yaitu ZPRED dengan residual SRESID. Gambar 4.5 Grafik Scatterplot Gambar 4.6 Grafik Scatterplot Dengan Data yang Ditransformasi Pada gambar 4.5, saat data belum ditransformasi dapat dilihat pola penyebaran data antara SRESID dan ZPRED. Terlihat bahwa terdapat titik-titik menyebar di atas dan di bawah 0 pada sumbu Y dan terdapat juga titik titik yang tidak menyebar atau mengumpul di bawah 0 pada 61
sumbu Y. Hal ini menunjukkan bahwa terjadi ketidakpastian pengambilan keputusan apakah data terdapat heteroskedastisitas atau tidak, pada data yang digunakan dalam penelitian ini. Setelah data ditransformasi, yang dapat dilihat pada gambar 4.6, terlihat pola penyebaran data antara SRESID dan ZPRED yang menyebar di atas dan di bawah 0 pada sumbu Y. Hal ini menunjukkan bahwa tidak terjadi heteroskedastisitas pada data yang digunakan. Selain dengan grafik scatterplot, untuk memastikan bahwa tidak ada heteroskedastisita dilakukan Uji Park. Uji Park untuk heteroskedastisitas dengan mengtransformasikan data Unstandardized Residual yang telah dikuadratkan dan variabel independen ke dalam bentuk logaritma natural, yang kemudian diregresikan. Dasar pengambilan keputusan dalam uji Park ini adalah: Jika Sig > 0.05 maka tidakterjadi heteroskedastisitas Jika Sig < 0.05 maka terjadi heteroskesdastisitas Hipotesis yang diambil adalah: Ho: tidak terjadi Heteroskedastisitas Ha: terjadi Heteroskedastisitas 62
Model Unstandardized Coefficients Tabel 4.6 Hasil Uji Park Coefficients a Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF (Constant) 83,137 19,525 4,258,000 LnDAU -1,423,869 -,212-1,638,105,666 1,502 1 LnDAK -,388,525 -,095 -,740,461,677 1,477 LnDBH,025,436,012,057,955,235 4,253 LnBM,653,579,249 1,129,262,230 4,352 a. Dependent Variable: LnRes42 Tabel 4.7 Hasil Uji Park Dengan Data yang Ditransformasi Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF (Constant) 72,117 51,775 1,393,168 LnLnDAU -18,369 18,844 -,122 -,975,333,668 1,496 1 LnLnDAK 16,267 10,030,201 1,622,109,682 1,467 LnLnDBH -10,372 8,866 -,243-1,170,246,242 4,127 LnLnBM -8,311 12,247 -,142 -,679,499,237 4,211 a. Dependent Variable: AbsLnRes_1 Dari hasil pengujian pada tabel 4.6 dan 4.7, dengan data yang belum ditranformasi dan sudah, dapat dilihat bahwa data signifikansi 63
pada kolom Sig. untuk variabel DAU adalah sebesar 0,105 dan 0,333, variabel DAK adalah sebesar 0,461 dan 0,109, untuk variabel DBH adalah sebesar 0,955 dan 0,246, dan untuk variabel BM adalah sebesar 0,262 dan 0,499. Semua variabel independen baik pada tabel 4.6 maupun 4.7 menunjukan tingkat signifikansi > 0,05 sehingga Ho diterima. Yakni tidak terjadi heterokedastisitas pada model penelitian yang digunakan. 4. Uji Autokorelasi Autokorelasi yaitu adanya hubungan antara kesalahan-kesalahan yang muncul pada data runtun waktu (time series). Untuk menguji ada atau tidaknya autokorelasi ini dilakukan uji Durbin Watson (DW). Setelah dilakukan regresi, kemudian dihitung nilai DW-nya. Jika DW lebih kecil dibandingkan dengan dl atau lebih besar dari 4-d1, maka Ho ditolak yang berarti terdapat autokolerasi. Jika d terletak diantara du dan 4-du, maka Ho diterima yang berarti tidak ada autokolerasi. 64
Tabel 4.8 Model Summary b Model R R Square Adjusted R Square 1,307 a,094,049 a. Predictors: (Constant), BM, DAU, DAK, DBH b. Dependent Variable: PAD Std. Error of the Estimate 747469809810, 9243000000 Durbin-Watson 2,126 Tabel 4.9 Model Summary Dengan Data yang Ditransformasi Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1,726 a,527,503,53827 1,916 a. Predictors: (Constant), LnBM, LnDAK, LnDAU, LnDBH b. Dependent Variable: LnPAD Dari hasil analisa regresi pada tabel 4.8, diperoleh nilai Durbin-Watson sebesar 2,126. Dengan jumlah k = 4 dan n = 85 maka didapat batas bawah ( dl ) = 1,5505 ; batas atas ( du ) = 1,7470. Sehingga 4 dl = 2,4495 dan 4 du = 2,253. Dapat disimpulkan bahwa tidak terjadi autokorelasi karena nilai DW berada di antara nilai du dan 4-du. Dari hasil analisa regresi dengan data yang sudah ditransformasi, yang dapat dilihat pada tabel 4.9, nilai Durbin-Watson sebesar 1,916. 65
Dengan jumlah k = 4 dan n = 85 maka didapat batas bawah ( dl ) = 1,5505, batas atas ( du ) = 1,7470. Sehingga 4 dl = 2,4495 dan 4 du = 2,253. Karena nilai DW berada diantara nilai du dan 4-du maka dapat disimpulkan bahwa tidak terjadi autokorelasi. Oleh karena itu, baik data yang tidak ditransformasi maupun data yang ditransformasi memiliki kesimpulan yang sama yaitu tidak terjadi autokorelasi. D. Pengujian Hipotesis 1. Uji F Uji F digunakan untuk menguji koefisien jalur secara bersama - sama. Uji F digunakan untuk melihat pengaruh variabel variabel independen secara bersama - sama terhadap variabel dependen. Penelitian ini menggunakan variabel intervening yang memediasi pengaruh antara variabel independen dengan variabel dependen. Maka, di dalam penelitian ini digunakan dua persamaan ( sub-struktur) sebagai berikut : 1. LnBM = β1lndau + β2lndak + β3lndbh + 1 2. LnPAD = β1lndau + β2lndak + β3lndbh + β4lnbm + 2 66
Pada tabel 4.10 dan 4.11 dapat terlihat pengaruh dari variabel variabel independen secara bersama - sama terhadap variabel dependen. Tabel 4.10 Hasil uji F Sub-struktur 1 ANOVA a Model Sum of Squares Df Mean Square F Sig. Regression 37,741 3 12,580 90,500,000 b 1 Residual 11,260 81,139 Total 49,000 84 a. Dependent Variable: LnBM b. Predictors: (Constant), LnDBH, LnDAK, LnDAU Tabel 4.11 Hasil Uji F Sub-struktur 2 ANOVA a Model Sum of Squares Df Mean Square F Sig. Regression 25,813 4 6,453 22,273,000 b 1 Residual 23,179 80,290 Total 48,992 84 a. Dependent Variable: LnPAD b. Predictors: (Constant), LnBM, LnDAK, LnDAU, LnDBH Dari hasil uji F sub-struktur 1, diperoleh nilai F-hitung sebesar 90,500 dengan probabilitas sebesar 0,000. Kemudian, dari hasil uji F sub-struktur 2, diperoleh nilai F-hitung sebesar 22,273 dengan 67
probabilitas sebesar 0,000. Dengan angka F-hitung lebih besar daripada F-tabel, yaitu 90,500 > 2,717 (sub-struktur 1) dan 22,273 > 2,485 (sub-struktur 2), dengan angka probabilitas yang masih lebih kecil dari nilai signifikansi 0,05 ( 0,000 < 0,05), Oleh karena itu, dapat diambil keputusan bahwa model pengujian Pendapatan Asli Daerah terhadap Dana Alokasi Umum, Dana Alokasi Khusus, Dana Bagi Hasil, yang dimediasi oleh Belanja Modal adalah model yang fit. Maka, variabel Dana Alokasi Umum, Dana Alokasi Khusus, dan Dana Bagi Hasil secara bersama - sama berpengaruh signifikan terhadap Pendapatan Asli Daerah melalui Belanja Modal. 2. Uji T Uji t dilakukan untuk mengetahui apakah variabel independen berpengaruh secara individu terhadap variabel dependen. Untuk menentukan apakah hipotesis diterima atau ditolak adalah dengan membandingkan t hitung dengan t tabel dan nilai signifikansinya dalam penelitian ini menggunakan 0,05. Hasil pengujian uji t dapat dilihat pada tabel 4.12 dan 4.13. 68
Tabel 4.12 Hasil Uji t sub-struktur 1 Coefficients a Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta T Sig. (Constant) 5,355 3,701 1,447,152 1 LnDAU,045,167,017,268,789 LnDAK,134,100,086 1,341,184 LnDBH,653,042,857 15,642,000 a. Dependent Variable: LnBM Tabel 4.13 Hasil uji t sub-struktur 2 Coefficients a Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta T Sig. (Constant) 18,596 5,412 3,436,001 LnDAU,066,241,026,272,786 1 LnDAK -,035,145 -,023 -,244,808 LnDBH,884,121 1,160 7,317,000 LnBM -,565,160 -,565-3,522,001 a. Dependent Variable: LnPAD Dari tabel 4.12 diketahui bahwa Dana Alokasi Umum (DAU) memiliki t hitung sebesar 0,268 ( 0.268 < 1,98861 ) dengan probabilitas signifikansi sebesar 0,789. Hasil ini menunjukkan bahwa DAU tidak berpengaruh secara signifikan terhadap belanja modal karena t hitung nya lebih kecil daripada t 69
tabel dan probabilitas signifikansinya lebih besar dari tingkat signifikansi 0,05 (0,000<0,05). Pada tabel 4.13 pun diketahui bahwa secara langsung DAU juga tidak memiliki pengaruh yang signifikan terhadap PAD. Hasil ini ditunjukkan dengan t hitung yang lebih kecil dari t tabel yaitu 0,272 < 1,98861 dan probabilitas signifikansi yaitu 0,786 yang lebih besar dari 0,05. Dana Alokasi khusus ( DAK ) dengan pengaruhnya terhadap BM yang dapat dilihat pada tabel 4.12, memiliki t hitung yang lebih kecil dari t tabel yaitu 1,341 < 1,98861 dan probabilitas yang lebih besar dari tingkat signifikansi yaitu 0,184 > 0,05. Hal ini menunjukkan bahwa DAK tidak memiliki pengaruh yang signifikan terhadap BM. Pengaruh langsung antara DAK dengan PAD dapat dilihat pada tabel 4.13, yaitu dengan t hitung yang lebih kecil dari t tabel ( 0,244 < 1,98861 ) dan probabilitas signifikansi yang lebih besar dari tingkat signifikansi ( 0,808 > 0,05 ). Maka, dapat disimpulkan DAK tidak memiliki pengaruh langsung terhadap PAD. Hasil uji t pada tabel 4.12, menunjukkan bahwa Dana Bagi Hasil ( DBH ) memiliki pengaruh yang signifikan terhadap BM. Dengan nilai t hitung yang lebih besar dari t tabel ( 15,642 > 1,98861 ) dan probabilitas 70
signifikansi sebesar 0,000 yang lebih kecil dari tingkat signifikansi 0,05. Pada tabel 4.13, ditunjukkan pula pengaruh langsung DBH terhadap PAD secara signifikan,yaitu dengan t hitung yang lebih besar dari t tabel ( 7,317 > 1,98861 ) dan probabilitas signifikansi yang lebih kecil dari tingkat signifikansi ( 0,000 < 0,05 ). Berdasarkan hasil uji t pada tabel 4.13, BM atau Belanja Modal memiliki nilai t hitung sebesar 3,522 dengan probabilitas signifikansi sebesar 0,001. Hal ini menunjukan bahwa t hitung lebih besar dari t tabel (3,522 > 1,98861) dengan probabilitas signifikansi lebih kecil dari tingkat signifikansi 0,05 (0,001 < 0,05). Maka dapat disimpulkan bahwa Belanja Modal ( BM ) sebagai variabel intervening memiliki pengaruh yang signifikan terhadap Pendapatan Asli Daerah ( PAD ). 71
Berdasarkan tabel 4.12 dan 4.13 di atas, maka dapat digambarkan diagram jalur sebagai berikut : p5 = 0,026 1= 0,479 DAU p1 = 0,017 p4 = -0,565 2 = 0,687 DAK BM BM PAD p2 = 0,086 DBH p3 = 0,857 p7 = 1,160 p6 = -0,023 Gambar 4.7 Diagram Jalur 72
Tabel 4.14 Ringkasan Diagram Jalur Model Koefisien Jalur (p) T Sig. R 2 Sub-struktural 1 ( DAU, DAK, dan DBH ke BM ) DAU 0,017 0,268 0,789 DAK 0,086 1,341 0,184 0,770 DBH 0,857 15,642 0,000 Sub-struktural 2 ( DAU, DAK, DBH dan BM ke PAD ) DAU 0,026 0,272 0,786 DAK -0,023-0,244 0,808 0,527 DBH 1,160 7,317 0,000 BM -0,565-3,522 0,001 Ringkasan diagram jalur pada tabel 4.14 dapat menunjukkan pengaruh tidak langsung atau indirect effect antara variabel independen dengan variabel dependen dengan mengalikan koefisien jalur ( p ) variabel independen pada sub-struktur 1 dengan koefisien jalur variabel intervening pada sub-struktur 2. Sesuai dengan hasil pengujian yang di dapatkan dari tabel 4.12 dan 4.13 dapat disimpulkan bahwa DAU tidak berpengaruh secara signifikan terhadap PAD melalui BM dan begitu pula DAK tidak berpengaruh secara signifikan terhadap PAD melalui BM. 73
Oleh karena itu, perhitungan jalur yang akan dihitung pengaruh tidak langsungnya hanya pengaruh DBH terhadap PAD melalui BM sebagai berikut : Indirect Effect = 0,857 x 0,565 = -0, 4842 Karena koefisien jalur pengaruh langsung lebih besar dari pada pengaruh tidak langsung ( 1,160 > 0,4842 ). Maka, dapat dikatakan bahwa pengaruh yang sebenarnya adalah pengaruh langsung. 3. Koefisien Determinasi ( R 2 ) Nilai koefisien determinasi yang ditunjukan dengan nilai adjusted R-Square. Dari model regresi yang telah digunakan untuk mengetahui seberapa besar kemampuan variabel independen menerangkan dependen. Dari hasil pengujian pada model persamaan pada tabel 4.15 di bawah ini diketahui bahwa nilai adjusted R-square pada sub-struktur 1 sebesar 0,762 yang berarti bahwa 76,2% pada Belanja Modal bisa dijelaskan oleh variabel independennya yaitu Dana Alokasi Umum, Dana Alokasi Khusus, dan Dana Bagi Hasil. Sedangkan sisanya sebesar 23,8% dijelaskan oleh variabel lain di luar persamaan. 74
Pada tabel 4.16 diketahui hasil uji koefisien determinasi untuk sub-struktur 2. Nilai adjusted R-square pada sub-struktur 2 sebesar 0,503 yang berarti bahwa 50,3% pada Pendapatan Asli Daerah bisa dijelaskan oleh variabel independennya yaitu Dana Alokasi Umum, Dana Alokasi Khusus, Dana Bagi Hasil, dan Belanja Modal sebagai variabel intervening. Sedangkan sisanya sebesar 49,7% dijelaskan oleh variabel lain di luar persamaan. Tabel 4.15 Hasil Uji Koefisien Determinasi Sub-struktur 1 Model Summary b Model R R Adjusted R Std. Error Change Statistics Square Square of the Estimate R Square Change F Change df1 df2 Sig. F Change 1,878 a,770,762,37284,770 90,500 3 81,000 a. Predictors: (Constant), LnDBH, LnDAK, LnDAU b. Dependent Variable: LnBM Tabel 4.16 Hasil Uji Koefisien Determinasi Sub-struktur 2 Model Summary b Model R R Adjusted R Std. Error Change Statistics Square Square of the Estimate R Square Change F Change df1 df2 Sig. F Change 1,726 a,527,503,53827,527 22,273 4 80,000 a. Predictors: (Constant), LnBM, LnDAK, LnDAU, LnDBH b. Dependent Variable: LnPAD 75
E. Pembahasan Peningkatan pelayanan di berbagai sektor terutama sektor publik menjadi tujuan dari otonomi daerah. Peningkatan layanan publik diharapkan dapat meningkatkan daya tarik investor untuk membuka usaha di daerah.. Sebagai konsekuensinya, pemerintah perlu memberikan alokasi belanja yang lebih besar untuk tujuan ini, yaitu alokasi belanja modal. Berbagai kewenangan yang diserahkan dari Pemerintah Pusat ke Daerah disertai dengan penyerahan dan pengalihan pembiayaan. Sumber pembiayaan yang penting bagi daerah berasal dari pusat dan daerah itu sendiri. Pembiayaan dari pusat disebut dengan Dana Perimbangan yang terdiri dari Dana Alokasi Umum ( DAU ), Dana Alokasi Khusus ( DAK ), dan Dana Bagi Hasil ( DBH ). Pembiayaan yang berasal dari daerah sendiri adalah Pendapatan Asli Daerah ( PAD ). PAD yang meningkat dalam jumlah yang besar diharapkan dapat mendorong akuntabilitas yang lebih, memperbaiki pembiayaan daerah, dan juga dapat memperkecil sumber pembiayaan yang berasal dari Pusat yang secara langsung meningkatkan kemandirian daerah. Hipotesis pertama (H1) pada penelitian ini adalah untuk menguji apakah DAU berpengaruh positif terhadap PAD melalui Belanja Modal. Hasil dari regresi sub-struktur 1 pada tabel 4.12, menunjukan bahwa t hitung sebesar 0,268 dengan 76
probabilitas signifikan 0,789 berada lebih tinggi dari tingkat signifikansi sebesar 0,05. Pada tabel 4.13 yaitu hasil regresi sub-struktur 2, menunjukkan bahwa t hitung sebesar 0,272 dengan probabilitas signifikan 0,786 yang juga berada lebih tinggi dari tingkat signifikansi sebesar 0,05. Berdasarkan pengamatan tersebut bisa diambil keputusan bahwa DAU tidak berpengaruh terhadap PAD melalui Belanja Modal. Hal ini mengindikasikan bahwa DAU yang merupakan salah satu pendapatan daerah yang paling besar tidak digunakan oleh daerah untuk belanja modal, tetapi untuk pengeluaran rutin seperti belanja pegawai. Maka, rendahnya tingkat realisasi belanja modal memberikan dampak pada tidak maksimalnya realisasi PAD. Hasil ini sesuai dengan penelitian Kusnandar dan Siswantoro ( 2012 ) yang juga menemukan bahwa secara parsial DAU tidak berpengaruh terhadap alokasi belanja modal. DAU yang dalam proporsi penerimaan daerah merupakan sumber pendapatan paling besar namun hanya digunakan untuk pengeluaran rutin, seperti untuk gaji pegawai. Hasil ini tidak sejalan dengan penelitian Winda Frelistiyani ( 2010 ) yang menemukan bahwa DAU mempunyai pengaruh positif terhadap belanja modal dan juga DAU dan belanja modal mempunyai pengaruh positif terhadap PAD. Hasil ini juga tidak sejalan dengan penelitian Arbie Gugus Wandira ( 2013 ) yang 77
menemukan bahwa dengan arah negatif DAU berpengaruh signifikan terhadap Belanja Modal. Perbedaan ini terjadi karena menggunakan sampel dan tahun pengamatan yang berbeda. DAU yang bersifat Block Grant, memberikan peluang bagi daerah untuk menggunakannya sesuai dengan kebutuhan dan prioritas daerah demi meningkatkan pelayanan kepada masyarakat. Berdasarkan hasil review Dirjen Perimbangan Keuangan Kementrian Keuangan selama tahun 2007-2011 yang dapat dilihat pada tabel 1.1, dapat diketahui bahwa kebutuhan dan prioritas daerah akan pembangunan daerah yang tergambar dalam belanja modal masih lebih kecil dibandingkan dengan belanja pegawai. Hipotesis kedua ( H2 ) dalam penelitian ini adalah untuk melihat pengaruh DAK terhadap PAD melalui belanja modal. Hasil dari regresi sub-struktur 1 pada tabel 4.12, menunjukan bahwa t hitung sebesar 1,341 dengan probabilitas signifikan 0,184 berada lebih tinggi dari tingkat signifikansi sebesar 0,05. Pada tabel 4.13 yaitu hasil regresi sub-struktur 2, menunjukkan bahwa t hitung sebesar -0,244 dengan probabilitas signifikan 0,808 yang juga berada lebih tinggi dari tingkat signifikansi sebesar 0,05. Berdasarkan pengamatan tersebut bisa diambil keputusan bahwa DAK tidak berpengaruh terhadap PAD melalui Belanja Modal. Hasil ini tidak sejalan dengan 78
penelitian Arbie Gugus Wandira ( 2013 ), yang menemukan bahwa DAK berpengaruh positif signifikan terhadap Belanja Modal, juga penelitian Diah Sulistyowati ( 2011 ) yang menemukan bahwa DAK berpengaruh negatif terhadap belanja modal. Perbedaan ini dikarenakan menggunakan periode pengamatan dan sampel yang berbeda. DAK yang berasal dari APBN diberikan kepada daerah tertentu dengan tujuan untuk mendanai kegiatan khusus yang merupakan urusan daerah dan sesuai dengan prioritas nasional, sesuai dengan fungsi yang merupakan perwujudan dari tugas pemerintahan, khususnya untuk memenuhi kebutuhan sarana dan prasarana kebutuhan dasar pelayanan masyarakat. Hasil penelitian ini mengindikasikan bahwa penyerapan DAK masih rendah. Menurut Kementrian Dalam Negeri ( 2013 ), beberapa penyebab dari rendahnya penyerapan DAK yaitu belum adanya dukungan yang memadai yaitu berupa sistem dan data yang akurat dalam perencanaan dan penganggaran DAK sehingga kondisi dan karakteristik daerah belum dapat direfleksikan dengan tepat. Selain itu, terkait dengan petunjuk teknis (juknis), yaitu keterlambatan terbitnya juknis yang disebabkan oleh seringnya perubahan juknis karena tidak sesuainya juknis dengan kondisi daerah dan beberapa peraturan. Hipotesis ketiga ( H3 ) dalam penelitian ini adalah untuk melihat pengaruh 79
DBH terhadap PAD melalui belanja modal. Hasil dari regresi sub-struktur 1 pada tabel 4.12, menunjukan bahwa t hitung sebesar 15,644 dengan probabilitas signifikan 0,000 berada lebih rendah dari tingkat signifikansi sebesar 0,05. Pada tabel 4.13 yaitu hasil regresi sub-struktur 2, menunjukkan bahwa t hitung sebesar 7,317 dengan probabilitas signifikan 0,000 yang juga berada lebih rendah dari tingkat signifikansi sebesar 0,05. Selain itu, untuk melihat pengaruh belanja modal terhadap PAD, dari hasil regresi sub-struktur 2 pada tabel 4.13 menunjukkan t hitung sebesar 3,522 dengan probabilitas signifikas 0,001 yang berada lebih rendah dari tingkat signifikansi sebesar 0,05. Berdasarkan pengamatan tersebut bisa diambil keputusan bahwa DBH berpengaruh positif secara signifikan terhadap belanja modal. Hasil ini sejalan dengan penelitian Arbie Gugus Wandira ( 2013 ) yang menemukan bahwa DBH berpengaruh signifikan terhadap belanja modal. Provinsi yang mendapatkan DBH yang besar akan cenderung memiliki belanja modal yang besar pula. Hasil ini memberikan adanya indikasi yang kuat bahwa perilaku belanja modal akan sangat dipengaruhi dari sumber penerimaan DBH. DBH merupakan sumber pendapatan daerah yang cukup potensial dan merupakan salah satu modal dasar pemerintah daerah dalam mendapatkan dana 80
pembangunan dan memenuhi belanja daerah yang bukan berasal dari PAD selain DAU dan DAK. Pola bagi hasil penerimaan tersebut dilakukan dengan prosentase tertentu yang didasarkan atas daerah penghasil. Jadi dapat disimpulkan jika anggaran DBH meningkat maka alokasi belanja modal pun meningkat. Selain itu, secara langsung DBH juga memiliki pengaruh positif yang signifikan terhadap PAD. Semakin besar DBH yang didapat oleh daerah akan mengindikasikan bahwa nilai PAD juga meningkat. DBH atau Dana Bagi Hasil diberikan oleh pusat kepada daerah atas bagi hasil dari pengelolaan sumber daya alam daerah dan penerimaan pajak yang ada di daerah seperti PBB, BPHTB, dan PPh Pasal 25/29 dan 21 Wajib Pajak Orang Pribadi, yang berasal dari daerah tetapi diterima oleh pusat. Semakin besar Dana Bagi Hasil yang diberikan oleh pusat kepada daerah mencerminkan bahwa daerah berhasil dalam pengelolaan sumber daya alam dan peningkatan penerimaan pajak. Hal ini mengindikasikan bahwa kegiatan perekonomian di daerah tersebut berjalan dengan baik sehingga otomatis Pendapatan Asli Daerah meningkat terutama yang bersumber dari retribusi dan pajak daerah. Hasil regresi variabel intervening yaitu belanja modal terhadap PAD menunjukkan bahwa belanja modal memiliki pengaruh yang signifikan dengan 81
arah yang negatif terhadap PAD. Semakin meningkatnya nilai belanja modal yang direalisasikan maka PAD akan semakin berkurang. Oleh karena itu, dapat diambil keputusan bahwa DBH berpengaruh positif secara signifikan terhadap PAD secara langsung tanpa dimediasi oleh Belanja Modal. Pengaruh ini dibuktikan dengan hasil perhitungan indirect effect yang nilainya lebih kecil daripada pengaruh langsungnya. Menurut Dirjen Perimbangan Keuangan Kementrian Keuangan RI dalam Laporan Evaluasi Belanja Modal Daerah ( 2013 ), terjadi pelampauan pencapaian PAD yang lebih tinggi dari yang dianggarkan dan rendahnya penyerapan belanja modal. Pencapaian PAD yang lebih tinggi dari yang dianggarkan terjadi karena beberapa faktor diantaranya adalah adanya pengalihan PBB dan BPHTB yang menjadi pajak daerah dan adanya peningkatan dalam penerimaan bunga bank. Menurut Dirjen Perimbangan Keuangan ( 2013 ), penyerapan belanja modal yang rendah mengindikasikan bahwa adanya hambatan dalam pelaksanaan program atau proyek dalam belanja modal. Hambatan tersebut dapat disebabkan oleh kebijakan pemeritah pusat yang membatasi daerah dalam melaksanakan kegiatan atau proyek belanja modal dan yang terkait dengan perencanaan anggaran, diantaranya informasi transfer yang tidak sesuai dengan jadwal perencanaan 82
anggaran dan time schedule yang diatur dalam permendagri perihal penetapan APBD induk dan perubahannya belum sesuai dengan kebutuhan. Selain itu, rendahnya penyerapan belanja modal juga disebabkan oleh rendahnya penyerapan DAK yang diantaranya disebabkan oleh keterlambatan penerbitan juknis. Penyerapan belanja modal yang rendah juga terjadi karena adanya efisiensi pelaksanaan program atau proyek dalam belanja modal yang dapat diselesaikan dengan biaya yang lebih rendah dari yang dianggarkan. 83