26
BAB III METODE PENELITIAN
3.1
Lokasi dan Waktu Penelitian Lokasi penelitian ini di lakukan dikantor Dinas Pendapatan Pengelolaan
Keuangan dan Asset Daerah Kota Gorontalo. Penelitian ini dimulai dengan melakukan pengumpulan data awal sampai pada tahap penyelesaian yang dilaksanakan pada bulan September 2012 sampai dengan bulan Desember 2012.
3.2
Desain Penelitian Metode yang digunakan dalam penelitian ini adalah metode kuantitatif,
yakni menganalisis adanya pengaruh variabel bebas (X) terhadap variabel terikat(Y). Penelitian asosiatif adalah suatu pernyataan tentang adanya hubungan antara dua variabel atau lebih, (Sugiyono, 2011: 89). Desain penelitian pada dasarnya menggambarkan adanya prosedurprosedur yang mungkin dapat menguji hipotesis penelitian agar bisa mencapai kesimpulan mengenai hubungan dan pengaruh variabel bebas dengan variabel terikat dalam penelitian ini. Adapun desain penelitian yang ditetapkan dalam penelitian ini dapat dilihat pada gambar berikut:
26
27
Pajak Daerah (X1) Alokasi Belanja Daerah (Y) Retribusi Daerah (X2)
Gambar 2: Desain Penelitian Keterangan: X1=Pajak Daerah X2=Retribusi Daerah Y=Alokasi Belanja Daerah
3.4
Definisi Operasional Variabel Penelitian ini menggunakan dua variabel independen yaitu pajak daerah
(X1) dan retribusi daerah (X2) dan satu variabel dependen yaitu alokasi belanja (Y). Definisi operasional dari masing-masing variabel tersebut dapat dijelaskan sebagai berikut: 1.
Pajak daerah (X1) adalah pajak-pajak yang dipungut oleh daerah-daerah seperti provinsi, kabupaten maupun kota berdasarkan peraturan daerah masing-masing dan hasil pemungutannya digunakan untuk pembiayaan rumah tangga daerahnya masing-masing, (Simanjuntak, 2003: 32)
28
2.
Retribusi daerah (X2). adalah imbalan atas pemakaian atau pemanfaatan yang diperoleh secara langsung seseorang atau badan atau jasa layanan, pekerjaan, pemakaian barang, atau izin yang diberikan oleh pemerintah daerah. (Koswara, 2001: 191).
3.
Alokasi belanja daerah (Y) Belanja Daerah adalah semua pengeluaran pemerintah daerah pada suatu periode anggaran. APBD terdiri dari tiga komponen utama, yaitu unsur penerimaan, belanja rutin, dan belanja pembangunan, (Halim, 2007). Adapun definisi operasional variabel dan penyebaran indikator secara jelas
dapat dilihat pada tebel 3 berikut: Tabel 3 Definisi Operasional Variabel Variabel Pajak daerah (X1)
Definisi Operasional Varabel Pajak daerah adalah pajak-pajak yang dipungut oleh daerah-daerah seperti provinsi, kabupaten maupun kota berdasarkan peraturan daerah masing-masing dan hasil pemungutannya digunakan untuk pembiayaan rumah tangga daerahnya masingmasing, (Simanjuntak, 2003: 32)
Indikator Realisasi pajak daerah
Skala Rasio
Retribusi daerah (X2)
Retribusi daerah adalah imbalan atas pemakaian atau pemanfaatan yang diperoleh secara langsung seseorang atau badan atau jasa layanan, pekerjaan, pemakaian barang, atau izin yang diberikan oleh pemerintah daerah. (Koswara, 2001: 191).
Realisasi retribusi daerah
Rasio
Alokasi belanja daerah (Y)
Belanja daerah adalah semua pengeluaran pemerintah daerah pada suatu periode anggaran. APBD terdiri dari tiga komponen utama, yaitu unsur penerimaan, belanja rutin, dan belanja pembangunan, (Halim, 2007).
Total ralisasi belanja darah
Rasio
29
3.5
Teknik Pengumpulan Data Teknik pengumpulan data yang digunakan dalam penelitian ini adalah
studi dokumentasi yang dilakukan dengan mengumpulkan data sekunder, mencatat, dan mengolah data yang berkaitan dengan penelitian ini. 3.6
Jenis Dan Sumber Data
3.6.1
Jenis Data Menurut Kuncoro (2003: 127) dalam Kairupan (2011) data sekunder
adalah data yang telah dikumpulkan oleh lembaga data dan dipublikasikan kepada masyarakat pengguna data. Data yang digunakan dalam penelitian ini merupakan laporan Realisasi Anggaran Pendapatan dan Belanja daerah Kota Gorontalo dari tahun 2007 sampai dengan tahun 2011 dengan periode pengamatan berbentuk kuartal. Karena data yang diperoleh dari berbagai sumber berbentuk tahunan maka untuk memperoleh data kuartalan dilakukan dengan cara interpolasi data tahunan menjadi kuartalan (Insukindro, 2000) dengan menggunakan rumus sebagai berikut:
Y − 4.5 /12 (Yt − Yt −1 )} 4{ t Q2 = 1 {Yt − 1.5 /12 (Yt − Yt −1 )} 4 Q3 = 1 {Yt + 1.5 /12 (Yt − Yt −1 )} 4 Q4 = 1 {Yt + 4.5 /12 (Yt − Yt −1 )} 4 Q1 = 1
3.6.2
Sumber Data Sumber data dalam penelitian ini yakni data sekunder berupa laporan
realisasi anggaran pendapatan dan beanja daerah Kota Gorontalo periode 2007-
30
2011 yang diperoleh dari instansi pemerintah yaitu dari Dinas Pendapatan Pengelolaan Keuangan dan Aset Daerah. 3.7
Metode Dan Tehnik Analisis Data Model dan tehnik analiss data dalam penelitian ini menggunakan regresi
berganda. Regresi merupakan metode estimasi utama didalam Ekonometrika. Menurut Agus (2005: 7), regresi dalam pengertian modern adalah studi bagaimana variabel dependen dipengaruhi oleh satu atau lebih dari variabel independen dengan tujuan untuk mengestimasi dan atau memprediksi nilai rata-rata variabel dependen didasarkan pada nilai variabel independen yang diketahui. Analisis regresi yang menjelaskan hubungan antara variabel dependen dan independen berkaitan erat dengan hubungan yang bersifat statistik, bukan hubungan yang pasti. Didalam statistik hubungan yang tidak pasti ini disebut hubungan yang acak (random atau stokastik). Suatu model regresi berganda dengan hanya dua variabel independen dari suatu populasi dimana terdapat satu variabel yang dependen dapat dinyatakan sebagai berikut: Y = ß0 + ß1 X 1 + ß2 X 2 + e
Dimana:
Y
= Variabel terikat
ß0
= Konstanta
ß1, ß2 = Koefisien regresi X1
= Variabel bebas 1 ( pajak daerah )
X2
= Variabel bebas 2 ( retribusi daerah )
e
= Error
31
berdasarkan analisis regresi linier berganda maka akan diproleh koefisien regresi linier dari masing-masing variabel. Untuk menguji setiap koefisien dengan, pengujian koefisien determinasi R2, Regresi secara Individual (t-test) dan secara (F-test). 3.7.1
Pengujian Asumsi Klasik Sebelum melakukan regresi berganda terlebih dahulu dilakukan uji uji
asumsi klasik. Pengujian regresi linear berganda dapat dilakukan setelah model dari penelitian ini memenuhi syarat-syarat yaitu lolos dari asumsi klasik. Syaratsyarat yang harus dipenuhi adalah data tersebut harus terdistribusikan secara normal, tidak mengandung multikolinieritas, dan heterokedastisitas. Untuk itu sebelum melakukan pengujian regresi linier berganda perlu dilakukan lebih dahulu pengujian asumsi klasik, yang terdiri dari. 1.
Uji Normalitas Pengujian normalitas memiliki tujuan untuk menguji apakah model regresi, variabel penganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Untuk menguji normalitas data, penelitian ini menggunakan analisis grafik. Pengujian normalitas melalui analisis grafik adalah dengan cara menganalisis grafik normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal. Data dapat dikatakan normal jika
32
data atau titik-titik terbesar disekitar garis diagonal dan penyebarannya mengikuti garis diagonal. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histrogram dari residualnya. Dasar pengambilan keputusan: -
Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histrogramnya menunjukan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
-
Jika data menyebar lebih jauh dari diagonal dan/atau tidak mengikuti arah garis diagonal atau grafik histrogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas (Ghozali, 2006)
2.
Uji Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (Ghozali, 2006). Uji multikolinearitas ini digunakan karena pada analisis regresi terdapat asumsi yang mengisyaratkan bahwa variabel independen harus terbebas dari gejala multikolinearitas atau tidak terjadi korelasi antar variabel independen. Cara untuk mengetahui apakah terjadi multikolinearitas atau tidak yaitu dengan melihat nilai Tolerance dan Variance Inflation Factor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi dependen (terikat) dan regresi terhadap variabel
33
independen lainnya. Tolerance mengukur variabillitas variabel independen lainnya. Jadi nilai Tolerance yang rendah sama dengan nilai VIF tinggi (karena VIF=1/Tolerance). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance <0,10 atau sama dengan nilai VIF>10 (Ghozali, 2006). 3.
Uji Autokorelasi Uji Autokorelasi bertujuan menguji apakah dalam model regresi berganda linear ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan penganggu pada periode t-1 (sebelumnya). Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Jika ada masalah autokorelasi, maka model regresi yang seharusnya signifikan, menjadi tidak layak untuk dipakai (Santoso, 2000). Autokorelasi dalam penelitian ini menggunakan uji statistik Durbin Watson. Santoso (2000). Bila angka D-W diantara -2 sampai +2, berarti tidak terjadi autokorelasi. Menurut Ghozali (2006), untuk mendeteksi ada atau tidaknya autokorelasi bisa menggunakan Uji Durbin-Watson (DW test) seperti pada tabel 4 berikut: Tabel 4 Pengambilan Keputusan Ada Tidaknya Autokorelasi Hipotesis Nol
Keputusan
Jika
Tdk ada autokorelasi positif
Tolak
0 < d < d1
Tdk ada autokorelasi positif
No decision
d1 ≤ d≤ du
Tdk ada autokorelasi negativ
Tolak
4 - d1 < d < 4
Tdk ada autokorelasi negativ
No decision
4 – du ≤ d ≤ 4 – d1
Tdk ada autokorelasi, positif atau negativ
Tdk ditolak
Du < d < 4 – du
Sumber: Ghozali, 2006
34
4.
Uji Heteroskedastisitas Pengajian ini memiliki tujuan untuk menguji apakah dalam regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain atau untuk melihat penyebaran data. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut Homokedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah tidak terdapat heteroskedastisitas. Uji ini dapat diukur dengan melihat gambar plot antara nilai prediksi variabel independen (ZPRED) dengan residualnya (SRESID). Apabila dalamgrafik tersebut tidak terdapat pola tertentu yang teratur dan data tersebar secara acak di atas dan dibawah angka 0 pada sumbu Y, maka diidentifikasikan tidak terdapat heteroskedastisita (Ghozali, 2006).
3.7.2
Pengujian Hipotesis Pengujian hipotesis ini bertujuan untuk menguji ada tidaknya pengaruh
dari variabel independen terhadap variabel dependen. Hipotesis penilitian ini di uji dengan menggunakan analisis regresi berganda. 1. Uji Parsial (Uji t) Uji parsial (uji t), bertujuan untuk menunjukan seberapa jauh pengaruh variabel independen secara parsial terhadap variabel dependen. Secara parsial hipotesis penelitian yang akan di uji dirumuskan menjadi hipotesis sebagai berikut: H1:
ß1X1, ß2X2 ≠ 0, artinya suatu variabel independen secara parsial
berpengaruh terhadap variabel dependen.
35
H0: ß1X1, ß2X2 = 0, artinya suatu variabel independen secara parsial tidak berpengaruh terhadap variabel dependen. Secara individual uji statistik yang digunakan adalah uji t. uji t digunakan untuk mengetahui pengaruh masing-masing variabel bebas terhadap variabel terikat. Uji t dilakukan dengan membandingkan antara thitung dengan ttabel. Untuk menentukan nilai ttabel ditentukan dengan tingkat signifikan 5% dengan derajat kebebasan df = (n-k-1) dimana n adalah jumlah responden dan k adalah jumlah variabel. Kriteria pengujian yang digunakan sebagai berikut: Jika thitung > ttabel (n-k-1) maka H0 ditolak Jika thitung < ttabel (n-k-1) maka H0 diterima Selain uji t, dapat pula dilihat dari segi besarnya probabilitas value (p value) dibandingkan dengan 0,05 (taraf signifikan α = 5%). Adapun kriteria pengujian yang digunakan adalah: Jika p value < 0,05 maka H0 ditolak Jika p value > 0,05 maka H0 diterima Untuk dapat mengetahui seberapa besar presentase sumbangan dari variabel independen pajak daerah (X1), retribusi daerah (X2) secara bersama-sama terhadap alokasi belanja daerah (Y) sebagai variabel dependen dapat dilihat dari besarnya koefisien determinasi (r2). Dimana r2 menjelaskan seberapa besar variabel independen yang digunakan dalam penilitian ini menjelaskan variabel dependen.
36
1. Uji Simultan (Uji F) Uji simultan, yaitu uji statistik bagi koefisien regresi yang serentak atau bersama-sama mempengaruhi Y. Uji ini menggunakan uji F menurut Hasan (2008) yaitu:
Keterangan: n : Jumlah subyek k : Jumlah variabel bebas R2: koefisien determinasi Secara simultan keseluruhan hipotesis statistik dirumuskan sebagai berikut: H0:
ß1X1, ß2X2 = 0, artinya pajak daerah dan retribusi daerah tidak
berpengaruh secara simultan terhadap alokasi belanja daerah. H1: ß1X1, ß2X2 ≠ 0, artinya pajak daerah dan retribusi daerah berpengaruh secara simultan terhadap alokasi belanja daerah. Uji F ini digunakan untuk mengetahui ada tidaknya pengaruh secara bersamasama (simultan) variabel-variabel independen (bebas) terhadap variabel dependen (terikat). Pembuktian dilakukan dengan cara membandingkan nilai Fhitung dengan Ftabel pada tingkat kepercayaan 5% dan derajat kebebasan (degree of freedom) df = (n-k-1) dimana n adalah jumlah responden dan k adalah jumlah variabel. Criteria pengujian yang digunakan adalah: Jika Fhitung > Ftabel (n-k-1) maka H0 ditolak dan H1 diterima, arti secara statistic data yang digunakan membuktikan bahwa semua variabel independen (X1 dan X2) berpengaruh terhadap nilai variabel (Y).
37
Selain itu uji F pula dapat dilihat dari besarnya probabilitas value (p value) dibandingkan dengan 0,05 (taraf signifikan α = 5%). Adapun kriteria pengujian yang digunakan adalah: Jika p value < 0,05 maka H0 ditolak Jika p value > 0,05 maka H1 diterima Selanjutnya untuk mengetahui seberapa besar presentase sumbangan dari variabel independen X1, X2 secara bersama-sama terhadap varabiabel dependen Y dapat dilihat dari besarnya koefisien determinasi (R2). Dimana R2 menjelaskan seberapa besar variabel independen yang digunakan dalam penilitian ini menjelaskan variabel dependen. 2. Koefisien Determinasi R² Koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Koefisien determinasi ini digunakan karena dapat menjelaskan kebaikan dari model regresi dalam memprediksi variabel dependen. Semakin tinggi nilai koefisien determinasi maka akan semakin baik pula kemampuan variabel independen dalam menjelaskan variabel dependen. (Ghozali, 2006). Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 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 memprediksikan variasi variabel dependen
