Tugas kelompok APG

BAB IPENDAHULUAN

Pendapatan Asli Daerah (PAD) merupakan tolok ukur yang penting untuk menentukan tingkat kemampuan daerah dalam melaksanakan otonomi daerah secara nyata dan bertanggungjawab. Sejalan dengan hal tersebut, maka keberhasilan pembangunan perkonomian dari suatu wilayah dan kinerjanya dapat diamati melalui beberapa indikator makro. Indikator makro tersebut dapat dianalisis melalui PDRB yang dapat didefinisikan sebagai penjumlahan nilai tambah bruto yang dihasilkan oleh seluruh unit kegiatan ekonomi yang beroperasi di wilayah/daerah tersebut dalam periode tertentu. Jadi, PDRB adalah nilai tambah yang pengukurannya berdasarkan adanya aktivitas ekonomi di suatu wilayah. Pertumbuhan ekonomi daerah berkaitan erat dengan peningkatan produksi barang dan jasa, yang diukur dengan besaran dalam Produk Domestik Regional Bruto (PDRB), dan juga sebagai indikator untuk mengetahui kondisi ekonomi suatu daerah dalam suatu periode tertentu. Data PDRB juga dapat menggambarkan kemampuan daerah mengelola sumberdaya pembangunan yang dimilikinya, oleh karena itu besaran PDRB setiap daerah bervariasi sesuai dengan potensi yang dimiliki dan faktor produksi masing-masing daerah. Selain data tersebut, digunakan juga data yang diduga memengaruhi PAD yaitu jumlah penduduk, pengeluaran pemerintah, inflasi, pajak daerah, dana alokasi umum (DAU), sumber daya alam yang dalam hal ini diwakili oleh PDRB sektor pertanian, nilai investasi penanaman modal asing (PMA) dan penanaman modal dalam negeri (PMDN).

BAB IIKONSEP DAN DEFINISI

2.1 InflasiInflasi merupakan persentase kenaikan harga sejumlah barang dan jasa yang secara umum dikonsumsi rumah tangga. Ada barang yang harganya naik dan ada yang tetap. Namun, tidak jarang ada barang/jasa yang harganya justru turun. Hitungan perubahan harga tersebut tercakup dalam suatu indeks harga yang dikena dengan Indeks Harga Konsumen (IHK) atau Consumer Price Index (CPI). Persentase kenaikan IHK dikenal dengan inflasi, sedangkan penurunannya disebut deflasi.

2.2 PDRBPDRB adalah penjumlahan nilai tambah yg dihasilkan oleh unit-unit ekonomi dan seluruh sektor 1 s/d 9, atau penjumlahan dari pendapatan yg diterima oleh empat kelompokfaktor produksi, atau juga merupakan penjumlahan dari pengeluaran akhir yg dilakukan oleh 5 kelompok institusi dlm masyarakat. PDRB yang digunakan adalah PDRB sektor pertanian yang menggambarkan keadaan sumber daya alam provinsi di Indonesia.

2.3 Sumber Daya AlamMenurut Sadono Sukirno (2004), kekayaan alam akan mempermudah usaha untuk mengembangkan perekonomian, tertutama pada masa-masa permulaan dari proses pertumbuhan ekonomi. Apabila suatu negara (daerah) mempunyai kekayaan alam yang dapat diusahakan dengan menguntungkan, hambatan yang baru saja dijelaskan akan dapat diatasi dan pertumbuhan ekonomi dipercepat. Kemungkinan untuk mendapatkan keuntungan tersebut akan menarik pengusaha-pengusaha dari negara (daerah) yang lebih maju untuk mengusahakan kekayaan alam tersebut. Kekayaan alam tersebut diwakilkan oleh PDRB Sektor Pertanian setiap provinsi di Indonesia.

2.4 Pendapatan Asli Daerah dan Pajak Daerah Pengeritan pendapatan asli daerah menurutUndang-Undang No. 28 Tahun 2009 yaitu sumber keuangan daerah yang digali dari wilayah daerah yang bersangkutan yang terdiri dari hasil pajak daerah, hasil retribusi daerah,hasil pengelolaan kekayaan daerah yang dipisahkan dan lain-lain pendapatan asli daerah yang sah. Menurut Nurcholis (2007:182), pendapatan asli daerah adalahpendapatan yang diperopleh daerah dari penerimaan pajak daerah, retribusi daerah,laba perusahaan daerah, dan lain-lain yang sah.Dari beberapa pendapat di atas maka penulis dapat menyimpulkan bahwa pendapatan asli daerah adalah semua penerimaan keuangan suatu daerah, dimana penerimaan keuangan itu bersumber dari potensi-potensi yang ada di daerah tersebut misalnya pajak daerah, retribusi daerah dan lain-lain, serta penerimaan keuangan tersebut diatur oleh peraturan daerah.Adapun sumber-sumber pendapatan aslimenurut Undang-Undang RI No.32 Tahun 2004 yaitu :1. Pendapatan asli daerah (PAD) yang terdiri dari :a. Hasil pajak daerah yaitu Pungutan daerah menurut peraturan yang ditetapkan oleh daerah untuk pembiayaan rumah tangganya sebagai badan hukum publik. Pajak daerah sebagai pungutan yang dilakukan pemerintah daerah yang hasilnya digunakan untu pengeluaran umum yang balas jasanya tidak langsung diberikan sedang pelaksanannya bisa dapat dipaksakan.b. Hasil retribusi daerah yaitupungutan yang telah secara sah menjadi pungutan daerah sebagai pembayaran pemakaian atau karena memperoleh jasa atau karena memperoleh jasa pekerjaan, usaha atau milik pemerintah daerah bersangkutan.Retribusi daerah mempunyai sifat-sifat yaitu pelaksanaannya bersifat ekonomis,ada imbalan langsung walau harus memenuhi persyaratan-persyaratan formil dan materiil,tetapi ada alternatif untuk mau tidak membayar,merupakan pungutan yang sifatnya budgetetairnya tidak menonjol,dalam hal-hal tertentu retribusi daerah adalah pengembalian biaya yang telah dikeluarkan oleh pemerintah daerah untuk memenuhi permintaan anggota masyarakat.c. Hasil perusahaan milik daerah dan hasil pengelolaan kekayaan daerah yang dipisahkan. Hasil perusahaan milik daerah merupakan pendapatan daerah dari keuntungan bersih perusahaan daerah yang berupa dana pembangunan daerah dan bagian untuk anggaran belanja daerah yang disetor ke kas daerah, baik perusahaan daerah yang dipisahkan,sesuai dengan motif pendirian dan pengelolaan, maka sifat perusahaan dareah adalah suatu kesatuan produksi yang bersifat menambah pendapatan daerah, memberi jasa, menyelenggarakan kemamfaatan umum, dan memperkembangkan perekonomian daerah.d. Lain-lain pendapatan daerah yang sah ialah pendapatan-pendapatan yang tidak termasuk dalam jenis-jenis pajak daerah, retribusli daerah,pendapatan dinas-dinas.Lain-lain usaha daerah yang sah mempunyai sifat yang pembuka bagi pemerintah daerah untuk melakukan kegiatan yang menghasilkan baik berupa materi dalam kegitan tersebut bertujuan untuk menunjang,melapangkan,atau memantapkan suatu kebijakan daerah disuatu bidang tertentu.2. Dana perimbangan diperoleh melalui bagian pendapatan daerah dari penerimaan pajak bumi dan bangunan baik dari pedesaan, perkotaan, pertambangan sumber daya alam dan serta bea perolehan hak atas tanah dan bangunan. Dana perimbangan terdiri atas dana bagi hasil, dana alokasi umum, dan dana alokasi khusus.3. Lain-lain pendapatan daerah yang sah adalah pendapatan daerah dari sumber lain misalnya sumbangan pihak ketiga kepada daerah yang dilaksanakan sesuai dengan peraturan perundangan-undangan yang berlaku.

2.5 Dana Alokasi UmumDana Perimbangan terdiri dari Dana Bagi Hasil , Dana Alokasi Umum , dan Dana Alokasi Khusus dalam UU no 32/2004. Salah satu dana perimbangan dari pemerintah ini adalah Dana Alokasi Umum (DAU) yang pengalokasiannya menekankan aspek pemerataan dan keadilan yang selaras dengan penyelenggaraan urusan pemerintahan (UU 32/2004). Dana alokasi umum (DAU) merupakan dana hibah (grants) yang kewenangan pengguna diserahkan penuh kepada pemerintah daerah. Berdasarkan UU No. 33 Tahun 2004 pengertian dana alokasi umum yaitu: Dana alokasi umum adalah dana yang bersumber dari pendapatan APBD yang dialokasikan dengan tujuan untuk pemerataan kemampuan keuangan antar daerah, untuk mendanai kebutuhan daerah dalam rangka pelaksanaan desentralisasi. Dengan perimbangan tersebut, khususnya DAU akan memberikan kepastian bagi daerah dalam memperoleh sumbersumber pembiayaan untuk membiayai kebutuhan pengeluaran yang menjadi tanggung jawabnya.

2.6 InvestasiMenurut Sadono Sukirno (2005), teori ekonomi mendefinisikan investasi sebagai : pengeluaran pengeluaran untuk membeli barang-barang modal dan peralatan produksi dengan tujuan untuk mengganti dan terutama menambah barang-barang modal dalam perekonomian yang akan digunakan untuk memproduksi barang dan jasa. Investasi terbagi menjadi dua yaitu penanaman modal dalam negeri dan luar negeri.Undang-undang Republik Indonesia No. 25 Tahun 2007 tentang penanaman modal, penanaman modal dalam negeri (PMDN) adalah kegiatan menanam modal untuk melakukan usaha di wilayah negara Republik Indonesia yang dilakukan oleh penanam modal dalam negeri dengan menggunakan modal dalam negeri. Menurut definisi yang diberikan oleh Undang-undang Republik Indonesia No. 25 Tahun 2007 tentang penanaman modal, penanaman modal asing (PMA) adalah kegiatan menanam modal untuk melakukan usaha di wilayah negara Republik Indonesia yang dilakukan oleh penanam modal asing, baik yang menggunakan modal asing sepenuhnya maupun yang berpatungan dengan penanam modal dalam negeri.

2.7 Penduduk Penduduk adalah mereka yang sudah menetap di suatu wilayah paling sedikit 6 bulan atau kurang dari 6 bulan tetapi bermaksud untuk menetap.

2.8 Pengeluaran pemerintah Pengeluaran pemerintah merupakan seperangkat produk yang dihasilkanyang memuat pilihan atau keputusan yang dibuat oleh pemerintah untukmenyediakan barang-barang publik dan pelayanan kepada masyarakat. Totalpengeluaran pemerintah merupakan penjumlahan keseluruhan dari keputusananggaran pada masing-masing tingkatan pemerintahan (Pusat-Prop-Kab/Kota).Pada masing-masing tingkatan dalam pemerintah ini dapat mempunyai keputusanakhir proses pembuatan yang berbeda, dan hanya beberapa hal pemerintah yangdibawahnya dapat dipengaruhi oleh pemerintahan yang lebih tinggi (Lee RobertD, Jr and Ronald W. Johnson)

BAB IIIMETODOLOGI

3.1 Regresi Linier BergandaAnalisis regresi linier merupakan suatu metode analisis yang digunakan untuk menganalisis hubungan linier antara variabel tidak bebas (dependent variable) dengan satu atau lebih variabel bebas (independent variable). Jika banyaknya variabel bebas yang digunakan lebih dari satu variabel maka model yang terbentuk disebut model regresi linier berganda.Analisis regresi linier berganda pada penelitian ini memiliki variabel bebas yang berasal dari analisis faktor. Analisis regresi linier berganda dilakukan untuk mengatuhi kontribusi masing-masing faktor yang terbentuk dari hasil analisis faktor, sehingga dapat diurutkan dari faktor yang paling dominan sampai faktor yang paling tidak dominan.Persamaan regresinya adalah sebagai berikut :

Dimana Yi = Pendapatan Asli Daerah (PAD) per provinsi tahun 2013= intersept/ konstanta=koefisien regresi parsial ke-n pada variabel dependenZn = faktor skor ke-n yang terbentuk dari analisis faktor

Metode yang digunakan dalam analisis regresi linier berganda adalah metode kuadrat terkecil (OLS = ordinary Least Square). Sebelum analisis regresi linier berganda dilakukan dengan metode OLS, terlebih dahulu dilakukan uji asumsi dari error.Asumsi yang harus dipenuhi untuk penerapan metode OLS sebagai berikut :1. Pendeteksian kenormalanSalah satu asumsi model regresi adalah residual mempunyai distribusi normal. Konsekuensi apabila jika model tidak mempunyai residual yang berdistribusi normal maka uji t dalam melihat signifikansi variabel independent terhadap variabel dependent tidak bisa diaplikasikan jika residual tidak mempunyai distribusi normal (Widarjono, Agus, 2010, 111). Uji normalitas digunakan untuk menguji kenormalan dari suatu variabel pengganggu dan untuk mengetahui distribusi data dari suatu penelitian. Apabila sbaran data berada disekitar garis linier maka dapat disimpulkan data berdistribusi normal (Gunawan Sumodiningrat, 2001: 145). Dengan demikian apabila residual tersebut berasal dari distribusi normal maka akan dibuktikan dengan gambar grafik yang nilai-nilai sebaran datanya akan terletak disekitar garis lurus. Baru setelah itu dapat disimpulkan persyaratan normalitas bisa dipenuhi.Terdapat beberapa test yang digunakan, diantaranya adalah: (1) chi-square goodness of fit test, dan (2) jarque-bera test. Keduanya menguji residual dan dengan distribusi probalibitas chi-square

S : skewness, K : kurtosis, k : jumlah koefisien yang diestimasi.2. Uji varian sama (homoskedastis)Salah satu uji formal untuk menguji apakah terjadi pelanggaran asumsi Klasik homokedastisitas, digunakan uji White. Misal persamaan yang akan kita uji adalah sebagai berikut:

Langkah-langkahnya adalah sebagai berikut:1. Estimasi persamaan diatas dengan OLS dan hitung nilai2. Regresikan model di bawah:

3. Hitung nilai nR2, dimana n adalah besarnya contoh dan R2adalah unadjusted R-square dari persamaan regresi auxiliary pada langkah 2.4. Tolak hipotesis nol jika nR2>(tidak terdapat heterokedastisitas)3. Uji tidak ada autokorelasiAutokorelasi menggambarkan adanya korelasi antara variabel pengganggu (error term) (Sritua arief, 1993:38). Adanya gejala autokorelasi dalam model regerasi OLS dapat menimbulkan :a. Estimator OLS menjadi tidak efisien karena selang keyakinan melebar.b. Akibat butir di atas, R2 bisa ditaksir terlalu tinggi (overestimated)c. Pengujian signifikansi (t dan f) menjadi lemah (Sritua arief, 1993: 38).Autokorelasi adalah adanya korelasi antar variabel-variabel yang diurutkan menurut waktu(time series) dan individu (cross-section). Pemeriksaan adanya autokorelasi dapat dilakukan dengan menggunakan statistik d Durvin Watson (Gujarati,1999). Prosedurnya sebagai berikut :a. Pengujian hipotesisb. Lakukan regresi OLS dan dapatkan eic. Hitung angka Durvin Watson(D-W) (diperoleh dari hasil pengolahan SPSS)d. Untuk ukuran sampel tertentu dan banyaknya variabel yang menjelaskan tertentu, dapatkan nilai kritis dL dan d U.Pengambilan keputusan : Jika hipotesis nol H0 adalah bahwa tidak ada serial korelasi negatif, maka jikad>4-dL: menolak H0d4-dL: menolak H0dFtabel () maka H0 ditolak. Selain dengan membandingkan nilai Fhitung dan Ftabel, langkah ini juga dapat dilakukan dengan melihat nilai p-value hasil olahan komputer. Apabila nilai p-value lebih kecil dari maka H0 ditolak.2. Uji signifikansi Koefisien Regresi Secara Parsial (Uji T)Untuk mengetahui keberartian dari intersep dan masing-masing penduga parameter/ koefisien regresi dilakukan pengujian parsial dengan uji t, dengan prosedur pengujian sebagai berikut :1. Merumuskan hipotesis. Adapun hipotesisnya adalah :H0 : (tidak ada pengaruh dari peubah Zskori terhadap variabel tak bebas),H1 : (ada pengaruh dari peubah Zskori terhadap variabel tak bebas)2. Menentukan tingkat signifikansi ().3. Menghitung thitung dengan statistik uji :

4. Mengambil keputusan. Jika nilai thitung >ttabel () maka H0 ditolak. Apabila yang digunakan adalah nilai p-value,maka H0 ditolak jika nilai p-value lebih kecil dari , maka model tersebut layak untuk digunakan.3. Koefisien Determinasi (R2)Kebaikan suatu model dapat dilihat dari koefisien determinasi (R2) yang menunjukkan proporsi variasi dalam peubah tak bebas yang dijelaskan oleh peubah-peubah bebas secara bersama-sama. Koefisien determinasi adalah rasio antara jumlah kuadrat regresi dengan jumlah kuadrat total. Untuk analisis regresi linier berganda, koefisien determinasi yang sebaiknya diginakan adalah nilai Adjusted R2, sebab pada Adjusted R2 sudah tidak ada pengaruh derajat bebas.Secara matematis nilai Adjusted R2 dirumuskan sebagai berikut : , dengan : , atau

3.2 Analisis Komponen UtamaAnalisis komponen utama merupakan suatu teknik analisis statistik untuk mentransformasi peubah-peubah asli yang masih saling berkorelasi satu dengan yang lain menjadi satu set peubah baru yang tidak berkorelasi lagi. Peubah-peubah baru itu disebut sebagai komponen utama (Johsnon dan Wichern, 1982).Secara aljabar linier, komponen utama merupakan kombinasi linier-kombinasi linier dari p peubah acak x1, x2, x3, ..., xp. Secara geometris kombinasi linier ini merupakan sistem koordinat baru yang di dapat dari rotasi sistem semula dengan x1, x2,x3, ..., xp sebagai sumbu koordinat. Sumbu baru tersebut merupakan arah dengan variabilitas maksimum dan memberikan kovariansi yang lebih sederhana.Komponen utama tergantung kepada matriks ragam peragam dan matrik korelasi dari x1, x2,x3, ...,xp, dimana pada analisisnya tidak memerlukan asumsi populasi harus berdistribusi normal peubah ganda. Apabila komponen utama diturunkan dari populasi normal peubah ganda, interpretasi dan inferensi dapat dibuat dari komponen sampel. Melalui matriks ragam peragam bisa diturunkan akar ciri-ciri (eigen values) yaitu dan vektor-vektor cirinya yaitu .Untuk menguji asumsi distribusi normal peubah ganda dapat dilakukan dengan mencari jarak kuadrat untuk setiap observasi (Johnson dan Wichern : 1982). Hipotesis untuk uji ini adalah :H0 : Peubah-peubah berdistribusi normalH1 : Peubah-peubah tidak berdistribusi normalJarak kuadrat dihitung dengan rumus :

Dimana : = jarak kuadrat observasi ke-j terhadap nilai rataan = nilai observasi ke-j, dimana :

Secara umum pembentukan komponen utama disusun sebagai berikut :

Dengan keragaman masing-masing adalah Var(Yi) = Dimana : i= 1, 2,....,p dan = akar ciri dari komponen utama ke-i dan keragaman totalnya adalah :

Dimana : = simpangan baku dan adalah akar ciri daari komponen utama.

3.3 Uji Kaiser Meyer Olkin (KMO)Sebelum melakukan analisis faktor, perlu dilakukan pengujian kelayakan data yaitu dengan menggunakan Uji Kaiser Meyer Olkin (KMO). Uji KMO digunakan untuk mengetahui apakah metode penarikan sampel yang digunakan memenuhi syarat atau tidak. Di samping itu, uji KMO dalam Analisis Faktor berguna untuk mengetahui apakah data yang digunakan dapat dianalisis lebih lanjut atau tidak dengan Analisis Faktor. Rumusan uji KMO adalah:

di mana: rij = Koefisisen korelasi sederhana antara peubah i dan jaij = Koefisien korelasi parsial antara peubah i dan jAdapun penilaian uji KMO dari matrik antar peubah adalah sebagai berikut: 0,90KMO 0,5 setelah variabel inflasi dan PDRB pertanian dikeluarkan. Hal ini berarti terdapat tujuh variabel yang dapat digunakan untuk analisis faktor.Penentuan jumlah komponen dapat dilakukan dengan dua pendekatan berdasarkan nilai akar ciri atau besarnya nilai kumulatif keragaman yang dijelaskan oleh masing-masing komponen yang terbentuk (Cumulative Sum of Squares Loadings). Menurut Anderson, jika nilai akar ciri lebih dari satu maka komponen tersebut dapat dipilih sebagai komponen utama. Berikut tabel pembentukan komponen utama dan keragaman data yang dijelaskan.

Tabel 4.2.3. Pembentukan Komponen Utama dan Keragaman Data yang DijelaskanComponentInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared Loadings

Total% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %

14.72867.54867.5484.72867.54867.5482.90941.55541.555

21.07315.33382.8811.07315.33382.8812.89341.32782.881

3.72310.32293.204

4.2834.04897.251

5.1131.61598.866

6.064.91699.782

7.015.218100.000

Extraction Method: Principal Component Analysis.

Berdasarkan tabel di atas, kedua komponen yang terbentuk secara bersama-sama dapat menjelaskan keragaman total data sebesar 82,881 persen. Komponen utama pertam dengan akar ciri sebesar 4,728 dapat menjelaskan keragaman data sebesar 67,548 persen. Kemudian, komponen kedua dengan akar ciri sebesar 1,073 dapat menjelaskan keragaman data sebesar 15,333 persen. Kedua komponen utama tersebut menghasilkan matriks loading faktor L yang tidak berkorelasi satu sama lain dan nilai-nilainya merupakan koefisien korelasi antarpeubah dan faktor tersebut.Keeratan hubungan faktor-faktor yang terbentuk dengan peubah-peubah asal dapat dilihat dari nilai komunalitas. Nilai komunalitas masing-masing peubah disajikan pada tabel 4 di bawah ini.Tabel 4.2.4. Nilai Komunalitas Peubah Asal

Communalities

InitialExtraction

Jumlah_pdd1.000.943

PDRB1.000.962

Pengeluaran_pemerintah1.000.790

Pajak_daerah1.000.847

DAU1.000.920

Investasi_PMA1.000.694

Investasi_PMDN1.000.645


Pada tabel tersebut dapat diketahui bahwa keragaman peubah asal yang paling besar dapat dijelaskan oleh faktor yang terbentuk adalah peubah PDRB dengan nilai komunalitas sebesar 0,962. Hal ini berarti bahwa 96,2 persen keragaman peubah PDRB dapat dijelaskan oleh faktor yang terbentuk. Nilai komunalitas yang terkecil terlihat pada peubah investasi PMDN yakni sebesar 0,645. Ini berarti keragaman investasi PMDN cukup dapat dijelaskan oleh faktor yang terbentuk.Analisis faktor digunakan dalam penelitian ini untuk memperoleh faktor-faktor umum yang mampu menjelaskan arti dari suatu variabel. Untuk itu dilakukan proses rotasi dengan menggunakan metode tegak lurus varimax seperti hasil berikut.

Tabel 4.2.5. Matriks Loading Hasil RotasiRotated Component Matrixa

Component

12

Jumlah_pdd.874.423

PDRB.503.842

Pengeluaran_pemerintah.355.815

Pajak_daerah.072.918

DAU.955.093

Investasi_PMA.563.614

Investasi_PMDN.730.336

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.

a. Rotation converged in 3 iterations.

Dari tabel di atas, dapat dilakukan analisis seperti berikut:a. Faktor pertama berkorelasi cukup tinggi dan positif dengan jumlah penduduk, Dana Alokasi Umum (DAU), dan investasi PMDN. Ketiga faktor tersebut memberikan sumbangan relatif besar dalam membangun faktor pertama dibandingkan dengan peubah yang lain. Dengan mempertimbangkan peubah-peubah penyusunnya, maka faktor pertama diberi nama faktor potensi SDM dan pemodalan dalam negeri.b. Faktor kedua berkorelasi relatif tinggi dan positif dengan PDRB, pengeluaran pemerintah, pajak daerah dan investasi PMA. Keempat faktor tersebut memberikan sumbangan relatif sama besar dibandinngkan dengan peubah yang lain. Dengan mempertimbangkan peubah-peubah penyusunnya, maka faktor kedua diberi nama faktor keuangan daerah dan investasi asing

Setelah memperoleh faktor utama, maka dilanjutkan dengan analisis regresi linear berganda. Analisis linear berganda digunakan untuk melihat pengaruh faktor yang telah terbentuk dengan analisis faktor. Persamaan regresi diperoleh dengan metode OLS lanjut pengujian asumsi dan pengujian model seperti berikut :1. Uji Asumsi Normalitas Pengujian ini bertujuan untuk mengetahui distribusi dari peubah-peubah bebas dalam model regresi apakah berdistribusi normal atau tidak. Hasil pengolahan dengan SPSS 20.0. diperoleh diagram pencar seperti gambar dibawah ini.

Gambar 4.2.1 Plot P-P Dalam Pengujian Asumsi Kenormalan2. Uji Asumsi Homokedastis Untuk menguji asumsi ini dapat dilakukan dahulu pendeteksian dengan melihat plot antara nilai sisa dengan nilai taksiran , jika plot membentuk pola tertentu maka asumsi tidak terpenuhi (Gujarati, 1978). Ouput hasil pengolahan dengan SPSS 20 diperoleh scatter plot sepeerti pada gambar 4.2.2 dibawah ini. Sumbu X adalah nilai Y yang telah diprediksi, dan sumbu Y adalah nilai residual yang telah dibakukan.

Gambar 4.2.2 Plot P-P Dalam Pengujian Asumsi Kenormalan

Dari gambar diatas mengindikasikan terjadinya pola tertentu dari plot sehingga asumsi homoskedastis terlanggar.3. Uji Asumsi Non-AutokorelasiMenurut Gujarati (1978), masalah auotkorelasi dapat dideteksi melalui pendekatan uji durbin watson. Dari output hasil pengolahan(Lampiran) dengan SPSS 20 diperoleh nilai statistik d durbin watson 1,97. Sedangkan nilai tabel durbin watson dengan tingkat signnifikansi 0,05 (n=33, k=2) diperoleh dl sebesar 1,114 dan du sebesar 1,358. Maka dapat disimpulkan tidak ada autokorelasi.4. Uji Asumsi Tidak Ada MultikolinieritasPengujian tidak ada multikolinieritas dilakukan dengan melihat besarnya nilai VIF. Pada umumnya, jika VIF nilainya lebih besar dari 5 berarti peubah tersebut memiliki masalah multikolineritas. Adapun nilai VIF hasil pengolahan SPSS 20 dari kedua faktor dalam penelitian ini adalah sebesar sama dengan 1. Dengan demikian peubah peubah yang digunakan dalam analisis ini tidak mengalami analisis multikolineritas.Berdasarkan output hasil pengolahan SPSS 20.0 diperoleh model persamaan regresi sebagai berikut:

Dimana :Z1 = faktor potensi SDM dan pemodalan dalam negeri.Z2 = keuangan daerah dan investasi asing

Untuk mengetahui kelayakan dari model yang terbentuk, maka dilakukan pengujian terhadap model diantaranya dilakukan uji sebagai berikut ;

1. Uji Simultan Uji ini digunakan untuk mengetahu apakah kedua faktor dalam model secara bersama-sama memberi pengaruh yang signifikan terhadap pendapatan asli daerah. Hasil pengolahan dengan SPSS 20 diperoleh nilai uji pada tabel berikut :Tabel 4.2.6. Uji SimultanANOVAa

ModelSum of SquaresdfMean SquareFSig.

1Regression2951753442081993000000000000.00021475876721040996400000000000.00029.238.000b

Residual1514316528519295300000000000.0003050477217617309840000000000.000

Total4466069970601288000000000000.00032

a. Dependent Variable: ABS_res

b. Predictors: (Constant), REGR factor score 2 for analysis 6, REGR factor score 1 for analysis

Berdasarkan tabel diatas, nilai p-value jauh dibawah nilai signifikan maka dapat disimpulkan bahwa kedua faktor dalam model yang dibentuk secara simultan memberi pengrauh yang signifikan terhadap pendapatan asli daerah.

2. Uji Parsial (uji t)Uji ini digunakan untuk mengetahui apakah kedua faktor secara parsial memberikan pengaruh yang signifikan terhadap pendapatan asli daerah. Hasil pengolahan dengan SPSS 20 diperoleh nilai uji pada tabel Tabel 4.2.7. Uji ParsialCoefficientsa

ModelUnstandardized CoefficientsStandardized CoefficientsTSig.CorrelationsCollinearity Statistics

BStd. ErrorBetaZero-orderPartialPartToleranceVIF

1(Constant)11527678733989.2011236775102866.3209.321.000

REGR factor score 1 for analysis 65639336085062.5051255951054197.946.4774.490.000.477.634.4771.0001.000



Berdasarkan tabel di atas diperoleh masing-masing p-value sebesar o,ooo. Nilai tersebut jauh di bawah signifikansi 0,05 maka dapat disimpulkan kedua faktor yang diperoleh secara parsial memberi pengaruh signifikan terhadap Pendapatan Asli Daerah.

3. Koefisiensi Determinasi (R2)Persamaan regresi linier berganda yang diperoleh menghasilkan R2 sebesar 0,661 dan Adjusted R Square 0,638. Hal ini berarti keragaman variabel Pendapatan Ali Daerah yang dapat dijelaskan oleh kedua faktor yang dimasukkan dalam model sebagai 63,8%. Dengan demikian, dapat dikatakan model yang terbentuk layak digunakan utuk menentukan faktor yang memengaruhi Pendapatan Asli Daerah.

Tabel 4.2.8. Uji SimultanModel Summaryb

ModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Watson

1.813a.661.6387104732058094.087001.973

a. Predictors: (Constant), REGR factor score 2 for analysis 6, REGR factor score 1 for analysis 6

b. Dependent Variable: ABS_res

LAMPIRAN

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy..679

Bartlett's Test of SphericityApprox. Chi-Square289.492

Df36

Sig..000

Anti-image Matrices

Jumlah_pddPDRBPengeluaran_pemerintahInflasiPajak_daerahDAUPDRB_pertanianInvestasi_PMAInvestasi_PMDN

Anti-image CovarianceJumlah_pdd.034-.018-.020.031.026-.038-.066-.002-.008

PDRB-.018.017.004-.030-.025.006.036-.019-.015

Pengeluaran_pemerintah-.020.004.183-.046-.025-.001.047-.077.108

Inflasi.031-.030-.046.929.050-.001-.070.057.006

Pajak_daerah.026-.025-.025.050.042.002-.063.032.000

DAU-.038.006-.001-.001.002.151-.009.014-.049

PDRB_pertanian-.066.036.047-.070-.063-.009.317.047.052

Investasi_PMA-.002-.019-.077.057.032.014.047.170.009

Investasi_PMDN-.008-.015.108.006.000-.049.052.009.292

Anti-image CorrelationJumlah_pdd.651a-.729-.257.173.683-.527-.638-.031-.082

PDRB-.729.643a.074-.232-.934.125.490-.359-.211

Pengeluaran_pemerintah-.257.074.801a-.111-.287-.008.197-.436.468

Inflasi.173-.232-.111.101a.253-.002-.129.143.011

Pajak_daerah.683-.934-.287.253.486a.021-.548.385-.004

DAU-.527.125-.008-.002.021.865a-.039.087-.232

PDRB_pertanian-.638.490.197-.129-.548-.039.389a.204.171

Investasi_PMA-.031-.359-.436.143.385.087.204.819a.039

Investasi_PMDN-.082-.211.468.011-.004-.232.171.039.853a

a. Measures of Sampling Adequacy(MSA)




df28

Sig..000

Anti-image Matrices

Jumlah_pddPDRBPengeluaran_pemerintahPajak_daerahDAUPDRB_pertanianInvestasi_PMAInvestasi_PMDN

Anti-image CovarianceJumlah_pdd.035-.018-.019.026-.039-.067-.004-.009

PDRB-.018.018.003-.027.007.037-.019-.016

Pengeluaran_pemerintah-.019.003.185-.024-.001.045-.076.110

Pajak_daerah.026-.027-.024.045.002-.064.032-.001

DAU-.039.007-.001.002.151-.009.014-.049

PDRB_pertanian-.067.037.045-.064-.009.322.054.053

Investasi_PMA-.004-.019-.076.032.014.054.173.008

Investasi_PMDN-.009-.016.110-.001-.049.053.008.292

Anti-image CorrelationJumlah_pdd.660a-.719-.243.671-.535-.630-.057-.085

PDRB-.719.656a.049-.930.128.477-.338-.214

Pengeluaran_pemerintah-.243.049.811a-.270-.008.185-.427.472

Pajak_daerah.671-.930-.270.502a.022-.537.365-.007

DAU-.535.128-.008.022.862a-.040.088-.232

PDRB_pertanian-.630.477.185-.537-.040.399a.227.174

Investasi_PMA-.057-.338-.427.365.088.227.832a.038

Investasi_PMDN-.085-.214.472-.007-.232.174.038.851a





Df21

Sig..000

Anti-image Matrices

Jumlah_pddPDRBPengeluaran_pemerintahPajak_daerahDAUInvestasi_PMAInvestasi_PMDN

Anti-image CovarianceJumlah_pdd.057-.023-.017.030-.067.012.004

PDRB-.023.024-.003-.035.010-.034-.029

Pengeluaran_pemerintah-.017-.003.191-.022.000-.092.109

Pajak_daerah.030-.035-.022.0636.048E-005.063.014

DAU-.067.010.0006.048E-005.151.017-.049

Investasi_PMA.012-.034-.092.063.017.183.000

Investasi_PMDN.004-.029.109.014-.049.000.301

Anti-image CorrelationJumlah_pdd.722a-.613-.165.508-.721.113.033

PDRB-.613.674a-.045-.909.168-.522-.344

Pengeluaran_pemerintah-.165-.045.826a-.205-.001-.490.454

Pajak_daerah.508-.909-.205.545a.001.592.104

DAU-.721.168-.001.001.768a.100-.229

Investasi_PMA.113-.522-.490.592.100.734a-.002

Investasi_PMDN.033-.344.454.104-.229-.002.836a


Communalities

InitialExtraction

Jumlah_pdd1.000.943

PDRB1.000.962

Pengeluaran_pemerintah1.000.790

Pajak_daerah1.000.847

DAU1.000.920

Investasi_PMA1.000.694

Investasi_PMDN1.000.645


Total Variance Explained

ComponentInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared Loadings

Total% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %

14.72867.54867.5484.72867.54867.5482.90941.55541.555

21.07315.33382.8811.07315.33382.8812.89341.32782.881

3.72310.32293.204

4.2834.04897.251

5.1131.61598.866

6.064.91699.782

7.015.218100.000


Component Matrixa

Component

12

Jumlah_pdd.918-.317

PDRB.950.242



DAU.742-.608


Investasi_PMDN.754-.277


a. 2 components extracted.

Rotated Component Matrixa

Component

12

Jumlah_pdd.874.423

PDRB.503.842



DAU.955.093


Investasi_PMDN.730.336

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.

a. Rotation converged in 3 iterations.

Coefficientsa

ModelUnstandardized CoefficientsStandardized CoefficientsTSig.CorrelationsCollinearity Statistics

BStd. ErrorBetaZero-orderPartialPartToleranceVIF

1(Constant)11527678733989.2011236775102866.3209.321.000




DAFTAR PUSTAKALee, Robert D and Ronald W Johnson, 1998, Public Budgeting System 6th Edition. AN Asper Publication Gaithering Maryland.Sadono Sukirno, 2009, Makroekonomi Modern, PT. Raja Grafindo, JakartaRepublik Indonesia, 2004. Undang-undang Nomor 33 Tahun 2004 tentang Perimbangan Keuangan antara Pemerintah Pusat dan Daerah.Badan Pusat Statistik, 2014, Aceh Dalam Angka Tahun 2014, (berbagai provinsi penerbitan), BPS Republik Indonesia.

Documents

Tugas kelompok APG