PENDAHULUAN
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 II
KONSEP DAN DEFINISI
2.2.1 Inflasi
Inflasi 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 PDRB
PDRB 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 Alam
Menurut 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 menurut Undang-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 adalah pendapatan
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 asli menurut 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 yaitu pungutan yang telah secara sah menjadi pungutan
daerah sebagai pembayaran pemakaian atau karena memperoleh jasa atau karena
memperoleh
jasa
pekerjaan,
usaha
atau
milik
pemerintah
daerah
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 Umum
Dana 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 Investasi
Menurut 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
dihasilkan
yang memuat pilihan atau keputusan yang dibuat oleh pemerintah untuk
menyediakan barang-barang publik dan pelayanan kepada masyarakat. Total
pengeluaran pemerintah merupakan penjumlahan keseluruhan dari keputusan
anggaran pada masing-masing tingkatan pemerintahan (Pusat-Prop-Kab/Kota).
Pada masing-masing tingkatan dalam pemerintah ini dapat mempunyai keputusan
akhir proses pembuatan yang berbeda, dan hanya beberapa hal pemerintah yang
dibawahnya dapat dipengaruhi oleh pemerintahan yang lebih tinggi (Lee Robert
D, Jr and Ronald W. Johnson)
BAB III
METODOLOGI
3.1 Regresi Linier Berganda
Analisis 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 :
Y i= 0 + 1 Z 1 + .+ i Z i
Dimana
Yi = Pendapatan Asli Daerah (PAD) per provinsi tahun 2013
0 = intersept/ konstanta
i =koefisien regresi parsial ke-n pada variabel dependen
Zn = 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 kenormalan
Salah 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
Autokorelasi
menggambarkan
adanya
korelasi
antara
variabel
d>4-dL
: menolak H0
d<4-dU
: tidak menolak H0
4-dL d 4dU
: menolak H0
d<4-dU
: tidak menolak H0
4-dU d 4dL
4. Uji multikolinieritas
Multikolinier ialah kondisi dimana adanya hubungan antara variabelvariabel bebas. Jika multikolinier itu sempurna maka setiap koefisien regresi
dari variabelvariabe bebasnya tidak dapat menentukan dan standar errornya
tidak terbatas. Jika multikolinier kurang dari sempurna maka koefisien regresi
walaupun bisa menentukan, tetapi memiliki standar error yang besar (dalam
hubungan dengan koefisien mereka itu sendiri), yang berarti koefisienkoefisiennya tidak bisa diestimasi dengan akurasi yang tepat. Cara umum untuk
mendeteksi adanya multikolinear dalam model ialah dengan melihat bahwa
adanya R2 yang tinggi dalam model tetapi tingkat signifikansi tstatistiknya
sangat kecil dari hasil regresi tersebut dan cenderung banyak yang tidak
signifikan. Selain itu untuk menguji multikolinear, bisa dilihat matrik
korelasinya. Jika masing-masing variabel bebas berkorelasi lebih besar dari 80
% maka termasuk yang memiliki hubungan yang tinggi atau ada indikasi
multikolinearitas (Gujarati,2003).
Beberapa alternatif cara untuk mengatasi masalah multikolinearitas adalah
sebagai berikut:
1. Mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggi.
2. Menambah jumlah observasi.
3. Mentransformasikan data ke dalam bentuk lain, misalnya logaritma natural,
akar kuadrat atau bentuk first difference delta.
Selanjutnya untuk menguji apakah persamaan koefisien regresi sudah layak atau
tidak maka perlu diuji dengan uji signifikansi persamaan regresi. Pengujian persamaan
regresi dilakukan untuk semua koefisien regresi. Uji statistik yang dilakukan meliputi :
1. Uji signifikansi Koefisien Regresi Secara Simultan (Uji F)
Uji F dilakukan untuk mengetahui apakah variabel bebas secara simultan
mempunyai pengaruh yang signifikan terhadap variabel tak bebas. Prosedur
pengujian untuk persamaan regresi dari model produksi dengan pengujian secara
simultan adalah :
1. Merumuskan hipotesis. Adapun hipotesisnya adalah:
i=0
Ho :
; untuk semua i, artinya secara simultan tidak ada pengaruh
H1 :
i 0
=5%.
MSE
SSE /(nk )
maka H0 ditolak.
hitung ( ^i )=
var ( ^ )
i
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 :
2
2 n1
Adj R =1(1R )
nk , dengan :
2
R=
R2=1
, atau
SSE
e2i
=1
SST
y 2i
dan
bisa
diturunkan
akar
ciri-ciri
(eigen
values)
yaitu
Dimana :
d 2j = jarak kuadrat observasi ke-j terhadap nilai rataan
Xj
'
Dengan keragaman masing-masing adalah Var(Yi) = a i ai=i
Dimana :
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:
r 2ij
KMO=
i j
r ij+ a2ij
i
i j
; i=1, 2, , p ; j=1, 2, , p
i j
di mana:
rij = Koefisisen korelasi sederhana antara peubah i dan j
aij = Koefisien korelasi parsial antara peubah i dan j
Adapun penilaian uji KMO dari matrik antar peubah adalah sebagai berikut:
2.
2.
3.
Untuk mengidentifikasi suatu set variabel yang penting dari suatu set
variabel yang banyak.
Analisis Faktor pada dasarnya bertujuan untuk mendapatkan sejumlah kecil
faktor/komponen utama yang memiliki sifat berikut (Ekaria, 2004:5):
1.
2.
3.
2.
= Faktor Umum ;
j = 1,2, m; m<p
= Faktor Spesifik ;
i = 1,2,.p
= ratarata peubah ke i
l ij
dengan asumsi:
1.
E(F) =0
2.
3.
E( )=0
Var ( ) = E(
4.
Cov (
F') = E (
') =
F') =0, sehingga F dan
independent
Var (Xi) = l i 1 +l i 2 + +l ij + i
Cov (Xi, Yj) =
l i 1 l j 1 +l i 2 l j 2 ++l l jm
2. Cov (X,F) = L
Cov (X1,Fj) =
l ij
Model (X-) = LF + adalah linier dalam faktor bersama. Bagian dari Var
(Xi) yang dapat diterangkan oleh faktor bersama disebut communality ke-i.
Sedangkan bagian dari Var (Xi) karena faktor spesifik disebut varian spesifik ke-i.
ii =l i 12+l i 22 ++l 2 + i=h i2 + i
di mana:
hi
= communality
mudah diinterpretasikan. Dari rotasi tersebut menghasilkan matriks loading baru L*,
yaitu:
L*(pxq) = L(pxq) . T(qxq)
di mana T adalah matriks transformasi yang dipilih sehingga,
T'T = TT' = I
Matriks transformasi T ditentukan sedemikian serupa hingga total keragaman
kuadrat loading L, yaitu:
q
1
V=
p j=1
[ ( ) { ( ) } ]
p
i=1
l ij 4
hi
i=1
l ij
hi
2 2
/p
V=
i=1
BAB IV
ANALISIS DAN PEMBAHASAN
Dalam penelitian ini digunakan sembilan variabel bebas yang diduga
memengaruhi Pendapatan Asli Daerah (PAD) di 33 provinsi di Indonesia, yaitu jumlah
penduduk, pengeluaran pemerintah, PDRB, inflasi, pajak daerah, DAU, sumber daya
alam, investasi PMA, dan ivestasi PMDN.
Untuk menentukan variabel yang paling dominan dari sembilan variabel tersebut
dapat digunakan regresi linear berganda. Namun, karena terdapat korelasi antarvariabel
bebas maka peneliti melakukan transformasi menggunakan logaritma natural untuk
menghilangkan multikolinearitas. Kemudian, sebagai perbandingan, peneliti juga
melakukan transformasi dengan menggunakan analisis komponen utama dan analisis
faktor sehingga diperoleh variabel baru yang tidak saling berkorelasi.
4.1 Analisis Regresi Linier Berganda
Analisis regresi linier berganda adalah suatu analisis yang sudah lazim
digunakan untuk menyelidiki hubungan antara beberapa peubah. Menurut Gujarati
adalah suatu analisis yang berkenaan dengan studi ketergantungan suatu peubah,
peubah tak bebas pada satu atau lebih peubah lain, peubah yang menjelaskan atau
peubah tak bebas, dengan maksud menaksir dan atau meramalkan nilai rata-rata hitung
peubah tak bebas, dipandang dari segi nilai yang diketahui atau tetap (pengambilan
sampel berulang) peubah yang menjelaskan.
Std. Deviation
Absolute
Positive
Negative
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
a. Test distribution is Normal.
b. Calculated from data.
Residual
33
-.0099284
6701163952989.88
100000
.075
.066
-.075
.429
.993
Unstandardized Coefficients
Standardized
Sig.
2.032
.054
-1.322
1.342
.345
-1.403
1.023
.853
.174
.317
.402
-.127
-.708
.486
-1.178
-.274
.281
.378
.553
-1.394
-.616
.914
.903
1.729
.177
.544
.370
.376
.097
Coefficients
B
Std. Error
8227438082380.
4047948874110.
610
821
Jumlah_pdd
PDRB
Pengeluaran_pemerintah
-499980.849
.044
.124
-
356489.558
.043
.146
Inflasi
318728514105.7
(Constant)
Pajak_daerah
DAU
PDRB_pertanian
Investasi_PMA
Investasi_PMDN
a. Dependent Variable: RES_2
98
-1.084
-.143
.006
.103
.332
450206223502.1
65
.778
.231
.006
.114
.192
Beta
Dari hasil perhitungan tersebut menunjukkan tidak ada gangguan heteroskedastis yang
terjadi dalam proses estimasi parameter model penduga, dimana tidak ada nilai hitung
yang signifikan atau signifikan (sig) lebih dari 0,05 (p > 0,05). Jadi secara keseluruhan
dapat disimpulkan bahwa tidak ada masalah heteroskedastis.
3. Uji Asumsi Tidak Ada Multikolinearitas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan
adanya korelasi antar variabel bebas (independen). Dari hasil multikoliniertitas
dapat diketahui besaran korelasi dan varian inflation faktor (VIF) dengan SPSS
20.0 sebagai berikut :
Unstandardized Coefficients
B
(Constant)
77888542651
Jumlah_pdd
PDRB
Pengeluaran_pemerinta
1
Std. Error
Sig.
Collinearity
Statistics
Beta
Tolerance VIF
25.339
-.960
.347
47.359
-1901089.083 714629.993
.203
.087
-.438
.534
-2.660
2.332
.014
.029
.034
.017
29.772
57.619
-.191
-.046
-.655
.519
.183
5.479
.034
1.076
.293
.929
1.076
.832
.027
-.010
.026
-.384
5.645
.352
-.181
.359
-6.886
.000
.728
.858
.723
.000
.042
.151
.317
.170
.292
23.916
6.632
3.156
5.888
3.429
3.111
8.804
.163
-.002
.082
-2.653
Pajak_daerah
DAU
PDRB_pertanian
Investasi_PMA
Investasi_PMDN
Coefficients
81146434914
.292
97133507230 90249731776
Inflasi
Standardized
6.522
1.560
.464
.013
.228
.385
R Square
Adjusted
Square
1
.989a
.979
.971
Estimate
7904261773948
.23200
1.940
dan dU sebesar 1,975. Nilai d berada diantara dL dan dU maka tidak dapat
diambil kesimpulan.
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 semua peubah bebas dalam model
secara bersama-sama memberi pengaruh yang signifikan terhadap pendapatan
asli daerah. Hasil pengolahan dengan SPSS 20.0 diperoleh nilai uji pada tabel
berikut.
Tabel 4.1.5 Uji Simultan
ANOVAa
Model
1
Regression
Sum of Squares Df
106.798
9
Mean Square
11.866
Residual
25.950
22
1.180
Total
132.748
31
log_Investasi_PMDN,
log_Pajak_daerah,
F
10.060
log_Inflasi,
log_Investasi_PMA,
Sig.
.000b
log_DAU,
log_Jumlah_pdd,
log_PDRB_pertanian, log_PDRB
Model
Unstandardized
Standardized
Coefficients
Coefficients
Std. Error
(Constant)
5.162
12.276
log_Jumlah_pdd
.384
.533
Sig.
.420
.678
.721
.479
Beta
.186
Correlations
Zero-order Partial
Part
.559
.068
.152
log_PDRB
log_Pengeluaran_peme
rintah
log_Inflasi
log_Pajak_daerah
log_DAU
log_PDRB_pertanian
log_Investasi_PMA
log_Investasi_PMDN
.027
.492
.016
.055
.957
.669
.012
.005
.564
.151
.447
3.746
.001
.745
.624
.353
2.585
.224
-.779
.180
.258
-.047
1.093
.090
.441
.340
.182
.187
.237
.301
-.324
.115
.235
-.039
2.364
2.480
-1.764
.529
1.415
-.251
.027
.021
.092
.602
.171
.804
.297
.535
.049
.333
.500
.395
.450
.467
-.352
.112
.289
-.053
.223
.234
-.166
.050
.133
-.024
Model Summary
Model
R
1
a.
.897a
Predictors:
R Square
Adjusted
.805
(Constant),
Square
Estimate
.725
1.08607
2.157
log_Investasi_PMDN,
log_Inflasi,
log_DAU,
4.2 Analisis Regresi Linier Berganda Dengan Metode AKU dan Analisis Faktor
Tabel 4.2.1 Nilai statistik KMO dan Bartletts Test
.679
289.492
36
.000
Berdasarkan tabel di atas, nilai KMO sebesar 0,679, nilai tersebut berada dalam
kategori lebih dari cukup dan signifikansi Bartletts Test sebesar 0,000 menandakan
bahwa analisis faktor layak untuk dilanjutkan.
Langkah selanjutnya dalam analisis komponen utama adalah melihat nilai MSA
tiap peubah yang dianalisis. Nilai MSA menginformasikan apakan suatu peubah sudah
memiliki kecukupan observasi untuk dilakukan analisis lebih lanjut.
Nilai MSA
Nilai MSA
Nilai MSA
(tanpa inflasi)
(tanpa
inflasi
dan
PDRB
pertanian)
(1)
Jumlah penduduk
PDRB
Pengeluaran
(2)
0,651
0,643
0,801
(3)
0,660
0,656
0,811
(4)
0,722
0,674
0,826
pemerintah
Inflasi
Pajak daerah
DAU
PDRB pertanian
Investasi PMA
Investasi PMDN
0,101
0,486
0,865
0,389
0,819
0,853
0,502
0,862
0,399
0,832
0,851
0,545
0,768
0,734
0,836
Berdasarkan hasil keluaran Matriks Anti-Image dengan SPSS 20.0 pada tabel di
atas, terdapat tiga variabel yang memiliki nilai MSA < 0,5 pada awalnya, yaitu variabel
inflasi, pajak daerah, dan PDRB pertanian. Hal ini berarti variabel tidak bisa diprediksi
dan dianalisis lebih lanjut. Oleh karena itu, langkah pertama yang dilakukan peneliti
yaitu mengeluarkan variabel inflasi yang memiliki nilai MSA paling rendah sebesar
0,101. Setelah variabel inflasi dikeluarkan, masih ada satu variabel yang nilai MSA <
0,5 yaitu variabel PDRB pertanian sehingga variabel ini juga dikeluarkan dari analisis.
Nilai MSA semua variabel > 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 masingmasing 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
Dijelaskan
Compone Initial Eigenvalues
Extraction
nt
Loadings
Total
% of Variance Cumulative
Total
Sums
of
of Cumulative
Variance
Total
of Cumulative
Variance
4.728
67.548
67.548
4.728
67.548
67.548
2.909
41.555
41.555
1.073
15.333
82.881
1.073
15.333
82.881
2.893
41.327
82.881
.723
10.322
93.204
.283
4.048
97.251
.113
1.615
98.866
.064
.916
99.782
.015
.218
100.000
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 Rotasi
Rotated Component Matrixa
Component
1
2
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.
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.
autokorelasi.
4. Uji Asumsi Tidak Ada Multikolinieritas
Pengujian 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:
Y =1,153 X 1013 +5,639 X 10 12 Z 1 +7,774 X 1012 Z 2
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 Simultan
ANOVAa
Model
Regression
Residual
Total
Sum of Squares df
2951753442081
Mean Square
F
1475876721040
Sig.
9930000000000 2
9964000000000 29.238
.000b
00.000
1514316528519
00.000
5047721761730
2953000000000 30
9840000000000
00.000
4466069970601
.000
2880000000000 32
00.000
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.
Unstandardized
Coefficientsa
Standar T
Sig.
Coefficients
dized
Correlations
Collinearity
Statistics
Coeffici
Std.
115276
Error
123677
787339
510286
REGR
89.201
factor 563933
6.320
125595
score
1 for 608506
105419
analysis 6
2.505
REGR factor 777432
7.946
125595
score
105419
(Constant)
ents
Beta
2 for 849735
analysis 6
4.235
7.946
a. Dependent Variable: ABS_res
9.32
1
.477
.658
4.49
0
6.19
0
Zero-
Parti
Part
Toler
order
al
.000
.477
.634
.477
1.000
.000
.658
.749
.658
1.000
VIF
ance
.000
1.00
0
1.00
0
Model
R Square
Adjusted
Square
.813a
.661
.638
1.973
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.
Approx. Chi-Square
Bartlett's Test of Sphericity
Df
Sig.
.679
289.492
36
.000
Anti-image Matrices
Jumlah PDRB Pengel Inflasi
_pdd
daerah
uaran_
Investasi Investasi
pertanian _PMA
_PMDN
pemeri
ntah
Jumlah_pdd
.034
-.018
-.020
.031
.026
PDRB
Pengeluaran_
-.018
.017
.004
-.030
-.025
-.020
.004
.183
-.046
-.025
Inflasi
.031
-.030
-.046
.929
.050
Pajak_daerah
DAU
PDRB_pertani
.026
-.038
-.025
.006
-.025
-.001
.050
-.001
.042
.002
-.066
.036
.047
-.070
-.063
-.002
-.019
-.077
.057
.032
-.008
-.015
.108
.006
.000
Jumlah_pdd
.651a
-.729
-.257
.173
.683
PDRB
Pengeluaran_
-.729
.643a
.074
-.232
-.934
-.257
.074
.801a
-.111
-.287
Inflasi
.173
-.232
-.111
.101a
.253
Pajak_daerah
.683
-.934
-.287
.253
.486a
DAU
-.527
.125
-.008
-.002
.021
-.638
.490
.197
-.129
-.548
-.031
-.359
-.436
.143
.385
-.082
-.211
N
a. Measures of Sampling Adequacy(MSA)
.468
.011
-.004
pemerintah
Anti-image
Covariance
an
Investasi_PMA
Investasi_PMD
N
pemerintah
Anti-image
Correlation
PDRB_pertani
an
Investasi_PMA
Investasi_PMD
.694
290.830
28
-.03
8
.006
-.00
1
-.00
1
.002
.151
-.00
9
.014
-.04
9
-.52
7
.125
-.00
8
-.00
2
.021
.
865a
-.03
9
.087
-.23
2
-.066
-.002
-.008
.036
-.019
-.015
.047
-.077
.108
-.070
.057
.006
-.063
-.009
.032
.014
.000
-.049
.317
.047
.052
.047
.170
.009
.052
.009
.292
-.638
-.031
-.082
.490
-.359
-.211
.197
-.436
.468
-.129
.143
.011
-.548
.385
-.004
-.039
.087
-.232
.389a
.204
.171
.204
.819a
.039
.171
.039
.853a
Sig.
.000
Anti-image Matrices
Jumlah
PDR
Pengelu
Pajak_d
_pdd
aran_pe
aerah
DAU
_PMA
_PMDN
merintah
Jumlah_pdd
PDRB
Pengeluaran_p
.035
-.018
-.018
.018
-.019
.003
.026
-.027
-.039
.007
-.067
.037
-.004
-.019
-.009
-.016
-.019
.003
.185
-.024
-.001
.045
-.076
.110
.026
-.039
-.027
.007
-.024
-.001
.045
.002
.002
.151
-.064
-.009
.032
.014
-.001
-.049
-.067
.037
.045
-.064
-.009
.322
.054
.053
-.004
-.019
-.076
.032
.014
.054
.173
.008
-.009
-.016
.110
-.001
-.049
.053
.008
.292
.660a
-.719
-.243
.671
-.535
-.630
-.057
-.085
-.719
.656
.049
-.930
.128
.477
-.338
-.214
-.243
.049
.811a
-.270
-.008
.185
-.427
.472
.671
-.535
-.930
.128
-.270
-.008
.502a
.022
.022
.862a
-.537
-.040
.365
.088
-.007
-.232
-.630
.477
.185
-.537
-.040
.399a
.227
.174
-.057
-.338
-.427
.365
.088
.227
.832a
.038
-.085
-.214
N
a. Measures of Sampling Adequacy(MSA)
.472
-.007
-.232
.174
.038
.851a
Anti-image
Covariance
emerintah
Pajak_daerah
DAU
PDRB_pertania
n
Investasi_PMA
Investasi_PMD
N
Jumlah_pdd
PDRB
Pengeluaran_p
Anti-image
Correlation
emerintah
Pajak_daerah
DAU
PDRB_pertania
n
Investasi_PMA
Investasi_PMD
.719
261.581
21
.000
Anti-image Matrices
Jumlah_
PDRB Pengelua
pdd
Pajak_da
DAU
ran_peme erah
Investasi_ Investasi_
PMA
PMDN
rintah
Anti-image
Jumlah_pdd
.057
-.023
-.017
.030
-.067
.012
.004
Covariance
PDRB
Pengeluaran_pe
-.023
.024
-.003
-.035
.010
-.034
-.029
-.017
-.003
.191
-.022
.000
-.092
.109
.030
-.035
-.022
.063
6.048E-
.063
.014
merintah
Pajak_daerah
005
-.067
.010
.000
Investasi_PMA
Investasi_PMDN
Jumlah_pdd
.012
.004
.722a
-.034
-.029
-.613
PDRB
Pengeluaran_pe
-.613
6.048E-
.151
.017
-.049
-.092
.109
-.165
005
.063
.014
.508
.017
-.049
-.721
.183
.000
.113
.000
.301
.033
.674a
-.045
-.909
.168
-.522
-.344
-.165
-.045
merintah
Correlation
Pajak_daerah
.508
-.909
DAU
-.721
.168
Investasi_PMA
.113
-.522
Investasi_PMDN
.033
-.344
a. Measures of Sampling Adequacy(MSA)
Communalities
Initial
Jumlah_pdd
1.000
PDRB
1.000
Pengeluaran_pemerintah
1.000
Pajak_daerah
1.000
DAU
1.000
Investasi_PMA
1.000
Investasi_PMDN
1.000
.645
Extraction Method: Principal Component Analysis.
.826a
-.205
-.001
-.490
.454
-.205
-.001
-.490
.454
.545a
.001
.592
.104
.001
.768a
.100
-.229
.592
.100
.734a
-.002
.104
-.229
-.002
.836a
Anti-image
DAU
Extraction
.943
.962
.790
.847
.920
.694
Initial Eigenvalues
nent
Loadings
Total
% of
Cumulati
Total
% of
Cumulativ
Total
% of
Cumulativ
Variance
ve %
Variance
e%
Variance
e%
4.728
67.548
67.548
4.728
67.548
67.548
2.909
41.555
41.555
1.073
15.333
82.881
1.073
15.333
82.881
2.893
41.327
82.881
.723
10.322
93.204
.283
4.048
97.251
.113
1.615
98.866
.064
.916
99.782
.015
.218
100.000
Component Matrixa
Jumlah_pdd
PDRB
Pengeluaran_pemerintah
Pajak_daerah
DAU
Investasi_PMA
Investasi_PMDN
Component
1
2
.918
-.317
.950
.242
.827
.327
.698
.600
.742
-.608
.832
.038
.754
-.277
Coefficientsa
Model
Unstandardized
Standardi
Coefficients
zed
Sig.
Correlations
Collinearity
Statistics
Coefficie
nts
(Constant)
Std. Error
1152767
1236775
8733989. 102866.3
201
factor 5639336
score
analysis 6
05
REGR
factor 7774328
Partia
order
Part
Tolera
VIF
nce
9.321
.000
.477
4.490
.000
.477
.634
.477
1.000
1.000
.658
6.190
.000
.658
.749
.658
1.000
1.000
1255951
46
1255951
analysis 6
35
a. Dependent Variable: ABS_res
Zero-
20
REGR
score
Beta
46
DAFTAR PUSTAKA
Lee, 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, Jakarta
Republik 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.