Judul : A Quantitative Nexus Approach to Analyze the Interlinkages across the

Sustainable Development Goals

Penulis : Ali Karnib
Jurnal : Journal of Sustainable Development; Vol. 10, No. 5; 2017
Sumber : https://pdfs.semanticscholar.org/ccf6/979d7073a269988cad4e3c8ecba
6054ba969.pdf
Metode : Quantitative Nexus Approach

Indikator Pembangunan Berkelanjutan (SDIs) dan variabel data terkait (SDVs)

adalah metrik khusus yang digunakan untuk melacak kemajuan pencapaian Target
Pembangunan Berkelanjutan (SDTs) dan SDGs. Kerangka SDGs dapat diwakili oleh
piramida informasi yang ditunjukkan pada Gambar 1.

Gambar 1. Proses dari bawah ke atas untuk menganalisis interaksi di seluruh SDGs

Elaborasi SDIs membutuhkan kombinasi beberapa SDVs. Sementara SDVs dibagi

di beberapa indikator. Di sisi lain, penggunaan SDIs yang tepat diperlukan untuk
mengevaluasi SDTs dan SDGs. Oleh karena itu, titik masuk kemajuan evaluasi menuju
pencapaian tujuan pembangunan berkelanjutan adalah penilaian terhadap indikator-
indikator yang bersangkutan (SDIs) dan variabel-variabel data yang terkait (SDVs).
Mengambil variabel sebagai titik awal, memudahkan untuk mengatasi saling
ketergantungan kuantitatif dan interaksi di seluruh sumber daya yang mereka libatkan.
Proses bottom-up dan pendekatan nexus SDVs sangat cocok dengan prinsip ini.
Biasanya, SDVs yang dipertimbangkan untuk mengevaluasi kemajuan pencapaian
tujuan pembangunan berkelanjutan tidak independen satu sama lain. Misalnya,
peningkatan produksi pangan untuk memenuhi kebutuhan pertumbuhan populasi dan
ekonomi dapat mengakibatkan peningkatan penggunaan air, energi dan lahan, yang
dapat menyebabkan potensi dampak negatif pada ekosistem.
Evaluasi dan analisis saling ketergantungan kuantitatif di seluruh SDVs akan
memungkinkan untuk memetakan interkoneksi yang sebenarnya di seluruh SDIs,
dengan demikian, mentransmisikan informasi interkoneksi melalui SDTs dan kemudian
SDGs (Gambar 1).
Banyak SDVs saling berhubungan melalui fungsi produksi aliran kuantitatif (yang
disebut aliran produksi). Alur produksi SDVs yang saling berhubungan dapat dilihat
dalam bentuk matriks dengan setiap elemen matriks mewakili output kuantitatif dari
komponen baris yang digunakan oleh komponen kolom untuk jumlah total produksi
komponen kolom tersebut. Cara analisis ini juga dapat dipertimbangkan dalam struktur
tabel input-output. Berdasarkan teori input-output, aliran kuantitas yang keluar dari
sistem, yaitu yang tidak memiliki konsumen dalam sistem produksi, seperti komponen
yang digunakan oleh rumah tangga, pemerintah, sisa perekonomian, kerugian,
akumulasi (penyimpanan) dan ekspor didefinisikan secara kolektif sebagai aliran
kuantitas penggunaan akhir.
Misalkan V adalah matriks produksi dan V ij adalah elemen-elemennya yang
dilambangkan dengan:
n : jumlah variabel pembangunan berkelanjutan (SDVs) yang saling terkait secara
kuantitatif
Vij : penggunaan SDVs ke-i dalam produksi SDVs ke-j
Vih : penggunaan SDVs ke-i untuk kebutuhan rumah tangga
Vig : penggunaan SDVs ke-i untuk permintaan pemerintah
Vie : penggunaan SDVs ke-i untuk sisa permintaan ekonomi
Vil : kerugian SDVs ke-i;
Vis : jumlah akumulasi (penyimpanan) SDVs ke-i
Vix : jumlah ekspor SDVs ke-i
Vit : jumlah total SDVs ke-i

Kemudian dengan menerapkan keseimbangan kuantitatif, vektor jumlah total (V it) untuk
setiap variabel adalah
V ¿ ∑ V ij+V ih+V ig +V ie+ V il+ V is+V ix

Misalkan Ui = V ih+V ig +V ie+V il+V is+V ix

Maka,
Vit=∑ V ij+Ui
Misalkan V ij=aij x Vjt
Dimana aij adalah elemen dari matriks produksi yang dinormalisasi A.

Maka, Vit =∑ aij Vjt +Ui

Maka,
v t= Avt +u
Maka,
−1
v t=( I − A ) u = L−1 u
Dimana I adalah matriks identitas, dan L-1(=(I-A)-1) dikenal sebagai invers Leontief.
Judul : Evaluating Synergies and Trade-Offs among Sustainable Development
Goals (SDGs): Explorative Analyses of Development Paths in South Asia
and Sub-Saharan Africa
Penulis : Brijesh Mainali, Jyrki Luukkanen, Semida Silveira, Jari Kaivo-oja
Jurnal : Sustainability 2018, 10, 815; doi:10.3390/su10030815
Sumber : https://www.mdpi.com/2071-1050/10/3/815
Metode : Advanced Sustainability Analysis (ASA)

Gambar 1. Konsep kunci keberlanjutan menggunakan pendekatan ASA. Pertumbuhan

ekonomi (PDB), tekanan lingkungan (ES) dan intensitas lingkungan ekonomi
(ES/PDB)

Evaluasi kuantitatif sinergi dan trade-off dapat dilakukan dengan menggunakan

pendekatan Advanced Sustainability Analysis (ASA). Kerangka ini mendefinisikan
berbagai bidang yang terkait dengan pembangunan berkelanjutan dalam kaitannya
dengan pembangunan ekonomi (PDB), tekanan lingkungan (ES) dan intensitas
lingkungan pembangunan ekonomi (ES/GDP). Kerangka kerja ASA membantu dalam
menganalisis pertanyaan pembangunan berkelanjutan yang kompleks secara
terintegrasi.
Operasionalisasi target kebijakan dan instrumen untuk mencapai tujuan
keberlanjutan merupakan tantangan yang berat. Selain itu, analisis hubungan (sinergi
atau trade-off) di antara target SDGs merupakan pertanyaan ilmiah yang menantang.
Analisis sinergi menggunakan pendekatan ASA dapat memberikan wawasan yang
berguna untuk analisis relasional. Sinergi pada dasarnya adalah interaksi statistik antara
dua independen misalnya Yi dan Yj. Sinergi antara dua faktor ada ketika dampak
gabungannya lebih besa daripada jumlah efek individu mereka. Secara matematis hal
ini dapat dinyatakan sebagai:

z = Ax + By + Cxy + D

di mana x, y dan z adalah variable, serta A, B, C dan D adalah koefisien yang

menentukan ketergantungan “z” pada input x dan y. Sinergi atau interaksi antara
variabel x dan y ditentukan oleh komponen "Cxy". Jika kita amati perubahan variabel (x
dan y) antara dua titik, misalkan P (x0,y0) ke Q (x1,y1), seperti yang ditunjukkan pada
Gambar 2 (di bawah), kita dapat menentukan perubahan luas (∆z) yang akan diwakili
oleh:

z = A∆x + B∆y + C∆x∆y

Sinergi input ditentukan oleh komponen ketiga yaitu, x∆y yang diwakili oleh
daerah yang diarsir pada Gambar 2. Sinergi dapat berupa positif atau negatif. Jika
perubahan y terhadap perubahan positif pada x juga positif, maka x∆y positif,
menunjukkan Sinergi. Jika perubahan y negatif, maka x∆y negatif, menunjukkan situasi
trade-off. Jika tidak ada perubahan yang diamati pada y dengan perubahan yang
dilakukan pada x, perubahan dalam satu variabel tidak berdampak pada variabel lain—
dengan kata lain variabel-variabel tersebut De-linked.

Gambar 2. (a) Sinergi; (b) Trade-off; dan (c) Situasi yang memisahkan antara dua
variabel x dan y ditentukan oleh perubahannya x∆y (Diadopsi dari Luukkanen et al.)

Evaluasi sinergi/pertukaran yang diusulkan dalam penelitian ini menunjukkan

kemungkinan (potensial) kausalitas tetapi tidak menyimpulkan hubungan kausal antara
variabel. Sinergi potensial dapat diukur sebagai perbandingan luas daerah perubahan
nyata (∆x∆y) dengan luas perubahan maksimum (∆x∆y1), di mana x = y1. Dengan kata
lain, potensi sinergi dapat dinyatakan sebagai kemiringan garis AB yaitu sebagai rasio
y/∆x. Sinergi maksimum dapat diperoleh jika perubahan relatif pada x dan y sama.
Dalam hal perubahan y, yaitu, y, lebih besar dari perubahan x, yaitu, x, hasil bagi harus
dibalik untuk memperkirakan rasio sinergi potensial. Oleh karena itu, potensi
sinergi/trade-off antara dua variabel dapat diukur antara 1 dan +1. Tanda negatif
menunjukkan trade-off antara dua variabel. Kumpulan data dinormalisasi ke tahun
dasar yang dipilih dalam perhitungan ini.
Peneliti memeriksa sinergi dan situasi trade-off antara tujuan dan target terkait
antara tahun 1990 dan 2012. Ketersediaan kumpulan data dan keasliannya merupakan
tantangan utama di sebagian besar negara berkembang. Karena data untuk semua
indikator tidak tersedia untuk setiap tahun, kami telah mengumpulkan data untuk
tahun-tahun tertentu (1990, 1995, 2000, 2005, 2010 dan 2012) untuk menangkap
kemajuan yang dicapai selama dua dekade terakhir.
Judul : Pengaruh Dana Desa terhadap Disparsitas Pembangunan Antar
Kabupaten di Provinsi Bengkulu
Penulis : Wazir Hutapia dan Benardin Almanuar
Jurnal : AGRISEP Vol. 19 No. 1 Maret 2020 Hal: 43-52
Sumber : https://ejournal.unib.ac.id/index.php/agrisep/article/view/10083/5225
Metode : Deskriptif kuantitatif

Penelitian ini menggunakan metode deskriptif kuantitatif dengan data sekunder

dari 9 (Sembilan) kabupaten di Provinsi Bengkulu, yaitu data Gini rasio dan Dana Desa
selama tahun 2015 - 2018 yang diperoleh dari Badan Pusat Statistik (BPS), Kementerian
Keuangan dan instansi terkait lainnya.

Hasil penelitian:

Perkembangan Dana Desa Yang diterima Pemerintah Kabupaten di Provinsi

Bengkulu
Sejak tahun 2015 pemerintah pusat memberikan bantuan dana desa kepada
pemerintah provinsi Bengkulu untuk 9 (sembilan) kabupaten tidak termasuk kota
Bengkulu. Secara rinci besaran dana desa yang diterima masingmasing pemerintah
kabupaten di Provinsi Bengkulu dari tahun 2015-2018 dapat dilihat pada tabel 1 berikut.

Tabel 1. Dana Desa yang diterima Pemerintah Kabupaten di Provinsi Bengkulu, Tahun
2015-2018 (ribu rupiah)
No Kabupaten 2015 2016 2017 2018
1 Bengkulu Selatan 38.790.715 87.029.059 110.746.649 97.393.929
2 Bengkulu Utara 58.318.640 130.594.550 166.310.259 146.743.965
3 Rejang Lebong 33.338.960 74.796.332 95.495.934 97.025.890
4 Kaur 51.138.239 114.705.102 145.777.851 129.967.425
5 Seluma 48.899.525 109.690.905 139.486.234 126.493.638
6 Mukomuko 40.360.009 90.529.932 115.058.353 106.523.093
7 Lebong 25.447.255 56.982.592 72.563.476 68.334.766
8 Kepahiang 28.660.854 64.305.935 81.496.596 74.958.035
9 Bengkulu Tengah 38.008.042 85.262.139 108.405.061 98.197.538
Jumlah 362.962.239 813.896.546 1.035.340.413 945.638.279
Sumber: Kemenkeu RI, beberapa tahun

Apabila jumlah dana desa yang diterima pemerintah masing-masing Kabupaten

di Provinsi Bengkulu dikaitkan dengan banyaknya jumlah desa masing-masing
Kabupaten, menunjukkan bahwa besaran dana desa yang diterima hampir relative
sama nilainya dan tidak terdapat variasi ketimpangan yang cukup mencolok, seperti
dapat dilihat pada tabel 2 berikut.

Tabel 2. Dana Desa yang diterima Pemerintah Kabupaten di Provinsi Bengkulu, Tahun
2015-2018 menurut jumlah Desa (rupiah)
No Kabupaten 2015 2016 2017 2018
1 Bengkulu Selatan 273.174.049 612.880.697 779.905.979 685.872.739
2 Bengkulu Utara 271.249.488 607.416.512 773.536.088 682.530.070
3 Rejang Lebong 273.270.164 613.084.689 782.753.557 795.294.180
4 Kaur 266.344.995 597.422.406 759.259.641 676.913.672
5 Seluma 268.678.709 602.697.280 766.407.879 695.019.989
6 Mukomuko 272.702.764 611.688.730 777.421.304 719.750.628
7 Lebong 273.626.398 612.716.043 780.252.430 734.782.430
8 Kepahiang 272.960.514 612.437.476 776.158.057 713.886.048
9 Bengkulu Tengah 267.662.268 600.437.599 763.415.923 691.531.958
Prov. Bengkulu 271.074.372 607.864.603 773.234.540 710.620.190
Sumber: Data diolah, 2019

Jika jumlah dana desa yang diterima pemerintah masing-masing Kabupaten di

Provinsi Bengkulu dibagi dengan banyaknya jumlah penduduk miskin masing-masing
Kabupaten, menunjukkan bahwa terdapat variasi ketimpangan yang cukup mencolok
dalam pembagian dana desa per kapita penduduk miskin masing-masing kabupaten,
seperti dapat dilihat pada tabel 3 berikut.

Tabel 3. Dana Desa per penduduk miskin masing-masing Pemerintah Kabupaten di

Provinsi Bengkulu, 2015-2018 (Rupiah)
No Kabupaten 2015 2016 2017 2018
1 Bengkulu Selatan 1.124.043 2.565.715 3.390.896 3.336.551
2 Bengkulu Utara 1.380.650 3.276.331 4.267.648 4.101.285
3 Rejang Lebong 724.130 1.633.464 2.177.786 2.303.012
4 Kaur 1.939.258 4.388.106 5.723.512 5.602.044
5 Seluma 1.151.390 2.702.412 3.554.695 3.372.264
6 Mukomuko 1.705.112 3.860.551 5.111.433 4.954.562
7 Lebong 1.901.888 4.202.256 5.451.801 5.157.341
8 Kepahiang 1.291.611 2.956.595 3.795.836 3.828.296
9 Bengkulu Tengah 4.256.220 8.974.962 11.631.444 10.627.439
Rata-rata 1.719.367 3.840.044 5.011.672 4.809.199
Sumber: Data diolah, 2019
Judul : Pengaruh Dana Desa terhadap Kemiskinan: Studi Tingkat
Kabupaten/Kota di Indonesia
Penulis : Tri Angga Sigit, Ahmad Kosasih
Jurnal : Indonesian Treasury Review Vol. 5, No. 2, (2020), Hal. 105-119
Sumber : https://itrev.kemenkeu.go.id/index.php/ITRev/article/view/170/131
Metode : Regresi Data Panel

Penelitian ini menggunakan regresi data panel dengan variabel bebas, yaitu
Dana Desa, Alokasi Dana Desa (ADD), PDRB dan Belanja Modal (BM) serta variabel
terikat yaitu Jumlah Penduduk Miskin dengan model persamaan sebagai berikut:

JPMISKINit= α + β1DANA_DESAit+ β2ADDit+ β3PDRBit+ β4BMit+ εit

dengan penjelasan:
JPMISKINit :Jumlah Penduduk Miskin Kabupaten/Kota (dalam jutajiwa)
a : Intersep
βk : Koefisien Regresi
DANA_DESAit : Dana Desa (dalam juta rupiah)
ADDit : Alokasi Dana Desa (dalam juta rupiah)
PDRBit : Produk Domestik Regional Bruto Kabupaten/Kota (dalam juta rupiah)
BMit : Belanja Modal Kabupaten/Kota (dalam juta rupiah)
i : 1, 2, ... , 4
t : tahun 2015-2017

Data panel merupakan gabungan antara cross section dan time series. Data
cross section adalah data yang dikumpulkan dalam satu waktu terhadap banyak
individu. Sedangkan data time series adalah data yang dikumpulkan dari waktu ke
waktu terhadap suatu individu.
Regresi data panel di bagi menjadi tiga, yaitu Common Effect Model (CEM), Fixed
Effect Model (FEM), dan Random Effect Model (REM). Untuk mengetahui model mana
yang akan dipilih, maka dilakukan pengujian kesesuaian model.
Pengujian kesesuaian model dilakukan dengan menggunakan uji formal yaitu Uji
Chow, Uji Hausmann, serta Uji Breusch-Pagan Lagrange Multiplier (BP-LM). Uji Chow
digunakan untuk menentukan antara CEM atau FEM yang terbaik. Lalu Uji Hausmann
digunakan untuk menentukan apakah FEM atau REM yang terbaik. Sedangkan uji
BP-LM digunakan untuk menentukan apakah REM atau CEM yang terbaik.
Setelah menentukan dan memilih model terbaik, selanjutnya dilakukan
pengujian keberartian model (Goodness of Fit). Pengujian ini meliputi bagaimana
variabel bebas dalam memengaruhi variabel terikat baik secara simultan
menggunakan uji F maupun secara parsial menggunakan uji t. Selain itu, pengujian
ini juga melihat seberapa besar variabel bebas yang digunakan dalam model
terpilih mampu menjelaskan variabel terikat dalam model menggunakan tingkat R-
square. Setelah dilakukan pengujian keberartian model, maka selanjutnya model
tersebut diinterpretasikan.
Hasil penelitian:

1. Pengujian Kesesuian Model

Dalam melakukan pengujian kesesuaian model, tahap pertama yang
dilakukan adalah melakukan Uji Chow, jika model yang terpilih adalah FEM,
maka dilanjutkan Uji Hausman dengan kesimpulan berdasarkan pengujian
Hausman. Namun, jika model yang terpilih pada Uji Chow adalah CEM, maka
dilanjutkan pada pengujian BPLM dengan kesimpulan berdasarkan uji BP-LM
tersebut.

Tabel 1. Hasil Pengujian Kesesuaian Model

Uji Hipotesis Prob. Keputusan
Chow Test H0: CEM 0,000 FEM
H1: FEM
Hausman Test H0: REM 0,000 FEM
H1: FEM
Sumber: Data diolah

Berdasarkan Uji Hausman, dapat disimpulkan bahwa model yang tepat

digunakan untuk menggambarkan Dana Desa, Alokasi Dana Desa, PDRB dan
belanja modal terhadap jumlah penduduk miskin adalah Fixed Effect Model
(FEM).

2. Hasil Analisis
Berdasarkan hasil estimasi model, Dana Desa, Alokasi Dana Desa, PDRB
dan belanja modal terhadap jumlah penduduk miskin dapat digambarkan dalam
ringkasan hasil statistik sebagai berikut:

Tabel 2. Ringkasan statistik hasil estimasi Fixed Effect Model

Variabel Koefisien t-hitung p-value
C 65.3270 59.2654 0,0000*
DANA_Desa -0.0166 -8.0710 0.0000*
ADD -0.0375 -2.9462 0.0033*
PDRB -0.0001 -2.9895 0.0029*
BM -0.0011 -1.5003 0.1339
2
R 0.9991
Adjusted R2 0.9987
F-Statistic 2151.7900
Prob(F-Statistic) 0.0000
Durbin-Watson 2.1485
Sumber: Data diolah
 Berdasarkan hasil di atas, maka persamaan yang dapat menggambarkan
Dana Desa, Alokasi Dana Desa, PDRB dan belanja modal terhadap jumlah
penduduk miskin dapat dituliskan sebagai berikut:

JPMISKINit= 65,3270-0,0166 DANA_DESAit-0,0375 ADDit-0,0001 PDRBit-0,0011 BMit

Berdasarkan pengujian pengaruh secara simultan melalui uji F-Statistic,

dapat disimpulkan bahwa variabel bebas yang digunakan pada persamaan
regresi data panel secara sama memiliki pengaruh terhadap J Penduduk Miskin
Kabupaten/Kota Sementara itu, pengujian secara parsial menunjukkan bahwa
dengan tingkat signifikansi lima persen, variabel Dana Desa, ADD dan memiliki
pengaruh negatif terhadap Penduduk Miskin. Hal tersebut dapat nilai probabilitas
yang lebih kecil dari lima persen Sementara itu, Belanja Modal tidak memiliki
pengaruh secara statistik terhadap Jumlah Penduduk Miskin karena memiliki
probabilitas lebih besar dari lima persen.
Koefisien Determinasi dari hasil analisis regresi menunjukkan kemampuan
variabel dalam menjelaskan variabel terikat Determinasi ditunjukkan dengan nilai
Dari hasil regresi diperoleh nilai sebesar 0,9987. Hal ini menunjukkan bahwa
99,87% variasi dari variabel Jumlah Miskin mampu dijelaskan oleh variabel Dana
Desa, Alokasi Dana Desa, PDRB dan Belanja Modal sedangkan sisanya dijelaskan
oleh variabel lain di luar penelitian.
Judul : Persepsi dan Partisipasi Masyarakat terhadap Pemanfaatan Dana Desa
untuk Pemberdayaan Masyarakat di Desa Kertajaya Kecamatan
Padalarang Kabupaten Bandung Barat
Penulis : Desti Nisa Isti, Oong Komar, Nunu Heryanto
Jurnal : Jurnal Pendidikan Luar Sekolah Volume I ,nomor 1 , April 2017
Sumber : https://ejournal.upi.edu/index.php/pls/article/view/8733
Metode : Korelasi

Metode yang digunakan dalam penelitian ini adalah metode deskriptif dan survey
dengan pendekatan kuantitatif. Penelitian ini dilaksanakan di Desa Kertajaya Kecamatan
Padalarang Kabupaten Bandung Barat dengan partisipan warga yang tinggal di Desa
Kertajaya dengan populasi sebanyak 16.648 jiwa dan sampel sebanyak 99 responden,
sampel yang digunakan dalam penelitian ini menggunakan random sampling. Adapun
teknik pengumpulan data yang digunakan yaitu observasi, angket/ kuesioner dan studi
dokumentasi. Peneliti berpedoman pada kisi-kisi penelitian sebagai panduan dalam
mencari data yang diperlukan. Kisi-kisi penelitian yang disusun adalah sebagai berikut:

Tabel 1. Kisi-Kisi Penelitian

Variabel Penelitian Indikator Sub-Indikator
1. Konsep Dana Desa
2. Informasi mengenai Dana Desa
3. Latar belakang pemberian Dana Desa
Kognitif 4. Tujuan Dana Desa
5. Besaran Dana Desa
6. Alur Dana Desa
7. Manfaat Dana Desa
1. Sikap kepedulian masyarakat
Persepsi (Variabel X1) 2. Kesadaran mematuhi aturan
Afektif 3. Kesadaran untuk meningkatkan
kesejahteraan masyarakat
4. Dampak positif
1. Merasa lebih baik dengan adanya Dana Desa
2. Keuntungan bagi masyarakat
Konatif 3. Mengembangkan potensi daerah
4. Mengembangkan kebutuhan daerah
5. Tindakan mengatasi permasalahan
Partisipasi (Variabel 1. Musyawarah desa
X2) 2. Proposal sesuai dengan kebutuhan
3. Memberikan ide
Perencanaan
4. Memberikan gagasan dalam rapat
5. Memberikan tanggapan
6. Melakukan sosialisasi kepada warga lain
Pelaksanaan 1. Tenaga
2. Peralatan
 3. Sumbangan materi
4. Sosial
1. Penilaian
2. Pengaduan
Evaluasi
3. Pengawasan pihak desa
4. Pemeliharaan kegiatan
1. Perbaikan dan pembangnan sarana
prasarana infrastruktur
2. Perbaikan lingkungan dan pemukiman
Fisik 3. Perbaikan dan pembangunan pelayanan
Pemanfaatan Dana kesehatan
Desa untuk 4. Perbaikan dan pembangunan sarana sekolah
Pemberdayaan 5. Perbaikan dan pembangnan sarana ibadah
Masyarakat (Variabel 1. Modal usaha
Y) 2. Pelatihan masyarakat
3. Peningkatan ekonomi
Non Fisik
4. Bantuan alat-alat produksi
5. Kemudahan aktifitas sehari-hari
6. Mensejahterakan masyarakat

Skala yang digunakan dalam penelitian ini adalah skala likert untuk mengukur
sikap, pendapat, dan persepsi seseorang atau sekelompok orang tentang fenomena
sosial. Pengujian instrumen dilakukan dengan menguji validitas dan reabilitas. Penelitian
ini menggunakan analisis deskriptif dan presentase dengan menentukan kecenderungan
umum skor untuk mendeskripsikan variabel-variabel penelitian. Untuk menguji hipotesis
maka dilakukan uji normalitas, uji linieritas, uji korelasi sederhana dan uji korelasi
berganda.
Hasil penelitian:
1. Persepsi Masyarakat terhadap Pemanfaatan Dana Desa di Desa Kertajaya
Hasil penelitian menjelaskan bahwa persepsi terhadap pemanfaatan dana
desa dikategorikan cukup tinggi dilihat dari hasil kuesioner terhadap 99 responden
yang menunjukan hasil sebesar 53,18%. Persepsi merupakan aspek yang penting
terhadap pemanfaatan dana desa. Untuk mengetahui bahwa variabel bebas
memiliki hubungan terhadap variabel terikat secara parsial maka dilakukan
pengujian korelasi sederhana.
Tabel 2. Hasil Uji Korelasi X1 terhadap Y
Variabel Y
Variabel X1
Pemanfaatan dana
Persepsi
desa
Variabel X1 Pearson 1 .486**
 Correlation
Persepsi Sig. (2-tailed) .000
N 99 99
Pearson
Variabel Y .486** 1
Correlation
Pemanfaatan
Sig. (2-tailed) .000
dana desa
N 99 99

Tabel 2. Menjelaskan bahwa hasil Correlations nilai yang diperoleh untuk

variabel Persepsi (X1) dengan Variabel Pemanfaatan Dana Desa untuk
Pemberdayaan Masyarakat (Y) adalah sebesar 0.486. Nilai p-value pada kolom Sig.
(1-tailled) 0,000 < 0,05, terbukti bahwa Persepsi masyarakat memiliki hibungan
secara “signifikan” terhadap pemanfaatan dana desa untuk pemberdayaan
masyarakat. Koefisien determinasi untuk variabel Persepsi (X1) dengan Variabel
Pemanfaatan Dana Desa untuk Pemberdayaan Masyarakat (Y) adalah 23,6%,
artinya pengetahuan masyarakat akan pemanfaatan dana desa sebesar 23,6%
sedangkan 76,4% dipengaruhi oleh faktor lainnya diluar aspek persepsi.

2. Partisipasi Masyarakat terhadap Pemanfaatan Dana Desa untuk Pemberdayaan

Masyarakat di Desa Kertajaya
Hasil penelitian menjelaskan partisipasi masyarakat terhadap pemanfaatan
dana desa untuk pemberdayaan masyarakat dilihat dari hasil kuesioner terhadap 99
responden memiliki kecenderungan skor 52,52% dengan kategori cukup tinggi.
Keikutsertaan, keterlibatan seseorang dalam program pembangunan menjadi satu
hal yang tidak bisa dipisahkan, karena menjadi hal penting dalam penentu
keberhasilan suatu pembangunan. Untuk mengetahui bahwa variabel bebas
memiliki hubungan terhadap variabel terikat secara parsial maka dilakukan
pengujian korelasi sederhana.
Tabel 3. Hasil Uji Korelasi X2 terhadap Y
Variabel Y
Variabel X1
Pemanfaatan dana
Partisipasi
desa
Pearson
1 .694**
Variabel X1 Correlation
Partisipasi Sig. (2-tailed) .000
N 99 99
Variabel Y Pearson
.694** 1
Pemanfaatan Correlation
dana desa Sig. (2-tailed) .000
 N 99 99

Tabel 3 menjelaskan bahwa hasil Correlations nilai yang diperoleh untuk

variabel Partisipasi (X1) dengan variabel Pemanfaatan Dana Desa untuk
Pemberdayaan Masyarakat (Y) adalah sebesar 0.694. Nilai p-value pada kolom Sig.
(1-tailled) 0,000 < 0,05, terbukti bahwa partisipasi masyarakat memiliki hibungan
secara “signifikan” terhadap pemanfaatan dana desa untuk pemberdayaan
masyarakat. Koefisien determinasi untuk variabel Partisipasi (X2) dengan Variabel
Pemanfaatan Dana Desa untuk Pemberdayaan Masyarakat (Y) adalah 48,2%,
artinya keterlibatan masyarakat dalam pemanfaatan dana desa sebesar 48,2%
sedangkan 51,8% dipengaruhi oleh faktor lainnya diluar partisipasi yang ada.

3. Hubungan Persepsi dan Partisipasi Masyarakat terhadap Pemanfaatan Dana Desa

untuk Pemberdayaan Masyarakat di Desa Kertajaya
Hampir semua program dan proyek pemerintah mensyaratkan partisipasi dan
pemberdayaan masyarakat yang menjadi penentu keberhasilan program
pembangunan, akan tetapi pada kenyataan di lapangan partisipasi dan
pemberdayaan sering disalahgunakan, baik secara sengaja maupun tidak sengaja.
Tujuan penelitian inipun selaras dengan maksud pernyataan diatas dimana peneliti
ingin menganalisis dan mengkaji apakah terdapat hubungan yang signifikan dari
persepsi dan partisipasi masyarakat terhadap pemanfaatan dana desa di Desa
Kertajaya. Berdasarkan temuan penelitian yang dilakukan, bahwa persepsi dan
partisipasi masyarakat terhadap pemanfaatan dana desa untuk pemberdayaan
masyarakat di Desa Kertajaya memiliki hubungan yang sangat kuat. Untuk menguji
bagaimana hubungan secara simultan, maka dilakukan pengujian korelasi
berganda.

Tabel 4. Korelasi Berganda (X1, X2, Y)

Std. Error Change Statistics
Adjusted of the R Square Sig. F
R R Square R Square Estimate Change F Change Change
a
.832 .692 .686 4.572 .692 108.079 .000
a. Predictors: (Constant), VariabelX2_Partisipasi, VariabelX1_Persepsi
Tabel 4. menjelaskan bahwa korelasi antara persepsi dan partisipasi
masyarakat terhadap pemanfaatan dana desa adalah sebesar 0,832 dengan
koefisien determinasi 69,2%. Dimana keberhasilan pemanfaatan dana desa untuk
pemberdayaan memiliki hubungan antara persepsi dan partisipasi masyarakat
memiliki hubungan 69,2% sedangkan 30,8% ditentukan oleh faktor lainnya diluar
variabel yang diteliti.