III.

METODE PENELITIAN

1. Ruang Lingkup Penelitian

Penelitian ini bersifat kuantitatif. Metode kuantitatif dapat diartikan sebagai
metode penelitian yang menggunakan aspek pengukuran dengan cara yang
objektif terhadap fenomena sosial. Data pada penelitian metode kuuantitatif
menggunakan angka (Kuncoro, 2011) dalam penelitian ini penulis
menggunakan data sekunder yang bersumber dari Badan Pusat Statistik
(BPS) dan Direktorat Jenderal Keuangan (DJPK). Penulis memilih wilayah
penelitian yakni 13 Provinsi di Indonesia Bagian Timur dengan periode
(2017-2021).

2. Jenis dan sumber data

Data yang digunakan merupakan data gabungan antara data cross section dan
data time series atau biasa juga disebut dengan data panel. Data cross section
yang digunakan adalah data 13 Provinsi di Indonesia Bagian Timur dengan
periode (2017-2021). Berikut ini adalah tabel yang berisi variabel, simbol,
satuan dan sumber data yang digunakan.

Variabel Simbol Satuan Sumber Data

Indeks Pembangunan Manusia IPM Persen BPS
Pendapatan Asli Daerah PAD Miliar DJP Kemenkeu
Dana Alokasi Umum DAU Miliar DJP Kemenkeu
Dana Bagi Hasil DBH Miliar DJP Kemenkeu
Belanja Pegawai BP Miliar DJP Kemenkeu
Belanja Modal BM Miliar DJP Kemenkeu
 47

3. Definisi Operasional Variabel

Pada dasarnya variabel penelitian adalah sesuatu yang berbentuk yang
kemudian ditetapkan oleh peneliti untuk dipelajari sehinggat diperoleh
informasi tentang hal yang ingin didapat, kemudian ditarik kesimpulan.
Variabel penelitian dapat didefiniskan sebagai objek yang mempunyai
variasi antara satu orang yang lain atau objek yang lain (Sangadji dan
Sopiah, 2010) berikut variabel yang digunakan dalam penelitian ini yaitu
sebagai berikut :

1.) Variabel terikat (Dependent Variabel )

Variabel terikat disebut juga variabel dependen. Variabel terikat dalam

penelitian ini yaitu Indeks Pembangunan Manusia di provinsi-provinsi di
Indonesia Bagian Timur. Data Indeks Pembangunan Manusia merupakan
data panel yang mengkombinasikan antara data lintas waktu (cross-section)
dan data runtutan (time-series) tahun 2017-2021 yang bersumber dari
Badan Pusat Statistik (BPS).

2.)Variabel Bebas (Independent Variabel)

a. Pendapatan Asli Daerah (X1)

Pada penelitian ini jumlah pendapatan asli daerah diproyeksikan dengan

jumlah angka. Data dalam jumlah pendapatan asli daerah yang dimaksud
dalam penelitian ini adalah data PAD yang ada provinsi-provinsi di
Indonesia Bagian Timur. Data penelitian ini diperoleh dari badan pusat
Direktorat Jenderal Perimbangan Keuangan (DJPK).

b. Dana Alokasi Umum (X2)

Dana Alokasi Umum bersumber dari APBD yang merupakan kewajiban

pemerintah pusat mengalokasikan pada pemerintah daerah. Jumlah dana
alokasi umum dimaksud dalam penelitian ini adalah besaranya jumlah dana
alokassi umum yang ada di provinsi-provinsi di Indonesia Bagian Timur.
Data yang digunakan diambil dari DJPK
 48

c. Dana Bagi Hasil (X3)

Dana Bagi Hasil adalah bagian daerah dari Penerimaan Pajak Bumi dan
Bangunan, Bea Hak atas Tanah dan Bangunan, dan penerimaan dari sumber
daya alam. Dana Bagi Hasil merupakan alokasi yang pada dasarnya
memperhatikan potensi penghasil daerah. Data yang digunakan diperoleh
dari Direktorat Jenderal Perimbangan Keuangan (DJPK).

d. Belanja Pegawai (X4)

Belanja pegawai adalah kompensasi dalam bentuk uang maupun barang
yang ditetapkan berdasarkan peraturan perundang-undangan yang diberikan
kepada pegawai negeri sipil (PNS), pejabat negara, dan pensiunan serta
pegawai honorer yang akan diangkat sebagai pegawai lingkup pemerintahan
baik sebagai imbalan atas pekerjaan yang telah dilaksanakan. Data yang
digunakan diperoleh dari (DJPK).

e. Belanja Modal (X5)

Menurut Mardiasmo (2009) belanja modal ialah pengeluaran yang
manfaatnya cenderung melebihi satu tahun anggaran dan akan menambah
anggaran rutin untuk biaya operasional dan pemeliharaanya. Data yang
digunakan diperoleh dari (DJPK).

4. Spesifikasi Model Penelitian

a. Model Regresi Data Panel
Metode analisis data yang digunakan dalam penelitian ini adalah analisis
kuantitatif deskriptif berupa regresi data panel. Data panel merupakan data
yang diperoleh dari hasil pengamatan pada beberapa individu atau (unit
cross-sectional) yang masing-masing diamati dalam beberapa periode
waktu yang berurutan (unit waktu) (Widarjono, 2017). Penggunaan teknik
estimasi ini dilakukan dengan dua metode yaitu dengan metode Fixed Effect
Model (FEM) dan metode Random Effect Model (REM), kemudian dari
kedua model tersebut dapat ditentukan model yang terbaik untuk
 49

menjelaskan keterkaitan antar variabel dependen dan variabel independen

dengan menggunakan Chow Test dan Hausman Test.

Rumus persamaan regresi panel adalah sebagai berikut :

IPMit = β0 + β1PADit + β2 DAUit+ β3DBHit+ β4BPit + β5BMit + εit
Berdasarkan persamaan diatas dalam variabel bebas terdapat satuan dan
besaran yang berbeda, sehingga perlu dilakukan trasformasi untuk
menyamakan satuan dan besaran, yaitu pada Indeks Pembangunan Manusia
dalam persen. Maka dalam penelitian ini menggunakan model semi-log.

Menurut Nachrowi & Usman (2018) semi-Log adalah model yang hanya
satu variabel yang muncul dalam bentuk logaritma. Model semi-log
merupakan hasil trasnformasi logaritma model yang tidak linier. Model
semi-Log transformasinya hanya dilakukan terhadap variabel terikat atau
variabel bebas. Model semi-Log memiliku dua macam model, yaitu:
1. Model Log-Lin, yaitu model yang terbentuk karena variabel terikat
ditrasnformasikan ke dalam bentuk logaritma, sedangkan variabel bebas
tidak ditransformasi atau tetap dalam bentuk linier.
2. Model Lin-Log, yaitu model yang terbentuk karena variabel bebas
ditransformasi ke dalam bentuk logaritma, sedangkan variabel terikat
tidak ditransformasi atau tetap dalam bentuk linier.

Sehingga model dalam penelitian ini disebut sebagai model Lin-log, dengan
model penelitian sebagai berikut:
IPMit = β0 + β1ln(PAD)it + β2 ln(DAU)it + β3 ln(DBH)it + β4 ln(BP)it +
β5 ln (BM)it + εit

Keterangan :
IPM = Indeks Pembangunan Manusia
PAD = Pendapatan Asli Daerah
DAU = Dana Alokasi Umum
DBH = Dana Bagi Hasil
 50

BP = Belanja Pegawai
BM = Belanja Modal
ln = Logaritma Natural
β0 = Konstanta
β1, β2, β3, β4, β5 = Koefisien Regresi
i = 1,2..,n, menunjukkan data cross section
t = 1,2,…,n menunjukkan data time series
ε = Variabel Gangguan (Error Term)

3. Prosedur Analisis Data

1) Metode Estimasi Regresi Data Panel

a. Common Effect Model (CEM)

Common Effect Model adalah pendugaan yang menggabungkan (pooled)
seluruh data time series dan cross section dan menggunakan pendekatan
OLS (Ordinary Least Square) untuk menduga parameternya. Metode OLS
merupakan salah satu metode populer untuk menduga nilai parameter dalam
persamaan regresi linear. Secara umum, persamaan modelnya dituliskan
sebagai berikut:
Yit = α + βXit + εit

Dengan:
Yit = Variabel respon pada unit observasi ke-i dan waktu ke-t

Xit = Variabel prediktor pada unit observasi ke-i dan waktu ke-t

Β = Koefisien slope atau koefisien arah

α = Intercept model regresi

εit = Galat atau komponen error pada unit observasi ke-i dan waktu ke-t

b. Fixed Effect Model (FEM)

Teknik model Fixed Effect adalah teknik mengestimasi data panel dengan
menggunakan variabel dummy untuk menangkap adanya perbedaan
intersep. Pengertian Fixed Effect ini didasarkan adanya perbedaan intersep
 51

antara individu namun intersepnya sama antar waktu (time in variant).

Disamping itu, model ini juga mengansumsikan bahwa koefisien regresi
(slope) tetap antar individu dan antar waktu.Pendekatan dengan variabel
dummy ini dikenal dengan sebutan Fixed Effect Model atau Least Square
Dummy Variabel (LSDV) atau disebut juga Covariance Model. Persamaan
pada estimasi dengan menggunakan Fixed Effect Model dapat ditulis dalam
bentuk sebagai berikut:

c. Random Effect Model (REM)

Bila pada Fixed Effect Model perbedaan karakteristik-karakteristik individu
dan waktu diakomodasikan pada intercept sehingga intercept-nya berubah
antar waktu. Sementara Model Random Effect Model perbedaan
karakteristik individu dan waktu diakomodasikan pada error dari model.
Mengingat ada dua komponen yang mempunyai kontribusi pada
pembentukan error, yaitu individu dan waktu, maka random error pada
REM juga perlu diurai menjadi error untuk komponen waktu dan error
gabungan.Teknik ini juga memperhitungkan bahwa error mungkin
berkorelasi sepanjang time series dan cross section.Dengan demikian
persamaan REM diformulasikan sebagai berikut.
𝜀𝑖𝑡 = 𝑢𝑖 + 𝑣𝑡 + 𝑤𝑖𝑡

Dimana:
𝑈i = Komponen error cross section
𝑣t = Komponen error time series
𝑤it = Komponen error gabungan

Alat analisis yang digunakan dalam metode data panel (panel data)
dengan menggunakan bantuan alat analisis E-views 9.

4. Metode Regeresi Data Panel

a. Uji Chow
Uji ini digunakan untuk menentukan salah satu model pada regresi data
panel, yaitu antara model (fixed effect model) dengan model (common effect
 52

model). Hipotesis pengujiannya sebagai berikut:

H0 = common effect model (CEM)

Ha = fixed effect model (FEM)

Kriteria Pengujian :

H0 : P-value > α, menerima H0 artinya model yang lebih baik digunakan

adalah Common Effect Model (CEM)
Ha: P-value < α, menolak H0 artinya model yang lebih baik digunakan
adalah Fixed Effect Model (FEM).

b. Uji Hausman
Uji ini digunakan untuk memilih model efek acak (random effect model)
dengan model efek tetap (fixed effect model). Langkah untuk memilih model
yang terbaik dalah dengan melihat chi-square statistics dengan derajat
kebebasan (df= k), dimana k adalah julah koefisien variabel yang diestimasi.
Hipotesis pengujiannya sebagai berikut:
H0 = Metode Random Effect
Ha = Metode Fixed Effect

Kriteria Pengujian :

1. Jika Chi-Square hitung > Chi-Square tabel maka H0 ditolak dan Ha

diterima, artinya model yang paling tepat digunakan adalah Fixed Effect
Model.

2. Jika Chi-Square hitung < Chi-Square tabel maka H0 diterima dan Ha

ditolak artinya model yang paling tepat digunakan adalah Random Effect
Model.

c. Uji Lagrange Multiplier

Uji Lagrange Multiplier (LM) adalah uji untuk mengetahui apakah model
 53

Random Effect atau model Common Effect (OLS) yang paling tepat
digunakan. Uji signifikasi Random Effect ini dikembangkan oleh Breusch
Pagan. Metode Breusch Pagan untuk uji signifikasi Random Effect
didasarkan pada nilai residual dari metode OLS.

Hipotesis pengujiannya adalah sebagai berikut:

H0 = Common Effect Model

Ha = Random Effect Model

Kriteria Pengujian :
1. Jika P-value > α (0,05) maka H0 ditolak dan Ha diterima, artinya model
yang paling tepat digunakan adalah Random Effect Model.

2. Jika P-value < α (0,05) maka H0 diterima dan Ha ditolak, artinya model
yang paling tepat digunakan adalah Common Effect Model.

5. Uji Asumsi Klasik

a. Uji Normalitas
Uji Normalitas diperlukan untuk mengetahui kenormalan error term dan
variabel-variabel (independen dan dependen variabel), apakah data sudah
tersebar secara normal ataukah belum. Metode yang digunakan untuk
mengetahui normal atau tidaknya distribusi residual antara lain Jarque-Bera
Test (JB-Test) dan metode grafik. Dalam metode J-B Test, yang dilakukan
adalah menghitung nilai skewness dan kurtosis (Gujarati, 2010).

Hipotesis:
H0 : data tersebar normal

Ha : data tidak tersebar normal

Kriteria Pengujian:
1. Jika JB-Test > Chi Square maka H0 ditolak dan Ha diterima, artinya
data tidak tersebar normal.

2. Jika JB-Test < Chi Square maka H0 diterima dan Ha ditolak, artinya
data tersebar secara normal.
 54

b. Uji multikolinieritas
Menurut Gujarati (2004), multikolinearitas adalah hubungan linier yang
terjadi diantara variabel-variabel independen. Uji multikolinearitas
bertujuan untuk menguji apakah model regresi ditemukan adanya masalah
korelasi yang sempurna antar variabel bebasnya. Uji multikolinieritas dapat
dilakukan dengan regresi Auxiliary, yaitu dengan membandingkan koefisien
determinasi parsial (r2) dengan koefisien determinasi majemuk (R2).

Hipotesis:

H0 : tidak terjadi multikolinieritas

Ha : terjadi multikolinieritas

Kriteria pengujian :
1. Jika VIF > 10 maka H0 ditolak dan Ha diterima, artinya memiliki
masalah multikolinearitas.
2. Jika VIF < 10 maka H0 diterima dan Ha ditolak, artinya tidak memiliki
masalah multikolinearitas.

c. Uji Heteroskedastisitas
Uji Heteroskedastisitas merupakan pengujian salah satu penyimpangan
terhadap asumsi kesamaan varians (homoskedastisitas). Jika variabel
gangguan tidak mempunyai varian yang sama pada pengamatan, maka terasi
heteroskedatisitas. Metode yang digunakan adalah metode White.

Hipotesis sebagai berikut:

H0 : tidak mengalami masalah heteroskedastisitas
Ha : mengalami masalah heteroskedastisitas

Kriteria Pengujian :
1. Jika probabilitas F-statistik < α (0,05) maka H0 diterima dan Ha ditolak
 55

,artinya memiliki masalah heteroskedastisitas.

2. Jika probabilitas F-statistik < α (0,05) maka H0 ditolak dan Ha diterima

,artinya memiliki masalah heteroskedastisitas.

d. Uji autokeralasi
Autokorelasi adalah korelasi anatara satu variabel gangguan dengan
variabel gangguan yang lain. Pengujian ini bertujuan untuk memeriksa
apakah terdapat masalah autokorelasi dalam model. Penelitian ini
menggunakan metode pengujian breusch-godfrey (BG Test)

Hipotesis :

H0 = tidak mengalami masalah autokorelasi

Ha = mengalami masalah autokorelasi

Kritria Pengujian :
1. Jika Chi-Square > α (0,05) maka H0 diterima Ha ditolak, artinya tidak
memiliki masalah autokorelasi.

2. Jika Chi-Square < α (0,05) maka H0 ditolak Ha diterima, artinya

memiliki masalah autokorelasi.

8. Pengujian Hipotesis
a. Uji t Statistik
Uji t statisistik dilakukan untuk melihat pengaruh variabel independent
secara individual terhadap variabel dependen (Widarjono, 2018).
Dalam penelitian ini, uji-t adalah sebagai berikut:

a.) Pendapatan Asli Daerah

H0: β1 < 0 : Pendapatan asli daerah tidak berpengaruh terhadap Indeks
Pembangunan Manusia.
Ha: β1 > 0 : Pendapatan Asli Daerah berpengaruh positif terhadap
Indeks Pembangunan Manusia.
 56

b.) Dana Alokasi Umum

H0: β2 < 0 : Dana Alokasi Umum tidak berpengaruh terhadap Indeks
Pembangunan Manusia.
Ha: β2 > 0 : Dana Alokasi Umum berpengaruh positif terhadap Indeks
Pembangunan Manusia.
c.) Dana Bagi Hasil
H0: β3 < 0 : Dana Bagi Hasil tidak berpengaruh terhadap Indeks
Pembangunan Manusia.
Ha: β3 > 0 : Dana Bagi Hasil berpengaruh positif terhadap Indeks
Pembangunan Manusia.
d.) Belanja pegawai
H0: β4 > 0 : Belanja Pegawai tidak berpengaruh terhadap Indeks
Pembangunan Manusia.
Ha: β4 < 0 : Belanja Pegawai berpengaruh negatif terhadap Indeks
Pembangunan Manusia.
e.) Belanja modal
H0: β5 < 0 : Belanja Modal tidak berpengaruh terhadap Indeks
Pembangunan Manusia.
Ha: β5 > 0 : Belanja Modal berpengaruh positif terhadap Indeks
Pembangunan Manusia.

Kriteria Pengujian :

1. Jika Thitung > Ttabel maka H0 ditolak dan Ha diterima, artinya terdapat
pengaruh yang signifikan antara variabel bebas dengan variabel
terikat.
2. Jika Thitung < Ttabel maka H0 diterima dan Ha ditolak, artinya tidak
terdapat pengaruh yang signifikan antara variabel bebas dengan
variabel terikat.

b. Uji F Statistik
Uji F dilakukan untuk memperlihatkan hubungan atau pengaruh antara
 57

variabel independen secara bersama-sama terhadap variabel dependen

(Widarjono, 2016)

Hipotesis dari penelitian ini:

1. H0 : β1 = β2 = β3 = β4= β5 = 0, artinya secara bersama-sama variabel
bebas tidak berpengaruh signifikan terhadap Indeks Pembangunan
Manusia.
2. Ha :β1 ≠ β2 ≠ β3 ≠ β4 ≠ β5≠ 0, artinya secara bersama-sama variabel bebas
berpengaruh signifikan terhadap Indeks Pembangunan Manusia.

Kriteria pengujiannya adalah:

1. H0 ditolak jika nilai Fhitung > nilai Ftabel, yang berarti secara bersama sama,
atau salah satu dari variabel independen mempengaruhi dan signifikan
terhadap variabel dependen

2. H0 diterima jika nilai Fhitung < nilai Ftabel, yang berarti secara bersama
sama, atau salah satu dari variabel independen tidak mempengaruhi dan
tidak signifikan terhadap variabel dependen.

e. Uji Koefisien Determinasi (R2 )

Uji koefisien determinasi dilakukan untuk mengetahui seberapa besar
kemampuan variabel independent menjelaskan variabel dependen
(Widarjono, 2018). Nilai R2 berkisar antara 0 < R2 < 1, oleh sebab itu
dapat disimpulkan sebagai berikut:
1. Jika nilai R2 mendekati nol, maka kemampuan variabel
independen dalam menjelaskan variabel dependen sangat kecil.
2. Jika nilai R2 mendekati satu, maka kemampuan variabel
independen dalam menjelaskan variabel dependen sangat
besar.
 DAFTAR PUSTAKA

BPS. 2020. Tujuan Pembangunan Berkelanjutan. Badan Pusat

Statistik.
Christia, A. M., & Ispriyarso, B. (2019). Desentralisasi Fiskal Dan
Otonomi Daerah Di Indonesia. Law Reform, 15(1), 149–
163.
Direktorat Jenderal Perimbangan Keuangan (DJPK) Kemenkeu
Republik Indonesia.
Ditjen Bina Keuangan Daerah Kemendagri RI. Presentase
Realisasi Belanja APBD Provinsi Se-Indonesia 2017.
Direktorat Dana Perimbangan, Kementerian Keuangan. 2017.
Buku Pegangan Sumber Daya Alam Alokasi Dana
Bagi Hasil. Jakarta: Direktorat Jenderal Perimbangan
Keuangan, Kementerian Keuangan.
DJPb Kemenkeu. 2019.Kajian Fiskal Regional. Kementerian
Harin Tawon. (2020).Analisis Kapasitas Fiskal dan Pengeluaran
Pemerintah terhadap Pertumbuhan Ekonomi dan
Kesejahteraan Masyarakat Provinsi Kalimantan
Tengah. Journal Of Environment and Management
1(1),40-45.
Imam Agus. 2022. Pengaruh Belanja Pemerintah Terhadap
Indeks Pembangunan Manusia Di Provinsi Riau. Jurnal
Manajemen Perbendaharaan 3(2).
Kapasitas Fiskal Dan Ruang Fiskal Kota Kupang, P., & Ekonomi
Unkris Artha Wacana-Kupang, F. (2020). The
Increasing of Fiscal Capacity and Fiscal Space in
Kupang City Frits O Fanggidae: Vol. V (Issue 1).
 59

Khusaini, M. 2018. Keuangan Daerah. UB Press.

Kiki Zakiah. 2022. Pengaruh dana perimbangan dan belanja
modal daerah terhadap IPM,TPT,TPAK, dan
Presentase Penduduk Miskin. Journal Budget: Isu dan
Masalah Keuangan Negara, 7(2).
Lestari, A., Dali, N., & Abdullah, M. (2016). Pengaruh Dana
Alokasi Umum (DAU) dan Pendapatan Asli Daerah
(PAD) Terhadap Belanja Modal dan Kemandirian
Keuangan Daerah Provinsi Sulawesi Tenggara. JPEP
(Jurnal Progres Ekonomi Pembangunan), 1(2), 44–
55.
Mardiasmo. (2002) Akuntansi Sektor Publik. Penerbit Andi.
Yogyakarta.
Nadya Putri. 2021. Pengaruh Pajak Daerah, Retribusi Daerah,
Belanja Modal dan Dana Perimbangan terhadap Dana
Perimbangan Kemandirian Keuangan Daerah di
Indonesia. Journal Prosiding Biema Business
Management, Economic, and Accounting National
Seminar.Universitas Muhammadiyah Surakarta. Solo
Novindriastuti, I., & Purnomowati, N. (2020). Analisis faktor-
faktor yang memengaruhi kemandirian keuangan
pemerintah daerah sebagai penguatan desentralisasi
fiskal. Jurnal Mutiara Mardani, 08(1), 70–91.
Undang-Undang No. 9 Tahun 2015 Tentang Otonomi Daerah.
Undang-Undang No. 33 Tahun 2004 Tentang Perimbangan Keuangan.

Undang-Undang No. 28 tahun 2009 Tentang Pajak Daerah dan

Retribusi Daerah.

Undang -Undang No.32 Tahun 2004 Tentang Prinsip Otonomi

Daerah.

Widi Dian. 2023. Analisis Faktor-Faktor Yang Berpengaruh

terhadap Kapasitas Fiskal Daerah Kabupaten/Kota di
 60

Indonesia. Jurnal Ekonomi dan Bisnis, 10,(2).

Widyaningsih, A. T. (2018). Pengaruh Pajak Daerah, Retribusi

Daerah, dan Produk Domestik Regional Bruto Terhadap
Kapasitas Fiskal Kota Pontianak. Jurnal Ekonomi
Bisnis Dan Kewirausahaan, 7(3).

Tirza Meireny. 2021. Pengaruh Pendapatan Asli Daerah (Pad),

Dana Bagi Hasil (Dbh), Dana Alokasi Umum (Dau),
Dan Dana Alokasi Khusus (Dak) Terhadap Indeks
Pembangunan Manusia (Ipm) Minahasa Tenggara
Dengan Pengeluaran Di Bidang Kesehatan Sebagai
Variabel Intervening. Jurnal Pembangunan Ekonomi
dan Keuangan Daerah, 22(2).

Satmaka Srasa. 2022. Pengaruh PAD, DAU, DAN DAK Terhadap

Indeks Pembangunan Manusia Di Kota Semarang. Jurnal
Ilmiah UNTAG Semarang, 11 (1).

Verawaty. 2023. Pengaruh Pad, Dana Perimbangan, Silpa,

Kemiskinan Dan Pengangguran Terhadap Indeks
Pembangunan Manusia Dengan Alokasi Belanja Modal
Sebagai Variabel Intervening (Studi Pada
Kabupaten/Kota Provinsi Sumatera Selatan). Jurnal
Bina Akuntansi, 10 (1).