BAB III METODE PENELITIAN
4.2 Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Analisis statistik deskriptif memberikan informasi mengenai gambaran data meliputi jumlah sampel, nilai minimum, nilai maksimum, niali rata-rata (mean),
dan standar deviasi dari variabel-variabel penelitian. Berikut adalah output data yang diolah dengan menggunakan SPSS 21 :
Tabel 4.1
Statistik Deskriptif Variabel Tingkat Kekayaan Daerah, Tingkat Ketergantungan pada Pusat, Belanja Modal, Opini Audit dan Temuan
Audit Descriptive Statistics
N Minimum Maximum Sum Mean Std. Deviation
PAD 53 ,00 ,12 1,58 ,0299 ,02449 DAU 53 ,01 1,00 11,50 ,2170 ,12941 BELANJA_MODAL 53 ,05 ,18 5,28 ,0996 ,03170 OPINI 53 ,00 1,00 30,00 ,5660 ,50036 TEMUAN 53 ,00 ,39 ,00 ,0104 ,05339 Valid N (listwise) 53
Sumber : Output SPSS, data diolah peneliti, 2016
Berdasarkan Tabel 4.1 dapat dideskripsikan beberapa hal sebagai berikut:
1. Jumlah seluruh sampel penelitian adalah 53 Kabupaten/Kota. 4 variabel independen yang menggunakan skala rasio yaitu Tingkat Kekayaan Daerah yang diproksikan dengan PAD, Tingkat Ketergantungan pada Pusat yang diproksikan dengan DAU, Belanja Modal dan Temuan Audit.
2. Variabel independen PAD memiliki nilai minimum sebesar 0.00 dan nilai maksimum sebesar 0.12 dengan rata-rata 0.0299. Hal ini menunjukkan bahwa semua Kabupaten/Kota yang menjadi sampel mempunyai nilai PAD positif. Nilai standar deviasi sebesar 0.024499 yang lebih kecil jika dibandingkan dengan nilai mean artinya nilai mean merupakan representasi yang baik dari keseluruhan data.
3. Variabel independen DAU perusahaan memiliki nilai minimum sebesar 0,01 dan nilai maksimum sebesar 1,00 dengan rata-rata berada pada skor 0,2170. Nilai standar deviasi sebesar 0,12941 yang jauh lebih kecil jika dibandingkan dengan nilai mean artinya nilai mean merupakan representasi yang baik dari keseluruhan data. 4. Variabel independen Belanja Modal memiliki nilai minimum
sebesar 0,05 hari dan nilai maksimum sebesar 0,18 hari dengan nilai rata-rata 0,996. Nilai standar deviasi sebesar 0,3170 yang lebih kecil jika dibandingkan dengan nilai mean artinya nilai mean merupakan representasi yang baik dari keseluruhan data.
5. Variabel independen Temuan Audit memiliki nilai perbandingan dan potensi kerugian negara karena ketidaktaatan undang-undang terhadap nilai realisasi belanja berdasarkan analisis deskriptif dengan nilai maksimum sebesar 0,39 atau 39%.
4.2.2 Uji Asumsi Klasik 1. Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah distribusi data mengikuti atau mendekati distribusi normal. Distribusi data dikatakan normal jika berbentuk lonceng, yaitu tidak menceng ke kiri atau ke kanan. Uji normalitas dilakukan dengan beberapa pendekatan, yaitu pendekatan histogram, pendekatan grafik, dan pendekatan Kolmogorov-Smirnov.
a. Pendekatan Histogram
Sumber : Output SPSS, data diolah peneliti, 2016
Gambar 4.1. Histogram Variabel Terikat (Skor Kinerja)
Gambar 4.1 pada grafik histogram terlihat bahwa variabel Skor kinerja berdistribusi normal. Hal ini ditunjukkan oleh distribusi data tersebut tidak menceng ke kiri atau ke kanan.
b. Pendekatan Grafik
Sumber : Output SPSS, data diolah peneliti, 2016
Gambar 4.2. Normal P-P Plot of Regression Standarized Residual Variabel Terikat Skor Kinerja
Gambar 4.2 menunjukkan titik-titik pada scatter plot mengikuti data di sepanjang garis diagonal. Hal ini menunjukkan bahwa data berdistribusi normal.
c. Pendekatan Kolmogorov-Smirnov
Tabel 4.2
One-Sample Kolmogorov-Smirnov Test One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 53
Normal Parametersa,b Mean ,0000000
Std. Deviation ,55982864
Most Extreme Differences
Absolute ,122
Positive ,066
Negative -,122
Kolmogorov-Smirnov Z ,888
Asymp. Sig. (2-tailed) ,410
a. Test distribution is Normal. b. Calculated from data.
Sumber : Output SPSS, data diolah peneliti, 2016
Pada Tabel 4.2 terlihat bahwa nilai Asymp.Sig. (2-tailed) adalah 0,410, lebih besar dari nilai signifikan (0,05). Hal ini berarti variabel residual berdistribusi normal.
2.Uji Heteroskedastisitas
Uji heterokedastisitas dilakukan untuk menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode pengamatan yang lain, atau gambaran hubungan antara nilai yang diprediksi dengan studentized delete residual nilai tersebut (Ade Fatma et al,2007:34). Jika varians sama maka disebut homoskedastisitas. Sedangkan, jika varians tidak sama, inilah yang disebut dengan heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heterokedastisitas. Uji ini dapat dilakukan melalui uji Glejser, dengan
pengambilan keputusan jika variabel bebas signifikan secara statistik mempengaruhi variabel terikat, maka ada indikasi terjadi heteroskedastisitas. Apabila probabilitas signifikansi diatas tingkat kepercayaan 5%, maka dianggap tidak terjadi heteroskedastisitas (Situmorang dan Lufti, 2012:116)
a. Grafik Scatterplot
Sumber : Output SPSS, data diolah peneliti, 2016
Gambar 4.3. Scatterplot variabel terikat (Skor Kinerja)
Gambar 4.3 menunjukkan bahwa titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu, dan tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi.
b. Uji Glejser Tabel 4.3 Uji Glejser Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Toleranc
e VIF 1 (Constant) ,800 ,213 3,761 ,000 PAD -,551 1,995 -,046 -,276 ,784 ,687 1,456 DAU -,490 ,343 -,218 -1,430 ,159 ,834 1,199 BELANJA_MODAL -1,575 1,461 -,171 -1,078 ,287 ,764 1,309 OPINI -,059 ,097 -,101 -,608 ,546 ,698 1,432 TEMUAN -1,336 ,796 -,245 -1,679 ,100 ,909 1,101
a. Dependent Variable: ABSUT
Sumber: Hasil Penelitian, 2016 (Data Diolah)
Pada Tabel 4.3menunjukkan tidak satupun variabel bebas yang signifikan secara statistik mempengaruhi variabel terikat absolut Ut (absut). Hal ini terlihat dari nilai signifikansi variabel PAD, DAU, Belanja Modal, Opini Audit dan Temuan Audit masing-masing di atas lebih besar dari 5%, dapat disimpulkan bahwa tidak terjadi gejala heteroskedastisitas dalam model regresi ini.
3. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk mengetahui ada tidaknya korelasi antara variabel pengganggu (et) pada periode tertentu dengan variabel pengganggu periode sebelum (et-1) (Ade Fatma et al,2007:34). Pengujian ini menggunakan Durbin-Watson Test.
Tabel 4.4 Uji Durbin-Watson Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate
Change Statistics
Durbin-Watson R Square Change F Change df1 df2 Sig. F Change 1 ,526a ,277 ,200 ,58885 ,277 3,596 5 47 ,000 1,563
a. Predictors: (Constant), TEMUAN, DAU, PAD, BELANJA_MODAL, OPINI b. Dependent Variable: SKOR_KINERJA
Sumber: Hasil Penelitian, 2016 (Data Diolah)
Pada Tabel 4.4 terlihat nilai Durbin-Watson sebesar 1,563, dengan n = 53 dan k = 5, maka nilai dl = 1,3592 dan du = 1,7689. Nilai Durbin-Watson sebesar 1,563 yang lebih kecil dari batas atas (dU) 1,7689 dan kurang dari 4 – 1,7689 (4 – dU) dengan demikian keputusannya adalah tidak ada autokorelasi positif atau negatif.
4. Uji Multikolinieritas
Uji Multikolinieritas dilakukan untuk menguji ada tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lain dalam satu model (Ade Fatma et al,2007:34). Jika terdapat korelasi antara variabel bebas, maka terjadi multikolinieritas. Sedangkan, jika tidak terdapat korelasi antara variabel bebas, maka tidak terjadi multikolinieritas. Pengujian terhadap ada tidaknya multikolinieritas dilakukan dengan melihat toleransi variabel dan Variance Inflation Factor (VIF). Jika VIF < 10 dan nilai tolerance > 0,1 maka tidak terjadi masalah multikolinieritas.
Tabel 4.5 Uji Multikolinieritas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients
t Sig. Collinearity Statistics
B Std.
Error
Beta Tolerance VIF
1 (Constant) 2,287 ,429 5,330 ,000 PAD 4,079 4,023 ,152 1,014 ,016 ,687 1,456 DAU -1,631 ,691 -,321 -2,360 ,022 ,834 1,199 BELANJA_MODAL -3,469 2,947 -,167 -1,177 ,245 ,764 1,309 OPINI ,307 ,195 ,233 1,572 ,023 ,698 1,432 TEMUAN -,087 1,605 ,007 -,054 ,957 ,909 1,101
a. Dependent Variable: SKOR_KINERJA
Sumber: Hasil Penelitian, 2016 (Data Diolah)
Tabel 4.5 Menunjukkan tidak ada masalah multikolinieritas, hasil uji Variance Inflation Factor (VIF) untuk PAD, DAU, Belanja Modal, Opini Audit dan Temuan Audit masing-masing menunjukkan nilai kurang dari 10 (VIF < 10) dan nilai tolerance lebih besar dari 0,1. Maka dapat disimpulkan bahwa tidak terjadi masalah multikolinieritas.
4.2.3 Pengujian Hipotesis
1. Uji Signifikansi Serempak (f-test)
Pengujian ini dilakukan untuk mengetahui apakah variabel-variabel bebas yang terdiri dari PAD, DAU, Belanja Modal, Opini Audit dan Temuan Audit secara serempak berpengaruh signifikan terhadap variabel terikat yaitu Skor Kinerja. Pengujian ini dilakukan dengan menggunakan derajat signifikansi sebesar 5% atau 0,05.
c. H0 : b1 = b2 = b3 = b4 = b5 = 0, artinya secara serempak PAD, DAU, Belanja Modal, Opini Audit dan Temuan Audit berpengaruh tidak signifikan terhadap Skor Kinerja pada pemerintah Kabupaten/Kota di Indonesia.
d. Ha : minimal satu bi ≠ 0, artinya secara serempak PAD, DAU, Belanja Modal, Opini Audit dan Temuan Audit berpengaruh signifikan terhadap Skor Kinerja pada pemerintah Kabupaten/Kota di Indonesia.
Uji ini dilakukan dengan membandingkan Fhitung dengan Ftabel dengan ketentuan sebagai berikut:
Ho diterima (Ha ditolak) jika Fhitung ≤ Ftabel pada α = 5 %
Ho ditolak (Ha diterima) jika Fhitung > Ftabel pada α = 5 % Tabel 4.6
Hasil Uji-F
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1
Regression 6,234 5 1,247 3,596 ,008b
Residual 16,297 47 ,347
Total 22,531 52
a. Dependent Variable: SKOR_KINERJA
b. Predictors: (Constant), BELANJA_MODAL, OPINI, TEMUAN, DAU, PAD
Sumber: Hasil Penelitian, 2016 (Data Diolah)
Hasil uji F pada Tabel 4.6 diperoleh nilai Sig.F sebesar 0,008 yang lebih kecil dari 0,05 dan nilai Fhitung sebesar 3,596 yang lebih besar dari Ftabel yaitu 2,42. Hal ini menunjukkan bahwa Ho ditolak dan Ha diterima, yang berarti PAD, DAU, Belanja Modal, Opini Audit dan Temuan Audit secara serempak berpengaruh
signifikan terhadap variabel terikat yaitu Skor Kinerja pada pemerintah Kabupaten/Kota di Indonesia.
2. Uji Signifikansi Parsial (t-test)
Pengujian ini dilakukan untuk mengetahui apakah setiap variabel bebas, yaitu PAD, DAU, Belanja Modal, Opini Audit dan Temuan Audit secara parsial berpengaruh signifikan terhadap variabel terikat yaitu Skor Kinerja pada pemerintah Kabupaten/Kota di Indonesia. Pengujian dilakukan dengan menggunakan derajat signifikansi sebesar 5% atau 0,05.
Uji ini dilakukan dengan membandingkan nilai thitung dengan nilai ttabel. Kriteria pengambilan keputusannya yaitu:
Jika t-hitung < t-tabel, atau Sig. > 0,05, maka Ho diterima. Jika t-hitung > t-tabel, atau Sig. < 0,05, maka Ha diterima.
Tabel 4.7 Hasil Uji-t Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 2,287 ,429 5,330 ,000 PAD 4,079 4,023 ,152 1,014 ,016 DAU -1,631 ,691 -,321 -2,360 ,022 BELANJA_MODAL -3,469 2,947 -,167 -1,177 ,245 OPINI ,307 ,195 ,233 1,572 ,023 TEMUAN -,087 1,605 ,007 -,054 ,957
a. Dependent Variable: SKOR_KINERJA
Sumber: Hasil Penelitian, 2016 (Data Diolah)
Dari Tabel 4.7dapat diperoleh persamaan regresi linier berganda sebagai berikut: Y = 2,287+ 4,079X1 – 1,631X2 – 3,469X3 + 0,307X4 - 0,087X5 + e
1. Konstanta (a) sebesar 2,287 memiliki arti apabila tidak ada variabel bebas PAD, DAU, Belanja Modal, Opini Audit dan Temuan Audit maka Skor Kinerja bernilai 2,287.
2. Variabel PAD berpengaruh positif dan signifikan terhadap skor kinerja dengan tingkat signifikansi 0,16 < 0,05 dan nilai thitung < ttabel yakni 1,014 < 1.67793 artinya jika variabel PAD ditingkatkan, maka akan baik pula kinerja pemerintah daerah.
3. Variabel DAU berpengaruh negatif dan signifikan terhadap skor kinerja dengan tingkat signifikansi 0,022 < 0,05 dan nilai thitung (-2,360) < ttabel
(1.67793), artinya jika variabel DAU ditingkatkan maka akan mengalami penurunan kinerja pemerintah daerah.
4. Variabel Belanja Modal berpengaruh negatif dan tidak signifikan terhadap skor kinerja dengan tingkat signifikansi 0,245 > 0,05 dan nilai thitung (-1,177) < ttabel
(1.67793), artinya jika variabel belanja modal ditingkatkan maka mengalami penurunan kinerja pemerintah daerah.
5. Variabel Opini Audit berpengaruh positif dan signifikan terhadap dividen kas dengan tingkat signifikansi 0,023 < 0,05 dan nilai thitung (1,572) < ttabel
(1.67793), artinya jika semakin wajar opini audit pemerintah maka akan meningkat kinerja pemerintah daerah di Indonesia.
6. Variabel Temuan Audit berpengaruh negatif dan tidak signifikan terhadap variabel skor kinerja dengan tingkat signifikansi 0,957 > 0,05 dan nilai thitung
ditemui maka akan semakin menurun pula kinerja pemerintah daerah di Indonesia.
3. Uji Koefisien Determinasi (R2)
Koefisien determinasi digunakan untuk mengukur kemampuan model dalam menerangkan variabel terikat. Apabila nilai R2 mendekati satu, maka dapat dikatakan bahwa pengaruh variabel bebas secara keseluruhan berpengaruh besar terhadap variabel terikat. Sebaliknya, semakin mendekati nol, maka variabel bebas secara keseluruhan tidak ada hubungannya dengan variabel terikat.
Tabel 4.8
Hasil Uji Koefisien Determinasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Change Statistics
R Square Change F Change
1 ,526a ,277 ,200 ,58885 ,277 3,596
a. Predictors: (Constant), TEMUAN, DAU, PAD, BELANJA_MODAL, OPINI b. Dependent Variable: SKOR_KINERJA
Sumber: Hasil Penelitian, 2016 (Data Diolah)
Berdasarkan Uji Koefisien Determinasi diketahui bahwa R sebesar 0,526 yang berarti hubungan antara PAD, DAU, Belanja Modal, Opini Audit dan Temuan Audit terhadap Skor kinerja sebesar 52,6%.
Adjusted R Square sebesar 0,200 berarti 20% faktor yang berpengaruh terhadap skor kinerja dapat dijelaskan oleh PAD, DAU, Belanja Modal, Opini Audit dan Temuan Audit. Sedangkan sisanya yaitu sebesar 80% dapat dijelaskan oleh faktor lain yang tidak diteliti oleh penelitian ini.
