Hasil Uji Asumsi Klasik - Hasil Uji Instrumen Penelitian 1. Hasil Uji Statistik Deskriptif 1.H

HASIL DAN PEMBAHASAN

B. Hasil Uji Instrumen Penelitian 1. Hasil Uji Statistik Deskriptif 1.Hasil Uji Statistik Deskriptif

3. Hasil Uji Asumsi Klasik

Pengujian statistik dengan analisis regresi dapat dilakukan dengan pertimbangan tidak adanyan pelanggaran terhadap asumsi-asumsi klasik (Damodar,1988 dalam Putra, 2008:22). Asumsi-asumsi klasik yang harus terpenuhi antara lain adalah:

a. Hasil Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel independen dan variabel dependen

90 keduanya mempunyai distribusi normal atau mendekati normal (Ghozali, 2013:160). Dalam penelitian ini, uji normalitas menggunakan Normal Probability Plot (P-P Plot). Suatu variabel dikatakan normal jika gambar distribusi dengan titik-titik data yang menyebar di sekitar garis diagonal, dan penyebaran titik-titik data searah mengikuti garis diagonal (Ghozali, 2013: 163). Uji normalitas juga dilakukan dengan uji Kolmogorov-Smirnov untuk mengetahui apakah residual terdistribusi secra normal. Residual terditribusi secara normal ketika tingkat signifikansi di atas 0,05 (Ghozali, 2013: 165).

Gambar 4.1

Normal P-P Plot of Regression Standardized Residual Dependent Variabel : Kinerja Manajerial (Y)

SMA Negeri

Sumber: Data primer yang diolah

Dari gambar 4.1 di atas, dapat dilihat bahwa penelitian pada SMA Negeri ini memiliki penyebaran data (titik) dan distribusi yang normal karena data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Ini menunjukkan bahwa model regresi memenuhi asumsi normalitas.

Gambar 4.2

Normal P-P Plot of Regression Standardized Residual Dependent Variabel : Kinerja Manajerial (Y) SMA Swasta

Sumber: Data primer yang diolah

Dari gambar 4.2 di atas, dapat dilihat bahwa penelitian pada SMA Swasta ini memiliki penyebaran data (titik) dan distribusi yang normal karena data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Ini menunjukkan bahwa model regresi memenuhi asumsi normalitas.

Gambar 4.3

Normal P-P Plot of Regression Standardized Residual Dependent Variabel : Kinerja Manajerial (Y)

SMA Jakarta Selatan

92 Sumber: Data primer yang diolah

Dari gambar 4.3 di atas, dapat dilihat bahwa penelitian pada SMA Jakarta Sealatan ini memiliki penyebaran data (titik) dan distribusi yang normal karena data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Ini menunjukkan bahwa model regresi memenuhi asumsi normalitas.

Gambar 4.4

Normal P-P Plot of Regression Standardized Residual Dependent Variabel : Kinerja Manajerial (Y)

SMA Tangerang Selatan

Sumber: Data primer yang diolah

Dari gambar 4.4 di atas, dapat dilihat bahwa penelitian pada SMA Tangerang Sealatan ini memiliki penyebaran data (titik) dan distribusi yang normal karena data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Ini menunjukkan bahwa model regresi memenuhi asumsi normalitas.

Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati secara visual kelihatan normal, padahal secara statistik bisa sebaliknya. Oleh karena itu, peneliti melengkapi uji

93 normalitas grafik dengan uji statistik melalui uji nilai Kolmogorov-Smirnov. Berikut ini merupakan hasil dari uji statistik Kolmogorov-Smirnov.

Tabel 4.16

Hasil Uji Normalitas Menggunakan Kolmogorov-Smirnov SMA Negeri

Sumber: Data primer yang diolah

Berdasarkan tabel 4.16 dapat diketahui bahwa nilai Kolmogorov-Smirnov adalah 0,113 dan signifikan pada 0,174 > 0,05. Hal ini berarti H0 diterima yang berarti data residual terdistribusi normal.

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 46

Normal Parameters^a,b Mean ,0000000

Std. Deviation 5,05663280

Most Extreme Differences Absolute ,113

Positive ,100

Negative -,113

Test Statistic ,113

Asymp. Sig. (2-tailed) ,174^c

a. Test distribution is Normal. b. Calculated from data.

Tabel 4.17

Hasil Uji Normalitas Menggunakan Kolmogorov-Smirnov SMA Swasta

One-Sample Kolmogorov-Smirnov Test Unstandardize

d Residual

N 68

Normal Parameters^a,b Mean ,0000000

Std. Deviation 4,82033003

Most Extreme Differences Absolute ,081

Positive ,081

Negative -,048

Test Statistic ,081

Asymp. Sig. (2-tailed) ,200^c,d

a. Test distribution is Normal. b. Calculated from data.

c. Lilliefors Significance Correction.

d. This is a lower bound of the true significance. Sumber: Data primer yang diolah

Berdasarkan tabel 4.17 dapat diketahui bahwa nilai Kolmogorov-Smirnov adalah 0,081 dan signifikan pada 0,200 > 0,05. Hal ini berarti H0 diterima yang berarti data residual terdistribusi normal.

Tabel 4.18

Hasil Uji Normalitas Menggunakan Kolmogorov-Smirnov SMA Jakarta Selatan

One-Sample Kolmogorov-Smirnov Test

Unstandardize d Residual

N 58

Normal Parameters^a,b Mean ,0000000

Std. Deviation 4,65241388

Most Extreme Differences Absolute ,080

Positive ,080

Negative -,066

Test Statistic ,080

Asymp. Sig. (2-tailed) ,200^c,d

a. Test distribution is Normal. b. Calculated from data.

c. Lilliefors Significance Correction.

d. This is a lower bound of the true significance. Sumber: Data primer yang diolah

95 Berdasarkan tabel 4.18 dapat diketahui bahwa nilai Kolmogorov-Smirnov adalah 0,080 dan signifikan pada 0,200 > 0,05. Hal ini berarti H0 diterima yang berarti data residual terdistribusi normal.

Tabel 4.19

Hasil Uji Normalitas Menggunakan Kolmogorov-Smirnov SMA Tangerang Selatan

Sumber: Data primer yang diolah

Berdasarkan tabel 4.19 dapat diketahui bahwa nilai Kolmogorov-Smirnov adalah 0,130 dan signifikan pada 0,019 < 0,05. Hal ini berarti H0 ditolak yang berarti data residual terdistribusi tidak normal.

b. Hasil Uji Heterokedastisitas

Peneliti melakukan uji Grafik Plot untuk mendeteksi ada tidaknya Heteroskedastisitas. Berikut ini gambar 4.5 merupakan hasil uji Grafik Plot pada SMA Negeri.

One-Sample Kolmogorov-Smirnov Test

Unstandardize d Residual

N 56

Normal Parameters^a,b Mean ,0000000

Std. Deviation 5,30875799

Most Extreme Differences Absolute ,130

Positive ,102

Negative -,130

Test Statistic ,130

Asymp. Sig. (2-tailed) ,019^c

a. Test distribution is Normal. b. Calculated from data.

Sumber: Data primer yang diolah

Dari grafik scatterplots terlihat bahwa titik- titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi Kinerja Manajerial berdasarkan masukan variabel independen Partisipasi anggaran, Kejelasan sasaran anggaran, dan Umpan balik anggaran.

Berikut ini gambar 4.6 merupakan hasil uji Grafik Plot pada SMA Swasta.

97 Dari grafik scatterplots terlihat bahwa titik- titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi Kinerja Manajerial berdasarkan masukan variabel independen Partisipasi anggaran, Kejelasan sasaran anggaran, dan Umpan balik anggaran.

Berikut ini gambar 4.7 merupakan hasil uji Grafik Plot pada SMA Jakarta Selatan.

Sumber: Data primer yang diolah

98 Berikut ini gambar 4.8 merupakan hasil uji Grafik Plot pada SMA Tangerang Selatan.

Sumber: Data primer yang diolah

Untuk meregres nilai absolut residual terhadap variabel independen (Gujarati,2003), peneliti melakukan uji Glejser. Berikut ini merupakan hasil uji Glejser tersebut.

Tabel 4.20

Hasil Uji Heteroskedastisitas Menggunakan Uji Glejser SMA Negeri Coefficients^a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) -13,453 8,130 -1,655 ,106 PARTISIPASI ANGGARAN ^,055 ^,128 ^,072 ^,429 ^,670 KEJELASAN SASARAN ANGGARAN ^,370 ^,272 ^,212 ^1,357 ^,182 UMPAN BALIK ANGGARAN ^,094 ^,280 ^,058 ^,337 ^,738

a. Dependent Variable: AbsUt

Sumber: Data primer yang diolah

Berdasarkan hasil uji heteroskedastisitas pada tabel 4.20 menunjukkan bahwa variabel independen tidak signifikan secara statistik mempengaruhi variabel dependen nilai Absolut Ut (AbsUt), maka terjadi indikasi Heteroskedastisitas. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5%. Jadi dapat disimpulkan model regresi tidak mengandung adanya Heteroskedastisitas.

Tabel 4.21

Hasil Uji Heteroskedastisitas Menggunakan Uji Glejser SMA Swasta Coefficients^a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) _2,236 _4,819 _,464 _,644 PARTISIPASI ANGGARAN -,139 ,122 -,175 -1,139 ,259 KEJELASAN SASARAN ANGGARAN ^,016 ^,167 ^,013 ^,098 ^,922 UMPAN BALIK ANGGARAN ^-,004 ^,239 ^-,002 ^-,016 ^,987 a. Dependent Variable: AbsUt

100 Berdasarkan hasil uji heteroskedastisitas pada tabel 4.21 menunjukkan bahwa variabel independen tidak signifikan secara statistik mempengaruhi variabel dependen nilai Absolut Ut (AbsUt), maka tidak terjadi indikasi Heteroskedastisitas. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5%. Jadi dapat disimpulkan model regresi tidak mengandung adanya Heteroskedastisitas.

Tabel 4.22

Hasil Uji Heteroskedastisitas Menggunakan Uji Glejser SMA Jakarta Selatan

Coefficients^a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) _-1,899 _4,953 _-,383 _,703 PARTISIPASI ANGGARAN ,183 ,112 ,240 1,638 ,107 KEJELASAN SASARAN ANGGARAN ^-,175 ^,171 ^-,155 ^-1,023 ^,311 UMPAN BALIK ANGGARAN ^,225 ^,287 ^,123 ^,785 ^,436

a. Dependent Variable: AbsUt

Sumber: Data primer yang diolah

Berdasarkan hasil uji heteroskedastisitas pada tabel 4.22 menunjukkan bahwa variabel independen tidak signifikan secara statistik mempengaruhi variabel dependen nilai Absolut Ut (AbsUt), maka tidak terjadi indikasi Heteroskedastisitas. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5%. Jadi dapat disimpulkan model regresi tidak mengandung adanya Heteroskedastisitas.

101

Tabel 4.23

Hasil Uji Heteroskedastisitas Menggunakan Uji Glejser SMA Tangerang Selatan

Coefficients^a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) _-2,696 _7,480 _-,361 _,720 PARTISIPASI ANGGARAN -,192 ,132 -,233 -1,460 ,150 KEJELASAN SASARAN ANGGARAN ^,188 ^,255 ^,104 ^,737 ^,465 UMPAN BALIK ANGGARAN ^,028 ^,240 ^,019 ^,115 ^,909 a. Dependent Variable: AbsUt

Sumber: Data primer yang diolah

Berdasarkan hasil uji heteroskedastisitas pada tabel 4.23 menunjukkan bahwa variabel independen tidak signifikan secara statistik mempengaruhi variabel dependen nilai Absolut Ut (AbsUt), maka tidak terjadi indikasi Heteroskedastisitas. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5%. Jadi dapat disimpulkan model regresi tidak mengandung adanya Heteroskedastisitas.

c. Hasil Uji Multikolonieritas

Berikut ini disajikan tabel hasil pengujian multikolonieritas variabel independen penelitian pada Tabel 4.24 di bawah ini.

102

Tabel 4.24

Uji Koefisien Multikolonieritas SMA Negeri

Coefficients^a

a. D e

pendent Variabel : KINERJA MANAJERIAL Sumber: Data primer yang diolah

Berdasarkan tabel 4.24 di atas terlihat bahwa seluruh variabel independen memiliki nilai tolerance lebih besar dari 0,10 dan nilai VIF yang lebih kecil dari 10. Dengan demikian, dapat di simpulkan bahwa tidak ada multikolonieritas antar variabel independen dalam model regresi.

Tabel 4.25

Uji Koefisien Multikolonieritas SMA Swasta

Coefficients^a

a. D e

pendent Variabel : KINERJA MANAJERIAL Sumber: Data primer yang diolah

Berdasarkan tabel 4.25 di atas terlihat bahwa seluruh variabel indepnden memiliki nilai tolerance lebih besar dari 0,10

Model Colinearity Statistics

Tolerance VIF 1 (Constant)

PARTISIPASI ANGGARAN

KEJELASAN SASARAN ANGGARAN UMPAN BALIK ANGGARAN

,807 ,932 ,761 1,239 1,073 1,314

Model Colinearity Statistics

Tolerance VIF 1 (Constant)

PARTISIPASI ANGGARAN

KEJELASAN SASARAN ANGGARAN UMPAN BALIK ANGGARAN

,736 ,828 ,698 1,359 1,208 1,432

103 dan nilai VIF yang lebih kecil dari 10. Dengan demikian, dapat di simpulkan bahwa tidak ada multikolonieritas antar variabel independen dalam model regresi.

Tabel 4.26

Uji Koefisien Multikolonieritas SMA Jakarta Selatan

Coefficients^a

a. D e

pendent Variabel : KINERJA MANAJERIAL Sumber: Data primer yang diolah

Berdasarkan tabel 4.26 di atas terlihat bahwa seluruh variabel indepnden memiliki nilai tolerance lebih besar dari 0,10 dan nilai VIF yang lebih kecil dari 10. Dengan demikian, dapat di simpulkan bahwa tidak ada multikolonieritas antar variabel independen dalam model regresi.

Tabel 4.27

Uji Koefisien Multikolonieritas SMA Tangerang Selatan

Coefficients^a

a. D e

pendent Variabel : KINERJA MANAJERIAL Sumber: Data primer yang diolah

Model Colinearity Statistics

Tolerance VIF 1 (Constant)

PARTISIPASI ANGGARAN

KEJELASAN SASARAN ANGGARAN UMPAN BALIK ANGGARAN

,810 ,764 ,711 1,234 1,309 1,407

Model Colinearity Statistics

Tolerance VIF 1 (Constant)

PARTISIPASI ANGGARAN

KEJELASAN SASARAN ANGGARAN UMPAN BALIK ANGGARAN

,734 ,934 ,699 1,363 1,070 1,430

104 Berdasarkan tabel 4.27 di atas terlihat bahwa seluruh variabel indepnden memiliki nilai tolerance lebih besar dari 0,10 dan nilai VIF yang lebih kecil dari 10. Dengan demikian, dapat di simpulkan bahwa tidak ada multikolonieritas antar variabel independen dalam model regresi.

Dalam dokumen Pengaruh partisipasi anggaran, kejelasan sasaran anggaran, dan umpan balik anggaran terhadap kinerja manajerial (Halaman 106-121)