BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.2 Hasil Penelitian
4.2.1 Gambaran Umum Responden
Penelitian ini dilakukan pada Manado dengan sampel penelitian adalah sebanyak 30 orang responden. Berdasarkan data yang diperoleh, maka penulis akan menguraikan gambaran umum responden penelitian. Dibawah ini diuraikan komposisi responden berdasarkan jenis kelamin, seperti yang diperlihatkan pada table 4.1 sebagai berikut :
Table 4.1
Komposisi Responden Berdasarkan Jenis Kelamin
No. Jenis Kelamin Jumlah Presentase
1. Laki-Laki 16 orang 53,3%
2. Perempuan 14 orang 46,7 %
TOTAL 30 orang 100%
Sumber: Kuesioner, Olahan Data Tahun 2016.
Dari tabel 4.1 diatas, dapat dilihat bahwa jumlah responden perempuan memiliki jumlah sebanyak 14 orang dengan presentasi sebesar 46,7% sedangkan jumlah responden laki-laki memiliki jumlah sebanyak 16 orang dengan presentase
sebesar 53,3%. Dengan demikian dapat disimpulkan bahwa j umlah responden laki-laki lebih banyak dari jumlah responden perempuan.
Berikut ini diuraikan komposisi responden berdasarkan usia, seperti yang diperlihatkan pada tabel 4.2 sebagai berikut :
Tabel 4.2
Komposisi Responden Berdasarkan Usia
No. Usia Jumlah Presentase
1. ≥ 30 tahun 11 orang 36,7%
2. > 40 tahun 14 orang 46,7%
3. > 50 tahun 5 orang 16,6%
TOTAL 30 orang 100%
Sumber : Kuesioner, Olahan Data Tahun 2016.
Dari tabel 4.2 diatas menunjukan responden yang berusia ≥30 tahun berjumlah 11 orang atau 36,7% responden yang berusia >40 tahun berjumlah 14 orang atau 46,7% responden yang berusia >50 tahun berjumlah 5 orang atau 16,6%.
Berikut ini diuraikan komposisi responden berdasarkan tingkat pendidikan, seperti yang diperlihatkan pada tabel 4.3 sebagai berikut :
Tabel 4.3
Komposisi Responden Berdasarkan Tingkat Pendidikan
No. Pendidikan Terakhir Jumlah Presentase 1. SMA 1 3,3% 2. D1 1 3,3% 3. S1 19 63,4% 4. S2 9 30% 5. S3 - -TOTAL 30 Orang 100%
Dari tabel 4.3 menunjukan responden dengan tingkat pendidikan terakhir SMA sebanyak 1 orang atau 3,3%, D1 sebanyak 1 orang atau 3,3%, S1 sebanyak 19 orang atau 63,4%, S2 sebanyak 9 orang atau 30%, dan tidak ada dari responden dengan pendidikan S3.
Berikut ini diuraikan komposisi responden berdasarkan tingkat lamanya bekerja, seperti yang diperlihatkan pada tabel 4.4 sebagai berikut :
Tabel 4.4
Komposisi Responden Berdasarkan Lamanya Bekerja
No. Tahun Jumlah Presentase
1. < 5 tahun -
-2. 6 – 10 tahun 7 orang 23,3%
3. 10 – 15 tahun 7 orang 23,3%
4. > 15 tahun 16 orang 53,4%
TOTAL 30 orang 100%
Sumber : Kuesioner, Hasil Olahan Data Tahun 2016.
Dari tabel 4.4 diatas menunjukan tidak ada responden yang bekerja <5 tahun, antara 6 sampai 10 tahun sebanyak 7 orang atau 23,3%, antara 10 sampai 15 tahun sebanyak 7 orang atau 23,3%, dan >15 tahun sebanyak 16 orang atau 53,4%.
4.2.2 Deskripsi Variabel
Dengan menggunakan skala Likert pada kuesioner dapat ditemukan interval kelas pada penelitian ini dengan rata-rata responden menjawab setuju untuk variabel Kejelasan Sasaran Anggaran (X1), Partisipasi Anggaran (X2), dan Kinerja Aparat Pemerintah Daerah (Y).
4.2.3 Uji Validitas dan Reliabilitas
Tabel 4.5
Statistik Validitas X1
Sumber : Data Olahan Tahun 2016. Berdasarkan tabel 4.5 diatas, seluruh item adalah valid, karena nilai Pearson Correlation (X1) lebih besar dari 0,30.
Tabel 4.6
Statistik Reliabilitas X1
Berdasarkan Reliability Statistics (X1) pada tabel 4.6 diatas, nilai Cronbach’s Alpha lebih besar dari 0,60 yaitu 0,680 yang berarti bahwa konstruk pertanyaan yang merupakan dimensi faktor Kejelasan Sasaran Anggaran (X1)
adalah reliabel.
Tabel 4.7
Statistik Validitas X2
Sumber : Data Olahan Tahun 2016.
Berdasarkan tabel 4.7 diatas, seluruh item adalah valid, karena nilai Pearson Correlation (X2) lebih besar dari 0,30.
Tabel 4.8
Statistik Reliabilitas X2
Sumber : Data Olahan Tahun 2016.
Berdasarkan tabel 4.8 Reliability Statistics (X2) diatas, nilai Cronbach’s Alpha lebih besar dari 0,60 yaitu 0,803 yang berarti bahwa konstruk pertanyaan
yang merupakan dimensi faktor Partisipasi Anggaran (X2) adalah reliabel.
Tabel 4.9
Statistik Validitas Y
Berdasarkan tabel 4.9, seluruh item adalah valid, karena nilai Pearson Correlation (Y) lebih besar dari 0,30.
Tabel 4.10
Statistik Reliabilitas Y
Sumber : Data Olahan Tahun 2016.
Berdasarkan 4.10 Reliability Statistics (Y) diatas, nilai Cronbach’s Alpha lebih besar dari 0,60 yaitu 0,755 yang berarti bahwa konstruk pertanyaan yang merupakan dimensi faktor Kinerja Aparat Pemerintah Daerah (Y) adalah reliabel.
4.2.4 Statistik Deskriptif
Tabel 4.11 Statistik
Sumber : Data Olahan Tahun 2016.
Dari hasil tabel statistic diatas, diperoleh hasil :
1. N atau jumlah data yang valid (sah untuk diproses) adalah 30 buah, sedangkan yang hilang (missing ) adalah nol. Berarti semua data tentang
Kejelasan Sasaran Anggaran, Partisipasi Anggaran dan Kinerja Aparat Pemerintah Daerah diproses.
2. Range adalah selisih antara nilai tertinggi dan nilai terendah dalam satu kumpulan data. Secara umum, bisa dikatakan, semakin besar range data, semakin bervariasi data tersebut. Dalam kasus ini, range untuk Kejelasan Sasaran Anggaran (X1) adalah 8, Partisipasi Anggaran (X2) adalah 21, dan Kinerja Aparat Pemerintah Daerah (Y) adalah 20.
3. Minimum. Data minimum untuk Kejelasan Sasaran Anggaran (X1) adalah 17, Partisipasi Anggaran (X2) 8, dan Kinerja Aparat Pemerintah Daerah (Y) adalah 18.
4. Maximum. Data maksimum untuk Kejelasan Sasaran Anggaran (X1) adalah 25 , Partisipasi Anggaran (X2) 29, dan Kinerja Aparat Pemerintah Daerah (Y) 38.
5. Mean, adalah jumlah seluruh angka pada data dibagi dengan jumlah data yang ada. Mean atau rata-rata Kejelasan Sasaran Anggaran (X1) adalah 20,8, Partisipasi Anggaran (X2) adalah 21,4, dan Kinerja Aparat Pemerintah Daerah (Y) adalah 29,8.
6. Standar kesalahan rata-rata atau Std. Error of Mean untuk Kejelasan Sasaran Anggaran (X1) adalah 0,312 , Partisipasi Anggaran (X2) adalah 0,887 , dan Kinerja Aparat Pemerintah Daerah (Y) adalah 1,8 .
7. Std. Deviation adalah suatu ukuran penyimpangan. Jika nilainya kecil maka data yang digunakan mengelompok disekitar nilai rata-rata. Prasetyaningtiyas (2006) menjelaskan, jika standar deviasi besarnya tidak
melebihi rata-rata, hasil ini menunjukan tidak terdapat data outlier. Pada kasus ini, perbandingan antar Mean dan Std. Deviation masing-masing variabel adalah : Kejelasan Sasaran Anggaran ( 20,8 > 0,312), Partisipasi Anggaran ( 21,4 > 0,887 ), dan Kinerja Aparat Pemerintah Daerah ( 29,8 > 1,8 ). Berarti hasil ini menunjukan tidak terdapat data outlier karena Mean > Std. Deviation.
4.3 Uji Asumsi Klasik
4.3.1 Asumsi Klasik
Heteroskedastisitas
Tabel 4.12
Statistik Heteroskedastisitas
Sumber : Data Olahan Tahun 2016.
Untuk melihat apakah suatu penelititan terjadi heteroskedastisitas dapat dilihat melalui tingkat signifikansi pada tabel statistik heteroskedastisitas apakah tingkat signifikansinya > 0,05. Berdasarkan tabel 4.12 diatas dapat disimpulkan bahwa variabel Kejelasan Sasaran Anggaran, Partisipasi Anggaran dan Kinerja
Aparat Pemerintah Daerah tidak mengalami gejala Heteroskesatisitas karena tingkat signifikansinya berada diatas 0,05.
Gambar 4.1
Scatterplot Heteroskedastisitas
Sumber : Data Olahan Tahun 2016.
Untuk mendeteksi ada tidaknya Heteroskedastisitas, dapat juga dilakukan dengan melihat ada atau tidaknya pola tertentu pada grafik plot ( scatterplot ). Berdasarkan gambar 4.13 scatterplot, maka dapat disimpulkan bahwa tidak terdapat Heteroskedastisitas pada model diatas karena :
1. Penyebaran titik-titik data tidak berpola. 2. Titik-titik data menyebar di sekitar angka 0.
3. Titik-titik data menyebar, tidak mengumpul hanya diatas atau dibawah saja.
4.3.2 Asumsi Klasik Autokorelasi
Tabel 4.13
Statistik
Autokorelasi
Sumber : Data Olahan Tahun 2016.
Autokorelasi adalah korelasi antara sesama urutan pengamatan dari waktu ke waktu. Untuk mendeteksi autokorelasi dapat dilakukan dengan uji Durbin Watson (DW) dengan menggunakan ketentuan sebagai berikut :
1. 1,65 < DW < 2,35, maka tidak ada autokorelasi.
2. 1,21 < DW < 1,65 atau 2,35 < DW < 2,79, maka tidak dapat disimpulkan. 3. DW < 1,21 atau DW > 2,79, maka terjadi autokorelasi.
Nilai Durbin Watson pada tabel 4.14 adalah 1,999. Jadi, karena 1,65 < 1,999 < 2,35, maka menurut Makridakis, dkk (1995) dalam Sulaiman (2004) adalah tidak ada autokorelasi.
4.3.3 Asumsi Klasik
Multikolinearitas
Tabel 4.14
Statistik Multikolinearitas
Sumber : Data Olahan 2016.
Untuk mendeteksi ada tidaknya multikolinearitas, salah satunya dengan menggunakan model korelasi parsial. Nilai VIF < 10 atau Tolerance > 0,1 menunjukan bahwa tidak terdapat gangguan multikolinearitas. Berdasarkan tabel 4.15 dapat disimpulkan bahwa karena variabel Kejelasan Sasaran Anggaran, Partisipasi Anggaran dan Kinerja Aparat Pemerintah Daerah tidak mengalami multikolinearitas karena nilai VIFnya < 10.
4.3.4 Normalitas
Tabel 4.15 Statistic Normalitas
Berdasarkan pada tabel 4.16 dapat disimpulkan bahwa distribusi data dalam model regresi variabel independent dan dependent mempunyai distribusi yang normal karena tingkat signifikansi pada tabel 4.16 menunjukan angka 0,2 > 0,05.
Gambar 4.2 Normal Q-Q Plot
Sumber : Data Olahan Tahun 2016.
Penelitian dengan uji normalitas menggunakan pendekatan grafik Normal Q-Q Plot Of Regression Unstandardized Residual dan mengikuti arah diagonal tersebut, maka model regresi memenuhi asumsi normalitas. Tetapi jika data menyebar jauh, maka model regresi tidak memenuhi asumsi nomalitas tersebut.
Pada gambar 4.17, Normal Q-Q Plot, data pada variabel Kejelasan Sasaran Anggaran, Partisipasi Anggaran, dan Kinerja Aparat Pemerintah Daerah dinyatakan terdistribusi normal karena gambar distribusi dengan titik-titik data
yang menyebar disekitar garis diagonal dan penyebaran titik-titik data searah mengikuti garis diagonal.