BAB III ANALISIS DATA
3.3 Hasil Regresi
Analisis regresi adalah studi bagaimana satu variabel dependen dipengaruhi oleh satu atau lebih dari variabel lain yaitu variabel independen dengan tujuan untuk mengestimasi dan atau mempengaruhi nilai variabel dependen didasarkan
49 pada nilai variabel independen yang diketahui (Widarjono, 2009: 59). Penelitian ini berfungsi untuk mengetahui pengaruh dari inventarisasi aset, legal audit aset, penilaian aset, serta pengawasan dan pengendalian aset baik secara individual/parsial maupun secara serentak/berasama-sama terhadap optimalisasi aset tetap (tanah dan bangunan) di Kota Baubau. Model yang digunakan adalah sebagai berikut.
OPT = β0 + β1 INV + β2 LA + β3PEN + β4PP + ϵ……….. (3,1) Di mana:
OPT = optimalitas aset tetap (tanah dan bangunan); β0 = konstanta;
β1,β2,β3,β4 = koefisien regresi; INV = inventarisasi aset; LA = legal audit aset; PEN = penilaian aset;
PP = pengawasan dan pengendalian aset;
ϵ = variabel gangguan.
dengan menggunakan program SPSS 17.0 diperoleh hasil sebagai berikut. 3.3.1 Unstandardized Beta Coefficients
Untuk data persepsi menggunakan unstandardized beta coefficients karena ukuran variabel independen dalam penelitian ini sama atau satuan variabel independen sama (kg, Rp, liter, persen dll). Keuntungan menggunakan unstandardized beta coefficients adalah mampu mengeliminasi unit ukuran pada variabel independen yang sama (Ghozali, 2012: 102)
50 3.3.2 Uji ekonomika
Pengujian ekonomika dengan melihat arah tanda dan intesitas hubungan ekonomi dengan membandingkan kesesuaian tanda koefisien variabel bebas hasil estimasi model yang digunakan dengan hipotesis penelitian. Hasil uji tanda secara ringkas sebagai berikut.
Tabel 3.7 Hasil Uji Arah Tanda Variabel bebas Tanda menurut
hipotesis
Hasil Estimasi Kesimpulan
Inventarisasi + + Sesuai
Legal Audit + - Tidak sesuai
Penilaian + + Sesuai
Pengawasan &
pengendalian + + Sesuai
Sumber :data primer, hasil olahan 2013 3.3.3 Uji t (t-test)
Pengujian ini bertujuan untuk menguji signifikan hubungan antara variabel X (independen) dan variabel Y (dependen), atau menguji apakah variabel-variabel independen yaitu inventarisasi aset (X1), legal audit aset (X2), penilaian aset (X3), serta pengawasan dan pengendalian aset (X4) berpengaruh secara individu/parsial terhadap tingkat optimalitas aset tetap (tanah dan bangunan) pemerintah daerah Kota Baubau. Uji t dilakukan dengan membandingkan nilai t-statistik hasil perhitungan masing-masing variabel bebas terhadap nilai ttabel. Ketentuan dalam uji t adalah jika nilai t hitung > nilai t kritis maka H0 ditolak atau menerima Ha, sebaliknya jika nilai t hitung < nilai t kritis maka H0 diterima atau menolak Ha. dengan menggunakan SPSS 17.0 diperoleh hasil sebagai berikut.
51 Tabel 3.8
Uji Signifikan Parameter Individual (Uji Statistik t)
Coefficientsa Model Unstandardized Coefficients Standardize d Coefficients
B Std. Error Beta T Sig.
1 (Constant) 4.268 1.480 2.885 .006
INV .369 .076 .554 4.862 .000
LA -.207 .137 -.225 -1.513 .138
PEN .471 .157 .462 3.001 .004
PP .261 .128 .190 2.035 .048
a. Dependent Variable: OPT
Sumber: Data primer hasil olahan 2013
Dari hasil uji statistis t terlihat bahwa koefisien variabel bebas (independen) dengan menggunakan unstadardized koefisien dari ke empat variabel independen yang dimasukan ke dalam model regresi pada tingkat kepercayaan 95 persen, variabel inventarisasi aset, penilaian aset, serta pengawasan dan pengendalian aset berpengaruh signifikan terhadap tingkat optimalitas aset tetap (tanah dan bangunan), sementara variabel legal audit aset tidak signifikan mempengarui optimalitas aset tetap (tanah dan bangunan).
3.3.4 Uji statistik F (F-test)
Pengujian ini bertujuan untuk mengetahui apakah inventarisasi aset, legal audit aset, penilaian aset, serta pengawasan dan pengendalian aset secara serentak/bersama-sama mempunyai pengaruh yang signifikan terhadap optimalisasi aset tetap (tanah dan bangunan). Ketentuan dalam uji F adalah jika F-statistik > F-tabel,
52 berpengaruh terhadap dependent variable, sebaliknya jika F-statistik < F-tabel, maka H0 diterima, artinya secara keseluruhan independent variable tidak berpengaruh terhadap dependent variable. Hasil uji F dapat ditampilkan pada tabel sebagai berikut.
Tabel 3.9
Uji Signifikansi Simultan (Uji Statistik F) ANOVAb Model Sum of Squares Df Mean Square F Sig. 1 Regression 57.398 4 14.349 28.590 .000a Residual 21.582 43 .502 Total 78.979 47
a. Predictors: (Constant), PP, INV, LA, PEN b. Dependent Variable: OPT
Sumber: Data primer hasil olahan 2013
Dari hasil Uji ANOVA atau F test didapat nilai F hitung sebesar 28,590 dengan probabilitas 0,000. F tabel sebesar 2,82 dengan α = 5 persen. Dengan demikian F hitung lebih besar dari F tabel atau dengan kata lain H0 ditolak dan menerima Ha, dapat disimpulkan bahwa semua variabel independen yaitu inventarisasi aset, legal audit aset, penilaian aset, serta pengawasan dan pengendalian aset secara bersama-sama mempengaruhi variabel dependen yaitu optimalitas aset tetap (tanah dan bangunan).
3.3.5 Koefisien determinasi (R2)
Koefisien determinasi menyatakan berapa besar proporsi variasi variabel dependen dapat dijelaskan oleh variabel independen.
53 Tabel 3.10 Koefisien Determinasi Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .852a .727 .701 .70845
a. Predictors: (Constant), PP, INV, LA, PEN Sumber: Data primer hasil olahan 2013
Dari tampilan output SPSS model summary dapat dilihat besarnya R-squared = 0,727 yang berarti bahwa 72,7 persen variasi variabel optimalitas aset dapat dijelaskan oleh variasi dari ke empat variabel independen inventarisasi aset, legal audit aset, penilaian aset, serta pengawasan dan pengendalian aset, sedangkan sisanya 27,3 persen dijelaskan oleh variabel lain diluar model.
3.4 Uji Ekonometrika (Asumsi Klasik)
Pengujian ekonometrika dilakukan untuk menjamin bahwa model yang diestimasi bebas dari gangguan asumsi klasik berupa multikolinearitas, heteroskedastisitas, autokorelasi dan residual berdistribusi normal. Gangguan asumsi klasik akan menyebabkan penaksiran OLS (Ordinary Least Square) menjadi tidak BLUE (Best Linear Unbiased Estimator). Pengujian terhadap gangguan asumsi klasik dilakukan sebagai berikut.
3.4.1 Uji normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistic menjadi tidak valid untuk
54 jumlah sampel kecil. Ada dua cara untuk mendeteksi apakah berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik. Adapun uji statistic yang digunakan untuk menguji residual adalah uji statistic non-parametrik Kolmogorov-Smirnov (K-S). Uji K-S dilakukan dengan membuat hipotesis:
H0 : data residual berdistribusi Normal; Ha : data residual tidak berdistribusi Normal;
Berikut ini disajikan cara mendeteksi uji normalitas dengan menggunakan uji statistic non-parametrik Kolmogorov-Smirnov (K-S)
Tabel 3.11 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 48
Normal Parametersa,,b Mean .0000000
Std. Deviation .67762905 Most Extreme Differences Absolute .081
Positive .081
Negative -.072
Kolmogorov-Smirnov Z .564
Asymp. Sig. (2-tailed) .908
a. Test distribution is Normal. b. Calculated from data.
Sumber: Data primer hasil olahan 2013
Dari hasil estimasi pada lampiran didapatkan besarnya nilai kolmogorov-smirnov adalah 0,564 dan tidak signifikansi pada 0,908. Hal ini berarti H0 tidak dapat ditolak yang berarti data residual terdistribusi normal, atau dengan kata lain
55 model yang digunakan memiliki residual yang berdistribusi normal, sehingga memenuhi asumsi linear klasik.
3.4.2 Uji multikolinearitas
Suatu model regresi dikatan terkena multikolinearitas bila terjadi hubungan linear yang sempurna (perfect) atau mendekati sempurna di antara beberapa atau semua variabel bebas dari suatu model regresi. Multikolinearitas dapat juga dapat dilihat dari (1) nilai tolerance dan lawannya (2) Variance Inflation Faktor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen yang lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen (terikat) dan diregres terhadap variabel independen lainnya. tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi (karena VIF = 1/tolerance). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolecance ≤ 0,10 atau sama dengan nilai VIF ≥ 10. Setiap peneliti harus menentukan tingkat kolonieritas yang masih dapat ditolerir. Sebagai misal nilai tolerance = 0,10 sama dengan tingkat kolonieritas 0,95. Walaupun multikolinearitas dapat dideteksi dengan nilai tolerance dan VIF. Berikut ini disajikan cara mendeteksi multikolonieritas dengan menganalisis matrik korelasi antara variabel independen dan perhitungan nilai tolerance dan VIF. Dengan melihat (1) nilai tolerance dan lawannya.
56 Tabel 3.12
Coefficient Correlation Coefficient Correlationsa
Model PP INV LA PEN
1 Correlations PP 1.000 .006 .083 -.382 INV .006 1.000 -.356 -.210 LA .083 -.356 1.000 -.643 PEN -.382 -.210 -.643 1.000 Covariances PP .016 6.110E-5 .001 -.008 INV 6.110E-5 .006 -.004 -.003 LA .001 -.004 .019 -.014 PEN -.008 -.003 -.014 .025 a. Dependent Variable: OPT
Sumber: data primer, hasil olahan 2013
Melihat hasil besaran korelasi antara variabel independen tampak bahwa hanya variabel Penilaian yang mempunyai korelasi cukup tinggi dengan variabel legal audit dengan tingkat korelasi sebesar -0,643 atau sekitar 64,3 persen. Oleh karena korelasi ini masih di bawah 95 persen, maka dapat dikatakan tidak terjadi multikolinearitas.
Berikut ini disajikan cara mendeteksi multikolonieritas dengan menganalisis matrik korelasi antara variabel independen dan perhitungan nilai tolerance dan VIF. Dengan melihat (2) Variance Inflation Faktor (VIF).
57 Tabel 3.13 Coefficient Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 4.268 1.480 2.885 .006 INV .369 .076 .554 4.862 .000 .489 2.043 LA -.207 .137 -.225 -1.513 .138 .286 3.494 PEN .471 .157 .462 3.001 .004 .268 3.729 PP .261 .128 .190 2.035 .048 .728 1.373
a. Dependent Variable: OPT
Sumber: Data primer hasil olahan 2013
Hasil perhitungan nilai tolerance juga menunjukkan tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar variabel independen yang nilainnya lebih dari 95 persen. Hasil perhitungan nilai Variance Inflation Factor (VIF) juga menunjukkan hal yang sama tidak ada satu variabel independen yang memiliki niali VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel independ en dalam model regresi.
3.4.3 Uji heteroskedastisitas
Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Kebanyakan data crossection mengandung situasi heteroskesdatisitas karena data ini menghimpun data yang mewakili berbagai ukuran (kecil, sedang, dan besar). Adapun cara untuk mendeteksi ada tidaknya heteroskedastisitas yaitu Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi heteroskedastisitas. Gujarati (2003) dari hasil pengujian regresi
58 dengan menggunakan Uji Glejser mengusulkan nilai absolut residual terhadap variabel independen (lihat Ghozali, 2012: 143) dengan persamaan regresi:
ǀUt| = α + βXt + vt ………... (3,2)
Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi heteroskedastisitas. Hasil output SPSS dengan menggunakan uji Glejser pada lampiran didapatkan hasil sebagai berikut.
Tabel 3.14 Uji Glejser Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 1.451 .947 1.532 .133 INV .015 .049 .068 .316 .754 LA .008 .087 .025 .088 .930 PEN -.026 .101 -.076 -.261 .795 PP -.073 .082 -.158 -.895 .376
a. Dependent Variable: ABSUT
Sumber: Data primer hasil olahan 2013
Berdasarkan tabel di atas menunjukkan dengan jelas bahwa tidak ada satupun variabel independen yang signifikan secara statistic mempengaruhi variabel dependen nilai Absolut Ut (AbsUt). Hal ini terlihat dari probabilitas signifikansinnya di atas tingkat kepercayaan 5 persen. Jadi dapat disimpulkan model regresi tidak mengandung adannya heteroskedastisitas.
3.4.4 Uji autokorelasi
Autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
59 pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Pada data crossection (silang waktu), masalah autokorelasi relatif jarang terjadi karena “gangguan” pada observasi yang berbeda berasal dari individu, kelompok yang berbeda. Uji Durbin Watson hanya digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensyaratkan adannya intercept (konstanta) dalam model regresi dan tidak ada variabel lag diantara variabel independen. Hipotesis yang diuji adalah.
H0 : Tidak ada autokorelasi (r = 0). Ha: Ada autokorelasi (r ≠ 0).
Dari hasil pengujian regresi dengan menggunakan Uji Durbin Watson pada lampiran didapatkan hasil sebagai berikut.
Tabel 3.15 Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .852a .727 .701 .70845 1.790
a. Predictors: (Constant), PP, INV, LA, PEN b. Dependent Variable: OPT
Sumber: Data primer hasil olahan 2013
Berdasarkan tabel di atas didapatkan hasil bahwa nilai DW sebesar 1,790, nilai ini akan kita bandingkan dengan nilai tabel dengan menggunakan nilai signifikan 5 persen, jumlah sampel 48 (n) dan jumlah variabel independen 4 (k = 4), maka tabel Durbin Watson akan didapatkan nilai sebagai berikut:
60 Tabel 3.16
Durbin Watson Test Bound
N K = 4 Du Dl 15 - - - - 48 0,69 - - - - 1,33 1,79 - - - - 1,72 Sumber: Data primer hasil olahan 2013
Oleh karena nilai DW 1,790, nilai ini akan dibandingkan dengan tabel DW dengan jumlah observasi (n) = 48, jumlah variabel independen (k) =4 dan tingkat signifikansi 0,05 didapat nilai du = 172, dengan demikian DW 1,79 lebih besar dari batas atas (du) 1,72 dan DW 1,79 kurang dari 4 – 1,72 (4 – du) = 2,21, maka dapat disimpulkan bahwa kita tidak bisa menolak H0 yang menyatakan bahwa tidak ada autokorelasi positif atau negatif (lihat tabel keputusan) atau dapat disimpulkan tidak terdapat autokorelasi.