4.1. Hasil Penelitian
4.1.1. Karakteristik Responden
a. Responden Menurut Jenis Kelamin
Hasil penelitian terhadap responden menurut jenis kelamin (Tabel 4.2.) menunjukkan bahwa 39 orang (65 %) responden adalah laki – laki dan 21 orang (35 %) responden adalah perempuan.
Tabel 135 Karakteristk Responden Menuru Jenis Kelamin
Jenis Kelamin Frekuensi Persentase
Laki – Laki 39 65 %
Perempuan 21 35 %
b. Responden Menurut Umur
Hasil penelitian terhadap responden menurut jenis umur (Tabel 4.3.) menunjukkan bahwa sebagian besar responden berusia antara 21 – 30 tahun, yaitu sebanyak 29 orang (48 %), lalu pada umur 31 – 40 tahun terdapat 18 orang (30 %) responden, pada umur 41 – 50 tahun terdapat 11 orang (18 %), dan untuk responden dengan umur > 50 tahun terdapat 2 orang (3 %).
Tabel 135 Karakteristk Responden Menuru Umur
Umur Frekuensi Persentase
21 – 30 Tahun 29 48 %
31 – 40 Tahun 18 30 %
41 – 50 Tahun 11 18 %
> 50 Tahun 2 3 %
Jumlah 60 100 %
c. Responden Menurut Tingkat Pendidikan
Hasil penelitian terhadap responden menurut tingkat pendidikan (Tabel 4.4.) menunjukkan bahwa terdapat 14 orang (23 %) responden yang memiliki tamatan dari SMU / STM, untuk tamatan diploma terdapat 30 orang (50 %), dan untuk lulusan sarjana terdapat 16 orang (27 %).
Tabel 135 Karakteristk Responden Menuru Tingkat Pendidikan
Umur Frekuensi Persentase
SMU / STM 14 23 %
Diploma 30 50 %
Sarjana 16 27 %
4.1.2. Uji Kualitas Data
Sebelum daftar pertanyaan diberikan kepada responden, daftar pertanyaan perlu diuji terlebih dahulu. Pengujian validitas dan reliabilitas dilakukan terhadap instrumen pertanyaan yang telah diajukan kepada 60 responden.
4.1.2.1. Uji Validitas
Uji validitas dilakukan dengan menggunakan program SPSS versi 18 untuk melihat tingkat signifikan atas semua pertanyaan. Uji signifikan dilakukan dengan membandingkan nilai r hitung dengan r tabel, dengan kriteria sebagai berikut :
1. Jika r hitung positif atau r hitung > r tabel, maka butir pertanyaan valid. 2. Jika r hitung negatif atau r hitung < r tabel, maka butir pertanyaan tidak
valid.
3. Nilai r hitung dapat diliat pada kolom Corrected Item-Total Correlation. Nilai r tabel dilihat dengan degree of freedom (df) = n – 2, dalam hal ini merupakan jumlah responden yang menjadi sampel penelitian. Sehingga dengan df sebesar 58 (60 – 2) dan alpha (α) = 0,05 (5 %), diperoleh nilai r tabel = 0,254.
Tabel 4.5 Uji Validitas Variabel Kualitas Laporan Keuangan Item-Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item- Total Correlation Cronbach's Alpha if Item Deleted LK 1 33.47 15.982 .618 .826 LK 2 33.42 17.434 .558 .836 LK 3 33.55 15.642 .530 .836 LK 4 33.43 17.165 .452 .842 LK 5 33.55 16.286 .426 .848 LK 6 33.97 15.287 .627 .824 LK 7 33.57 15.233 .669 .820 LK 8 33.68 15.034 .607 .827 LK 9 33.63 16.406 .729 .821
Tabel 135 Uji Validitas Variabel Rekonsiliasi Data Item-Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item- Total Correlation Cronbach's Alpha if Item Deleted RD1 33.17 9.362 .592 .703 RD2 33.57 8.351 .406 .727 RD3 33.37 8.473 .836 .664 RD4 33.45 7.879 .833 .647 RD5 33.28 8.952 .504 .705 RD6 33.27 8.945 .686 .687 RD7 33.70 8.383 .487 .707 RD8 36.03 12.304 -.310 .857 RD9 33.37 9.389 .498 .711
Tabel 135 Uji Validitas Variabel Kompetensi SDM Item-Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item- Total Correlation Cronbach's Alpha if Item Deleted SDM1 34.77 15.911 .653 .835 SDM2 34.45 16.218 .611 .839 SDM3 34.62 15.257 .813 .823 SDM4 34.62 15.732 .682 .833 SDM5 35.98 12.288 .430 .915 SDM6 34.93 14.911 .622 .833 SDM7 34.52 15.237 .651 .831 SDM8 34.70 14.654 .769 .820 SDM9 34.62 15.257 .813 .823
Tabel 135 Uji Validitas Variabel Sarana dan Prasarana Pendukung Item-Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item- Total Correlation Cronbach's Alpha if Item Deleted SPP1 34.80 15.451 .720 .851 SPP2 34.77 15.504 .717 .852 SPP3 34.75 15.242 .800 .846 SPP4 34.90 14.871 .675 .851 SPP5 34.95 15.031 .724 .848 SPP6 35.17 14.650 .640 .853 SPP7 35.43 14.555 .411 .887 SPP8 35.27 14.334 .449 .882 SPP9 35.03 14.134 .795 .839
Dari hasil pengujian di atas menunjukkan bahwa seluruh butir pertanyaan yang diajukan adalah valid, karena nilai r hitung pada kolom Corrected Item-Total Correlation secara keseluruhan lebih besar daripada nilai r tabel.
4.1.2.2. Uji Reliabilitas
Uji reliabilitas dilakukan untuk menunjukkan sejauhmana suatu alat pengukur dapat dipercaya. Secara umum suatu instrumen dikatakan bagus jika memiliki koefisien Cronbach’s Alpha > 0,6 (Supramono dan Utami, 2004).
Tabel 135 Uji Reliabilitas Variabel Penelitian
Variabel Cronbach’s
Alpha
Batas
Reliabilitas Keterangan Kualitas Laporan Keuangan 0,847 0,6 Reliabel
Rekonsiliasi Data 0,742 0,6 Reliabel
Kompetensi SDM 0,853 0,6 Reliabel
Berdasarkan hasil pengujian di atas diketahui nilai Cronbach’s Alpha lebih besar dari 0,6 sehingga dapat disimpulkan instrumen tersebut reliabel.
4.1.3. Pengujian Asumsi Klasik 4.1.3.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Uji normalitas dilakukan dengan dua cara, yaitu :
1. Analisis Grafik
Analisis grafik dilakukan dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Kriteria penilaian :
a. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogram menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
b. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Berdasarkan tampilan histogram dan kurva normal berbentuk lonceng (Gambar 4.1.), maka dapat disimpulkan bahwa data yang digunakan berdistribusi normal. Analisa lebih lanjut dapat dilihat menggunakan Normal Probability Plot of Regression Standardized Residual pada Gambar 4.2.
Gambar 135 Normal P – P Plot
Hasil pengujian menunjukkan bahwa data residual terdistribusi secara normal, dimana titik – titik di sekitar garis diagonal dan penyebarannya masih mengikuti garis diagonal.
2. Analisis Statistik
Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati – hati karena secara visual kelihatan normal, sedangkan secara statistik bisa sebaliknya. Oleh karenanya uji statistik digunakan untuk menguji normalitas residual dengan menggunakan uji statistik non parametrik Kolmogrov – Smirnov (K – S).
Uji dilakukan dengan membuat hipotesis : Ho : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal
Kriteria keputusan :
a. Jika nilai Asymp. Sig. (2-tailed) > 0,05 maka tidak mengalami gangguan distribusi normal.
b. Jika nilai Asymp. Sig. (2-tailed) < 0,05 maka mengalami gangguan distribusi normal.
Tabel 4.10 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 60
Normal Parametersa,b Mean .0000000
Std. Deviation .34244488
Most Extreme Differences Absolute .124
Positive .055
Negative -.124
Kolmogorov-Smirnov Z .962
Asymp. Sig. (2-tailed) .313
a. Test distribution is Normal. b. Calculated from data.
Berdasarkan hasil pengujian di atas (Tabel 4.10.) diketahui nilai Asymp. Sig (2-tailed) 0,313 di atas nilai signifikan 0,05. Hal ini berarti Ho diterima yang berarti data residual terdistribusi dengan normal. Hasil analisis statistik konsisten dengan uji yang telah dilakukan dengan analisis grafik.
4.1.3.2. Uji Multikolinearitas
Uji multikolinearitas bertujuan menguji dari model regresi, apakah ditemukan adanya korelasi antar variabel bebas (independen). Multikolinearitas dapat dilihat dari nilai tolerance dan Variance Inflation Factor (VIF), dengan kriteria sebagai berikut :
a. Tolerance > 0,1 maka tidak terdapat multikolinearitas. b. VIF < 10 maka tidak terdapat multikolinearitas.
Tabel 135 Nilai Tolerance dan VIF Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -.481 .639 -.754 .454
X1 .508 .149 .387 3.415 .001 .664 1.507
X2 .195 .095 .190 2.046 .046 .986 1.014
X3 .388 .118 .374 3.302 .002 .663 1.509
a. Dependent Variable: Y
Hasil analisis pada bagian Coefficients (Tabel 4.11.) menunjukkan nilai tolerance > 0,1 dan VIF < 10 pada ketiga variabel independen, yaitu rekonsiliasi data (X1), kompetensi SDM (X2), serta sarana dan prasarana
pendukung (X3). Dengan demikian dapat disimpulkan dalam model regresi
tersebut tidak terdapat masalah multikolinearitas, sehingga model regresi layak untuk digunakan.
4.1.4. Pengujian Hipotesis
4.1.4.1. Koefisien Determinasi (R²)
Koefisien determinasi (R²) mengukur seberapa jauh kemampuan model regresi dalam menerangkan variasi variabel independen. Range nilai dari R² adalah 0 – 1, 0≤ R²≤ 1. Jika determinan (R2) semakin besar atau mendekati satu, maka pengaruh variabel bebas (X1, X2, dan X3)
terhadap variabel terikat (Y) semakin kuat. Jika determinan (R2) semakin kecil atau mendekati nol, maka pengaruh variabel bebas (X1, X2, danX3)
terhadap variabel terikat (Y) semakin lemah.
Tabel 135 Koefisien Determinasi (R²)
Model
R R Square Adjusted R Square
Std. Error of the Estimate
1 .724a .524 .498 .351
a. Predictors: (Constant), X3, X1, X2 b. Dependent Variable: Y
Hasil pengujian pada analisis regresi di atas (Tabel 4.12.) menunjukkan bahwa :\
1. R = 0,724 berarti hubungan antara rekonsiliasi data (X1), kompetensi
SDM (X2), serta sarana dan prasarana pendukung (X3) terhadap
kualitas laporan keuangan (Y) sebesar 72,4 %. Hal ini menunjukkan hubungan yang erat antara rekonsiliasi data, kompetensi SDM, serta sarana dan prasarana pendukung terhadap kualitas laporan keuangan yang dihasilkan.
2. R Square sebesar 0,524 berarti 52,4 % faktor – faktor kualitas laporan keuangan dapat dijelaskan oleh rekonsiliasi data, kompetensi SDM serta sarana dan prasarana pendukung, sedangkan 47.6 % dapat dijelaskan oleh faktor –faktor lain yang tidak dijelaskan dalam penelitian ini.
3. Adjusted R Square sebesar 0,498 berarti 49,8 % faktor – faktor kualitas laporan keuangan dapat dijelaskan oleh rekonsiliasi data, kompetensi SDM serta sarana dan prasarana pendukung, sedangkan 50,2 % dapat dijelaskan oleh faktor –faktor lain yang tidak dijelaskan dalam penelitian ini.
4. Standard Error of Estimated (Standar Deviasi) sebesar 0,351, berarti model dinilai baik karena semakin kecil standar deviasi maka semakin baik model yang digunakan.
4.1.4.2. Uji F
Uji F digunakan untuk mengetahui apakah variabel – variabel independen secara simultan berpengaruh signifikan terhadap variabel dependen. Derajat kepercayaan yang digunakan adalah 0,05. Kriteria pengambilan keputusan :
1. Berdasarkan Fhitung :
Ho diterima jika Fhitung < Ftabel pada α = 5 %.
Ha diterima jika Fhitung > Ftabel pada α = 5 %.
2. Berdasarkan probabilitas (Sig.) :
Jika probabilitas > α maka Ho diterima Jika probabilitas < α maka Ha diterima
Table 4.13 Hasil Pengujian Hipotesis Uj F ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 7.602 3 2.534 20.510 .000a
Residual 6.919 56 .124
Total 14.521 59
a. Predictors: (Constant), X3, X2, X1 b. Dependent Variable: Y
Dari tabel 4.13 di atas, diperoleh nilai Fhitung sebesar 20,510 dengan nilai
probabilitas (sig) = 0,000. Nilai Fhitung (20,510)>Ftabel (2,769) dan nilai sig.
lebih kecil dari nilai probabilitas 0,05 atau nilai 0,000<0,05. Dalam hal ini Ha diterima, berarti secara bersama – sama (simultan) rekonsiliasi data, kompetensi SDM, serta sarana dan prasarana pendukung berpengaruh signifikan terhadap kualitas laporan keuangan.
4.1.4.3. Uji t
Uji t digunakan untuk mengetahui apakah variabel – variabel independen secara parsial berpengaruh nyata atau tidak terhadap variabel dependen. Derajat kepercayaan yang digunakan adalah 0,05. Kriteria pengambilan keputusan adalah :
1. Berdasarkan thitung :
Ho diterima jika thitung < ttabelpada α = 0,05
Ha diterima jika thitung > ttabelpada α = 0,05
2. Berdasarkan probabilitas (Sig.) :
Jika probabilitas > α maka Ho diterima Jika probabilitas < α maka Ha diterima
Tabel 135 Hasil Pengujian Hipotesis Uj t Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -.481 .639 -.754 .454
X1 .508 .149 .387 3.415 .001 .664 1.507
X2 .195 .095 .190 2.046 .046 .986 1.014
X3 .388 .118 .374 3.302 .002 .663 1.509
Berdasarkan hasil pengujian hipotesis dengan uji t (Tabel 4.14.) dapat ditarik kesimpulan :
1. Rekonsiliasi Data (X1) terhadap Kualitas Laporan Keuangan (Y)
Nilai thitung untuk variabel X1 adalah 3,415 sedangkan ttabel adalah 1,673.
Nilai thitung > ttabel, atau nilai 3,415>1,673 maka Ha diterima dan Ho
ditolak. Nilai Sig. 0,001 lebih kecil dari nilai probabilitas 0,05 atau nilai 0,001<0,05, sehingga Ha diterima dan Ho ditolak. Dapat disimpulkan bahwa pelaksanaan rekonsiliasi data memiliki pengaruh signifikan terhadap kualitas laporan keuangan.
2. Kompetensi SDM (X2) terhadap Kualitas Laporan Keuangan (Y)
Nilai thitung untuk variabel X2 adalah 2,046 sedangkan ttabel adalah 1,673.
Nilai thitung < ttabel, atau nilai 2,046>1,673 maka Ha ditolak dan Ho
diterima. Nilai Sig. 0,046 lebih kecil dari nilai probabilitas 0,05 atau nilai 0,046>0,05, sehingga Ha diterima dan Ho ditolak. Dapat disimpulkan bahwa kompetensi SDM memiliki pengaruh signifikan terhadap kualitas laporan keuangan.
3. Sarana dan Prasarana Pendukung (X3) terhadap Kualitas Laporan
Keuangan (Y)
Nilai thitung untuk variabel X1 adalah 3,302 sedangkan ttabel adalah 1,673.
Nilai thitung > ttabel, atau nilai 3,302>1,673 maka Ha diterima dan Ho
ditolak. Nilai Sig. 0,002 lebih kecil dari nilai probabilitas 0,05 atau nilai 0,002<0,05, sehingga Ha diterima dan Ho ditolak. Dapat disimpulkan bahwa ketersediaan sarana dan prasarana pendukung memiliki pengaruh signifikan terhadap kualitas laporan keuangan.
Berdasarkan hasil output tersebut maka rumus persamaan regresinya adalah
Y = (-0,481) + 0,508 X
1+ 0,195X
2+ 0,388X
3+ e
Interpretasi dari regresi di atas adalah sebagai berikut :1. Konstanta (βo)
Nilai koefisien konstanta sebesar -0,481, ini berarti jika semua variabel bebas memiliki nilai nol (0) maka nilai variabel terikat (kualitas laporan keuangan) sebesar -0,481.
2. Rekonsiliasi Data (X1) terhadap Kualitas Laporan Keuangan (Y)
Nilai koefisien rekonsiliasi data untuk X1 sebesar 0,508. Hal ini
mengandung arti bahwa setiap kenaikan variabel rekonsiliasi data (X1)
satu satuan maka variabel kualitas laporan keuangan (Y) akan naik sebesar 0,508 dengan asumsi variabel bebas yang lain dari model regresi adalah tetap.
3. Kompetensi SDM (X2) terhadap Kualitas Laporan Keuangan (Y)
Nilai koefisien kompetensi SDM untuk X2 sebesar 0,195. Hal ini
mengandung arti bahwa setiap kenaikan variabel kompetensi SDM (X2)
satu satuan maka variabel kualitas laporan keuangan (Y) akan naik sebesar 0,195 dengan asumsi variabel bebas yang lain dari model regresi adalah tetap.
4. Sarana dan Prasarana Pendukung (X3) terhadap Kualitas Laporan
Keuangan (Y)
Nilai koefisien sarana dan prasarana pendukung untuk X3 sebesar 0,388.
Hal ini mengandung arti bahwa setiap kenaikan variabel sarana dan prasarana pendukung (X3) satu satuan maka variabel kualitas laporan
keuangan (Y) akan naik sebesar 0,388 dengan asumsi variabel bebas yang lain dari model regresi adalah tetap.
4.2. Pembahasan
Penelitian ini menguji pengaruh pelaksanaan rekonsiliasi data, kompetensi SDM, serta ketersediaan sarana dan prasarana pendukung terhadap kualitas laporan keuangan yang dihasilkan. Secara keseluruhan ringkasan hasil pengujian hipotesis dengan menggunakan analisis regresi berganda adalah sebagai berikut :
Hipotesis Pernyataan Nilai Keterangan
H1
Pelaksanaan rekonsiliasi data berpengaruh
positif terhadap kualitas laporan keuangan. 3,415
H1 diterima
Ho ditolak
H2
Kompetensi SDM berpengaruh positif
terhadap kualitas laporan keuangan. 2,046
H 2 diterima
Ho ditolak
H3
Ketersediaan sarana dan prasarana pendukung berpengaruh positif terhadap kualitas laporan keuangan.
3,302 H 3 diterima Ho ditolak
4.2.1. Pengaruh Rekonsiliasi Data terhadap Kualitas Laporan Keuangan