HASIL PENELITIAN DAN PEMBAHASAN
5.3. Analisis Statistik Deskriptif Variabel Penelitian
5.4.1. Pengujian Asumsi Klasik Hipotesis
5.4.1.1. Uji normalitas
Berdasarkan hasil uji normalitas data dengan menggunakan uji kolmogorov smirnov dan dengan melihat uji grafik, maka dapat disimpulkan bahwa data mempunyai distribusi normal. Hal ini dapat diketahui dengan melihat nilai kolmogorov smirnov sebesar 0.716 dengan tingkat signifikansi sebesar 0.685, jika signifikansi nilai kolmogorov smirnov lebih besar dari 0,05, maka dapat dinyatakan bahwa data mempunyai distribusi normal. Hal ini juga didukung dengan grafik dimana data mengikuti garis diagonal. Grafik uji normalitas dapat dilihat pada gambar berikut ini:
Gambar 5.1. Pengujian Normalitas Data Hipotesis 1
5.4.1.2. Uji multikolinearitas
Multikolinearitas adalah suatu keadaan dimana variabel lain (independen) saling berkorelasi satu dengan lainnya. Persamaan regresi linear berganda yang baik adalah persamaan yang bebas dari adanya multikolinearitas antara variabel independen. Alat ukur yang sering digunakan untuk mengukur ada tidaknya variabel yng berkorelasi, maka digunakan alat uji atau deteksi Variance Inflation Factor (VIF). Jika nilai VIF dibawah 5, maka dapat dikatakan bahwa tidak terjadi gejala multikolinearitas dalam model penelitian. Jika nilai tolerance diatas 0,1, maka tidak terdapat gejala multikolinearitas. Hasil pengujian multikolinearitas dapat disajikan pada Tabel 5.8.
Tabel 5.8. Hasil Uji Gejala Multikolinieritas Hipotesis 1 Collinearity Statistics
No Variabel
Tolerance VIF
1 Political Background 0,802 1.246
2 Pengetahuan dewan tentang anggaran 0,802 1.246
Berdasarkan hasil penelitian pada Tabel 5.8 diatas, karena nilai VIF untuk semua variabel memiliki nilai lebih kecil daripada 5 dan nilai tolerance lebih besar dari 0,1, maka dapat disimpulkan tidak terjadi gejala multikolinearitas.
5.4.1.3 Uji heteroskedastisitas
Heterokedastisitas digunakan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heterokedastisitas. Uji heterokedastisitas dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana dasar analisisnya adalah:
1. Jika titik-titik yang ada membentuk suatu pola tertentu yang teratur, bergelombang, melebar kemudian menyempit maka terjadi heterokedastisitas 2. Jika tidak ada pola yang jelas titik-titik menyebar diatas dan dibawah angka nol
Gambar 5.2. Uji Heterokedastisitas Hipotesis 1
Dari gambar diatas terlihat titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini menunjukkan tidak terjadi heterokedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi kinerja manajerial berdasarkan masukan variabel independennya (political background dan pengetahuan dewan tentang anggaran)
5.4.2. Pengujian Asumsi Klasik Hipotesis II
5.4.2.1. Pengujian normalitas
Berdasarkan hasil uji normalitas data dengan menggunakan uji kolmogorov smirnov dan dengan melihat uji grafik, maka dapat disimpulkan bahwa data mempunyai distribusi normal. Hal ini dapat diketahui dengan melihat nilai kolmogorov smirnov sebesar 0.750 dengan tingkat signifikansi sebesar 0.628, jika
signifikansi nilai kolmogorov smirnov lebih besar dari 0,05 , maka dapat dinyatakan bahwa data mempunyai distribusi normal. Hal ini juga didukung dengan grafik dimana data mengikuti garis diagonal. Grafik uji normalitas dapat dilihat pada gambar berikut ini:
Gambar 5.3. Pengujian Normalitas Data Hipotesis II
5.4.2.2. Pengujian multikolinearitas
Uji multikolinearitas digunakan untuk menguji apakah ada korelasi antara variabel independen. Metode yang digunakan untuk mendeteksi adanya multikolinearitas dengan menggunakan VIF (variance inflation factor) dan nilai tolerance. Jika nilai VIF dibawah 5, maka dapat dikatakan bahwa tidak terjadi gejala multikolinearitas dalam model penelitian. Jika nilai tolerance diatas 0,1 maka tidak terdapat gejala multikolinearitas. Hasil pengujian multikolinearitas dapat disajikan pada Tabel 5.9.
Tabel 5.9. Hasil Uji gejala Multikolinearitas Model 2 Unstandardized coefficients T Sig Model B Std. Error tolerance VIF 1. Constant 9.672 7.049 1.372 .180 Political Background -.347 .314 .711 1.407
Pengetahuan dewan tentang anggaran
.870 .244 .637 1.571
Transparansi kebijakan publik .553 .324 .495 2.021
Inter1 .645 .720 .733 1.364
Inter2 .677 1.016 .545 1.833
Berdasarkan hasil penelitian pada Tabel 5.9 diatas, karena nilai VIF untuk semua variabel memiliki nilai lebih kecil daripada 5 dan nilai tolerance lebih besar dari 0,1, maka dapat disimpulkan tidak terjadi gejala multikolinearitas.
5.4.2.3. Pengujian heterokedastisitas
Gambar 5.4. Uji Heterokedastisitas Hipotesis 2
Dari grafik diatas terlihat titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini menunjukkan tidak terjadi heterokedastisitas pada model regresi, sehingga model regresi layak dipakai untuk
memprediksi kinerja manajerial berdasarkan masukan variabel independennya (political background dan pengetahuan dewan tentang anggaran).
5.5. Pengujian Hipotesis 5.5.1. Pengujian Hipotesis 1
Setelah dilakukan pengujian asumsi klasik dan diperoleh kesimpulan bahwa model telah dapat digunakan untuk dilakukan pengujian analisis regresi berganda. Maka langkah selanjutnya adalah melakukan pengujian hipotesis. Hipotesis yang akan diuji adalah political background dan pengetahuan dewan tentang anggaran berpengaruh terhadap kinerja DPRD dalam pengawasan keuangan daerah. Ringkasan hasil pengujian hipotesis dapat dilihat pada tabel berikut ini :
Tabel 5.10. Ringkasan Pengujian Hipotesis I
Coefficientsa Unstandardized Coefficients Standardized Coefficients Correlations Collinearity Statistics Model B Std. Error Beta t Sig. Zero-order Partial Part Tolerance VIF
(Constant) 13.496 5.552 2.431 .020 political background -.130 .301 -.062 -.431 .669 .238 -.073 -.055 .802 1.246 1 pengetahuan dewan 1.039 .221 .675 4.710 .000 .648 .623 .605 .802 1.246 a. Dependent Variable: kinerja dprd
R = 0.650
R2 = 0.423 Adjusted R2 = 0.390
F = 12.815
Sig F = 0.000
Nilai R pada intinya untuk mengukur seberapa besar hubungan antara variabel independen dengan variabel dependen. Berdasarkan hasil pengujian diperoleh nilai R sebesar 0.650, hal ini menunjukkan bahwa variabel political
background dan pengetahuan dewan tentang anggaran memiliki hubungan yang sangat kuat dengan kinerja DPRD dalam pengawasan keuangan daerah (APBD).
Sedangkan nilai R square (R ) atau nilai koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai R adalah diantara nol dan satu. Nilai R yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen sangat terbatas. Nilai yang mendekati satu berarti variabel-variabel dependen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
Jika independen variabel lebih dari satu, maka sebaiknya untuk melihat kemampuan variabel independen memprediksi variabel dependen, nilai yang digunakan adalah nilai adjusted R sebesar 0.390 mempunyai arti bahwa variabel dependen mampu dijelaskan oleh variabel independen sebesar 39 %. Dengan kata lain 39 % perubahan dalam kinerja DPRD dalam pengawasan keuangan daerah mampu dijelaskan oleh variabel political background dan pengetahuan dewan tentang anggaran. Sisanya sebesar 61 % dijelaskan oleh faktor lain yang tidak diikutkan dalam penelitian ini.
Dari uji ANOVA atau f test, didapat f hitung dengan tingkat signifikan 0.000, karena probabilitas 0.000 < 0.05, maka hasil dari model regresi menunjukkan bahwa ada pengaruh dari political background, dan pengetahuan dewan tentang anggaran terhadap kinerja DPRD dalam pengawasan keuangan daerah. Dari uraian tersebut maka dapat diambil kesimpulan bahwa ada pengaruh political background
dan pengetahuan dewan tentang anggaran terhadap kinerja DPRD dalam pengawasan keuangan daerah.
Berdasarkan hasil uji hipotesis yang telah dilakukan, maka model penelitian adalah sebagai berikut:
Kinerja = 13.496 – 130 PB + 1.039 PD + e
Dari persamaan diatas dapat dilihat bahwa koefisien dari variabel political background menunjukkan angka negatif, berarti bahwa hubungan antara political background dengan kinerja DPRD dalam pengawasan keuangan daerah (APBD) adalah negatif artinya bahwa semakin tinggi political background, maka semakin rendah kinerja DPRD dalam pengawasan keuangan daerah (APBD). Sedangkan koefisien dari pengetahuan dewan tentang anggaran menunjukkan nilai positif berarti bahwa hubungan antara pengetahuan dewan tentang anggaran dengan kinerja DPRD dalam pengawasan keuangan daerah (APBD) adalah positif. artinya bahwa semakin tinggi pengetahuan dewan tentang anggaran, maka semakin tinggi kinerja DPRD dalam pengawasan keuangan daerah (APBD).
Untuk melihat pengaruh masing-masing variabel independen secara parsial terhadap kinerja DPRD dalam pengawasan keuangan daerah, maka dapat dilihat dari nilai signifikansi t hitung tersebut. Jika nilai signifikansi dari t hitung tersebut < dari 0,05 maka dapat dinyatakan bahwa ada pengaruh variabel tersebut terhadap kinerja DPRD dalam pengawasan keuangan daerah. Berdasarkan hasil pengujian data maka dapat dinyatakan bahwa variabel political background tidak mempunyai pengaruh terhadap kinerja DPRD dalam pengawasan keuangan daerah (APBD). Sedangkan
pengetahuan dewan tentang anggaran mempunyai pengaruh terhadap kinerja DPRD dalam pengawasan keuangan daerah (APBD).
5.5.2. Pengujian Hipotesis 2
Setelah dilakukan pengujian asumsi klasik dan diperoleh kesimpulan bahwa model telah dapat digunakan untuk dilakukan pengujian analisis regresi berganda. Maka langkah selanjutnya adalah melakukan pengujian hipotesis.. Hipotesis yang akan diuji adalah transparansi kebijakan publik memoderasi pengaruh political background dan pengetahuan dewan tentang anggaran terhadap kinerja DPRD dalam pengawasan keuangan daerah. Dalam pengujian efek moderasi dan efek utama dilakukan dengan menggunakan analisis regresi moderasian lewat suatu metode yang disebut dengan analisis regresi berjenjang (hierarchical regression analysis). Metode ini membutuhkan dua persamaan regresi yaitu pertama yang hanya berisi efek-efek utama dan yang kedua berisi dengan efek-efek utama dan moderasi. Persamaan untuk penelitian ini adalah sebagai berikut :
Model 1 : KD = a+ b1PB+ b2PD+ e
Model II : KD = a + b1PB+ b2PD+ b3TKP+ b4 PB– TKP + b5 PD– TKP +e
Tabel 5.11. Ringkasan Pengujian Hipotesis 2
Koefisien Probabilitas
Persamaan 1
Konstanta A 13.496 0.020
Political background b1 -.130 0.429
Pengetahuan dewan tentang anggaran b2 1.039 0.000 R 0.650 Adjusted R2 0.390 F 12.815 Prob.F 0.000 Persamaan 2 Konstanta A 9.672 0.180 Political background b1 -.347 0.277
Pengetahuan dewan tentang anggaran
b2 0.870 0.001
Transparansi kebijakan publik b3 0.553 0.097
INTER1 b4 0.645 0.377 INTER2 b5 0.677 0.510 R 0.700 Adjusted R2 0.410 F 6.142 Prob.F 0.000
Dari ringkasan hasil pengujian model pertama dapat disimpulkan bahwa pengetahuan dewan tentang anggaran secara parsial mempengaruhi kinerja DPRD dalam pengawasan keuangan daerah (APBD). Sedangkan political background tidak mempengaruhi kinerja DPRD dalam pengawasan keuangan daerah (APBD). Pengujian efek utama ini menyimpulkan bahwa variabel transparansi kebijakan publik adalah variabel dependen yang sama sama mempengaruhi kinerja DPRD, tetapi secara parsial transparansi kebijakan publik mempunyai pengaruh secara signifikan terhadap kinerja DPRD dalam pengawasan keuangan daerah. Untuk melihat efek moderasi dari variabel transparansi kebijakan publik maka dilakukan pengujian terhadap model kedua. Hasil pengujian model kedua menunjukkan bahwa tidak terjadi penurunan nilai R2, justru terjadi kenaikan nilai R2. Hal ini
publik. Berdasarkan hal ini dapat disimpulkan bahwa variabel transparansi kebijakan publik merupakan variabel moderating yang memperkuat pengaruh antara political background dan pengetahuan dewan tentang anggaran terhadap kinerja DPRD dalam pengawasan keuangan daerah (APBD).