BAB V ANALISIS DAN PEMBAHASAN
5.9. Pengujian Asumsi Klasik Model IV
Model ke IV dilakukan proses transformasi karena diantara variabel independen terjadi adanya gejala Multikolinieritas (Lampiran 8) sehingga untuk mengatasinya dilakukan dengan teknik transformasi. Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Untuk menguji apakah data penelitian ini terdistribusi normal atau tidak dapat dideteksi melalui Analisis Grafik berikut :
Pengujian Normalitas Data dengan Analisis Grafik Histogram
Sumber : Data Diolah/Output SPSS (Lampiran 8)
Berdasarkan pada gambar 5.10 tersebut Gozali (2005) menyatakan jika distribusi data adalah normal, maka tidak melewati kurva baik kiri maupun di kanan. Hasil output tersebut terlihat bahwa data berdistribusi normal.
5.9.2. Pengujian Multikolinearitas
Pengujian multikolinearitas dilakukan untuk melihat apakah pada model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi multikolinearitas. Cara mendeteksinya adalah dengan melihat nilai Variance Inflation Factor (VIF). Menurut Santoso (2002), pada umumnya jika VIF lebih besar dari 5, maka variabel tersebut mempunyai persoalan multikolinearitas dengan variabel bebas lainnya.
Tabel 5.24. Pengujian Multikolinieritas (Model IV) Model Collinearity Statistics
Constant Tolerance VIF
Log_X2 .559 1.788
Log_X3 .754 1.327
Log_X1_X2_X3 .482 2.075
Dependent Variabel : Log_Y_Kin_Manajerial Sumber : Data Diolah/Output SPSS (Lampiran 8)
Pada output SPSS pada tabel tersebut menunjukkan bagian Coefficient, semua angka VIF jauh di bawah 5, hal ini menunjukkan tidak terjadi multikolinearitas. Sedangkan hasil perhitungan nilai tolerance juga menunjukkan tidak ada variabel independen
yang nilainya kurang dari 0,1, yang berarti tidak ada korelasi antar variabel independen yang nilainya lebih dari 95%. Hal ini berarti tidak terjadi multikolinearitas.
5.9.3. Uji Heteroskedastisitas
Uji Heteroskedastisitas dapat dilakukan dengan cara melihat grafik Scatterplot yang disajikan yang terdapat pada gambar 5.10 dibawah, terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi. Adapun bentuk grafik Scatterplot terdapat pada gambar 5.11 berikut :
Sumber : Data Diolah/Output SPSS (Lampiran 8)
5.9.4. Uji Autokorelasi
Gejala Autokorelasi diditeksi dengan menggunakan uji Durbin-Watson (DW). Menurut Santoso (2005 : 241), untuk mendeteksi ada tidaknya auto korelasi maka dilakukan pengujian Durbin - Watson (DW). Dengan ketentuan pada gambar 5.12 berikut :
Daerah Tidak ada autokorelasi Daerah Autokorelasi keraguan keraguan Autokorelasi
Positif (+) Negatif (-) 0 dL dU 2 4-dU 4-dL 4
Gambar 5.12. Statistik d Durbin-Watson (DW)
Nilai d tersebut selanjutnya dibandingkan dengan nilai dtabel dengan tingkat signifikansi 5% dengan df = n-k-1. Dari hasil pengujian terlihat bahwa nilai DW sebesar 1.632, berarti data tidak terkena autokorelasi.
Tabel 5.25. Nilai Durbin-Watson (Model IV)
Model R
Std. Error of
the Estimate Durbin-Watson 1 .562a .10905 1.632 a Predictors: (Constant), Log_X1_X2_X3, Log_X3, Log_X2 b Dependent Variable: Log_Y_Kin_Manajerial
Berdasarkan tabel 5.25 diatas, untuk mengetahui adanya autokorelasi digunakan uji Durbin-Watson, dengan kriteria menurut Santoso (2005 : 242) dengan cara melihat besaran Durbin-Watson sebagai berikut :
a. Angka D-W di bawah -2, berarti ada autokorelasi positif.
b. Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi. c. Angka D-W di atas +2, berarti ada autokorelasi negatif.
Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin-Watson (D- W) sebesar 1.632, maka disimpulkan bahwa tidak terjadi autokorelasi baik positif maupun negatif.
5.10. Pembahasan Hasil Penelitian 5.10.1. Pengujian Hipotesis
Hasil pengujian hipotesis yang menyatakan Partisipasi dalam penyusunan anggaran berpengaruh terhadap kinerja manajerial dengan JRI dan Komunikasi sebagai variabel moderating pada PDAM di Propinsi Sumatera Utara dapat diterima. Pengujian goodness of fit dilakukan untuk menentukan kelayakan suatu model regresi, karena variabel penelitian lebih dari dua variabel maka kelayakan tersebut dapat dilihat dari nilai Adjusted R Square. Nilai Adjusted R Square yang diperoleh dari hasil pengolahan data dapat dilihat pada tabel 5.26. di bawah ini :
Tabel 5.26. Pengujian Goodness of Fit
Model R R Square Adjusted R Square 1 .562a .316 .279 b. Dependent Variable: Log_X1_X2_X3, Log_X3, Log_X2
Sumber : Data Diolah/Output SPSS (Lampiran 8)
Nilai Adjusted R Square pada tabel 5.26 diatas sebesar 0,279. Hal ini menunjukkan bahwa Partisipasi dalam penyusunan anggaran berpengaruh terhadap kinerja manajerial dengan JRI dan Komunikasi sebagai variabel moderating. Untuk menguji apakah parameter koefesien Adjusted R2 signifikan atau tidak maka dilakukan pengujian dengan bantuan alat uji statistik metode Fisher (Uji F) dengan tingkat keyakinan (confident level) sebesar 95 %. Kriteria pengujian yang digunakan adalah apabila Fhitung > Ftabel maka hipotesis diterima ; dan apabila Fhitung≤ Ftabel maka hipotesis ditolak. Berdasarkan pada ikhtisar pengujian pada tabel 5.27 berikut ini :
Tabel 5.27. Uji F (Model IV)
ANOVAb
Model Sum of Squares df Mean Square F Sig. Regression .307 3 .102 8.619 .000a 1
Residual .666 56 .012
Total .973 59
a. Predictors: (Constant), Log_X1_X2_X3, Log_X3, Log_X2 b. Dependent Variable: Log_Y_Kin_Manajerial
Sumber : Data Diolah/Output SPSS (Lampiran 8)
Tabel 5.27 menunjukkan bahwa nilai Fhitung adalah 8.619 dengan tingkat signifikansi 0.000a. Sedangkan Ftabel pada tingkat kepercayaan 95 % (α = 0,05) adalah 3.15. Oleh karena pada kedua perhitungan Fhitung > Ftabel (8.619> 3.15). Hal ini menunjukkan bahwa variabel independen Partisipasi dalam penyusunan anggaran berpengaruh terhadap kinerja manajerial dengan JRI dan Komunikasi sebagai variabel moderating dapat diterima. Secara parsial variabel yang berpengaruh signifikan adalah Log_X3_Comm (Komunikasi dalam Penyusunan Anggaran) dan Log_X1_X2_X3 (Partisipasi dalam Penyusunan Anggaran, Komunikasi dan JRI sebagai moderating) yang mempengaruhi dengan Kinerja Manajerial. Hal tersebut tergambar dalam Tabel 5.28 berikut :
Tabel 5.28. Hasil Perhitungan Uji T
Unstandardized Coefficients
Standardized Coefficients Model
B Std. Error Beta t Sig. (Constant) 2.866 .482 5.947 .000 Log_X2_JRI -.169 .151 -.165 -1.117 .269 Log_X3_Comm -.180 .087 -.264 -2.072 .043 1 Log_X1_X2_X 3 .235 .053 .709 4.453 .000
a. Dependent Variable: Y_Kinj_Manajerial
Sumber : Data Diolah/Output SPSS (Lampiran 8)
Dari tabel coefficient di atas maka model regresi yang dapat dibentuk :
Y = 2.866 – 0,169 Log_X2_JRI – 0.180 Log_X3_Comm + 0.235 Log_X1_X2_X3 +
Hasil uji statistik tersebut menunjukkan bahwa thitung variabel Log_X3_Comm (Komunikasi dalam Penyusunan Anggaran) sebesar -2.072 sedangkan ttabel pada tingkat keyakinan 95 % adalah 1.671 (2.072 > 1.671). Karena thitung > ttabel maka hipoteis diterima. Dengan demikian hasil penelitian ini sejalan dengan hasil penelitian Renny Maisyarah (2008) bahwa partisipasi manajer dalam penyusunan anggaran memiliki pengaruh positif terhadap kinerja manajerial. Sehingga JRI dan komunikasi merupakan variabel moderating terhadap kinerja manajerial dalam penelitian ini. Perencanaan akan sangat mempengaruhi kinerja manajerial karena perencanaan merupakan penentuan kebijakan dan sekumpulan kegiatan untuk selanjutnya
dilaksanakan dengan mempertimbangkan kondisi waktu sekarang dan yang akan datang yang bertujuan untuk memberikan pedoman dan tata cara pelaksanaan tujuan, kebijakan, prosedur, pengganggaran dan program kerja sehingga terlaksana sesuai sasaran yang telah ditetapkan melalui investigasi untuk melakukan pemeriksaan , pengumpulan dan penyampaian informasi sebagai bahan pencatatan, pembuatan laporan sehingga mempermudah dilaksanakanya pengukuran hasil dan analisis terhadap pekerjaan yang telah dilakukan. Berdasarkan pengujian variabel dalam penelitian ini variabel JRI terhadap kinerja manajerial menunjukkan bahwa Nilai R Square pada tabel 5.12 diatas sebesar 0,287. Hal ini menunjukkan bahwa 28,7 %
variabel Partisipasi dalam penyusunan anggaran berpengaruh terhadap kinerja manajerial pada PDAM di Propinsi Sumatera. Sedangkan sisanya sebesar 71,3%
dipengaruhi oleh variabel lain yang tidak dijelaskan oleh model penelitian ini. Variabel JRI hubunganya sebagai variabel moderating dalam hal pengaruh partisipasi dalam penyusunan anggaran terhadap kinerja manajerial menunjukkan bahwa nilai Adjusted R Square pada tabel 5.16 sebesar 0,272, nilai ini menunjukkan bahwa variabel partisipasi dalam penyusunan anggaran berpengaruh terhadap kinerja manajerial dengan JRI sebagai variabel moderating Sedangkan variabel komunikasi hubunganya sebagai variabel moderating dalam hal pengaruh partisipasi dalam penyusunan anggaran terhadap kinerja manajerial menunjukkan bahwa Nilai Adjusted R Square pada tabel 5.20 diatas sebesar 0,274. Hal ini menunjukkan bahwa variabel Partisipasi dalam penyusunan anggaran berpengaruh terhadap kinerja manajerial dengan komunikasi sebagai variabel moderating dan Tabel 5.22 menunjukkan bahwa
nilai Fhitung adalah 12.106 dengan tingkat signifikansi 0.000a. Sedangkan Ftabel pada tingkat kepercayaan 95 % (α = 0,05) adalah 3.15. Oleh karena pada kedua perhitungan Fhitung > Ftabel (12.106 > 3.15). Hal ini menunjukkan bahwa variabel independen Partisipasi dalam penyusunan anggaran berpengaruh terhadap kinerja manajerial dengan komunikasi sebagai variabel moderating.
Berdasarkan hasil uji statistik pada model II dan III menunjukkan bahwa JRI dan komunikasi merupakan variabel moderating pada partisipasi manajer dalam penyusunan anggaran terhadap kinerja manajerial
