BAB II TINJAUAN PUSTAKA
4.4 Pengujian Asumsi Klasik
Uji normalitas data bertujuan untuk mengetahui distribusi data dalam suatu
variabel penelitian yang akan digunakan dalam penelitian. Data yang baik dan
layak digunakan adalah data yang memiliki distribusi atau sebaran normal.
Normalitas data dapat dilihat dari hasil tingkat signifikansi pada uji Kolmogorov-
Smirnov. Berdasarkan hasil uji normalitas data dengan menggunakan uji
Kolmogorov-Smirnov dapat disimpulkan bahwa data memiliki distribusi normal.
Hal ini dapat dilihat pada hasil uji nilai signifikansi pada uji Kolmogorov-
Smirnov sebesar 0,150 sehingga lebih besar dari 0,05. Hasil pengujian yang
dilakukan dapat dilihat pada Tabel 4.9.
Tabel 4.9. Pengujian Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 48
Normal Parametersa,b Mean 0E-7
Std. Deviation 2.44695051 Most Extreme Differences Absolute .164 Positive .084 Negative -.164 Kolmogorov-Smirnov Z 1.137
Asymp. Sig. (2-tailed) .150
a. Test distribution is Normal. b. Calculated from data.
Berdasarkan Tabel 4.9 dapat dilihat hasil uji normalitas data dengan
menggunakan uji Kolmogorov-Smirnov dapat disimpulkan bahwa data memiliki
distribusi normal. Hal ini dapat dilihat pada hasil uji nilai signifikansi pada uji
Kolmogorov-Smirnov sebesar 0,150 sehingga lebih besar dari 0,05. Hasil
pengujian yang dilakukan dapat dilihat pada Tabel 4.9.
4.4.2 Pengujian Multikolinearitas
Pengujian multikolinearitas dimaksudkan untuk menguji apakah
ditemukan atau tidak korelasi diantara variabel-variabel bebas/variabel
independen. Untuk dapat melihat ada tidaknya multikolinearitas dengan melihat
angka colinierity statisticyang ditunjukkan oleh nilai Variance Inflation Factor
(VIF) dan nilai tolerance, dengan kriteria: jika nilai VIF > dari 10 dan nilai
tolerance < dari 0,1 maka variabel bebas yang ada memiliki masalah
multikolinearitas.
Tabel 4.10. Hasil Pengujian Multikolinearitas
Model Unstandardized
Coefficients
Standardized Coefficients
T Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constan t) 1.427 5.412 .264 .793 PSAKD .567 .116 .589 4.904 .000 .187 .180 KSDM .201 .147 .172 1.367 .178 .612 1.635 PTI .187 .180 .117 1.036 .306 .754 1.326
Berdasarkan Tabel 4.10 dapat dilihat hasil pengujian yang dilakukan
dalam penelitian ini menunjukkan bahwa nilai tolerance colinierity statistic adalah
PSAKD sebesar 0.187, KSDM sebesar 0.612, dan PTI sebesar 0.754 atau lebih
besar dari 0.10 dan nilai Variance Inflation Factor (VIF) adalah PSAKD sebesar
0.180, KSDM sebesar 1.635, dan PTI sebesar 1.326 atau lebih kecil dari 10. Dari
hasil pengujian tersebut dapat disimpulkan bahwa model regresi yang akan diuji
terbebas dari masalah multikolinearitas.
4.4.3 Pengujian Heteroskedastisitas
Pengujian heteroskedastisitas dimaksudkan untuk mengetahui apakah
dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan
ke pengamatan lain. Pengujian dilakukan dengan melihat ada atau tidaknya pola
tertentu (bergelombang, melebar kemudian menyempit) pada grafik plot (scatter-
plot) antara nilai prediksi variabel terkait (ZPRED) dengan residualnya (SRESID).
Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
homokedastisitas, dan jika berbeda disebut heteroskedastisitas. Model regresi
Gambar 4.1. Grafik Scatter Plot Pengujian Heteroskedastisitas
Berdasarkan Gambar 4.1 dapat dilihat hasil pengujian yang dilakukan
menyimpulkan bahwa penyebaran plot-plot masing-masing variabel tidak
tertumpu pada satu titik atau tidak membentuk pola tersendiri melainkan
menyebar secara acak baik di atas ataupun di bawah nilai 0 sehingga model
regresi yang akan diuji terbebas dari asumsi heteroskedastisitas.
4.5 Pengujian Hipotesis
Setelah dilakukan pengujian awal terhadap data penelitian berikut akan
dilakukan uji hipotesis 1 dengan menggunakan analisis regresi berganda
a. Pengujian Hipotesis 1
1. Analisis Koefisien Determinasi
Koefisien determinasi ( ) merupakan suatu nilai (nilai proporsi) yang
mengukur seberapa besar kemampuan variabel-variabel bebas yang digunakan
dalam persamaan regresi, dalam menerangkan variasi variabel tak bebas
(Supranto, 2005, Gujarati, 2003). Nilai koefisien determinasi berkisar antara 0 dan
1. Nilai koefsien determinasi yang kecil (mendekati nol) berati kemampuan
variabel-variabel tak bebas secara simultan dalam menerangkan variasi variabel
tak bebas amat terbatas. Nilaikoefisien determinasi yang mendekati satu
berarti variabel-variabel bebas memberikan hampir semua informasi yang
dibutuhkan untuk memprediksi variasi variabel bebas.
Tabel 4.11. Uji Koefisien Determinasi Model Summary
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .758a .575 .546 2.529
a. Predictors: (Constant), PTI, PSAKD, KSDM
Sumber : Data Primer yang diolah, 2016
Berdasarkan Tabel 4.11, nilai koefisien determinasi terletak pada
kolom R-Square. Diketahui nilai koefisien determinasi sebesar . Nilai
tersebut berarti Penerapan Sistem Akuntansi Keuangan Daerah, Kapasitas Sumber
Daya Manusia, dan Pemanfaatan Teknologi Informasi mempengaruhi secara
simultan atau bersama-sama terhadap variabel Kualitas Laporan Keuangan
1. Uji Simultan (Uji-F)
Uji signifikansi koefisien regresi parsial secara menyeluruh merupakan
suatu uji untuk menguji apakah seluruh koefisien regresi parsial secara
menyeluruh atau simultan sama dengan nol atau tidak (Gujarati, 2003, Supranto,
2005). Dengan kata lain, menguji apakah variabel Penerapan Sistem Akuntansi
Keuangan Daerah, Kapasitas Sumber Daya Manusia, dan Pemanfaatan Teknologi
Informasi secara bersamaan atau simultan mempengaruhi variabel Penyusunan
Laporan Keuangan.
Cara pengambilan keputusan terhadap hipotesis dapat dilakukan dengan
membandingkan nilai probabilitas dengan nilai tingkat signifikansi, yakni .
Jika nilai probabilitas tingkat signifikansi yang digunakan, dalam penelitian
ini , maka dapat disimpulkan bahwa seluruh variabel bebas secara
simultan tidak berpengaruh terhadap variabel tak bebas. Jika nilai probabilitas
tingkat signifikansi , maka dapat disimpulkan bahwa paling tidak
terdapat satu variabel bebas yang mempengaruhi variabel Kualitas Laporan
Keuangan Pemerintah Daerah.
Tabel 4.12. Uji Signifikansi Simultan (Uji F) ANOVAa
Model Sum of Squares df Mean Square F Sig.
1
Regression 380.397 3 126.799 19.825 .000b
Residual 281.416 44 6.396
Total 661.813 47
a. Dependent Variable: KLKPD
b. Predictors: (Constant), PTI, PSAKD, KSDM
Tabel 4.12. menunjukkan bahwa F hitung adalah sebesar 19.825 > F tabel
2.82 dengan taraf signifikansi sebesar 0.000 < 0.05. Hasil tersebut menunjukkan
bahwa secara bersama-sama variabel penerapan sistem akuntansi keuangan
daerah, kapasitas sumber daya manusia dan pemanfaatan teknologi informasi
dalam penelitian ini mempunyai pengaruh secara signifikan terhadap kualitas
laporan keuangan pemerintah daerah.
3. Uji Parsial (Uji-t)
Uji signifikansi koefisien regresi parsial secara individu merupakan suatu
uji untuk menguji apakah nilai dari koefisien regresi parsial secara individu
bernilai nol atau tidak (Gujarati, 2003, Supranto, 2005).
Tabel 4.13. Uji Parsial (Uji-t)
Sumber : Data Primer yang diolah, 2016
Cara pengambilan keputusan dapat dilakukan dengan membandingkan
nilai probabilitas atau Sig. dengan nilai tingkat signifikansi, yakni . Jika nilai
probabilitas tingkat signifikansi yang digunakan, dalam penelitian ini
, maka nilai koefisien regresi parsial . Hal ini berarti pengaruh
antara variabel bebas terhadap variabel Penyusunan Laporan Keuangan tidak
signifikan secara statistik pada tingkat signifikansi 5%. Namun jika nilai
Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 1.427 5.412 .264 .793 PSAKD .567 .116 .589 4.904 .000 KSDM .201 .147 .172 1.367 .178 PTI .187 .180 .117 1.036 .306
probabilitas < tingkat signifikansi yang digunakan, maka nilai koefisien regresi
parsial . Hal ini berarti pengaruh antara variabel bebas terhadap variabel
Penyusunan Laporan Keuangan signifikan secara statistik pada tingkat
signifikansi 5%.
Hasil t hitung yang ada selanjutnya dibandingkan dengan nilai t tabel, untuk
kesalahan 5 % uji dua pihak dan dk = n – 4 = 48, maka diperoleh t tabel = 2,01536.
Berdasarkan hasil Tabel 4.13, uji hipotesis yang telah dilakukan, terlihat
model regresi penelitian adalah sebagai berikut:
Ŷ = 1,427 + 0,567X1 + 0,201X2 + 0,187X3 + e
Secara parsial, pengaruh masing-masing variabel independen dapat
diuraikan sebagai berikut:
a. PSAKD mempunyai t hitung = 4,904 > t tabel = 2,01536 dan memiliki nilai
signifikansi = 0,000 < α = 5% maka dapat disimpulkan penerapan sistem akuntansi keuagan daerah pengaruh positif dan signifikan terhadap kualitas
laporan keuangan pemerintah daerah.
b. KSDM mempunyai t hitung = 1,367 < t tabel = 2,01536 dan memiliki nilai
signifikansi = 0,178 > α = 5%, maka dapat disimpulkan bahwa KSDM berpengaruh positif namun tidak signifikan terhadap kualitas laporan
keuangan pemerintah daerah.
c. PTI mempunyai t hitung = 1,1036 < t tabel = 2,01536 dan memiliki nilai
berpengaruh positif namun tidak signifikan terhadap kualitas laporan
keuangan pemerintah daerah.
b. Pengujian Hipotesis 2
Variabel Moderating adalah variabel yang memperkuat atau memperlemah
hubungan antara satu variabel dengan variabel lain (Syafrizal:2014). Menurut
Ghozali (2013) menyatakan terdapat tiga cara menguji regresi dengan varaibel
moderating, yaitu: (1) uji interaksi (MRA), (2) uji nilai selisih mutlak, dan (3) uji
residual. Dalam penelitian ini digunakan ujiinteraksi (MRA). Moderated
Regression Analysis (MRA) atau uji Intraksi menggunakan pendekatan analitik
yang mempertahankan integritas sampel dan memberikan dasar untuk mengontrol
pengaruh variabel mediator.
Dalam penelitian ini peneliti menggunakan uji intraksi. Pengujian hipotesis 2
ini dilakukan untuk melihat pengaruh penerapan sistem akuntansi keuangan
daerah dengan komitmen organisasi sebagai variabel moderating yang dilakukan
dengan menggunakan metode uji intraksi.
Tabel 4.14 Uji Signifikansi Komitmen Organisasi dalam Memoderasi Pengaruh Penerapan Sistem Akuntansi Keuangan Daerah terhadap KLPD
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 18.455 16.127 1.144 .259 PSAKD .295 .363 .306 .812 .421 KO -.235 .505 -.372 -.466 .643 Moderat .010 .011 .844 .852 .399 a. Dependent Variable: KLKPD
Diketahui berdasarkan Tabel 4.14. nilai Sig. dari intraksi X1.X4 adalah
0,399, yakni lebih besar dari α = 0,05. Hal ini berarti variabel komitmen organisasi tidak mampu memoderasi hubungan antara penerapan sistem akuntansi
keuangan daerah dan kualitas laporan keuangan pemerintah daerah.
Dalam penelitian ini peneliti menggunakan uji intraksi. Pengujian hipotesis 2
ini dilakukan untuk melihat pengaruh kapasitas sumber daya manusia dengan
komitmen organisasi sebagai variabel moderating yang dilakukan dengan
menggunakan metode uji intraksi.
Tabel 4.15 Uji Signifikansi Komitemen Organisasi dalam Memoderasi Kapasitas Sumber Daya Manusia terhadap KLPD
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 36.723 20.232 1.815 .076 KO -.347 .595 -.549 -.584 .562 Moderat .019 .020 1.280 .948 .348 KSDM -.219 .716 -.187 -.306 .761 a. Dependent Variable: KLKPD
Sumber : Data Primer yang diolah, 2016
Diketahui berdasarkan Tabel 4.16. nilai Sig. dari intraksi X2.X4 adalah
0,348, yakni lebih besar dari α = 0,05. Hal ini berarti variabel komitmen organisasi tidak mampu memoderasi hubungan antara kapasitas sumber daya
manusia dan kualitas laporan keuangan pemerintah daerah.
Dalam penelitian ini peneliti menggunakan uji intraksi. Pengujian hipotesis 2
komitmen organisasi sebagai variabel moderating yang dilakukan dengan
menggunakan metode uji intraksi.
Tabel 4.16 Uji Signifikansi Komitemen Organisasi dalam Memoderasi Pemanfaatan Teknologi Informasi terhadap KLPD
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 79.679 38.402 2.075 .044 KO -1.549 1.080 -2.448 -1.434 .159 PTI -1.602 1.208 -1.008 -1.327 .191 Moderat .057 .034 3.572 1.692 .098 a. Dependent Variable: KLKPD
Sumber : Data Primer yang diolah, 2016
Diketahui berdasarkan Tabel 4.17. nilai Sig. dari intraksi X3.X4 adalah
0,098, yakni lebih besar dari α = 0,05. Hal ini berarti variabel komitmen organisasi tidak mampu memoderasi hubungan antara pemanfaatan teknologi
informasi dan kualitas laporan keuangan pemerintah daerah.