BAB II TINJAUAN PUSTAKA
D. Metode Analisis Data
2. Uji Asumsi Klasik
Estimasi atau asumsi model harus bersifat BLUE (Best Linear Unbiased Estimator). Estimator yang bersifat BLUE diantaranya adalah bersifat linear, bersifat tidak bias dan efisien. Untuk menghasilkan estimasi yang bersifat BLUE terdapat asumsi dasar yang harus dipenuhi, yaitu: 1) Nilai harapan rata-rata kesalahan adalah nol.
2) Variansnya tetap (homoskedasticity).
3) Tidak ada hubungan antara variabel bebas dan error term. 4) Tidak ada korelasi serial antara error (no-autocorrelation).
Dalam pengujian regresi ini, penyusun melakukan uji asumsi klasik. Uji asumsi klasik yang dilakukan dalam penelitian ini sebagai berikut :
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk umlah sampel kecil. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak dengan analisis grafik dan uji statistik (Ghozali, 2011: 160). Model regresi yang baik adalah distribusi data normal. Dasar pengambilan keputusan dengan analisis grafik histogram disimpulkan dari Ghozali (2011) apabila grafik histogram tidak
menunjukkan pola distribusi yang skewness (menceng), maka data berdistribusi tidak normal.Dasar pengambilan keputusan dengan analisis grafik normal probability plot :
1) Jika titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas. 2) Jika titik menyebar jauh dari garis diagonal dan atau tidak
mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Dasar pengambilan keputusan dengan Kolmogorov-Smirnov Test:
1) Jika nilai probabilitas signifikansi yang ditunjukkan dalam tabel pada Asymp Sig (2-tailed) bernilai kurang dari α = 0,05 maka data residual tidak terdistristribusi normal.
2) Jika nilai probabilitas signifikansi yang ditunjukkan dalam tabel pada Asymp. Sig (2-tailed) bernilai lebih dari α = 0,05 maka dataresidual terdistristribusi normal.
b. Uji Multikolinieritas
Model regresi yang baik adalah regresi dengan tidak adanya gejala korelasi yang kuat di antara variabel bebasnya. Deteksi multikolonieritas dapat dilihat dari besaran Tolerance (nilai toleransi)
adalah nilai tolerance 0,10 atau sama dengan nilai VIF 10, sehingga data terbebas dari multikoloniearitas apabila nilai toleransinya > 0,10 atau nilai VIF < 10 (Ghozali, 2011: 105-106).
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas (Ghozali, 2011: 139). Model regresi yang baik adalah yang homoskedastisitas atau yang tidak terjadi heteroskedastisitas. Untuk mendeteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik plot antara nilai prediksi variabel dependen (ZPRED) dengan residualnya (SRESID). Apabila ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.
3) Pengujian Hipotesis
Pengujian hipotesis dalam penelitian ini menggunakan analisis regresi berganda (Multiple Regression) dengan alasan bahwa variabel independennya
lebih dari satu. Analisis ini digunakan untuk menentukan hubungan antara kekayaan daerah, tingkat ketergantungan, total asset, tipe pemeritahan, jumlah penduduk, jumlah SKPD, temuan audit dan tingkat penyimpangan terhadap tingkat pengungkapan laporan keuangan pemerintah daerah kabupaten dan kota.
Dalam penelitian kali ini digunakan 2 (dua) model penelitian. Model penelitian pertama menggunakan metode Lag Effect. Dalam model yang pertama ini, penulis ingin melihat pengaruh dari temuan audit dan tingkat penyimpangan tahun 2012 terhadap pengungkapan dalam LKPD kabupaten dan kota tahun 2013. Sehingga model yang digunakan dalam penelitian ini adalah sebagai berikut :
Model I
DISCi = α0 + α1WEALTHi + α2DEPENDi + α3ASSETi + α4TYPEi +
α5POPi+ α6 SKPDi+ α 7FINDLi+ α 8DEVLi+ ε
Model penelitian kedua, tidak menggunakan Lag Effect. Dengan model ini penulis ingin melihat pengaruh dari temuan audit dan tingkat penyimpangan tahun 2013 terhadap tingkat pengungkapan dalam LKPD kabupaten/kota tahun 2013 juga.
Model II
DISCi = α0 + α1WEALTHi + α2DEPENDi + α3ASSETi + α4TYPEi +
α5POPi+ α6 SKPDi+ α 7FINDi+ α 8DEVi+ ε Dimana :
DISC = Tingkat pengungkapan LKPD Kabupaten dan kota WEALTH = Jumlah kekayaan daerah
DEPEND = Tingkat ketergantungan pemerintah daerah kabupaten dan kota
ASSET = Jumlah aset pemerintah daerah kabupaten/kota POP = Jumlah penduduk pemerintah daerah kabupaten/kota SKPD = Jumlah SKPD pemerintah daerah kabupaten/kota
FINDL = Jumlah temuan tahun lalu berdasarkan hasil pemeriksaan BPK
DEVL = Tingkat penyimpangan tahun lalu berdasarkan hasil pemeriksaan BPK
FIND = Jumlah temuan berdasarkan hasil pemeriksaan BPK DEV = Tingkat penyimpangan berdasarkan hasil pemeriksaan
BPK
α = Koefisien konstanta
Kemudian untuk mengetahui pengaruh antara variabel-variabel independen dengan tingkat korupsi pemerintah daerah maka dilakukan pengujian-pengujian hipotesis penelitian terhadap variabel-variabel dengan pengujian dibawah ini :
a. Koefisien Determinasi (R²)
Koefisien determinasi berganda (R²) berguna untuk mengukur besarnya sumbangan variabel independen secara keseluruhan terhadap variabel dependennya. R2 memiliki nilai antara 0 dan 1 ( 0 < R2> 1), dimana bila semakin tinggi nilai R², suatu regresi tersebut maka akan semakin baik. Hal ini berarti bahwa keseluruhan variabel independen secara bersama-sama mampu menerangkan variabel dependennya. Beberapa kegunaan koefisien determinasi adalah sebagai berikut :
1) Untuk mengukur ketepatan suatu garis regresi yang ditetapkan terhadap kelompok data hasil observasi.
2) Untuk mengukur proporsi varian dependen yang diterangkan oleh pengaruh linier dari variabel independen.
b. Uji F-statistik
variabel dependen secara signifikan atau tidak. Untuk mengetahui apakah seluruh variabel independen bersama-sama memberikan pengaruh secara signifikan atau tidak terhadap variabel dependen dapat dilihat dari nilai probabilitas f statistik. Caranya yaitu setelah melakukan regresi kemudian akan diperoleh nilai probabilitas f statistik, yang selanjutnya nilai probabilitas f-statistik ini dibandingkan dengan α = 5%.
1) Jika probabilitas f-statistik < α = 5%, maka H0 ditolak. 2) Jika probabilitas f-statistik > α = 5%, maka H0 diterima.
c. Uji T-statistik
Uji t-statistik ini dilakukan untuk mengetahui signifikansi dan seberapa besar pengaruh masing-masing variabel independen terhadap variabel dependennya. Untuk mengetahui apakah koefisien variabel independen memiliki hubungan yang signifikan atau tidak terhadap variabel dependennya, dapat dilihat dari probabilitas t-statistik, yang selanjutnya nilai probabilitas t-statistik ini dibandingkan dengan α = 5%. 1) Jika probabilitas t statistik < α = 5%, maka tolak H0