BAB III METODE PENELITIAN
A. Pengujian Kualitas Data Penelitian
2. Uji Asumsi Klasik
Untuk dapat melakukan analisis regresi berganda perlu pengujian asumsi klasik sebagai persyaratan dalam analisis agar data-data dapat bermakna dan bermanfaat. Peneliti melakukan uji asumsi klasik terlebih dahulu sebelum melakukan pengujian hipotesis. Menurut Ghozali (2005:123), asumsi klasik yang harus dipenuhi adalah:
a. Berdistribusi normal
b. Non-Multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna.
c. Non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi tidak saling berkorelasi.
d. Homoskedastisitas, artinya variance variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
Menurut Kuncoro (2006), inti metode Ordinary Least Square mengestimasi suatu garis regresi dengan jalan meminimalkan jumlah dari kuadrat kesalahan setiap observasi terhadap garis tersebut. Adapun uji asumsi klasik model regresi berganda dengan metode penaksiran OLS (Ordinary Least Square) sebagai berikut :
a. Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam sebuah model regresi, variabel terikat atau variabel bebas atau keduanya mempunyai distribusi normal atau tidak (Ghozali, 2005:110). Uji ini ditujukan untuk mendapatkan kepastian terpenuhinya syarat normalitas yang akan menjamin dapat dipertanggungjawabkannya langkah-langkah analisis statistik sehingga kesimpulan yang diambil dapat dipertanggungjawabkan. Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal. Pedoman tentang data tersebut mendekati atau merupakan distribusi normal dapat didasarkan pada analisis grafik dan analisis statistik. Analisis grafik dapat dilakukan dengan melihat grafik histogram yang membandingkan data observasi dengan distribusi yang mendekati distribusi normal atau mengikuti kurva berbentuk lonceng dan grafik
normal probability plot (P-Plot) yang membandingkan distribusi
kumulatif dari distribusi normal. Normalitas dapat dideteksi dengan melihat penyebaran data (titik-titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya, jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal akan menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. Pengujian data pada penelitian ini juga menggunakan One-Sample Kolmogorov-Smirnov Test untuk menguji normalitas data masing-masing variabel (Karo-Karo, 2006:36).
b. Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas (independen). Multikolinearitas merupakan suatu fenomena adanya korelasi yang sempurna antara variabel-variabel bebas diantara satu dengan lainnya. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas. Dalam hal ini kita sebut variabel-variabel bebas ini tidak ortogonal yaitu variabel bebas yang nilai korelasi diantara sesamanya sama dengan nol. Jika terjadi Multikolinearitas, akan mengakibatkan timbulnya kesalahan standar penaksir dan probabilitas untuk memerima hipotesis yang salah menjadi semakin besar. Untuk mendeteksi adanya Multikolinearitas digunakan juga nilai Variance
Inflation Factor (VIF) untuk masing-masing variabel bebas. Jika nilai
Multikolinearitas dengan variabel lainnya. Akan tetapi, jika nilai
Variance Inflaction Factor (VIF) tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas
dari multikolinearitas. c. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam suatu model regresi terjadi ketidaksamaan (variance) dari residual suatu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi homoskedastisitas (Ghozali, 2005:105). Salah satu asumsi pokok dalam model regresi linear klasik ialah bahwa variance setiap disturbans term yang dibatasi oleh nilai tertentu mengenai variabel-variabel bebas adalah berbentuk suatu nilai konstan yang sama dengan
α. Untuk menguji heteroskedastisitas ini, peneliti menggunakan uji
metode grafik, dengan melihat ada tidaknya pola tertentu yang tergambar pada output SPSS yaitu gambar Scatter-Plot antara variabel dependen yaitu ZPRED dengan residualnya SRESID.
Dasar pengambilan keputusan (Karo-Karo, 2006:37), adalah:
1) Jika pola penyebaran data membentuk pola tertentu yang teratur (bergelombang melebar, kemudian menyempit), maka terjadi heteroskedastisitas.
2) Jika tidak terdapat pola yang jelas, sebaran data di atas dan di bawah angka nol pada sumbu Y, maka tidak terjadi heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas yaitu model regresi yang homoskedastisitas. 3. Analisis Regresi Linier Berganda
Menurut Indriantoro dan Supomo (2002), analisis regresi berganda umumnya digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap variabel dependen dengan skala pengukuran interval atau rasio dalam suatu persamaan linear. Pengaruh variabel independen (karena umumnya ada korelasi antar variabel independen), dalam analisis regresi berganda dapat diukur secara terpisah dan secara bersama-sama terhadap konstruk variabel.
Analisis regresi linier berganda ini digunakan untuk melihat prediksi nilai dari Personal Background (X1) dan Pengetahuan tentang Pengelolaan Keuangan Daerah (X2) terhadap Peran auditor inspektorat dalam pengawasan keuangan daerah (Y) pada Inspektorat Kabupaten Langkat, sehingga dapat diketahui seberapa besar pengaruh antara variabel independen (X1 dan X2) dengan variabel dependen (Y).
Model persamaannya adalah sebagai berikut : Analisis Regresi Berganda :
Y = a + b1X1 + b2X2 + e Dimana :
Y = Peran auditor inspektorat dalam pengawasan keuangan daerah a = Konstanta
X1= Personal Background
X2= Pengetahuan tentang Pengelolaan Keuangan Daerah b1 = Koefisien regresi Personal Background
b2 = Koefisien regresi Pengetahuan tentang Pengelolaan Keuangan Daerah
e = Error term
Pengujian hipotesis dalam penelitian ini menggunakan statistik parametrik. Oleh karena itu, setiap data konstruk variabel harus terlebih dahulu diuji normalitasnya. Statistik parametrik menurut Ghozali & Ikhsan (2006) merupakan uji yang modelnya menetapkan adanya syarat-syarat tertentu tentang parameter populasi yang merupakan sumber sampel penelitiannya. Syarat-syarat itu biasanya tidak diuji dan dianggap sudah dipenuhi. Dalam
penelitian ini digunakan tingkat signifikan (α) 0,05 atau 5 % untuk
menguji apakah hipotesis yang diajukan dalam penelitian ini diterima atau ditolak dengan cara menguji nilai F. Apabila nilai F positif berarti hipotesis diterima. Hal ini menunjukkan personal background dan
pengetahuan tentang pengelolaan keuangan daerah secara simultan berpengaruh terhadap peran auditor inspektorat dalam pengawasan keuangan daerah. Untuk menguji masing-masing variabel independen secara terpisah terhadap peran auditor inspektorat dalam pengawasan keuangan daerah dilakukan dengan menguji nilai t dengan uji dua sisi pada
tingkat signifikansi (α) 0,05 atau 5 %. Kriteria pengujian yang digunakan
adalah menerima hipotesis jika nilai t hasil perhitungan adalah positif signifikan.
G. Jadwal dan Lokasi Penelitian
Penelitian ini dilakukan oleh penulis pada bulan Juli 2009 sampai dengan selesai, bertempat di Inspektorat Kabupaten Langkat yang beralamat di Jl. Jalan T. Imam Bonjol No. 1 Stabat. Untuk jadwal penelitian akan dijabarkan pada tabel di bawah ini: Tabel 3.3 Jadwal Penelitian No Kegiatan Penelitian 2009 2 3 4 5 6 7 8 9 1 Penyusunan Proposal 2 Pengesahan Proposal 3 Perbaikan Proposal 4 Seminar 5 Pengambilan Data 6 Penyusunan Skripsi 7 Perbaikan Skripsi
8 Ujian Meja Hijau
BAB IV
ANALISIS HASIL PENELITIAN
Bab ini menguraikan pengujian data dan hasil penelitian. Pengujian diawali dengan uji kualitas data (validitas) dan uji keterandalan (reliabilitas) dari setiap butir pertanyaan / pernyataan instrumen penelitian menggunakan analisis faktor yaitu teknik Cronbach Alpha. Kemudian dilanjutkan dengan Uji Asumsi Klasik yang meliputi uji normalitas, uji multikolinearitas, dan uji heteroskesdatisitas. Pengolahan data penelitian berupa deskripsi dan inferensi. Pengujian data dengan menggunakan statistik deskriptif bertujuan untuk memberikan gambaran terhadap data-data pada variabel penelitian yang digunakan dalam penelitian. Sedangkan pengujian data dengan menggunakan statistik inferensial ditujukan untuk menguji hipotesis penelitian, yang dapat dikelompokkan menjadi statistik parametrik dan non-parametrik (Nugroho, 2005:1).
A. Pengujian Kualitas Data Penelitian 1. Pengujian Alat Ukur
Sebelum melakukan pengujian data dan pengujian hipotesis, terlebih dahulu dilakukan pengujian atas kualitas data untuk menjamin bahwa data yang diperoleh sudah dapat digunakan dalam penarikan kesimpulan. Pengujian ini secara umum diarahkan untuk menguji alat ukur yang digunakan (kuesioner) serta data yang diperoleh dari responden. Kuesioner yang diajukan kepada responden
berisikan 25 butir pertanyaan yang digunakan untuk mengukur 3 buah variabel penelitian. Tabel 4.1 menunjukkan butir pernyataan untuk setiap variabel penelitian.
Tabel 4.1
Keterangan Butir Pernyataan Kuesioner
Variabel Butir Pernyataan
Personal Background (X1) Butir 1 dan 2 Pengetahuan tentang Pengelolaan
Keuangan Daerah (X2)
Butir 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, dan 15
Peran Inspektorat dalam Pengawasan Keuangan Daerah (Y)
Butir 16, 17, 18, 19, 20, 21, 22, 23, 24 dan 25
Sumber : Penulis, 2009
a. Uji Validitas
Uji Validitas digunakan untuk mengetahui kelayakan butir-butir dalam suatu daftar (konstruk) pertanyaan dalam mendefinisikan suatu variabel (Nugroho, 2005:67). Alat ukur yang dapat digunakan dalam pengujian validitas suatu kuesioner adalah angka hasil korelasi antara skor pernyataan dan skor keseluruhan pernyataan responden terhadap informasi dalam kuesioner melalui metode Pearson Correlation. Asumsi yang digunakan dalam uji validitas adalah jika r-hitung lebih besar dari r-tabel (r-hitung > r-tabel), maka item pernyataan tersebut dinyatakan valid.
Dengan menggunakan jumlah responden (n) sebanyak 31, maka nilai r-tabel pada penelitian ini dapat diperoleh melalui df (degree of
freedom) = n-k. k merupakan jumlah butir pertanyaan dalam suatu
29, maka r-tabel = 0,396. Variabel Pengetahuan tentang Pengelolaan Keuangan Daerah = 31 – 13 = 18, maka r-tabel = 0,532. df untuk Variabel Peran Inspektorat dalam Pengawasan Keuangan Daerah = 31 – 10 = 21, maka r-tabel = 0,482. Tabel 4.2 merangkumkan output pengujian validitas yang terdapat di dalam lampiran 6.
Tabel 4.2
Hasil Pengujian Validitas Variabel Butir
Pernyataan r-hitung r-tabel Keterangan
Personal Background 1 2 0.729 0.772 0,396 0,396 Valid Valid Pengetahuan tentang Pengelolaan Keuangan Daerah 3 4 5 6 7 8 9 10 11 12 13 14 15 0.709 0.715 0.705 0.706 0.706 0.665 0.703 0.723 0.734 0.703 0.679 0.696 0.693 0.532 0.532 0.532 0.532 0.532 0.532 0.532 0.532 0.532 0.532 0.532 0.532 0.532 Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Peran Inspektorat dalam Pengawasan Keuangan Daerah 16 17 18 19 20 21 22 23 24 25 0.697 0.707 0.742 0.728 0.724 0.709 0.736 0.729 0.730 0.717 0.482 0.482 0.482 0.482 0.482 0.482 0.482 0.482 0.482 0.482 Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Sumber : Data Olahan Penulis, 2009
Butir pernyataan dinyatakan valid jika nilai r-hitung yang diperoleh dari pengolahan dengan menggunakan SPSS > r-tabel. Berdasarkan hasil pengujian di atas maka semua butir pernyataan yang merupakan pembentuk variabel dan diajukan pada kuesioner penelitian ini dapat dikatakan valid dan dapat digunakan sebagai instrumen penelitian karena nilai r-hitung lebih besar dari r-tabel. Oleh karena itu, dapat dinyatakan bahwa semua pernyataan dalam kuesioner dapat digunakan sehingga pengujian reliabilitas dapat dilakukan.
b. Uji Reliabilitas
Pengujian lanjutan yang harus dilakukan terhadap data setelah pengujian Validitas adalah pengujian Reliabilitas (keandalan) yang bertujuan untuk mengukur kestabilan dan konsistensi responden dalam menjawab hal yang berkaitan dengan konstruk-konstruk pertanyaan yang merupakan dimensi suatu variabel dan disusun dalam suatu bentuk kuesioner (Nugroho, 2005:72).
Hasil Uji Reliabilitas dapat dipercaya berdasarkan tingkat kemantapan dan ketepatan suatu alat ukur dalam pengertian bahwa hasil pengukuran yang didapatkan merupakan ukuran yang benar dari sesuatu yang diukur. Metode yang digunakan untuk mengukur reliabilitas adalah Cronbach’s Alpha. Reliabilitas suatu konstruk variabel dikatakan baik jika memiliki nilai Cronbach’s Alpha > 0,60.
Kuesioner yang digunakan dalam penelitian ini diuji tingkat reliabilitasnya dengan output dalam lampiran 6 yang ditunjukkan di dalam tabel 4.3.
Tabel 4.3
Hasil Pengujian Reliabilitas Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items .724 .727 25
Sumber : Data Olahan SPSS, 2009
Pengujian reliabilitas yang dilakukan dengan Cronbach’s Alpha menunjukkan kuesioner yang digunakan dalam penelitian ini dapat digunakan sebagai alat ukur yang konstan. Nilai Cronbach’s Alpha sebesar 0,724 menyatakan bahwa kuesioner sangat reliabel untuk digunakan sebagai alat ukur penelitian karena lebih besar dari 0,60 atau 0,724>0,60.
2. Uji Asumsi Klasik a. Uji Normalitas
Pengujian Normalitas dilakukan dengan menggunakan pengujian Kolmogorov-Smirnov. Pengujian dengan metode ini menyatakan jika nilai Kolmogorov-Smirnov memiliki probabilitas lebih besar dari 0,05
(Santoso, 2005), maka variabel penelitian tersebut dinyatakan berdistribusi normal. Tabel 4.4 disusun berdasarkan lampiran 7.
Tabel 4.4 Pengujian Normalitas Personal background Pengetahuan tentang pengelolaan keuangan daerah Peran Inspektorat dalam Pengawasan Keuangan Daerah N 31 31 31 Normal Parameters(a,b) Mean 6.81 41.74 34.84 Std. Deviation 1.815 3.483 2.162 Most Extreme Differences Absolute .155 .194 .110 Positive .103 .194 .099 Negative -.155 -.115 -.110 Kolmogorov-Smirnov Z .865 1.079 .615
Asymp. Sig. (2-tailed) .443 .194 .844
a Test distribution is Normal. b Calculated from data.
Sumber : Data Olahan SPSS, 2009 Hipotesis pengujian yaitu:
Hipotesis Nol (Ho) : data terdistribusi secara normal Hipotesis Aternatif (Ha) : data tidak terdistribusi secara normal
Nilai K-S untuk variabel Personal Background adalah 0.865 dengan probabilitas signifikansi 0.443 dan nilainya diatas α = 0.05, hal ini
berarti Ho diterima atau variabel Personal Background telah terdistribusi secara normal. Demikian juga dengan variable Pengetahuan teentang Pengelolaan Keuangan Daerah dan Peran Inspektorat dalam Pengawasan Keuangan Daerah yang masing-masing
mempunyai nilai signifikansi 0.194 dan 0.844, nilainya diatas α = 0.05,
Berdasarkan hasil pengujian yang terdapat di dalam lampiran, semua variabel yang digunakan telah berdistribusi normal. Hasil yang sama diperoleh dengan menggambar Q-Q Plot seperti yang ditunjukkan pada gambar 4.1. Plot menunjukkan walau ada sedikit data outlier namun mayoritas data berada di sekitar garis acuan normalitas.
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal maka model regresi memenuhi asumsi normalitas. Jika data menyebar jauh dari garis diagonal dan/ atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas. Hasil yang diperoleh menunjukkan masing-masing variabel penelitian memiliki nilai yang membentuk asumsi distribusi normal. Data yang berdistribusi normal dapat digunakan untuk penarikan kesimpulan karena data sudah menyebar dengan karakteristik menyerupai populasi yang diwakili.
Standardized Observed Value 4 2 0 -2 -4 E x p e c te d N o rm a l V a lu e 4 2 0 -2 -4
Normal Q-Q Plot of Peran Inspektorat dalam Pengawasan Keuangan Daerah
Transforms: natural log, difference(1)
Gambar 4.1 Normal Q-Q Plot Sumber : Data Olahan SPSS, 2009
b. Uji Multikolinearitas
Multikolinearitas dapat timbul jika variabel bebas saling berkorelasi satu sama lain, sehingga multikolinearitas hanya dapat terjadi pada regresi berganda. Hal ini mengakibatkan perubahan tanda koefisien regresi serta mengakibatkan fluktuasi yang besar pada hasil regresi. Uji multikolinearitas diperlukan untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lain dalam satu model. Kemiripan antara variabel independen dalam suatu
model akan menyebabkan terjadinya korelasi yang sangat kuat antara suatu variabel independen dengan variabel independen lainnya. Selain itu, deteksi terhadap multikolinearitas yang bertujuan untuk menghindari kebiasan dalam proses pengambilan kesimpulan mengenai pengaruh pada uji parsial masing-masing variabel independen terhadap variabel dependen (Nugroho, 2005:58).
Tabel 4.5
Pengujian Multikolinearitas
Variabel Tolerance Variance Inflaction Factor (VIF)
Personal Background (X1) 0.993 1.007
Pengetahuan tentang Pengelolaan Keuangan Daerah
(X2)
0.993 1.007
Sumber : Data Olahan SPSS, 2009
Deteksi multikolinearitas pada suatu model dapat dilihat dari beberapa hal (Nugroho, 2005:58), antara lain:
1) Jika nilai Variance Inflaction Factor (VIF) tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinearitas. VIF = 1/Tolerance, jika VIF = 10 maka Tolerance = 1/10 = 0,1. Semakin tinggi VIF, semakin rendah
tolerance.
2) Jika nilai koefisien korelasi antar masing-masing variabel independen kurang dari 0,7 maka model dapat dikatakan bebas dari asumsi klasik multikolinearitas. Jika lebih dari 0,7 maka
diasumsikan terjadi korelasi yang sangat kuat antar variabel independen sehingga terjadi multikolinearitas.
3) Jika nilai koefisien determinan, baik dilihat dari R2 maupun R-Square diatas 0,60 namun tidak ada variabel independen yang berpengaruh terhadap variabel dependen maka model terkena multikolinearitas.
Berdasarkan output yang terdapat pada lampiran 8 yang ditunjukkan di dalam tabel 4.5, terlihat bahwa hasil uji melalui Variance Inflaction
Factor (VIF) pada hasil ouput SPSS tabel Coefficients, masing-masing
variabel independen memiliki VIF tidak lebih dari 10 dan nilai
Tolerance tidak kurang dari 0,1 maka dapat dinyatakan model regresi
linier berganda terbebas dari asumsi klasik statistik dan dapat digunakan dalam penelitian.
c. Uji Heteroskedastisitas
Gejala Heteroskedastisitas timbul karena adanya ketidak-konstanan variansi error sehingga hasil regresi menjadi diragukan karena estimator yang digunakan tidak efisien. Pengujian ini dilakukan terhadap hasil regresi untuk mengetahui pola persebaran error. Pengujian heteroskedastisitas dapat dilakukan dengan membentuk diagram plot untuk melihat pola persebaran data. Apabila pola
Regression Standardized Predicted Value 2 1 0 -1 -2 -3 R e g re s s io n S tu d e n ti z e d R e s id u a l 3 2 1 0 -1 -2 Scatterplot
Dependent Variable: Peran Inspektorat dalam Pengawasan Keuangan Daerah
persebaran data tidak membentuk pola tertentu, maka data dapat dikatakan terbebas dari heteroskedastisitas.
Gambar 4.2
Pengujian Heteroskedastisitas Sumber : Data Olahan SPSS, 2009