BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.5 Uji Kualitas Data
Priyatno menyatakan bahwa uji validitas item merupakan uji instrumen data untuk mengetahui seberapa cermat suatu item dalam mengukur apa yang ingin diukur dan teknik uji validitas dengan korelasi Pearson.
Pengujian validitas variabel Akuntabilitas, Transparansi dan Kinerja Anggaran Berkonsep Value For Money menggunakan uji dua sisi dengan taraf signifikansi α 0,05. Kriteria pengujiannya jika r hitung ≥ r tabel maka item dinyatakan valid, namun jika r hitung < r tabel maka item dinyatakan tidak valid. Jumlah data (n) = 35 maka r tabel dicari pada signifikansi 0,05 dengan uji 2 sisi dan (df= n-2) hasilnya df = 35-2 = 33, maka didapat nilai r tabel adalah 0,334.
Hasil uji Validitas terhadap item pertanyaan akuntabilitas dapat dilihat pada tabel 4.3 sebagai berikut :
Tabel 4.3
Hasil Uji Validitas Variabel Akuntabilitas
Item / Pertanyaan r Hitung r Tabel Keterangan
1 0,794 0,334 Valid 2 0,358 0,334 Valid 3 0,440 0,334 Valid 4 0,805 0,334 Valid 5 0,737 0,334 Valid 6 0,887 0,334 Valid 7 0,386 0,334 Valid
8 0,447 0,334 Valid
9 0,447 0,334 Valid
Sumber : Hasil Pengolahan Data Primer dengan Alat Bantu SPSS, 2015
Berdasarkan hasil pengujian seperti pada tabel 4.3 ke sembilan item pertanyaan menghasilkan koefisien korelasi yang lebih besar dari r-Tabel (0,334). Berdasarkan hasil ini maka item variabel akuntabilitas dapat disimpulkan lolos uji validitas karena r hitung ≥ r tabel pada taraf signifikansi 5%.
Tabel 4.4
Hasil Uji Validitas Variabel Transparansi
Item / Pertanyaan r Hitung r Tabel Keterangan
1 0,739 0,334 Valid 2 0,641 0,334 Valid 3 0,768 0,334 Valid 4 0,356 0,334 Valid 5 0,494 0,334 Valid 6 0,746 0,334 Valid 7 0,684 0,334 Valid 8 0,864 0,334 valid
Berdasarkan hasil pengujian seperti pada tabel 4.4 ke delapan item pertanyaan menghasilkan koefisien korelasi yang lebih besar dari r-Tabel (0,334). Berdasarkan hasil ini maka seluruh item variabel Transparansi dapat disimpulkan lolos uji validitas karena r hitung ≥ r tabel pada taraf signifikansi 5%.
Tabel 4.5
Hasil Uji Validitas Variabel Kinerja Anggaran Berkonsep Value For Money Item / Pertanyaan r Hitung r Tabel Keterangan
1 0,709 0,334 Valid 2 0,747 0,334 Valid 3 0,413 0,334 Valid 4 0,708 0,334 Valid 5 0,456 0,334 Valid 6 0,523 0,334 Valid 7 0,543 0,334 Valid 8 0,536 0,334 Valid 9 0,770 0,334 Valid 10 0,795 0,334 Valid 11 0,452 0,334 Valid
Berdasarkan hasil pengujian seperti pada tabel 4.5 ke sebelas item pertanyaan menghasilkan koefisien korelasi yang lebih besar dari r-Tabel (0,334). Berdasarkan hasil ini maka seluruh item variabel Kinerja Anggaran Berkonsep Value For Money dapat disimpulkan lolos uji validitas karena r hitung ≥ r tabel pada taraf signifikansi 5%.
4.5.2 Uji Reliabilitas Data
Uji Reliabilitas digunakan untuk mengetahui konsistensi alat ukur, apakah alat ukur yang digunakan dapat diandalkan dan tetap konsisten jika pengukuran tersebut diulang. Uji reliabilitas data yang digunakan dalam penelitian ini adalah metode cronbach alpha.
Tabel 4.6 Hasil Uji Reliabilitas
Variabel Chronbach’s
Alpha
Keterangan
Akuntabilitas 0,782 Reliabel
Transparansi 0,813 Reliabel
Kinerja Anggaran Berkonsep Value For Money
0,811 Reliabel
Sumber : Hasil Pengolahan Data Primer dengan Alat Bantu SPSS, 2015
Berdasarkan hasil pada tabel 4.6 uji reliabiltas variabel penelitian diketahui bahwa nilai cronbach’s alpha semua variabel telah lebih besar dari 0,60. Hasil uji reliabilitas untuk variabel akuntabilitas 0,782, variabel transparansi 0,813
dan kinerja anggaran berkonsep value for money sebesar 0,811 sehingga dapat disimpulkan kuesioner pada masing-masing variabel penelitian dapat dinyatakan telah andal dan dapat dipercaya sebagai alat ukur yang menghasilkan jawaban yang relatif konsisten.
4.6 Uji Asumsi Klasik 4.6.1 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk mengetahui apakah pada model regresi yang diajukan telah ditemukan korelasi antar variabel independen. Prasyarat yang harus dipenuhi dalam model regresi adalah tidak adanya multikolinearitas. Uji multikolinearitas dalam penelitian ini dengan melihat nilai Variance Inflation Factor (VIF) dan Tolerance , apabila nilai VIF lebih kecil dari 10 dan tolerance lebih besar dari 0,1 maka dinyatakan tidak terjadi multikolinearitas. Hasil pengujian multikolinearitas disajikan pada tabel 4.7 sebagai berikut :
Tabel 4.7
Hasil Uji Multikolinearitas Collinearity Statistics
Variabel Tolerance VIF
Akuntabilitas 0,849 1,178
Transparansi 0,849 1,178
Variabel Dependen : Y = Kinerja Anggaran Berkonsep Value For Money Sumber : Hasil Pengolahan Data Primer dengan Alat Bantu SPSS, 2015
Berdasarkan hasil pengujian pada tabel 4.7 diatas, karena nilai VIF untuk semua variabel memiliki nilai sebesar 1,178 lebih kecil dari 10 dan nilai Tolerance adalah 0,849 lebih besar daripada 0,1 maka dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas antar variabel independen.
4.6.2 Uji Heteroskedastisitas
Heteroskedastisitas digunakan untuk menguji apakah terjadi ketidaksamaan varian dari nilai residual pada satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Uji ini dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dengan dasar analisisnya adalah :
a. Jika pada pola tertentu, seperti titik-titik (poin-poin) yang ada membentuk suatu pola tertentu yang teratur (bergelombang, melebur, menyempit), maka telah terjadi heteroskedastisitas, dan
b. Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Gambar 4.1 Scatterplot
Sumber : Hasil Pengolahan Data Primer dengan Alat Bantu SPSS, 2015
Dengan melihat gambar 4.1 Menunjukkan bahwa tidak ada pola yang jelas serta titik-titik menyebar diatas dan di bawah angka 0 pada sumbu Y, maka dapat disimpulkan tidak terjadi heteroskedastisitas pada model regresi. Dengan demikian model regresi layak dipakai untuk memprediksi kinerja anggaran yang berkonsep value for money.
4.6.3 Uji Normalitas
Uji normalitas data digunakan untuk menguji apakah nilai residual yang dihasilkan dari regresi terdistribusi secara normal atau tidak. Pengujian secara visual dapat dilakukan dengan metode gambar normal Probability Plots. Dengan kriteria jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas dan model regresi ini yang baik. Maka hasil uji normalitas dapat dilihat dari gambar 4.2 berikut ini :
Gambar 4.2 Uji Normalitas
Pada hasil pengolahan data pada gambar 4.2 diatas menampilkan grafik normal Probability Plot yang menunjukan penyebaran data (titik) disekitar garis regresi dan penyebaran titik-titik data searah mengikuti garis diagonal, maka dapat disimpulkan bahwa model regresi layak digunakan karena memenuhi asumsi normalitas.
