BAB IV METODE PENELITIAN
4.6 Metode Analisis Data
4.6.1 Uji Kualitas Data
Uji kualitas data dilakukan untuk mengetahui kualitas dari konsistensi dan akurasi data yang dikumpulkan melalui instrumen penelitian, pengujian dilakukan dengan :
1. Evaluasi Outer Model (Measurement Model): Validitas
Validitas konvergen merupakan bagian dari measurement model (model pengukuran) yang dalam SEM-PLS biasanya disebut sebagai outer model
sedangkan dalam covariance-based SEM disebut confirmatory factor analysis (CFA) (Mahfud dan Ratmono, 2013:64). Terdapat dua kriteria untuk menilai apakah outer model (model pengukuran) memenuhi syarat validitas konvergen untuk konstruk reflektif. Outer loading antara 0,40-0,70 harus tetap dipertimbangkan untuk dipertahankan (Mahfud dan Ratmono, 2013:66).
Indikator dengan loading di bawah 0,40 harus dihapus dari model. Namun untuk indikator dengan loading antara 0,40 dan 0,70 sebaiknya kita analisis dampak dari keputusan menghapus indikator tersebut pada average variance extracted (AVE) dan composite reliability. Kita dapat menghapus indikator dengan loading antara 0,40 dan 0,70 jika indikator tersebut dapat meningkatkan average variance extracted (AVE) dan composite reliability di atas batasannya (treshold) (Mahfud dan Ratmono, 2013:67). Nilai batasan AVE adalah 0,50 dan composite reliability sebesar 0,7. Pertimbangan lain dalam menghapus indikator adalah dampaknya pada validitas isi (content validity) konstruk. Indikator dengan loading yang kecil kadang tetap dipertahankan karena punya kontribusi pada validitas isi konstruk (Mahfud dan Ratmono, 2013:67).
2. Evaluasi Outer Model (Measurement Model): Reliabilitas
Nilai Cronbach’s Alpha dan Composite Reliability merupakan nilai reliabilitas, yang mana merupakan suatu nilai untuk mengevaluasi (to evaluate) seberapa baik (how well) indikator-indikator yang digunakan (block of indicators) dalam hal mengukur (measure) variabel latennya. Nilai Cronbach’s Alpha yang dapat diterima di atas 0.7, yang berarti indikator-indikator yang digunakan telah baik dalam hal mengukur variabel latennya.
36
4.6.2 Pengujian Hipotesis 1. Pengaruh Signifikansi
Dalam SmartPLS, pengujian signifikansi pengaruh langsung dan pengujian signifikansi moderasi dilakukan dengan pendekatan Bootstrapping. Pada pengujian dengan pendekatan Bootstrapping, kriteria pengambilan keputusan adalah dengan memperhatikan nilai pada kolom P-Values pada hasil SmartPLS. Suatu pengaruh dikatakan signifikan apabila nilai P-Values < tingkat signifikansi 0,05, sementara apabila nilai P-Values > tingkat signifikansi 0,05, maka pengaruh dikatakan signifikan.
2. Koefisien Determinasi (Adjusted R Square)
Uji R square atau uji determinasi untuk mengukur seberapa jauh model dapat menerangkan variasi variabel terikat (Kuncoro, 2009). Nilai koefisien determinasi berada diantara nol dan satu (0 ≤ Adjusted R Square ≤ 1). Nilai Adjusted R Square yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksikan variasi variabel dependen, jika nilai Adjusted R Square semakin kecil atau mendekati nol, artinya variabel-variabel independen hampir tidak memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Terdapat kelemahan dalam pemakaian koefisien determinasi yaitu bias terhadap jumlah variabel independen yang dipakai pada model. Beberapa peneliti menyarankan untuk memakai nilai Adjusted R Square ketika melakukan evaluasi model regresi terbaik.
Berbeda dengan R Square, nilai Adjusted R Square memiliki fluaktasi/naik atau turun jika satu variabel independen ditambahkan pada model (Ghozali, 2013).
Pengumpulan data dalam penelitian ini telah dilakukan dengan tahapan yakni dengan menyebarkan 128 kuesioner kepada responden yang berada di OPD Pemerintah Kota Medan sebanyak 64 OPD. Setiap OPD diberikan 2 (dua) kuesioner yaitu kepada PPK (Pejabat Penatausahaan Keuangan) dan Bendahara Pengeluaran. Berdasarkan waktu yang telah ditentukan kuesioner dikutip kembali dan total kuesioner yang kembali adalah 113 kuesioner yang dapat dilihat pada tabel 5.1.
Tabel 5.1 Tabel Distribusi Kuisioner
No Keterangan Instansi Sebar Kembali
1 Badan 8 16 16
2 Bagian Sekretariat Daerah 10 20 19
3 Dinas 24 48 44
4 Kecamatan 21 42 34
5 RSUD 1 2 0
Jumlah 64 128 113
5.1.1 Statistik Deskriptif
Statistik deskriptif memberikan informasi mengenai gambaran data meliputi jumlah sampel, nilai minimum, nilai maksimum, niali rata-rata (mean), dan standar deviasi dari variabel-variabel penelitian. Berikut data statistik deskriptif yang telah diolah :
38
Tabel 5.2 Statistik Deskriptif
N Min Max Mean Std.
Deviation
Penerapan SAP 113 1 5 4,280857 0,691327
Pemanfaatan SIAKD 113 2 5 4,39115 0,553127
Peran dan fungsi internal audit
113 2 5 4,271386 0,672376
Kompetensi SDM 113 1 5 4,221239 0,701674
Kepatuhan terhadap peraturan perundang-undangan
113 2 5 4,161062 0,814696
Kualitas laporan keuangan pemda
113 2 5 4,381335 0,513307
Berdasarkan tabel 5.2 dapat dideskripsikan beberapa hal sebagai berikut : 1. Jumlah seluruh sampel penelitian adalah 113 responden . Terdapat lima
variabel independen yaitu penerapan SAP, pemanfaatan SIAKD, peran dan fungsi internal audit , kompetensi SDM dan kepatuhan terhadap peraturan perundang-undangan dan satu variabel dependen yaitu ualitas laporan keuangan pemerintah daerah.
2. Variabel penerapan SAP memiliki nilai minimum sebesar 1 dan nilai maksimum sebesar 5 dengan rata-rata pada nilai 4,2. Nilai standar deviasi sebesar 0,69 yang artinya ukuran penyebaran data pada variabel penerapan SAP berada diantara 3,51 dan 4,89 dari nilai rata-rata.
3. Variabel pemanfaatan SIAKD memiliki nilai minimum sebesar 2 dan nilai maksimum sebesar 5 dengan rata-rata pada nilai 4,3. Nilai standar deviasi sebesar 0,55 yang artinya ukuran penyebaran data pada variabel Pemanfaatan SIAKD berada diantara 3,75 dan 4,85 dari nilai rata-rata.
4. Variabel peran dan fungsi internal audit memiliki nilai minimum sebesar 2 dan nilai maksimum sebesar 5 dengan rata-rata pada nilai 4,2. Nilai standar deviasi
sebesar 0,67 yang artinya ukuran penyebaran data pada variabel peran dan fungsi internal audit berada diantara 3,53 dan 4,87 dari nilai rata-rata.
5. Variabel kompetensi SDM memiliki nilai minimum sebesar 1 dan nilai maksimum sebesar 5 dengan rata-rata pada nilai 4,2. Nilai standar deviasi sebesar 0,70 yang artinya ukuran penyebaran data pada variabel kompetensi SDM berada diantara 3,5 dan 4,9 dari nilai rata-rata.
6. Variabel kepatuhan terhadap peraturan perundang-undangan memiliki nilai minimum sebesar 2 dan nilai maksimum sebesar 5 dengan rata-rata pada nilai 4,1. Nilai standar deviasi sebesar 0,81 yang artinya ukuran penyebaran data pada variabel kepatuhan terhadap peraturan perundang-undangan berada diantara 3,29 dan 4,91 dari nilai rata-rata.
7. Variabel kualitas laporan keuangan pemerintah daerah memiliki nilai minimum sebesar 2 dan nilai maksimum sebesar 5 dengan rata-rata pada nilai 4,3. Nilai standar deviasi sebesar 0,51 yang artinya ukuran penyebaran data pada variabel kualitas laporan keuangan pemerintah daerah berada diantara 3,79 dan 4,81 dari nilai rata-rata.
5.2 Pengujian Kualitas Data
5.2.1 Uji Validitas berdasarkan Nilai Outer Loading dan Average Variance Extract (AVE)
Validitas konvergen merupakan bagian dari measurement model (model pengukuran) dalam SEM-PLS biasanya disebut sebagai outer model sedangkan dalam covariance-based SEM disebut confirmatory factor analysis (CFA) (Mahfud dan Ratmono, 2013:64). Terdapat dua kriteria untuk menilai apakah outer
40
model (model pengukuran) memenuhi syarat validitas konvergen untuk konstruk reflektif. Outer loading antara 0,40-0,70 harus tetap dipertimbangkan untuk dipertahankan (Mahfud dan Ratmono, 2013:66).
Indikator dengan loading di bawah 0,40 harus dihapus dari model. Namun untuk indikator dengan loading antara 0,40 dan 0,70 sebaiknya kita analisis dampak dari keputusan menghapus indikator tersebut pada average variance extracted (AVE) dan composite reliability. Kita dapat menghapus indikator dengan loading antara 0,40 dan 0,70 jika indikator tersebut dapat meningkatkan average variance extracted (AVE) dan composite reliability di atas batasannya (treshold) (Mahfud dan Ratmono, 2013:67).
Nilai batasan AVE adalah 0,50 dan composite reliability sebesar 0,7.
Pertimbangan lain dalam menghapus indikator adalah dampaknya pada validitas isi (content validity) konstruk. Indikator dengan loading yang kecil kadang tetap dipertahankan karena punya kontribusi pada validitas isi konstruk (Mahfud dan Ratmono, 2013:67).
Tabel 5.3 Pengujian Validitas berdasarkan Nilai Average Variance Extracted (AVE)
Average
Variance Extracted (AVE)
Hasil Uji
Penerapan SAP 0.797 Valid
Sistem Informasi Akuntansi Keuangan Daerah 0.756 Valid
Peran dan Fungsi Internal Audit 0.83 Valid
Kompetensi SDM 0.845 Valid
Kepatuhan terhadap Peraturan Perundang-undangan
0.854 Valid
Kualitas Laporan Kuangan Pemerintah Daerah 0.856 Valid
5.2.2 Evaluasi Nilai Alpha Cronbach dan Composite Reliability (Reliabilitas)