BAB II TINJAUAN PUSTAKA
HASIL PENELITIAN DAN PEMBAHASAN 4.1 Gambaran Umum
4.3 Uji Kualitas Data
4.3.1 Uji Validitas
Pengujian validitas instrumen dengan menggunakan software SPSS versi 21 statistik, nilai validitas dapat dilihat pada kolom Corrected Item-Total Correlation. Jika angka korelasi yang diperoleh lebih besar dari pada angka kritik (r-hitung >r-tabel) maka butir pertanyaan tersebut dikatakan valid. Berdasarkan hasil uji validitas dapat disimpulkan bahwa seluruh item pertanyaan untuk mengukur masing-masing variabel penelitian dinyatakan valid. Hal ini dapat dilihat bahwa r-hitung lebih besar dari r-tabel, dimana nilai r-tabel untuk sampel sebanyak 54 responden adalah 0.2681.
Tabel 4.5
Hasil Uji Validitas Variabel Kebijakan Penyusunan Anggaran Berbasis Kinerja
Item r-hitung r-tabel Keterangan
8 0.794 0.2681 Valid
9 0.593 0.2681 Valid
10 0.668 0.2681 Valid
11 0.640 0.2681 Valid
12 0.370 0.2681 Valid
13 0.794 0.2681 Valid
14 0.395 0.2681 Valid
15 0.366 0.2681 Valid
16 0,640 0.2681 Valid
Sumber : Data primer yang diolah SPSS, 2018
Berdasarkan hasik Tabel 4.5 hasil koefisien korelasi setiap pertanyaan dalam variabel kebijakan penyusunan anggaran berbasis kinerja lebih besar dari nilai r-tabel 0,2681 sehingga semua butir pertanyaan dalam kuesioner kebijakan penyusunan anggaran berbasis kinerja dinyatakan valid.
Tabel 4.6
Hasil Uji Validitas Variabel Penerapan Anggaran Berbasis Kinerja
Item r-hitung r-tabel Keterangan
17 0.329 0.2681 Valid
18 0.372 0.2681 Valid
19 0.626 0.2681 Valid
20 0.628 0.2681 Valid
21 0.516 0.2681 Valid
22 0.516 0.2681 Valid
23 0.658 0.2681 Valid
24 0.615 0.2681 Valid
Sumber : Data primer yang diolah SPSS, 2018
Berdasarkan hasik Tabel 4.6 hasil koefisien korelasi setiap pertanyaan dalam variabel penerapan anggaran berbasis kinerja lebih besar dari nilai r-tabel 0,2681 sehingga semua butir pertanyaan dalam kuesioner penerapan anggaran berbasis kinerja dinyatakan valid.
Tabel 4.7
Hasil Uji Validitas Variabel Akuntabilitas Kinerja Instansi Pemerintah
Item r-hitung r-tabel Keterangan
1 0.712 0.2681 Valid
2 0.766 0.2681 Valid
3 0.448 0.2681 Valid
4 0.766 0.2681 Valid
5 0.621 0.2681 Valid
6 0.603 0.2681 Valid
7 0.712 0.2681 Valid
Sumber : Data primer yang diolah SPSS, 2018
Berdasarkan hasik Tabel 4.7 hasil koefisien korelasi setiap pertanyaan dalam variabel akuntabilitas kinerja lebih besar dari nilai r-tabel 0,2681 sehingga semua butir pertanyaan dalam kuesioner akuntabilitas kinerja dinyatakan valid.
4.3.2 Uji Reliabilitas
Pengujian reliabilitas dalam penelitian ini untuk menunjukkan tingkat reliabilitas konsistensi internal teknik yang digunakan adalah dengan mengukur koefisien Cronbach’s Alpha. Suatu pertanyaan dapat dikategorikan reliabel jika nilai alpha lebih besar dari 0,60 (Ghozali, 2011:48). Berikut ini hasil uji reliabilitas kebijakan penyusunan anggaran berbasis kinerja, penerapan anggaran berbasis kinerja, dan akuntabilitas kinerja.
Tabel 4.8 Hasil Uji Reliabilitas
Variabel alpha
cronbach’s
Batas Reliabilitas
Keterangan Akuntabilitas Kinerja Instansi Pemerintah (Y) 0.764 0.6 Reliabel Kebijakan Penyusunan Anggaran Berbasis
Kinerja (X1)
0.716 0.6 Reliabel
Penerapan Anggaran Berbasis Kinerja (X2) 0.741 0.6 Reliabel Sumber : Data Primer diolah SPSS, 2018
Hasil pengujian data menunjukkan bahwa nilai cronbach’s alpha semua variable lebih besar dari 0,6. Hal ini menunjukkan bahwa data penelitian dinyatakan reliabel.
4.4 Uji Asumsi Klasik
Uji Asumsi Klasik dilakukan untuk memastikan bahwa dalam penelitian ini tidak terdapat multikolinearitas dan heteroskedastisitas, serta
data yang dihasilkan memiliki distribusi normal. Apabila tidak dijumpai adanya multikolinearitas dan heteroskedastisitas, maka asumsi klasik telah terpenuhi.
4.4.1 Uji Normalitas
Uji normalitas dalam penelitian ini menggunakan uji One Sample Smirnov Test. Penulis memilih One Sample Kolmogorov-Smirnov karena hasil dari uji ini lebih relevan daripada melakukan uji grafik. Dalam uji One Sample Kolmogorov-Smirnov, suatu data dikatakan memiliki distribusi normal jika nilai signifikansi atau nilai Asymp. Sig (2-tailed) lebih besar dari 0,05.
Tabel 4.9
Hasil Uji Kolmogorov-Smirnov
Sumber : Data primer yang diolah SPSS, 2018
Tabel 4.9 menunjukkan bahwa nilai signifikansi Asymp. Sig. (2-tailed) sebesar 0,969 yang jauh lebih besar dari 0,05. Untuk mendukung
One-Sample Kolmogorov-Smirnov Test Unstandardized Residual
N 54
Normal Parametersa,b
Mean ,0000000
Std.
Deviation
2,502402 60
Most Extreme Differences
Absolute ,067
Positive ,064
Negative -,067
Kolmogorov-Smirnov Z ,491
Asymp. Sig. (2-tailed) ,969
a. Test distribution is Normal.
b. Calculated from data.
hasil uji normalitas secara statistik, maka peneliti juga mencantumkan hasil uji normalitas secara grafik sebagai berikut:
Gambar 4.1 Histogram
Gambar 4.2 Kurva P-P Plot
Dari hasil grafik histogram menunjukkan bahwa data berdistribusi normal karena distribusi sedikit melenceng ke kanan dan persebaran chart pada histogram mengikuti garis normal. Berdasarkan pada gambar kurva P-P Plot menunjukkan bahwa model regresi layak dipakai dalam penelitian
ini karena pada grafik normal plot terlihat titik – titik menyebar di sekitar garis diagonal serta penyebarannya mengikuti arah garis diagonal sehingga memenuhi asumsi normalitas.
4.4.2 Uji Multikolinieritas
Uji Multikolinearitas bertujuan untuk mengetahui hubungan yang bermakna (korelasi) antara setiap variabel bebas dalam suatu model regresi. Model regresi yang baik adalah tidak terjadi korelasi diantara variabel bebas. Multikololinearitas dapat dilihat dari nilai tolerance/
Variance inflation factor (VIF). Jika nilai tolerance> 0.1/VIF kurang dari 10, maka dapat dikatakan model telah bebas dari masalah multikololiearitas. Hasil dari uji multikololinearitas yang menunjukkan bahwa model uji tidak terdeteksi kasus multikololinearitas dapat dilihat pada Tabel 4.11 berikut:
Tabel 4.10
Hasil Uji Multikolinearitas
Collinearity Statistics
Tolerance VIF
Coefficientsa
,300 3,329
,300 3,329
a. Dependent Variable: AK
Sumber : Data primer yang diolah SPSS, 2018 Dari tabel di atas diketahui Hasil uji multikolinearitas dari masing – masing variabel independen menunjukan nilai variance Inflation Factor (VIF) memiliki nilai tidak lebih dari 10, begitu juga apabila ditinjau dari nilai Tolenrace memiliki nilai tidak kurang dari 0,1. Jadi dapat
dikatakan bahwa masing-masing dari variabel independen terbebas dari multikolinearitas dalam model regresi.
4.4.3 Uji Heteroskedastisitas
Pengujian asumsi heteroskedastisitas menyimpulkan bahwa model regresi tidak terjadi heteroskedastisitas. Dengan kata lain terjadi kesamaan varian dari residual dari satu pengamatan ke pengamatan yang lain. Kesimpulan ini diperoleh dengan melihat penyebaran titik-titik yang menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y . Hasil pengujian heteroskedastisitas dapat dilihat pada gambar berikut ini.
Gambar 4.3 Grafik Scatterplot
Sumber : Data primer yang diolah SPSS, 2018
Berdasarkan gambar 4.3 di atas grafik Scatterplot menunjukkan bahwa data tersebar di atas dan di bawah angka 0 (nol) pada sumbu Y dan tidak terdapat suatu pola yang jelas pada
penyebaran data tersebut. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi. Jadi dapat disimpulkan bahwa model regresi penelitian ini layak digunakan untuk memprediksi akuntabilitas kinerja berdasarkan variabel yang mempengaruhinya, yaitu kebijakan penyusunan anggaran berbasis kinerja dan penerapan anggaran berbasis kinerja.