A. Data Penelitian 1. Gambaran Umum Data
Data penelitian yang digunakan dalam penelitian ini adalah Data sekunder yang diperoleh dari BPK-RI, BPKP-RI dan Kementerian Komunikasi dan Informatika RI, yang dipublikasikan di website masing-masing Kementerian/Lembaga tersebut ataupun yang diminta langsung ke Kementerian/ Lembaga tersebut. Data yang digunakan adalah Nilai Kerugian Daerah tahun 2014 (Fraud), hasil pemeringkatan pelaksanaan e-government di Indonesia (E-Gov), hasil penilaian kapabilitas APIP di Indonesia (IACM), penyelesaian Tindak Lanjut Hasil Pemeriksaan BPK-RI sampai tahun 2014 (TL), Belanja Daerah Kabupaten/Kota di Indonesia (Expt), jumlah aset Kabupaten/Kota di Indonesia (Size), Rasio Belanja Pegawai (AKT) dan pertumbuhan PAD Kabupaten/Kota di Indonesia (Growth). Data yang digunakan sebanyak 195 Kabupaten/Kota di Indonesia, yang memenuhi kriteria sampel yang telah ditetapkan.
2. Deskripsi Statistik Data
Penelitian ini menggunakan data sekunder yang dipublikasikan oleh BPK-RI,BPKP-RI dan kementerian Kominfo RI. Data penelitian yang diperoleh kemudian diolah dengan sofware SPSS versi 20 yang menghasilkan deskripsi statistik variabel penelitian seperti tabel 4.1
Tabel 4.1 Deskripsi Statistik Variabel
Variabel N Minimum Maximum Mean (ẍ) Std. Deviation (S) CV=S/ẍ * 100 % Kerugian Daerah 195 2,47 22533,42 1462,17 3088,77 211 EGov 195 1,01 3,49 1,82 0,49 27 TL 195 0,22 0,97 0,71 0,16 23 IACM 195 1,00 2,00 1,04 0,20 19 AKT 195 0,20 0,68 0,52 0,09 17 Growth 195 0,02 2,88 0,55 0,35 63 Size 195 344.265,82 38.605.937,67 3.623.872,98 3.858.549,62 106 Expt 195 377.666,56 5.707.378,47 1.419.766,32 835.682,57 59 Keterangan :
Kerugian daerah (juta rupiah), Egov = Nilai pemeringkatan pelaksanaan e-government, TL = Tindak Lanjut Hasil Audit (persen), IACM =Level APIP, AKT = Rasio Aktivitas (persen), Growth =Rasio Pertumbuhan (persen), Size = Ukuran Daerah (juta rupiah), Expt = Belanja Daerah (juta rupiah), CV=Coefisien Variansi (persen)
a. Kerugian Daerah
Variabel Fraud diukur dengan menggunakan nilai kerugian daerah hasil audit BPK-RI atas Laporan Keuangan Pemerintah daerah Tahun 2014,dalam jutaan Rupiah. Dari tabel 4.2 terlihat bahwa dari data sebanyak 195,nilai kerugian daerah terendah adalah Rp. 2.470.000 dan tertinggi sebesar Rp. 22.533.420.000
dengan rata-rata (mean) Rp. 1.462.170.000 dan Standard Deviasi Rp. 3.088.770.000. Nilai standard deviasi yang lebih besar dari mean berarti
bahwa variansi datanya relatif besar dan nilai coefisien varians (CV) = 211 % menunjukkan bahwa data sangat heterogen.
b. Egov
Variabel Egov adalah nilai pemeringkatan pelaksanaan e-government di Indonesia yang dilaksanakan oleh Kementerian Komunikasi dan Informatika Republik Indonesia. Dari tabel 4.2 terlihat bahwa dari data sebanyak 195,nilai Egov terendah adalah 1,01 dan tertinggi adalah 3,49 dengan rata-rata (mean) 1,82 dan Standard Deviasi 0,49. Nilai standard deviasi yang lebih kecil dari mean berarti bahwa variansi datanya relatif kecil dan nilai coefisien varians (CV) = 27 % menunjukkan bahwa data homogen.
c. TL
Variabel TL adalah prosentase penyelesaian Tindak Lanjut hasil audit BPK-RI oleh Pemerintah Kabupaten/Kota di Indonesia. Dari tabel 4.2 terlihat bahwa dari data sebanyak 195,nilai TL terendah adalah 0,22 (22%) dan tertinggi adalah 0,97 (97%) dengan rata-rata (mean) 0,71 (71%) dan Standard Deviasi 0,16 (16%). Nilai standard deviasi yang lebih besar dari mean berarti bahwa variansi datanya relatif besar dan coefisien varians (CV) = 23 % menunjukkan bahwa data homogen.
d. IACM
IACM adalah variabel untuk hasil penilaian kapabilitas APIP di Indonesia yang dilaksanakan oleh BPKP-RI. Dari tabel 4.2 terlihat bahwa dari data sebanyak 195, nilai IACM terendah adalah 1,00 dan tertinggi adalah 2,00 dengan rata-rata (mean) 1,04 dan Standard Deviasi 0,20. Nilai standard deviasi yang lebih kecil dari mean berarti bahwa variansi datanya relatif kecil dan coefisien varians (CV) = 19 % menunjukkan bahwa data homogen.
e. AKT
Variabel AKT adalah rasio belanja pegawai, yang dihitung dengan membandingkan total belanja pegawai dengan total belanja Pemerintah Kabupaten/Kota di Indonesia. Dari tabel 4.2 terlihat bahwa dari data sebanyak 195, nilai AKT terendah adalah 0,20 dan tertinggi adalah 0,68 dengan rata-rata (mean) 0,52 dan Standard Deviasi 0,09. Nilai standard deviasi yang lebih kecil dari mean berarti bahwa variansi datanya relatif kecil dan coefisien varians (CV) = 17 % menunjukkan bahwa data homogen.
f. Growth
Variabel Growth adalah pertumbuhan PAD pemerintah Kabupaten/Kota di Indonesia, yang dihitung dengan menghitung selisih antara PAD tahun 2014 dan tahun 2013 dibandingkan dengan PAD 2013. Dari tabel 4.2 terlihat bahwa dari data sebanyak 195, nilai Growth terendah adalah 0,02 dan tertinggi adalah 2,88 dengan rata-rata (mean) 0,55 dan Standard Deviasi 0,35. Nilai standard deviasi yang lebih kecil dari mean berarti bahwa variansi datanya relatif kecil dan coefisien varians (CV) = 63 % menunjukkan bahwa data heterogen.
g. Size
Size adalah variabel yang menggambarkan ukuran pemerintah Kabupaten/Kota di Indonesia yang dilihat dari Total Aset yang dimiliki dalam Jutaan Rupiah. Dari tabel 4.2 terlihat bahwa dari data sebanyak 195, nilai Size terendah adalah Rp. 344.265.820.000 dan tertinggi adalah Rp. 38.605.937.670.000 dengan rata-rata (mean) Rp. 3.623.872.980.000 dan Standard Deviasi Rp. 3.858.549.620.000. Nilai standard deviasi yang lebih besar dari mean berarti bahwa variansi datanya relatif besar dan coefisien varians (CV) = 106 % menunjukkan bahwa data sangat heterogen.
h. Expt
Expt adalah variabel yang menggambarkan besarnya belanja pemerintah Kabupaten/Kota di Indonesia, dalam Jutaan Rupiah. Dari tabel 4.2 terlihat bahwa dari data sebanyak 195, nilai Expt terendah adalah Rp. 377.666.560.000 dan
tertinggi adalah Rp. 5.707.378.470.000 dengan rata-rata (mean) Rp. 1.419.766.320.000 dan Standard Deviasi Rp. 835.682.570.000. Nilai standard
deviasi yang lebih kecil dari mean berarti bahwa variansi datanya relatif kecil coefisien varians (CV) = 59 % menunjukkan bahwa data heterogen.
B. Analisis Data 1. Uji Asumsi Klasik
Pada penelitian ini,uji asumsi klasik yang dilakukan adalah Uji Normalitas, Uji Multikolinieritas dan Uji Heterokedastisitas. Hasil pengolahan data dengan sofware SPSS versi 20 hasil uji asumsi klasik adalah sebagai berikut.
a. Uji Normalitas
Uji normalitas dalam penelitian ini menggunakan uji one-sample Kolmogorov-Smirnov dengan melihat tingkat signifikansi. Jika nilai Asymp. Sig. (2-tailed) > 0,05, berarti data terdistribusi normal. Hasil Uji Normalitas seperti tabel 4.2
Tabel 4.2 Hasil Uji One-Sample Kolmogorov-Smirnov Unstandardized Residual
N 195
Kolmogorov-Smirnov Z 0,709
Dari tabel 4.2 terlihat bahwa nilai Asymp. Sig. (2-tailed) > 0,05, yang berati bahwa semua variabel penelitian terdistribusi normal. Pengujian dengan menggunakan grafik P-Plot adalah sebagai berikut :
Gambar 4.1 Grafik hasil uji Normalitas Data
Dari Gambar 4.1, menunjukkan data terdistribusi normal, karena menurut Ghozali (2013), normalitas dideteksi dengan melihat penyebaran titik pada sumbu diagonal grafik, jika titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal berarti data terdistribusi normal.
b. Uji Multikolinieritas
Tabel 4.3 Hasil Uji Multikolinieritas
Variabel Tolerance VIF
EGov 0,788 1,270 TL 0,960 1,041 IACM 0,979 1,021 AKT 0,878 1,138 SizeLN 0,263 3,803 ExptLN 0,272 3,674 GrowthLN 0,893 1,119
Dari tabel 4.3 terlihat bahwa nilai tolerance diatas 0,10 dan VIF dibawah 10, berarti tidak terjadi Multikolinieritas.
c. Uji Heteroskedastisitas
Pada penelitian ini, analisis uji asumsi heteroskedastisitas dilakukan dengan uji Glejser dan juga dilakukan dengan melihat hasil output SPSS dalam grafik scatterplot antara Z prediction (ZPRED) untuk variabel bebas (sumbu X=Y hasil prediksi) dan nilai residualnya (SRESID) variabel terikat (sumbu Y=Y prediksi – Y rill).
Tabel 4.4 Hasil Uji Glejser
Model t Sig. I (Constant) 1,729 0,086 EGov -0,468 0,640 TL -0,593 0,554 IACM -0,384 0,701 AKT -0,539 0,591
GrowthLN -1,782 0,076
Dari Tabel 4.4 terlihat nilai Sig. hasil perhitungan uji Glejser > 0,05,berarti tidak terjadi heterokedastisitas.
Hasil grafik scatterplot seperti gambar 4.2
Gambar 4.2 Grafik Uji Haterokedastisitas
Karena pola titiknya menyebar, berarti tidak terjadi heterokedastisitas. d. Uji Auto Korelasi
Pada penelitian ini, analisis uji asumsi auto korelasi dilakukan dengan melihat nilai Durbin-Watson dari hasil pengolahan data. Dari hasil pengolahan data, nilai Durbin-Watson seperti dalam tabel 4.6 berikut :
Tabel 4.5 Nilai Durbin-Watson
Model Durbin-Watson
I 1,816
Dari tabel 4.5 terlihat nilai DW= 1,816. Karena 1<DW<3, berarti tidak terjadi auto korelasi (Sarwono, 2012).
2. Analisis Regresi
Setelah dilakukan uji asumsi klasik dan hasilnya menunjukkan bahwa syarat asumsi klasik sudah terpenuhi, maka selanjutnya dilakukan evaluasi dan analisis model regresi. Penelitian ini menggunakan beberapa model regresi dan akan dilakukan pembahasan setiap modelnya.
a. Analisis Regresi Berganda untuk Model I (Pertama)
Model I (pertama) adalah menguji pengaruh variabel independen nilai hasil pemeringkatan pelaksanaan E-Government (Egov), Prosentase pelaksanaan Tindak Lanjut hasil audit BPK-RI (TL), Kapabilitas APIP (IACM), Rasio Belanja Pegawai terhadap Belanja Daerah (AKT) dan Rasio pertumbuhan Pendapatan Asli Daerah (Growth) terhadap penurunan kerugian daerah pada Pemerintah Kabupaten/Kota di Indonesia, dengan variabel kontrol Ukuran Pemerintah Daerah (Size) dan Belanja Daerah (Expt). Hasil pengujian Model I (pertama) dengan SPSS versi 20 menghasilkan koefisien regresi seperti tabel 4.6 berikut :
Tabel 4.6 Hasil Uji Regresi Model B Std. Error I (Constant) -3,400 2,812 EGov -0,254 0,225 TL -0,989 0,615 IACM -0,435 0,216 AKT -0,089 1,179 Growth 0,080 0,141 Size 0,359 0,287 Expt 0,440 0,347
Dari tabel 4.6 diatas diketahui koefisien regresi model I adalah sebagai berikut :
Konstanta (α) : -3,400
Koefisien regresi Egov (β1) : -0,254 Koefisien regresi TL (β2) : -0,989 Koefisien regresi IACM (β3) : -0,435 Koefisien regresi AKT (β4) : -0,089 Koefisien regresi Growth (β5) : 0,080 Koefisien regresi Size (β6) : 0,359 Koefisien regresi Expt (β7) : 0,440
Kerugian Daerah = -3,400 – 0,254 eGov – 0,989 TL – 0,435 IACM – 0,089 AKT + 0,080 Growth + 0,359 Size + 0,440 Expt + εi
Dari persamaan ini terlihat bahwa koefisien regresi eGov, TL, IACM dan AKT bernilai – (negatif). Hal ini berarti bahwa semakin meningkat nilai eGov, TL, IACM dan AKT maka akan semakin menurun nilai Fraud-nya. Koefisien regresi untuk variabel Growth, Size dan Expt bernilai + (positif),yang berarti bahwa semakin tinggi growth, size dan expt akan semakin tinggi fraud-nya.
1) Uji Koefisien Determinasi
Hasil pengujian dengan SPSS versi 20 untuk koefisien determinasi dapat dilihat pada model summary seperti tabel 4.7 berikut :
Tabel 4.7 Hasil Uji Koefisien Determinasi Model R R Square Adjusted R
Square
Std. Error of the Estimate
I 0,327a 0,107 0,074 1,35528
Dari tabel 4.7 diatas, besarnya Adjusted R Square (R2 yang telah disesuaikan) adalah 0,074, artinya hanya 7,4 % variabel dependen Fraud dapat dijelaskan oleh variabel independen eGov, IACM, TL, AKT dan Growth, sedangkan 92,6 % dipengaruhi variabel lain yang tidak masuk dalam model penelitian ini.
2) Uji Simulltan (F)
Hasil pengujian data penelitian dengan SPSS versi 20 untuk Uji Simultan (Uji-F) dapat dilihat pada Tabel 4.8 berikut :
Tabel 4.8 Hasil Uji Simultan (Uji-F)
Model Sum of
Squares df SquareMean F Sig.
1 Regression 41,160 7 5,880 3,201 0,003
Residual 343,480 187 1,837
Total 384,640 194
Nilai F pada tabel 4.8 diatas adalah 3,201 dengan tingkat signifikansi 0,003. Nilai Signifikansi F< 0,05 berarti model regresi layak (fit) untuk memprediksi pengaruh variabel independen terhadap variabel dependen. Hasil ini juga menunjukkan bahwa variabel eGov, TL, IACM, AKT dan Growth secara bersama-sama mempengaruhi variabel kerugian daerah.
3) Uji Parsial t (Uji-t)
Pengujian pengaruh secara individual (parsial) variabel independen terhadap variabel dependen seperti hasil uji-t pada tabel 4.9 berikut :
Tabel 4.9 Hasil Uji-t
Model t Sig.
I (Constant) -1,209 0,228
EGov -1,132 0,259
TL -1,610 0,109
AKT -0,075 0,940
Growth 0,565 0,573
Size 1,252 0,212
Expt 1,268 0,206
Dari tabel 4.9 diatas, hanya variabel Kapabilitas APIP (IACM) yang secara individual berpengaruh terhadap kerugian daerah, karena nilai Signifikansinya < 0,05. Artinya semakin tinggi kapabilitas APIP secara individual akan semakin menurunkan kerugian daerah. Variabel independen yang lain tidak ada yang berpengaruh signifikan secara individual terhadap variabel dependen, karena nilai signifikansinya > 0,05.
b. Moderated Regression Analysis (MRA) untuk Model II,III, IV dan V
Model II (Kedua), III (Ketiga), IV (Keempat) dan V (Kelima) adalah untuk menguji apakah variabel E-Government (Egov) menjadi variabel moderator untuk variabel Prosentase pelaksanaan Tindak Lanjut hasil audit BPK-RI (TL), Kapabilitas APIP (IACM), Rasio Belanja Pegawai terhadap Belanja Daerah (AKT) dan Rasio pertumbuhan Pendapatan Asli Daerah (Growth) terhadap penurunan kerugian daerah pada Pemerintah Kabupaten/Kota di Indonesia.
Hasil pengolahan data dengan SPSS versi 20 seperti tabel 4.10 berikut : Tabel 4.10 Nilai β1,β2 dan β3
Model β1 β2 β3 II -0,390 -0,391 0,409 0,090 0,553 -0,432 III -0,900 -0,960 0,132 2,396 -3,129
4,464 IV -0,932 -0,944 0,947 0,088 0,636 -1,083 V -0,053 -0,045 -0,170 0,074 0,137 0,072
Dari tabel 4.10, terlihat bahwa koefisien β2 ≠ 0 dan β3 ≠ 0, maka variabel eGov merupakan variabel quasi/partial moderating untuk IACM, TL, AKT dan Growth.
C. Pembahasan
Model I (Pertama) penelitian ini menguji pengaruh e-government (Egov), Kapabilitas APIP (IACM), penyelesaian Tindak Lanjut Hasil Audit BPK-RI (TL), Rasio Belanja Pegawai terhadap Belanja Daerah (AKT) dan Pertumbuhan PAD (Growth) terhadap kerugian daerah pada Kabupaten/Kota di Indonesia. Dari hasil pengujian secara parsial (uji-t) hanya H2 yang diterima, yaitu Kapabilitas APIP berpengaruh negatif pada kerugian daerah atau semakin tinggi kapabilitas APIP semakin turun/rendah kerugian daerah, karena signifikansi t hitung < 0,05. Hal ini sesuai hasil penelitian Indriasih dan Koeswoyo (2014) yang menyatakan bahwa pengendalian intern pemerintahan yang efektif berpengaruh pada kualitas pelaporan keuangan, yang nantinya akan berpengaruh pada akuntabilitas kinerja. Juga penelitian Agarwal dan Medury (2014), yang menyebutkan bahwa Audit internal berperan penting dalam mendeteksi dan mencegah penipuan.
Sedangkan H1, H3, H4 dan H5 ditolak karena signifikansi t hitung > 0,05, meskipun tandanya mendukung hipotesis. Hal ini berarti bahwa e-government,
penyelesaian tindak lanjut hasil audit, belanja pegawai dan pertumbuhan pendapatan tidak berpengaruh terhadap kerugian daerah pada Pemerintah Kabupaten/Kota di Indonesia. Hasil penelitian ini sesuai sesuai dengan penelitian
Hardjaloka (2014), yang menyebutkan bahwa pelaksanaan e-government
di Indonesia belum memberikan pengaruh untuk menurunkan korupsi di Indonesia,karena masih terbatas pada layanan pengadaan barang/jasa, pajakdan perijinan. Hasil penelitian ini juga sesuai dengan hasil penelitian
Heriningsih dan Marita (2013), yang menyebutkan bahwa kinerja keuangan tidak berpengaruh terhadap tingkat korupsi di Pemerintah Kabupaten/Kota di Jawa.
Hasil pengujian simultan (Uji-F) juga menunjukkan bahwa variabel independen secara bersama-sama mempengaruhi variabel dependen, namun hanya berpengaruh 7,4 %.
Hal ini kemungkinan disebabkan beberapa hal :
1. Rata-rata nilai hasil pemeringkatan pelaksanaan e-government di Indonesia adalah 1,82 yang berarti masih Kurang menurut kriteria yang diterbitkan Kementerian Kominfo RI. Yang artinya pelaksanaan e-government di Indonesia masih belum maksimal, sehingga belum optimal untuk mengurangi kerugian daerah.
2. Dalam pelaksanaan e-government, Indonesia masih dalam tahap interaksi, belum sampai tahap transaksi ataupun transformasi (Hardjaloka, 2014).
3. Penyelesaian TL rata-rata masih 71 % dan belum adanya sanksi bagi daerah yang tidak melaksanakan tindak lanjut rekomendasi.
4. Rasio aktivitas untuk pemerintah kabupaten/kota di Indonesia rata-rata sebesar 52 %. Mekipun ini cukup besar, namun besarnya belanja pegawai ini lebih disebabkan oleh jumlah pegawai yang banyak pada pemerintah kabupaten/kota di Indonesia,bukan belanja karena kinerja. Hal ini bisa dilihat dari kebijakan pemerintah yang akan merasionalisasi pegawai pemerintah (Aparatur Sipil Negara).
5. Data yang digunakan sebagian besar homogen, dilihat dari Coefisien Varians (CV) yang dibawah 30 %.
Model II (Kedua), III (Ketiga), IV (Keempat) dan V (Kelima) untuk menguji apakah variabel eGov memoderasi IACM, TL, AKT dan Growth dalam menurunkan kerugian daerah. Dari nilai koefisien regresi β2 dan β3, variabel eGov merupakan variabel quasi/partial moderating untuk IACM, TL, AKT dan Growth dalam menurunkan kerugian daerah. Hal ini berati bahwa pelaksanaan e-government mempengaruhi Sistem Pengendalian Internal dan Kinerja Keuangan dalam menurunkan kerugian daerah. Hasil penelitian ini mendukung hasil penelitian Vieira (2007),yang menyebutkan bahwa sistem komputerisasi berguna untuk evaluasi pengendalian internal. Juga sesuai dengan penelitian Srivasta dan Teo(2010) dan Ndou (2004) bahwa e-government berpengaruh positif pada kinerja ekonomidan pertumbuhan PDB. Pengendalian Internal dan Kinerja Keuangan yang baik akan menurunkan tingkat korupsi.