46 BAB IV
HASIL DAN PEMBAHASAN
A. Sekilas Gambaran Umum Objek Penelitian
Dinas Perindustrian dan Energi merupakan Satuan Kerja Perangkat Daerah Pemerintah Provinsi DKI Jakarta yang membidangi urusan industri dan energi. Sebagai unsur pelaksana otonomi berdasarkan Peraturan Daerah Nomor 10 Tahun 2008 Tentang Organisasi Perangkat Daerah dan Peraturan Gubernur Daerah Khusus Ibukota Jakarta Nomor 69 Tahun 2009 tentang Organisasi dan Tata Kerja Dinas Perindustrian dan Energi maka Dinas Perindustrian dan Energi memiliki tugas dan fungsi untuk menyelenggarakan urusan industri dan energi yang sesuai dengan visi dan misi Pemerintah Provinsi DKI Jakarta seperti yang tertuang dalam Rencana Pembangunan Jangka Menengah Daerah Provinsi DKI Jakarta tahun 2013-2017.
B. Penyajian dan Analisa Data
1. Karakteristik Responden
Berdasarkan data hasil jawaban dari 120 responden yang berhasil dihimpun melalui kuesioner diperoleh informasi mengenai karakteristik responden yang menjadi obyek penelitian. Berdasarkan tabel 4.1. karakteristik data responden yang telah ditetapkan dalam penelitian ini meliputi : usia, jenis kelamin, dan pendidikan. Selengkapnya data responden berdasarkan karakteristik tersebut seperti diuraikan berikut ini :
47 Tabel 4.1
Karakteristik Responden
Jenis Katagori Keterangan Jumlah Persentase Jenis Kelamin 1. Pria
2. Wanita 72 Orang 48 Orang 60.0 % 40 .0 % Usia 1. 20-35 Tahun 2. 36-50 Tahun 3. > 50 Tahun 40 Orang 63 Orang 17 Orang 33.3 % 52.5 % 14.2 % Pendidikan 1. D3 2. S1 3. S2 72 Orang 30 Orang 18 Orang 60.0 % 25.0 % 15.0 %
Masa Kerja 1. < 5 Tahun 2. 5-10 Tahun 3. > 10 Tahun 68 Orang 40 Orang 12 Orang 56.7 % 33.3 % 10.0 % Sumber : Data Primer diolah
Dari data di atas diketahui responden laki-laki 72 orang atau 60% dan responden wanita sebesar 48 orang atau 40%dapat disimpulkan bahwa responden paling banyak adalah laki-laki 72 orang dari 120 responden. Responden yang berusia antara 20-35 tahun sebanyak 40 orang, usia 35-50 sebanyak 63 orang dan responden yang berusia lebih dari 50 sebanyak 17 orang. Mayoritas responden berusia antara 35-50tahun. Responden terkecil berusia lebih dari 50 tahun.
Dari tabel di atas dapat diketahui bahwa responden yang mempunyai tingkat pendidikan D3 sebanyak 72 orang, S1 sebanyak 30 orang dan S2 sebanyak 18 orang. Dapat disimpulkan bahwa responden mayoritas berpendidikan D3 dan frekuensi terkecil berpendidikan S2. Responden dengan masa kerja < 5 tahun sebanyak 68 orang, 50-10 tahun sebanyak 40 orang dan responden masa kerjanya di atas 10 tahun sebanyak 12
48 orang. Mayoritas responden masa kerja antara < 5 tahun. Responden terkecil masa kerja lebih dari 10 tahun.
2. Hasil Uji Validitas dan Realibilitas
Dari hasil data yang di peroleh melalui kuisioner yang dibuat peneliti terdiri dari 32 butir pertanyaan yang mencakup hasil faktor keperilakuan organisasi dan kegunaan SAKD yang ditujukan kepada 120 responden. Hal ini dilakukan agar pengambilan data dapat mewakili dan akurat serta mendukung analisis kualitatif mengenai variabel X1,X2,X3 dan Y. Berdasarkan dari hasil jawaban responden pada lampiran, maka dapat dilihat bobot kriteria penilaiannya dengan menggunakan uji validitas.
Berikut ini adalah hasil pengolahan data untuk semua pernyataan dalam instrumen dukungan atasan, kejelasan tujuan, pelatihan dan kegunaan system akuntansi keuangan daerah.
a. Validitas Instrumen Per butir untuk Variabel Dukungan Atasan
Tabel 4.2. Validitas Instrumen Per butir untuk Variabel Dukungan Atasan
No Pernyatan rhitung rkritis Keputusan
BUTIR 1 ,376 0,30 VALID BUTIR 2 ,568 0,30 VALID BUTIR 3 ,450 0,30 VALID BUTIR 4 ,759 0,30 VALID BUTIR 5 ,627 0,30 VALID BUTIR 6 ,777 0,30 VALID BUTIR 7 ,732 0,30 VALID BUTIR 8 ,804 0,30 VALID BUTIR 9 ,672 0,30 VALID BUTIR 10 ,732 0,30 VALID
49 Berdasarkan pengolahan data (Lampiran), diperoleh hasil untuk variable dukungan atasan (X1), kesepuluh pernyataan tersebut memiliki nilai lebih dari 0,30, sehingga pernyataan tersebut dapat digunakan untuk dalam pengumpulan data penelitian ini.
b. Validitas Instrumen Per butir untuk Variabel Kejelasan Tujuan
Tabel 4.3.Validitas Instrumen Per butir untuk Variabel Kejelasan Tujuan
No Pernyatan rhitung rkritis Keputusan
BUTIR 1 ,680 0,30 VALID BUTIR 2 ,617 0,30 VALID BUTIR 3 ,710 0,30 VALID BUTIR 4 ,627 0,30 VALID BUTIR 5 ,757 0,30 VALID BUTIR 6 ,724 0,30 VALID BUTIR 7 ,727 0,30 VALID BUTIR 8 ,749 0,30 VALID
Berdasarkan pengolahan data (Lampiran), diperoleh hasil untuk variable kejelasan tujuan (X2), delapam pernyataan tersebut memiliki nilai lebih dari 0,30, sehingga pernyataan tersebut dapat digunakan untuk dalam pengumpulan data penelitian ini.
c. Validitas Instrumen Per butir untuk Variabel Pelatihan
Tabel 4.4.Validitas Instrumen Per butir untuk Variabel Pelatihan
No Pernyatan rhitung rkritis Keputusan
BUTIR 1 ,555 0,30 VALID BUTIR 2 ,788 0,30 VALID BUTIR 3 ,648 0,30 VALID BUTIR 4 ,307 0,30 VALID BUTIR 5 ,549 0,30 VALID BUTIR 6 ,788 0,30 VALID BUTIR 7 ,415 0,30 VALID BUTIR 8 ,352 0,30 VALID BUTIR 9 ,337 0,30 VALID
50 Berdasarkan pengolahan data (Lampiran), diperoleh hasil untuk variable pelatihan (X3), sembilan pernyataan tersebut memiliki nilai lebih dari 0,30, sehingga pernyataan tersebut dapat digunakan untuk dalam pengumpulan data penelitian ini.
d. Validitas Instrumen Per butir untuk Variabel Kegunaan SAKD
Tabel 4.5. Validitas Instrumen Per butir untuk Variabel Kegunaan SAKD
No Pernyatan rhitung rkritis Keputusan
BUTIR 1 ,597 0,30 VALID
BUTIR 2 ,353 0,30 VALID
BUTIR 3 ,682 0,30 VALID
BUTIR 4 ,497 0,30 VALID
BUTIR 5 ,586 0,30 VALID
Berdasarkan pengolahan data (Lampiran), diperoleh hasil untuk variable kegunaan SAKD (Y), lima pernyataan tersebut memiliki nilai lebih dari 0,30, sehingga pernyataan tersebut dapat digunakan untuk dalam pengumpulan data penelitian ini.
Setelah dilakukan uji validitas, maka untuk pernyataan yang valid selanjutnya dilakukan pengujian realibilitas. Uji realibilitas dilakukan dengan metode Cronbach Alpha. Cronbach Alpha dari variabel dukungan atasan (X1) menghasilkan nilai = 0,900. Cronbach Alpha dari variabel kejelasan tujuan (X2) menghasilkan nilai = 0,904. Adapun untuk Cronbach Alpha dari variabel pelatihan (X3) menghasilkan nilai = 0,798. Sedangkan Cronbach Alpha dari variabel kegunaan SAKD (Y) menghasilkan nilai = 0,770 (Lampiran). Dengan demikian dapat disimpulkan, baik instrumen semua variabel dianggap realibel.
51 3. Pengujian Asumsi Klasik
Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya gejala normalitas, heteroskedastisitas, gejala multikolinearitas, dan gejala autokorelasi.
a. Uji Normalitas
Uji normalitas data dengan Kolmogorov-Smirnov One Sample Test dilakukan untuk melihat apakah distribusi data berdistribusi normal atau tidak. Analisis parametik seperti regresi liniear mensyaratkan bahwa data harus terdistribusi dengan normal. Berdasarkan perangkat lunak komputer SPSS Ver. 20.00 menunjukkan bahwa uji normalitas sebagai berikut :
Tabel 4.6 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test Dukunga n Atasan (X1) Kejelasa n Tujuan (X2) Pelatiha n (X3) Kegunaan Sistem Akuntansi Keuangan Daerah (Y) N 120 120 120 120
Normal Parametersa,b
Mean 29,8083 23,8333 27,3917 15,0667 Std.
Deviation 6,56614 5,42068 4,92173 3,26101 Most Extreme Differences
Absolute ,095 ,104 ,116 ,100
Positive ,082 ,076 ,073 ,068
Negative -,095 -,104 -,116 -,100
Kolmogorov-Smirnov Z 1,039 1,139 1,269 1,097
Asymp. Sig. (2-tailed) ,230 ,150 ,080 ,180
52 Dalam tabel di atas menunjukkan hasil uji Normalitas data untuk dengan probabilitas signifikansi di atas nilai 0,05 (0,230 ; 0,150 ; 0,080 dan 0,180) berarti data berdistribusi normal , dengan demikian karena semua data berdistribusi normal, maka analisa selanjutnya menggunakan statistic parametric.
Dasar pengambilan keputusan dalam deteksi normalitas adalah sebagai berikut:
a) Jika data rnenyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
b) Jika data rnenyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Sesuai dengan penjelasan tentang uji normalitas, untuk melihat distribusi Normal dari model regresi tersebut peneliti menggunakan grafik Normal P-P Plot of Regression Standardized Residual sebagai berikut:
Gambar 4.1 Output Uji Normalitas dengaii Grafik P-P Plot Sumber: Data Olahan SPSS
53 Keterangan:
a. Grafik plot menunjukan distribusi normal jika ada kesamaan trend antara expected cum prob dan observed cum prob, oleh karena itu semua variabel harus mengikuti garis diagonal antara expected cum prob dan observed cum prob.
b. Expected cum prob adalah nilai probabilitas kumulatif yang dihitung menggunakan rumus fungsi probabilitas untuk distribusi normal dengan menggunakan nilai Y espektasi.
c. Observed cum prob adalah nilai probabilitas kumulatif yang dihitung menggunakan rumus fungsi probabilitas untuk distribusi normal dengan menggunakan nilai Y obeservasi/hasil penelitian.
Dasar pengambilan keputusan untuk mendeteksi kenormalan adalah jika data menyebar disekitar garis diagonal dan mengikuti arah diagonal, maka model regresi memenuhi asumsi normalitas. Sedangakan jika data menyebar jauh dari diagonal atau tidak mengikuti arah diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Dari hasil pengujian normalitas diperoleh suatu grafik bahwa pada grafik di atas dapat diketahui bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka data terdistribusi dengan normal dan model regresi telah memenuhi asumsi normalitas.
b. Uji Autokorelasi
Uji autokorelasi adalah keadaan terjadinya korelasi dari residual untuk pengamatah satu dengan pengamatan yang lain yang disusun menurut runtun waktu. Model regresi yang baik mensyaratkan tidak adanya masalah autokorelasi. Untuk mendeteksi ada tidaknya autokorelsi peneliti menggunakan uji Durbin-Watson (DW test). Output uji
54 autokorelasi dengan menggunakan data yang ditampilkan oleh program SPSS 20.0 sebagai berikut:
Tabel 4.7 Output Uji Autokorelasi Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,944a ,891 ,888 1,09089 1,378
Uji Autokorelasi dilakukan untuk menguji apakah terdapat korelasi antara residual pada suatu penelitian dengan residual pada penelitian sebelumnya. Autokorelasi dapat diuji dengan menggunakan Durbin-Watson Test. Hasil perhitungan dengan menggunakan Durbin-Watson Test menunjukan nilai dw sebesar 1,378 dan du sebesar 1,736. Dari hasil tersebut maka dapat disimpulkan bahwa asumsi non-autokorelasi terpenuhi karena nilai du < dw < 4-du (1,736 < 1,378 < 2,264).
c. Uji Multikolinearitas
Uji multikolinearitas adalah keadaan antara dua variabel bebas atau lebih pada model regresi terjadi hubungan linear yang sempurna atau mendekati sempurna. Model regresi yang baik mensyaratkan tidak adanya masalah multikolinearitas. Output uji multikolinearitas dengan menggunakan data yang ditampilkan oleh program SPSS 20.0 sebagai berikut:
55 Tabel 4.8 Output Uji Multikolinearitas
Coefficientsa
Model Collinearity Statistics
Tolerance VIF 1 (Constant) Dukungan Atasan (X1) ,247 4,044 Kejelasan Tujuan (X2) ,300 3,337 Pelatihan (X3) ,343 2,913
a. Dependent Variable: Kegunaan Sistem Akuntansi Keuangan Daerah (Y) Sumber : Pengolahan Data SPSS
Metode pengambilan keputusan yaitu jika semakin kecil nilai tolerance dan semakin besar nilai Variance Inflation Factor (VIF) maka semakin mendekati terjadinya masalah multikolinearitas. Dalam kebanyakan penelitian menyebutkan bahwa jika tolerance lebih dari 0,1 dan Variance Inflation Factor (VIF) kurang dari 10 maka tidak terjadi multikolinearitas.
Berdasarkan tabel coefficients di atas dapat diketahui bahwa nilai tolerance dari kedua variabel bebas adalah 0,247 untuk dukungan atasan dan 0,300 untuk Kejelasan tujuan dan pelatihan 0,343 dimana lebih dari 0,1 dan nilai VIF 4,044 untuk dukungan atasan dan 3,337 untuk Kejelasan tujuan dan pelatihan 2,913 kurang dari 10, jadi dapat disimpulakn bahwa dalam model regresi tidak terjadi masalah multikolinearitas.
d. Uji Heteroskedastisitas
Uji heteroskedastisitas adalah keadaan terjadinya ketidaksamaan varian dari residual pada model regresi, model regresi yang baik mensyaratkan tidak adanya masalah heteroskedastisitas. Dalam Penelitian ini, peneliti menggunakan Uji Heteroskadastisitas
56 dengan meiihat pola titik-titik pada scaterplot regresi. Output uji heteroskedastisitas dengan menggunakan data yang ditampilkan oleh program SPSS 20.0 sebagai berikut:
Gambar 4.2. Output Uji Heteroskedastisitas dengan Scatter Plot Sumber : Pengolahan SPSS
Keterangan:
a) Regression standardized predicted value adalah nilai hasil prediksi persamaan regresi yang distandarisasi.
b) Regression stundentized residual adalah nilai hasil rasio antara residual (nilai sisa regresi).
Metode pengambilan keputusan pada uji Heteroskedastisitas dengan melihat scatterplot yaitu jika tititk-titik menyebar dengan pola yang tidak jelas di atas dan dibawah angka 0 pada sumbu Y, maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi.
Dari tabel di atas dapat diketahui bahwa titik-titik menyebar dengan pola tidak jelas di atas dan dibawah angka 0 pada sumbu Y, maka dapat disimpulkan bahwa pada model regresi tidak terjadi masalah heteroskedastisitas.
57 4. Analisis Uji Hipotesis
a. Analisis Regresi Linier Berganda
Regresi linier berganda digunakan untuk mengukur besarnya pengaruh variabel bebas yang lebih dari satu variabel terhadap variabel terikat dan memprediksi variabel terikat dengan menggunakan variabel bebas. Analisis regresi sebagai kajian terhadap pengaruh satu variabel yang disebut sebagai variabel yang diterangkan (the explained variabel) dengan satu atau dua variabel yang menerangkan (the explanatory). Pembuatan persamaan regresi linier berganda dapat dilakukan dengan menginterpretasikan angka-angka yang ada didalam unstandardized coefficient pada tabel 4.6 berikut:
Tabel 4.9 Output Regresi Linear Berganda Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -,245 ,567 -,433 ,666 Dukungan Atasan (X1) ,304 ,031 ,611 9,911 ,000 Kejelasan Tujuan (X2) ,126 ,034 ,209 3,726 ,000 Pelatihan (X3) ,119 ,035 ,180 3,444 ,001
Dari hasil olah data yang dilakukan diperoleh persamaan garis regresi sebagai berikut: Keg.SAKD = -0,245+ 0,304DA + 0,126KT + 0,119PEL
58 b. Pengujian Hipotesis Berganda (Uji F)
Menurut Prayitno (2010:83) Uji F (Anova) digunakan untuk menguji pengaruh variabel bebas Faktor keperilakuan organisasi yang terdiri dari dukungan atasan, kejelasan tujuan dan pelatihan secara bersama-sama (simultan) terhadap variabel terikat (Kegunaan Sistem Akuntansi Keuangan Daerah pada Dinas Perindustrian dan Energi Provinsi DKI Jakarta). Pada bagian imi ditampilkan tabel analisis varians (ANOVA). Output uji F dengan menggunakan data dapat ditampilkan oleh program SPSS 20.0 sebagai berikut:
Tabel 4.10 Output Uji F ANOVAa
Model Sum of
Squares
df Mean Square F Sig.
1
Regression 1127,423 3 375,808 315,795 ,000b
Residual 138,044 116 1,190
Total 1265,467 119
Dari tabel diatas diketahui nilai F hitung sebesar 315,795 dengan probabilitas 0,000, sehingga dapat ditarik kesimpulan bahwa variabel dukungan atasan dukungan atasan, kejelasan tujuan dan pelatihan secara bersama-sama (simultan) berpengaruh terhadap kegunaan Sistem Akuntansi Keuangan Daerah pada Dinas Perindustrian dan Energi Provinsi DKI Jakarta, karena probabilitas p Value 0,000 yang artinya lebih kecil dari 0,05 dan Fhitung (315,795) > Ftabel (2,17).
c. Pengujian Hipotesis Parsial (Uji t)
Uji t digunakan untuk menguji pengaruh variabel bebas secara parsial terhadap variabel terikat. Dengan menggunakan tingkat signifikansi atau alpha 2,5% (a/2 = 0,05/2 = 0,025), dan degree of freedom 120 (n-k = 120-2) diperoleh t-tabel sebesar
59 1,987 karena digunakan grafik dua sisi atau two tailed yang akan dibandingkan dengan t-hitung masing-masing variabel yang terdapat dalam hipotesis H1 H2 H3 yang menjadi hipotesis harapan dalam penelitian ini. Output uji t dengan menggunakan data yang ditampilkan oleh program SPSS 20.0 sebagai berikut:
Tabel 4.11 Output Uji t
Model Unstandardized Coefficients Standardize d Coefficients t Sig. B Std. Error Beta 1 (Constant) -,245 ,567 -,433 ,666 Dukungan Atasan (X1) ,304 ,031 ,611 9,911 ,000 Kejelasan Tujuan (X2) ,126 ,034 ,209 3,726 ,000 Pelatihan (X3) ,119 ,035 ,180 3,444 ,001
Dari tabel pengujian diatas dapat ditarik kesimpulan sebagai berikut :
a) Variabel dukungan atasan memiliki nilai probabilitas segnifikan 0,000 lebih kecil dari 0,05 atau t hitung sebesar 9,911 lebih besar dari t tabel sebesar 1,987, maka dapat disimpulkan bahwa Ha1 diterima, artinya dukungan atasan memiliki pengaruh yang signifikan terhadap Kegunaan Sistem Akuntansi Keuangan Daerah pada Dinas Perindustrian dan Energi Provinsi DKI Jakarta.
b) Variabel kejelasan tujuan probabilitas segnifikan 0,000 lebih kecil dari 0,05 atau t hitung sebesar 3,726 lebih besar dari t tabel sebesar 1,987, maka dapat disimpulkan bahwa Ha2 diterima, artinya kejelasan tujuan memiliki pengaruh yang signifikan terhadap Kegunaan Sistem Akuntansi Keuangan Daerah pada Dinas Perindustrian dan Energi Provinsi DKI Jakarta.
60 c) Variabel Pelatihan probabilitas segnifikan 0,001 lebih kecil dari 0,05 atau t hitung sebesar
3,444 lebih besar dari t tabel sebesar 1,987, maka dapat disimpulkan bahwa Ha3 diterima, artinya pelatihan memiliki pengaruh yang signifikan terhadap Kegunaan Sistem Akuntansi Keuangan Daerah pada Dinas Perindustrian dan Energi Provinsi DKI Jakarta..
C. Pembahasan Hasil Penelitian
Dari hasil analisis dan pembahasan yang telah diuraikan, maka untuk meningkatkan kegunaan Sistem Akuntansi Keuangan Daerah pada Dinas Perindustrian dan Energi Provinsi DKI Jakarta jika dilihat dari dukungan atasan maka perusahaan harus lebih mengedepankan faktor keperilakuan organisasi (dukungan atasan, kejelasan tujuan dan pelatihan)
Hipotesis menyatakan bahwa dukungan atasan berpengaruh terhadap kegunaan SAKD. Berdasarkan hasil uji hipotesis tersebut menunjukkan arah pengaruh yang positif dan signifikan yang berarti bahwa dukungan atasan berpengaruh terhadap kegunaan SAKD. Dengan kata lain hasil ini menunjukkan bahwa hipotesis 1 diterima.
Pengujian hipotesis (H1) mampu mendukung dugaan bahwa dukungan atasan berpengaruh positif dengan kegunaan SAKD. Hasil penelitian konsisten dengan penelitian Chenhall (2004) dan Latifah (2005). Menurut Chenhall (2004) dukungan manajemen puncak memiliki pengaruh langsung secara marginal atas kegunaan ABCM untuk manajemen pembiayaan pada tingkat signifikan 10%. Begitu juga Latifah (2005), menyatakan bahwa dukungan atasan berpengaruh positif dengan kegunaan SAKD. SAKD dapat memberikan informasi yang lebih baik untuk
61 pengambilan keputusan strategis khususnya berkaitan dengan transparansi dan akuntabilitas di sektor publik. Dukungan atasan merupakan dukungan dari pemerintah daerah yang berkaitan dengan persediaan sumber daya yang dibutuhkan untuk implementasi SAKD dan pengaruhnya dengan kemajuan dan efisiensi.
Hipotesis (H2) menyatakan bahwa kejelasan tujuan berpengaruh terhadap kegunaan sistem akuntansi keuangan daerah (SAKD). Dari hasil analisis di atas menunjukkan bahwa variabel kejelasan tujuan memiliki pengaruh yang positif pada tingkat signifikansi 0,05 (tingkat signifikansi sebesar 0,011) terhadap SAKD. Jika dilihat dari koefisien beta variabel kejelasan tujuan nampak ada pengaruh yang positif dan signifikan, yang artinya bahwa variabel kejelasan tujuan memiliki pengaruh yang positif terhadap kegunaan Sistem informasi keuangan daerah (SAKD). Dengan demikian hipotesis 2 yang menyatakan terdapat pengaruh antara kejelasan tujuan dengan kegunaan SAKD dapat diterima. Hipotesis penelitian H2 diterima, sehingga dapat disimpulkan bahwa kejelasan tujuan berpengaruh terhadap kegunaan sistem akuntansi keuangan daerah. Hal ini membuktikan bahwa kejelasan tujuan mendukung sepenuhnya terhadap kegunaan sistem informasi keuangan daerah. Hasil ini sejalan dengan temuan Chenhall (2004), yang berhasil membuktikan adanya pengaruh yang positif antara kejelasan tujuan dengan kegunaan sistem ABCM pada tingkat significan 10%, tetapi tidak sejalan dengan hasil temuan Lina (2005) yang menyatakan bahwa kejelasan tujuan berpengaruh negatif dengan kegunaan SAKD. Kejelasan tujuan diartikan ketika akan mengimplementasikan SAKD, tujuan implementasi SAKD tersebut telah dijelaskan dan disepakati. Implementasi SAKD akan berhasil apabila tujuan dari implementasi SAKD telah dijelaskan dan telah disepakati serta SAKD bermanfaat untuk semua bagian dalam SKPD tersebut. Faktor kejelasan tujuan
62 mendorong manajer untuk memiliki kemampuan dan pengetahuan akan operasional aplikasi SAKD dan terlibat dalam suatu interaksi yang memfokuskan pada tugas untuk mengimplementasikan SAKD secara efektif.
Hipotesis (H3) menyatakan bahwa Pelatihan berpengaruh terhadap kegunaan sistem informasi keuangan daerah (SAKD). Dari hasil analisis regresi berganda menunjukkan bahwa variabel pelatihan memiliki pengaruh yang positif sebesar 0,001 dengan tingkat signifikansi sebesar 0,005. Berdasarkan arah pengaruhnya maka dapat dinyatakan bahwa variabel palatihan memiliki pengaruh yang positif terhadap kegunaan SAKD. Dengan demikian hipotesisi 3 yang menyatakan terdapat pengaruh antara pelatihan dengan kegunaan SAKD dapat diterima. Hipotesis H3 mampu memdukung dugaan bahwa pelatihan berpengaruh positif dengan kegunaan SAKD. Hal ini konsisten dengan penelitianya Chenhall (2005), bahwa terdapat pengaruh positif antara keguanaan ABCM dalam perencanaan produk dengan pelatihan pada signifikansi 10%. Tetapi hasil penelitian ini tidak konsisten dengan penelitianya Latifah (2005), bahwa pelatihan berhubungan negatif dengan kegunaan SAKD. Pelatihan berkaitan dengan implementasi, design dan penggunaan SAKD, dapat memberikan mekanisme bagi pengguna untuk memahami dan menerima dasar dari SAKD.
