Hasil Uji Kualitas Data - Analisis Hasil Penelitian

BAB I PENDAHULUAN

B. Analisis Hasil Penelitian

2. Hasil Uji Kualitas Data

Ada dua prosedur dalam menguji kualitas data yaitu :

1. Uji reliabilitas, dilakukan dengan melihat korfisien cronbach’s alpha di mana instrumen penelitian dianggap reliable apabila nilai cronbach’s alpha lebih besar dari 0,60.

2. Uji validitas, dilakukan dengan membandingkan nilai r hitung (Corrected Item Total Correlation) dengan r tabel dari tiap butir pertanyaan pada α = 0,05 dengan derajat kebebasan (df) = n-2 (Ghozali, 2002:45).

Vitha Chiristina : Pengaruh Partisipasi Anggaran Terhadap Senjangan Anggaran Dengan Ketidakpastian Lingkungan Sebagai Variabel Moderating Pada Pt Perusahaan Gas Negara (Persero) Tbk, Jawa Bagian Barat, 2010.

Berikut ini adalah hasil uji kualitas data dari variabel-variabel yang digunakan dalam penelitian :

a. Partisipasi Anggaran

Dari hasil output reliability variabel partisipasi anggaran pada lampiran 4, dapat di lihat bahwa variabel partisipasi anggaran memiliki cronbach alpha 0,806.

Berdasarkan hasil ini dapat disimpulkan bahwa item pertanyaan kuesioner sudah memiliki realibilitas yang tinggi karena 0,806 > 0,60.

Tabel 4.1

Validitas Instrumen Pertanyaan Variabel Partisipasi Anggaran Item Corrected Item Total Correlation

(rhitung)

rtabel Keterangan

Pertanyaan 1 0,586 0,339 Valid

Pertanyaan 2 0,588 0,339 Valid

Pertanyaan 3 0,749 0,339 Valid

Pertanyaan 4 0,441 0,339 Valid

Pertanyaan 5 0,504 0,339 Valid

Pertanyaan 6 0,547 0,339 Valid

Sumber: Hasil Pengolahan Data Primer dengan alat bantu program statistik,2009 (data diolah)

Kolom Corrected Item Total Correlation merupakan korelasi antara skor item dengan total item yang dapat digunakan untuk menguji validitas instrumen.

Untuk menguji validitas, butir pertanyaan tersebut harus dibandingkan rtabel pada α

= 0,05 dengan derajat kebebasan (df) = 34 yaitu 0,339. Berdasarkan tabel 4.2 terlihat bahwa hasil uji validitas menunjukan semua pertanyaan valid karena nilai r_hitung > r_tabel pada taraf signifikansi 5%.

b. Ketidakpastian Lingkungan

Berdasarkan hasil output reliability variabel ketidakpastian lingkungan pada lampiran 5, dapat diketahui bahwa variabel tersebut tidak reliable karena nilai cronbach’s alpha 0,531 yang mana lebih kecil dari 0,60. Begitu juga dengan tingkat validitas dari butir pertanyaan ke 2,3,4,10,dan 12 yang menunjukkan bahwa nilai rhitung lebih kecil dari rtabel sehingga dapat disimpulkan bahwa butir pertanyaan tidak valid.

Untuk menguji kembali kualitas data, butir pertanyaan yang tidak valid tersebut dikeluarkan (berlaku untuk semua pengujian hingga akhir penelitian ini) sehingga butir pertanyaan yang diuji hanya pertanyaan ke 1,5,6,7,8,9, dan 11.

Hasil pengujian kembali dari variabel ketidakpastian lingkungan menunjukkan bahwa variabel tersebut memiliki cronbach’s alpha sebesar 0,893 sehingga dapat disimpulkan bahwa instrumen variabel ketidakpastian lingkungan reliable karena lebih besar dari 0,60.

Kolom Corrected Item Total Correlation merupakan korelasi antara skor item dengan total item yang dapat digunakan untuk menguji validitas instrumen.

Untuk menguji validitas, butir pertanyaan tersebut harus dibandingkan r_tabelpada α

= 0,05 dengan derajat kebebasan (df) = 34 yaitu 0,339. Berdasarkan tabel 4.3 terlihat bahwa hasil uji validitas menunjukan semua pertanyaan valid karena nilai r_hitung > r_tabel pada taraf signifikansi 5%.

Tabel 4.3

Validitas Instrumen Pertanyaan Variabel Ketidakpastian Lingkungan

Item Corrected Item Total Correlation (rhitung)

rtabel Keterangan

Pertanyaan 1 0,710 0,339 Valid

Pertanyaan 5 0,722 0,339 Valid

Pertanyaan 6 0,770 0,339 Valid

Pertanyaan 7 0,667 0,339 Valid

Pertanyaan 8 0,766 0,339 Valid

Pertanyaan 9 0,538 0,339 Valid

Pertanyaan 11 0,775 0,339 Valid

Sumber: Hasil Pengolahan Data Primer dengan alat bantu program statistik,2009 (data diolah)

c. Senjangan Anggaran

Berdasarkan hasil output reliability variabel senjangan anggaran pada lampiran 6, dapat diketahui bahwa variabel tersebut tidak reliable karena nilai cronbach’s alpha 0,478 yang mana lebih kecil dari 0,60. Begitu juga dengan tingkat validitas dari butir pertanyaan ke 2,3,6,7, dan 8 yang menunjukkan bahwa nilai r_hitung lebih kecil dari r_tabel sehingga dapat disimpulkan bahwa butir pertanyaan tidak valid.

tersebut memiliki cronbach’s alpha sebesar 0,788 sehingga dapat disimpulkan bahwa instrumen variabel ketidakpastian lingkungan reliable karena lebih besar dari 0,60.

Kolom Corrected Item Total Correlation merupakan korelasi antara skor item dengan total item yang dapat digunakan untuk menguji validitas instrumen.

Untuk menguji validitas, butir pertanyaan tersebut harus dibandingkan rtabel pada α

= 0,05 dengan derajat kebebasan (df) = 34 yaitu 0,339. Berdasarkan tabel 4.4 terlihat bahwa hasil uji validitas menunjukan semua pertanyaan valid karena nilai rhitung > rtabel pada taraf signifikansi 5%.

Tabel 4.4

Validitas Instrumen Pertanyaan Variabel Senjangan Anggaran Item Corrected Item Total Correlation

(r_hitung)

rtabel Keterangan

Pertanyaan 1 0,584 0,339 Valid

Pertanyaan 4 0,580 0,339 Valid

Pertanyaan 5 0,748 0,339 Valid

Sumber: Hasil Pengolahan Data Primer dengan alat bantu program statistik,2009 (data diolah)

3. Hasil Uji Asumsi Klasik a. Uji Normalitas

Uji normalitas dilakukan dengan dua cara, yaitu analisis grafik dan analisis statistik. Melalui analisis grafik dapat dilihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi

normal (Ghozali, 2002:110). Selain itu, dapat dilihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal.

Pada penelitian ini, hasil pengolahan data menampilkan grafik normal, plot yang ada menunjukkan titik menyebar di sekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal, demikian juga dengan grafik histogram pola distribusi normal. Oleh sebab itu, model regresi layak dipakai untuk memprediksikan senjangan anggaran berdasarkan masukan variabel independennya yaitu partisipasi anggaran dan ketidakpastian lingkungan.

Gambar 4.1 : Normal P-Plot

0.00.20.40.60.81.0Expected Cum Prob

Dependent Variable: Senjangan

Normal P-P Plot of Regression Standardized Residual

Sumber : Hasil Pengolahan Data Primer dengan alat bantu program statistik ,2009 (data diolah)

Gambar 4.2 : Histogram

-3-2-1012

Regression Standardized Residual

0246810Frequency

Mean = -2.47E-16 Std. Dev. = 0.971 N = 36

Dependent Variable: Senjangan Histogram

Sumber : Hasil Pengolahan Data Primer dengan alat bantu program statistik ,2009 (data diolah)

Cara kedua yang digunakan untuk melihat normalitas suatu data adalah melalui analisis statistik. Uji statistik yang dapat dilakukan adalah uji statistik non-parametrik One Kolmogorov Smirnov Test dengan ketentuan apabila probabilitas melebihi taraf signifikansi yang ditetapkan yaitu 0,05 maka data yang dipakai dalam penelitian berdistribusi normal. Sebaliknya, apabila nilai

probabilitas kurang dari 0,05 maka data yang dipakai pada penelitian tidak berdistribusi normal.

Tabel 4.5

One-Sample Kolmogorov-Smirnov Test

Unstandardize d Residual

N 36

Normal Parameters(a,b) Mean ,0000000

Std. Deviation 1,28004900 Most Extreme

Differences

Absolute ,114

Positive ,099

Negative -,114

Kolmogorov-Smirnov Z ,683

Asymp. Sig. (2-tailed) ,739

a Test distribution is Normal.

b Calculated from data.

Sumber : Hasil Pengolahan Data Primer dengan alat bantu program statistik ,2009 (data diolah)

Berdasarkan tabel 4.5 diperoleh nilai Kolmogorov-Smirnov adalah 0,683 dan signifikansi pada 0,739. Nilai signifikansi lebih besar dari 0,05, sehingga dapat disimpulkan bahwa data residual berdstribusi normal.

b. Uji Multikolinearitas

Tabel 4.6

Coefficients(a)

Model

Unstandardized Coefficients

Standardize d Coefficients

T Sig.

Collinearity Statistics B

Std.

Error Beta

Toleran

ce VIF

1 (Constan

t) -1.291 1.946 -.664 .512

Partisipa

si .000 .052 .001 .006 .995 .868 1.152

Ketidakp

astian .458 .063 .806 7.283 .000 .868 1.152

a Dependent Variable: Senjangan

Sumber : Hasil Pengolahan Data Primer dengan alat bantu program statistik ,2009 (data diolah)

Berdasarkan tabel 4.6 dapat dilihat bahwa tidak ada variabel yang memiliki nilai tolerance < 0,10 dan nilai VIF > 10. Dengan demikian dapat disimpulkan bahwa dalam model regresi tidak terjadi multikolinearitas antar variabel independen.

d. Uji Heterokedastisitas

Gambar 4.3

Scatterplot Uji Heterokedastisitas

-2-1012Regression Studentized Residual

Dependent Variable: Senjangan Scatterplot

Sumber : Hasil Pengolahan Data Primer dengan alat bantu program statistik ,2009 (data diolah)

Uji heterokedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang lain dalam model regresi. Model regresi yang baik adalah tidak terjadi heterokedastisitas atau terjadi homokedastisitas. Dalam model regresi dinyatakan telah terjadi heterokedastisitas apabila titik-titik yang ada membentuk pola tertentu yang teratur. Dalam model regresi tidak terjadi heterokedastisitas apabila

titik-titik yang ada tidak membentuk pola tertentu yang teratur dan titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y.

Dari grafik scatterplot penelitan ini, terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, hal ini menunjukkan tidak terjadi heterokedastisitas dalam model regresi layak untuk memprediksi senjangan anggaran berdasarkan masukan variabel-variabel independennya.

4. Hasil Pengujian Hipotesis a. Hipotesis Pertama

Tabel 4.7

Model Summary

.294^a .086 .059 2.09704

Model 1

R R Square

Adjusted R Square

Std. Error of the Estimate

Predictors: (Constant), Partisipasi a.

Sumber : Hasil Pengolahan Data Primer dengan alat bantu program statistik ,2009 (data diolah)

Nilai koefisien korelasi (R) menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen.

Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0,5 dan mendekati 1.

Koefisien determinasi (R square) menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah nol sampai

dengan satu. Apabila nilai R square semakin mendekati satu, maka variabel- variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variabel-variabel dependen. Sebaliknya, semakin kecil nilai R square, maka kemampuan variabel-variabel independen dalam menjelaskan variasi variable dependen semakin terbatas. Nilai R square memiliki kelemahan yaitu nilai R square akan meningkat setiap ada penambahan satu variabel independen meskipun variable independent tersebut tidak berpengaruh signifikan terhadap variable dependen. Oleh karena itu digunakan nilai adjusted R square untuk mengevaluasi mana model regresi terbaik.

Dari tabel model summary di atas dapat dilihat hasil analisi regresi secara keseluruhan menunjukkan koefisien korelasi (R) sebesar 0,294 yang berarti bahwa hubungan antara partisipasi anggaran dengan senjangan anggaran mempunyai hubungan yang tidak cukup kuat yaitu sebesar 29,4%. Dikatakan tidak cukup kuat karena angka tersebut di bawah 0,5 atau di bawah 5%.

Nilai adjusted R square atau nilai koefisien determinasi dapat dilihat dari tabel sebesar 0,059 yang berarti bahwa variabel dependen (senjangan anggaran) mampu dijelaskan oleh variabel independen (partisipasi anggaran) sebesar 5,9%

dan selebihnya 94,1% (100%-5,9%) dapat dijelaskan oleh faktor-faktor lain yang tidak diikutsertakan dalam penelitian ini.

Tabel 4.8

ANOVA^b

14.121 1 14.121 3.211 .082^a

149.517 34 4.398

163.639 35

Regression Residual Total Model 1

Sum of

Squares df Mean Square F Sig.

Predictors: (Constant), Partisipasi a.

Dependent Variable: Senjangan b.

Sumber : Hasil Pengolahan Data Primer dengan alat bantu program statistik ,2009 (data diolah)

Dari uji ANOVA atau F test, didapat F hitung adalah sebesar 3,211 dengan tingkat signifikansi 0,082. Karena nilai probabilitas 0,082 jauh lebih besar 0,05, maka dapat dikatakan bahwa partisipasi anggaran tidak berpengaruh terhadap senjangan anggaran.

Tabel 4.9

Coefficients^a

7.499 2.428 3.088 .004

.137 .076 .294 1.792 .082

(Constant) Partisipasi Model

B Std. Error Unstandardized

Coefficients

Beta Standardized

Coefficients

t Sig.

Dependent Variable: Senjangan a.

Sumber : Hasil Pengolahan Data Primer dengan alat bantu program statistik ,2009 (data diolah)

Berdasarkan hasil pengolahan data yang terlihat pada tabel 4.10 pada kolom Unstandardized Coefficients bagian B diperoleh model persamaan regresi linear sebagai berikut :

Senjangan anggaran = 7,499 + 0,137 Partisipasi anggaran

Konstanta 7,499 menyatakan bahwa jika tidak ada partisipasi, maka senjangan anggaran adalah sebesar 7,499. Koefisien regresi 0,137 menyatakan bahwa setiap penambahan satu partisipasi manajer dan staff lain dalam penganggaran akan meningkatkan senjangan anggaran sebesar 0,137.

Berdasarkan hasil pengolahan data tabel 4.9 diperoleh hasil uji t yang diperlukan untuk menguji signifikansi konstanta dan variabel independen. Pada kolom signifikansi, konstanta dan variabel independen (partisipasi anggaran) mempunyai angka signifikansi jauh di bawah 0,05 ( 0,004 untuk partisipasi anggaran). Hal ini menunjukkan bahwa partisipasi anggaran berpengaruh positif terhadap senjangan anggaran. Penemuan penelitian ini konsisten dengan penelitian yang dilakukan Asriningati (2006), di mana hasil penelitian partisipasi anggaran berpengaruh positif signifikan terhadap senjangan anggaran.

b. Uji Hipotesis Kedua

Untuk menguji hipotesis kedua, digunakan analisis regresi moderasi dengan uji selisih mutlak. Uji selisih mutlak adalah uji signifikansi persamaan regresi yang mengandung unsur interaksi antara variabel independen dan variabel pemoderasi yang berpengaruh terhadap variabel dependen yang diukur dengan nilai absolute perbedaan antara nilai variabel X1 dan X2.

Tabel 4.10

Hasil Analisis Koefisien Determinasi

Model Summary

.811^a .658 .626 1.32305

Model 1

R R Square

Adjusted R Square

Std. Error of the Estimate

Predictors: (Constant), Abx1_x2, Zscore(Partisipasi), Zscore(Ketidakpastian)

Sumber : Hasil Pengolahan Data Primer dengan alat bantu program statistik ,2009 (data diolah)

Berdasarkan hasil tabel 4.10 di atas memberikan hasil adjusted R square sebesar 0,626. Hal ini berarti bahwa 62,6% variasi senjangan anggaran dapat dijelaskan oleh variabel-variabel independen yaitu, ketidakpastian lingkungan, dan interaksi antara partisipasi anggaran dengan ketidakpastian lingkungan.

Sisanya sebesar 37,4% (100%-62,6%) dijelaskan oleh sebab-sebab lain di luar model penelitian.

Tabel 4.11 Hasil Uji F (F Test)

ANOVA^b

107.624 3 35.875 20.495 .000^a

56.014 32 1.750

163.639 35

Regression Residual Total Model 1

Sum of

Squares df Mean Square F Sig.

Predictors: (Constant), Abx1_x2, Zscore(Partisipasi), Zscore(Ketidakpastian) a.

Dependent Variable: Senjangan b.

Sumber : Hasil Pengolahan Data Primer dengan alat bantu program statistik ,2009 (data diolah)

Pada tabel 4.11 juga dapat dilihat bahwa nilai F hitung sebesar 20,495 dengan tingkat signifikansi 0,000. Karena probabilitas signifikansi jauh lebih kecil dari 0,05, maka model regresi dapat digunakan untuk memprediksi senjangan anggaran atau dapat dikatakan bahwa partisipasi anggaran, ketidakpastian lingkungan, dan interaksi antara partisipasi anggaran dengan ketidakpastian lingkungan bersama-sama berpengaruh terhadap senjangan anggaran.

Tabel 4.12

Coefficients^a

11.584 .337 34.412 .000

-.057 .249 -.026 -.228 .821

1.883 .289 .871 6.512 .000

.289 .331 .109 .873 .389

(Constant) Zscore(Partisipasi) Zscore(Ketidakpastian) Abx1_x2

Model 1

B Std. Error Unstandardized

Coefficients

Beta Standardized

Coefficients

t Sig.

Dependent Variable: Senjangan a.

Sumber : Hasil Pengolahan Data Primer dengan alat bantu program statistik ,2009 (data diolah)

Berdasarkan hasil tabel 4.12 diketahui bahwa variabel partisipasi anggaran memberikan nilai koefisien sebesar -0,057 dengan probabilitas signifikansi 0,821 yang berarti lebih tinggi dari 0,05. Oleh karena itu disimpulkan bahwa variabel partisipasi anggaran tidak berpengaruh terhadap senjangan anggaran.

Variabel ketidakpastian lingkungan memiliki nilai koefisien sebesar 1,883 dengan probabilitas 0,000 yang lebih rendah dari 0,05. Dapat disimpulkan bahwa variabel ketidakpastian lingkungan berpengaruh terhadap senjangan anggaran.

Hubungan antara partisipasi anggaran dengan ketidakpastian lingkungan organisasi yang diukur dengan nilai absolut memiliki probabilitas signifikansi sebesar 0,389 yang ternyata tidak signifikan pada probabilitas sigfikansi 0,05.

Temuan ini menunjukkan bahwa interaksi antara variabel pasrtisipasi anggaran dengan ketidakpastian lingkungan tidak memiliki pengaruh terhadap senjangan anggaran.

Kesimpulan yang didapat ialah bahwa ketidakpastian lingkungan bukan variabel yang dapat memoderasi hubungan antara partisipasi anggaran dengan senjangan anggaran. Jika dilihat pengaruh variabel ketidakpastian lingkungan organisasi secara individu, diperoleh hasil bahwa ketidakpastian lingkungan juga bukan merupakan variabel independen yang berpengaruh terhadap senjangan anggaran.

Perbedaan hasil penelitian dapat saja terjadi karena perbedaan metodologi penelitian baik dalam penentuan karakteristik responden maupun objek penelitian, selain itu perbedaan latar belakang responden sebagai akibat adanya perbedaan budaya dari lokasi penelitian juga turut mempengaruhi persepsi responden dalam menjawab.

BAB V

KESIMPULAN DAN SARAN A. Kesimpulan

Berdasarkan hasil penelitian pada bab IV, maka dapat disimpulkan :

1. Hipotesis pertama menunjukkan bahwa partisipasi anggaran tidak berpengaruh terhadap senjangan anggaran. Dapat disimpulkan juga bahwa pengaruh partisipasi anggaran terhadap senjangan anggaran menunjukkan pengaruh positif yang berarti semakin tinggi partisipasi, maka akan semakin tinggi juga senjangan anggaran.

Hasil analisis hipot esis pertama diperoleh nilai adjusted R square = 0,086. Angka ini menunjukkan variabel partisipasi anggaran dalam menjelaskan atau memberikan sebagian besar informasi yang dibutuhkan untuk memprediksi variabel senjangan anggaran yang dapat dijelaskan oleh persaman regresi adalah sebsar 8,6%, sedankan sisanya yaitu 91,4% dijelaskan oleh variabel lain di luar persamaan model.

2. Hipotesis kedua menunjukkan bahwa ketidakpastian lingkungan tidak berpengaruh dalam memoderasi hubungan antara partisipasi anggaran dengan senjangan anggaran. Hal ini dibuktikan dengan melakukan analisis regresi moderasi dengan uji selisih mutlak yang

merupakan interaksi antara partisipasi anggaran dengan ketidakpastian lingkungan organisasi. Hasil analisis hipotesis kedua menunjukkan bahwa variabel partisipasi anggaran serta interaksi partisipasi anggaran dengan ketidakpastian lingkungan dan variabel partisipasi anggaran yang mempunyai pengaruh signifikan terhadap senjangan anggaran. Dapat dilihat dari nilai nilai koefisien dan tingkat signifikansi setiap variabel yang diteliti.

Dalam dokumen Pengaruh Partisipasi Anggaran terhadap Senjangan Anggaran dengan Ketidakpastian Lingkungan Sebagai Variabel Moderating pada PT Perusahaan Gas Negara (Persero) Tbk, Jawa Bagian Barat (Halaman 57-76)