BAB III METODE PENELITIAN
3.6 Teknik Analisis Data
Untuk menganalisis jawaban responden masing – masing variabel diukur dengan model skala likert, yaitu mengukur sikap dengan menyatakan sangat setuju, setuju, netral, tidak setuju, sangat tidak setuju, terhadap pertanyaan yang diajukan dengan skor sebagai berikut
Tabel 3.3 Model Skala Likert
Keterangan Bobot
Sangat Setuju 5
Setuju 4
Netral 3
Tidak Setuju 2
Sangat Tidak Setuju 1
Sumber: Sugiyono (2013:133)
3.6.1 Pengujian Kualitas data: Uji Validitas dan Reliabilitas
Uji Validitas dimaksud untuk mengukur sejauh mana instrument yang di gunakan perkataan benar-benar mengukur apa yang seharusnya di ukur. Dengan perkataan lain validitas dilakukan dengan mengisi dan validitas konstruk dari suatu instrument, masing – masing butir pertanyaan dapat dilihat kevalidan dari
Corrected item- total Correlation. Koesioner dapat dikatakan valid jika corrected item –Total Correlation memiliki nilai kritis > dari korelasi 0,3 atau 30%.
Dengan demikian maka item yang memiliki korelasi > 30%
dikategorikan Valid, sedangkan item yang memiliki korelasi < 30%
dikategorikan tidak valid dan akan disisihkan dari analisisselanjutnya.Pengujian Reliabilitas adalah untuk mengetahui konsistensi hasil pengukuran variabel pengkuran yang reliable menunjukkan instrument sudah dipercaya sehingga menghasilkan data dapat dipercaya. Uji Reliabilitas adalah alat untuk indikator darivariabel dan konstruk. SPSS memberikan fasilitas untuk mengukur Reabilitas dengan uji Statistik Cronbach Alpha ( α ). Suatu pengukuran dapat diandalkan apabila memiliki koefisien cronbach’alpha sama atau lebih dari 0,50 (Nunnally ,1499 ).
3.6.2 Uji Asumsi Klasik a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah sampel yang digunakan mempunyai distribusi normal atau tidak. Dalam model regresi linier, asumsi ini ditunjukkan oleh nilai eror (ɛ) yang berdistribusi normal. Modelregresi yang baik adalah model regresi yang memiliki distribusi normal atau mendekati normal, sehingga layak dilakukan pengujian secara statistik. Pengujian normalitas data menggunakan Test of Normality Kolmogorov-Smirnov dalam program SPSS. Menurut Santoso (2012:393) dasar pengambilan keputusan bisa dilakukan berdasarkan probabilitas (Asymtotic Significance), yaitu:
1. Jika probabilitas > 0,05 maka distribusi dari model regresi adalah normal.
2. Jika probabilitas < 0,05 maka distribusi dari model regresi adalah tidak normal.
48
b. Uji Multikolinearitas
Menurut Ghozali (2016:103) pengujian multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Pengujian multikolinearitas adalah pengujian yang mempunyai tujuan untuk menguji, apakah dalam model regresi ditemukan adanya korelasi antara variabel independen. Efek dari multikolinearitas ini adalah menyebabkan tingginya variabel pada sampel. Hal tersebut berarti standar error besar, akibatnya ketika koefisien diuji, t-hitung akan bernilai kecil dari t-tabel. Hal ini menunjukkan tidak adanya hubungan linear antara variabel independen yang dipengaruhi dengan variabel dependen. Untuk menemukan ada atau tidaknya multikolinearitas dalam model regresi dapat diketahui dari nilai toleransi dan nilai variance inflation factor (VIF). Toleransi mengukur variabilitas variabel bebas yang terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya. Jadi nilai tolerance rendah sama dengan nilai VIF tinggi (karena VIF = 1/tolerance) dan menunjukkan adanya kolinearitas yang tinggi. Nilai cut off yang umum dipakai adalah nilai tolerance ≤ 0.10 atau sama dengan nilai VIF ≥ 10.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk menguji model regresi apakah terjadi ketidaksamaan pada residual dan varian antara variabel independen satu pengamatan ke pengamatan lain. Model regresi yang baik merupakan homokedastisitas atau tidak terjadi heteroskedastisitas. Heteroskedastisitas terjadi jika residual dan varians ada yang berbeda, sedangkan homokedastisitas terjadi jika satu pengamatan ke pengamanatan lain tetap. Sering kali data silang waktu atau crossection mengandung situasi uji heteroskedastisitas karena menghimpun data yang mewakili berbagai ukuran (kecil, sedang, dan besar). Uji
heteroskedastisitas berfungsi untuk mendeteksi apakah dapat dilakukan dengan melihat ada atau tidaknya pola tertentu pada grafik scatterplot antara ZPRED dan SRESID di mana sumbu X yaitu residual (Y prediksi – Y sesungguhnya) yang telah di studentized dan di mana sumbu Y yaitu Y yang telah diprediksi (Ghozali, 2016:134). Dasar analisisnya adalah : 1) Apabila ada pola seperti titik-titik yang membentuk pola tertentu dengan teratur (bergelombang, melebar, kemudian menyempit) maka mengindikasikan telah terjadinya heteroskedastisitas. 2) Apabila tidak ada pola yang jelas seperti titik-titik yang menyebar di bawah dan di atas makan angka 0 pada sumbu Y sehingga tidak mengindikasikan terjadinya heteroskedastisitas.
d. Uji Autokorelasi
Uji autokorelasi bertujuan untuk melihat apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Uji autokorelasi harus dilakukan pada data time series aatau runtut waktu, sebab yang dimaksud autokorelasi adalah sebuah nilai pada sampel atau observasi tertentu yanag sangat dipengaaruhi oleh nilai observaasi sebelumnya.
Dasar pengambilan keputusan Uji Autokorelasi yaitu :
1) Jika d < dL atau d > 4-dL maka hipotesis ditolak, artinya terdapat autokorelasi
2) Jika dU < d < 4-dU maka hipotesis nol diterima, artinya tidak terdapat autokorelasi
3) Jika dL < d < dU atau 4-dU < d < 4-dL, artinya tidka ada kesimpulan.
50
e. Persamaan Regresi Linier Sederhana
Regresi linier sederhana merupakan suatu metode yang digunakan untuk mengukur besarnya pengaruh variabel bebas terhadap variabel terikat dan memprediksi variabel terikat dengan menggunakan variabel bebas.
Pendapat lain menurut Gujarati dalam Jonathan Sarwono mendefenisikan analisis regresi sebagian kajian terhadap hubungan satu variabel yang disebut sebagai variabel yang diterangkan (the explained variabel) dengan satu atau dua variabel yang menerangkan (the explanatory). Variabel pertama disebut juga sebagai variabel tergantung dan variabel kedua disebut sebagai variabel bebas.
Metode regresi linier sederhana dimaksudkan untuk mengetahui seberapa besar tingkat pengaruh antara variabel bebas (independemt) dengan variabel terikat (dependent). Metode ini juga bisa digunakan sebagai ramalan, sehingga dapat diperkirakan antara baik atau buruknya suatu variabel X terhadap naik turunnya suatu tingkat variabel Y, begitu pun sebaliknya. Rumus regresi linier sederhana adalah sebagai berikut :
Y = a + bX+ e Dimana :
Y = Kualitas laporan keuangan a = Konstanta
b = Koefisien regresi
X = Sistem infromasi akuntansi e = Faktor kesalahan atau erro
3.6.3 Pengujian Hipotesis a. Uji Parsial (Uji t)
Uji parsial dimaksudkan untuk menguji apakah masing-masing variabel independen secara parsial berpengaruh terhadap kepatuhan wajib pajak badan.
Sesuai dengan hipotesis penelitian yang diajukan, maka hipotesis statistik untuk pengujian secara parsial dapat didefenisikan sebagai berikut :
Ho= 0 Tidak terdapat sistem informasi akuntansi terhadap kualitas laporan keuangan
Ha ≠ 0 Terdapat pengaruh sistem informasi akuntansi terhadap kualitas laporan keuangan
Pengolahan data akan dilakukan dengan menggunakan alat bantu aplikasi Software IBM SPSS Statiscsts agar pengukuran data yang dilakukan lebih akurat.
Adapun rumus yang digunakan menurut Sugiyono (2014:184) dalam menguji hipotesis (uji t) penelitian ini adalah :
t = √
√
Keterangan:
r = Korelasi
n = Banyaknya sampel
t = Tingkat signifikan thitung yang selanjutnya dibandingkan dengan tabel Kemudian menentukan modal keputusan dengan menggunakan statistic Uji t, dengan melihat asumsi sebagai berikut:
a. Interval keyakinan α = 0.05 b. Derajat kebebasan = n-2
52
c. DIlihat hasil tabel
Hasil hipotesis thitung dibandingkan dengan ttabel dengan kriteria uji sebagai berikut:
a. Jika thitung > ttabel pada α= 5 % maka Ho ditolak dan Ha diterima (berpengaruh)
b. Jika thitung < ttabel α= 5 % maka Ho diterima dan Ha ditolak (tidak berpengaruh).
b. Uji Koefisien Determinasi (R2)
Koefisien determinasi(R2) bertujuan untuk mengetahui seberapa besar kemampuan variabel independen menjelaskan variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu (Ghozali, 2009). Nilai R2 yang kecil menunjukkan bahwa kemampuan variabel independen dalam menjelaskan variabel dependen amat terbatas. Nilai R2 yang mendekati satu berarti variabel independen memberikan hamper semua informasi yang dbutuhkan untuk memprediksi variasi variabel dependen. Untuk melihat besarnya kontribusi pengaruh variabel independen terhadap variabel dependen dapat dihitung dengan rumus:
D = R2 × 100%
Keterangan:
D = Koefisien determinasi R = Koefisien korelasi.
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian
a. Karakteristik Responden
Responden dalam penelitian ini adalah divisi bagian keuangan yang menjalankan fungsi akuntansi. Peneliti menyebar 30 kuesioner, tetapi hanya 27 kuesioner yang bisa dijadikan data penelitian. Tingkat pengembalian (respon rate) sebesar 90% dikarenakan 3 kuesioner yang tidak kembali sehingga tidak dapat dijadikan sebagai data penelitin.
Tabel 4.1
Tingkat Pengembalian Kuesioner
Keterangan Jumlah Persentase
Kusioner yang disebar 30 100%
Kusioner yang tidak kembali 3 10%
Kusioner yang tidak diisi lengkap - 0%
Kusioner yang dapat diolah 27 90%
(Sumber : Data primer Tahun 2021, diolah)
Karakteristik responden yang menjadi sampel dalam penelitian ini dibagi menjadi beberapa kelompok yaitu menurut jenis kelamin, usia dan pendidikan.
Berikut ini disajikan karakteristik dari beberapa responden menurut jenis kelamin dan usia.
1) Jenis Kelamin
Berdasarkan jenis kelamin responden, tabel dibawah ini menujukkan bahwa responden dalam penelitian ini sebagian besar berjenis kelamin perempuan yaitu sebanyak 16 responden dan yang berjenis kelamin laki-laki sebanyak 11 responden.
54
Tabel 4.2
Karakteristik Responden Berdasarkan Jenis Kelamin
Jenis Kelamin Frekuensi Persentase (%)
Laki - laki 11 59,3%
Perempuan 16 40,7%
Total 27 100%
(Sumber : Data primer Tahun 2021, diolah) 2) Usia
Berdasarkan usia responden tabel berikut menunjukkan dalam penelitian ini sebagian besar berumur 25 – 35 tahun yaitu sebanyak 12 responden, kemudian dengan umur antara 36 – 45 tahun sebanyak 10 responden, serta berumur 46 – 55 tahun sebanyak 3 responden dalam penelitian ini.
Tabel 4.3
Karakteristik Responden Berdasarkan Usia
Usia Frekuensi Persentase (%)
< 25 2 7,4%
25 – 35 Tahun 14 51,8%
36 –45 Tahun 10 37%
46 – 55 Tahun 1 3,7%
Total 27 100%
(Sumber : Data primer Tahun 2021, diolah) b. Data Variabel
Data variabel ini bertujuan untuk memberikan gambaran mengenai variabel-variabel penelitian. Variabel penelitian ini terdiri dari variabel sistem informasi akuntansi sebagai variabel independen dan kualitas laporan keuangan sebagai variabel dependen.
Tabel 4.4
Jawaban Kuesioner Variabel Sistem Informasi Akuntansi (X) No
Pernyataan
Opsi Jawaban
SS S N TS STS
F % F % F % F % F %
1 Software yang digunakan dalam pengolahan data telah sesuai dengan perundang undangan yang berlaku
11 40,7% 15 55,6% 1 3,7% - - - - 2 Proses transaksi
keuangan dari awal hingga pelaporan keuangan dilakukan secara
komputerisasi dengan menggunakan software
akuntansi 11 40,7% 16 59,3% - - - - 3 Jaringan
internet telah ada dan dimanfaatkan sebagai penghubung antar unit kerja dalam
pengiriman data dan informasi guna mendukung penciptaan proses nilai
informasi. 11 40,7% 16 59,3% - - - - 4 Staf subbagian
akuntansi / keuangan anda telah paham dan mampu menjalankan software
7 25,9% 17 63% 3 11,1% - - - -
56
akuntansi 5 Laporan
keuangan terdiri dari laporan realisasi anggaran, laporan perubahann saldo anggaran,
dan neraca 3 11,1% 16 59,3% 8 29,6% - - - - 6 Subbagian
akuntansi anda memiliki software akuntansi yang akan
memudahkan perkerjaan
mereka. 6 22,2% 19 70,4% 2 7,4% - - - - 7 Subbgaian
akuntansi / keuangan anda memiliki cukup komputer untuk melaksanakan
tugas. 5 18,5% 21 77,8% 1 3,7% - - - - (Sumber:Hasil Pengolahan data primer,2021)
Tabel 4.5
Jawaban Kuesioner Variabel Kualitas Laporan Keuangan (Y) No
Pernyataan
Opsi Jawaban
SS S N TS STS
F % F % F % F % F %
1 Penyajian laporan keuanga tepat waktu sesuai dengan
10 37% 17 63% - - - -
periode akuntansi 2 Laporan
keuangan menyediakan informasi yang dapat mengoreksi aktivitas keuangan di
masa lalu. 11 40,7% 15 55,6% 1 3,7% - - - - 3 Laporan
keuangan menyediakan informasi yang mampu memprediksi masa yang
akan datang. 10 37% 15 55,6% 2 7,4% - - - - 4 Laporan
keuangan dapat
menghasilkan informasi yang lengkap mencakup semua informasi yang dibutuhkan guna dalam pengambilan
keputusan 13 48,1% 14 51,9% - - - - 5 Laporan
keuangan dapat
menhasilkan informasi yang wajar dan jujur sesuai dengan
6 22,2% 21 77,8% - - - -
58
transaksi keuangan lainnya yang seharusnya disajikan.
6 Laporan keuangan menghasilkan informasi yang dapat dibandingkan dengan laporan keuangan periode
sebelumnya. 7 25,9% 20 74,1% - - - - 7 Laporan yang
disusun secara sistematis sehingga mudah dimengerti
dan dipahami. 6 22,2% 21 77,8% - - - - 8 Informasi
yang disajikan dalam laporan keuangan telah jelas dan disajikan dalam bentuk serta istilah yang disesuaikan dengan batas pemahaman para
pengguna. 5 18,5% 21 77,8% 1 3,7% - - - - (Sumber:Hasil Pengolahan data primer,2021)
1. Uji Kualitas Data a. Uji validitas
Pengujian validitas ini dilakukan untuk menguji apakah instrumen penelitian yang telah disusun benar-benar akurat, sehingga mampu mengukur apa yang seharusnya diukur (variabel kunci yang sedang diteliti). Uji validitas berguna untuk mengetahui apakah ada pertanyaan-pertanyaan pada kuesioner yang harus dibuang/diganti karena dianggap tidak relevan. Uji validitas dihitung dengan menggunakan kolerasi person dan setelah dilakukan pengukuran dengan SPPS versi 26.0 akan dilihat tingkat signifikan atas semua pertanyaan.
Tabel 4.6 Hasil Uji Validitas Item
pertanyaan Rhitung Rtabel Hasil Uji
Sistem Informasi Akuntansi (X)
X1 0,853 0,381 Valid
X2 0,870 0,381
Valid
X3 0,848 0,381
Valid
X4 0,797 0,381
Valid
X5 0,779 0,381
Valid
X6 0,650 0,381
Valid
X7 0,616 0,381
Valid Kualitas Laporan Keuangan (Y)
Y1 0,784 0,381
Valid
Y2 0,781 0,381
Valid
Y3 0,397 0,381
Valid
Y4 0,785 0,381
Valid
Y5 0,615 0,381
Valid
Y6 0,707 0,381
Valid
60
Y7 0,724 0,381
Valid
Y8 0,815 0,381
Valid (Sumber: Hasil Pengolahan Data Primer, 2021)
Berdasarkan data di atas dapat di dilihat bahwa dari seluruh item yang ajukan terhadap responden dinyatakan bahwa seluruhnya valid.
b. Uji Reliabilitas
Untuk mengetahui apakah kuesioner tersebut reliabel atau tidak, maka dilakukan pengujian reabilitas kuesioner dengan bantuan komputer program SPPS 26.0. Uji reabilitas dilakukan untuk menunjukkan sejauh mana suatu alat pengukur dapat dipercaya. Secara umum, suatu instrumen dikatakan bagus jika memiliki koefesiensi Cronbcah’s alpha > 0,70.
Tabel 4.7 Hasil Uji Reliabilitas
Variabel Cronbach
Alpha
R Tabel Keterangan
Sistem Informasi Akuntansi (X) 0,888 0,70 Reliabel Kualitas Laporan Keuangan (Y) 0,841 0,70 Reliabel
Sumber : SPSS Versi 26.0
Dari data diatas dapat dilihat bahwa tingkat reliabilitas instrument penelitian sudah memadai karena semua nilai Cronbach Alpha dari semua variabel lebih besar dari 0,70. Dapat disimpulkan bahwa item pernyataan dari setiap variabel sudah menjelaskan atau memberikan gambaran tentang variabel yang diteliti atau dengan kata lain instrument adalah reliabel atau terpercaya.
2. Uji Asumsi Klasik
Analisis yang digunakan dalam penelitian ini adalah uji normalitas dan metode persamaan regresi linier berganda. Untuk menghasilkan suatu model regresi yang baik, analisi regresi memerlukan pengujian asumsi klasik yang dilakukan adalah sebagai berikut:
a. Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah variabel dalam sebuah model regresi, yaitu variabel terikat dan variabel bebas berdistribusi secara normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang berdistribusi normal.
Salah satu uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik Kolmogrov Smirnov (K-S). Pengujian ini digunakan untuk mengetahui apakah variabel independen dan variabel dependen berdistribusi normal atau tidak normal. Uji Kolmogrov Smirnov yaitu Asymp, Sig.
lebih kecil dari 0,05 (Asymp, Sig. < 0,05 adalah tidak normal).
Tabel 4.8
Hasil Uji Kolmogorov-smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 27
Normal Parametersa,b Mean ,0000000
Std. Deviation 1,44112602
Most Extreme Differences Absolute ,131
Positive ,113
Negative -,131
Test Statistic ,131
Asymp. Sig. (2-tailed) ,200c,d
a. Test distribution is Normal.
62
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.
Sumber : SPSS Versi 26.0
Berdasarkan hasil uji normalitas diketahui nilai signifikansi 0,200 > 0,05, maka dapat disimpulkan bahwa nilai residual berdistibusi normal.
Gambar 4.1 Histogram
Sumber : SPSS Versi 26.0
Berdasarkan gambar 4.1 diatas terlihat bahwa grafik histogram menunjukkan bahwa pola berdistribusi normal karena kurva memiliki kecenderungan yang berimbang, baik pada sisi kiri maupun kanan dan kurva berbentuk menyerupai lonceng yang sempurna.
Gambar 4.2 Hasil Uji Normalitas
Sumber : SPSS Versi 26.0
Pada grafik normal p-plot terlihat pada gambar diatas bahwa pola grafik normal terlihat dari tititk-titik yang menyebar disekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas.
b. Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji pengaruh dari variabel independen terhadap variabel dependen. Untuk mendeteksi adanya problem multikolineritas, maka dapat dilakukan dengan melihat nilai Tolerance dan Variance Inflanction Factor (VIF) serta besaran kolerasi antar variabel independen. Data dikatakan tidak multikolinearitas apabila T =>0,1 Dan nilai VIF=<10.
64
Tabel 4.9
hasil Uji Multikolinearitas Coefficientsa
Model
Collinearity Statistics Tolerance VIF 1 (Constant)
SIA 1,000 1,000
a. Dependent Variable: KLK
Berdasarkan tabel 4.9 diketahui bahwa nilai VIF adalah 1,000 < 10 dan nilai tolerance value 1,000 > 0,1 maka data tersebut tidak terjadi multikolinearitas.
c. Uji Heteroskedastisitas
Pengujian heteroskedasitas bertujuan untuk menguji apakah dalam satu model regresi terjadi ketidakasamaan variance dari residual satu pengamatan kepengamatan yang lain. Modal regresi yang baik adalah model regresi yang tidak terdapat regresi yang tidak terdapat heteroskadistas, yaitu model regresi yang memiliki persamaan variance residual suatu periode pengamatan dengan periode pengamanatan lain atau disebut dengan homoskedasitas. Salah satu cara untuk mendeteksi ada atau tidaknya uji heteroskedasitas ini adalah dengan melihat grafik scatterplot. Dari hasil penggolahan data statistik dapat dilihat pada gambar berikut :
Gambar 4.3
Hasil Uji Heteroskedastisitas
Sumber : SPSS Versi 26.0
Berdasarkan grafik scatterplot menunjukkan bahwa tidak ditemukan pola tertentu yang teratur dan titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi
d. Uji Autokorelasi
Uji Autokorelasi ini bertujuan untuk menguji apakah dalam suatu model regresi terdapat korelasi kesalahan pengganggu pada periode t dengan periode sebelumnya (t-1). Jika ada korelasinya, maka dikatakan telah terjadi suatu autokorelasi. Suatu model yang baik seharusnya tidak terdapat auto korelasi. Uji autokorelasi pada penelitian ini menggunakan uji Durbin Watson. Jika hasil nilai Durbin Watson diantara dU-4dU, maka dikatakan dalam data tidak terjadi autokorelasi.
66
Tabel 4.10 Hasil Uji Autokorelasi Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 ,853a ,727 ,716 1,470 1,890
a. Predictors: (Constant), SIA b. Dependent Variable: KLK
Sumber : SPSS Versi 26.0
Berdasarkan tabel hasil uji autokorelasi dihitung sebagai berikut : n = 27
d = 1,890 dL = 1,315 dU = 1,469
4-dL = 4 – 1,315 = 2,685 4-dU = 4 – 1,469 = 2,531 Hasil = dU < d < 4-dU
= 1,469 < 1,890 < 2,531
Kesimpulan : Tidak Terdapat Autokorelasi
e. Persamaan Regresi Linear Sederhana
Analisis data dalam penelitian ini menggunakan analisis regresi linier sederhana, penelitian ini bertujuan untuk mengetahui apakah dua variabel mempunyai hubungan yang linear secara signifikan atau tidak. Korelasi yang baik seharusnya terdapat hubungan yang linear antara variabel independen (X) dengan variabel dependen (Y).
Tabel 4.11
Hasil Regresi LInier Sederhana Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
T Sig.
Collinearity Statistics
B
Std.
Error Beta Tolerance VIF
1 (Constant) 10,303 2,957 3,485 ,002
SIA ,815 ,100 ,853 8,165 ,000 1,000 1,000
a. Dependent Variable: KLK
Sumber : SPSS Versi 26.0
Dari tabel 4.9 diatas diketahui nilai-nilai sebagai berikut :
a. Konstanta = 10.303
b. Sistem Informasi Akuntansi = 0,815
Hasil tersebut dimasukkan kedalam persamaan regresi linier sederhana sehingga diketahui persamaan berikut :
Y = 10.303 + 0,815 Jadi persamaan diatas bermakna jika :
a. Diketahui mempunyai konstanta sebesar 10.303. menunjukkan bahwa jika independen yaitu sistem informasi akuntansi (X) dalam keadaan konstan atau tidak mengalami perubahan (sama dengan nol), maka kualitas laporan keuangan(Y) adalah sebesar 0,815
b. Angka koefesien regresi nilainya sebesar 0,815. Angka ini menyatakan bahwa setiap penambahan 1% sistem informasi akuntansi (dengan asumsi bahwa nilai koefisien variabel lain tetap atau tidak berubah) maka nilai kualitas laporan keuangan akan meningkat sebesar 0,815. Karena nilai koefisien regresi bernilai positif (+), maka dikatakan sistem Informasi Akuntansi (X) berpengaruh positif terhadap Kualitas Laporan Keuangan (Y). Sehingga persamaan regresinya adalah Y = 10.303 – 0,815 X.
68
3. Pengujian Hipotesis a. Uji Parsial (Uji t)
Uji statistik t digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan mempunyai pengaruh secara bersamaan terhadap variabel dependen. Uji statistik t dilakukan dengan cara melihat nilai t hitung terhadap t tabel. Apabila nilai t hitung ≥ t tabel, maka Ho ditolak (terdapat pengaruh secara parsial). Uji statistik t dapat juga dilakukan dengan melihat sig <
0,05, maka Ho ditolak atau Ha diterima (terdapat pengaruh secara parsial) dan apabila sig > 0,05, maka Ho diterima atau Ha ditolak (tidak terdapat pengaruh secara parsial).
Berdasarkan hasil pengelolaan data dengan SPSS versi 26.0 maka diperoleh hasil uji statistik t sebagai berikut:
Tabel 4.12
Hasil Uji Statistik t (Parsial) Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B
Std.
Error Beta Tolerance VIF
1 (Constant) 10,303 2,957 3,48
5
,002
SIA ,815 ,100 ,853 8,16
5
,000 1,000 1,000
a. Dependent Variable: KLK
Sumber : SPSS Versi 26.0
Hasil pengujian statistik pada tabel diatas dapat dijelaskan dengan uji t digunakan untuk mengetahui apakah sistem informasi akuntansi berpengaruh secara individual (parsial) mempunyai pengaruh yang signifikan atau tidak terhadap kualitas kinerja keuangan. Untuk kriteria uji t dilakukan pada tingkat 𝛼=
0,05 dengan nilai t untuk n = 27 – 2 = 25 adalah 2.060. thitung = 8.165 dan ttabel = 2.060
Nilai thitung untuk variabel sistem informasi akuntansi adalah 8.165 dan ttabel 2.060 dengan demikian thitung lebih besar dari ttabel dan nilai signifikan sistem informasi akuntansi sebesar 0.000 < 0.05 artinya dari hasil tersebut didapat kesimpulan bahwa H0 ditolak (Ha diterima) menunjukkan bahwa adanya pengaruh positif dan signifikan antara sistem informasi akuntansi terhadap kualitas laporan keuangan.
b. Uji koefisien Determinasi (R2)
Nilai R-square dari koefisien determinasi digunakan untuk melihat bagaimana variasi nilai variabel terikat dipengaruhi oleh nilai variabel bebas.Nilai koefisien determinasi adalah antara 0 dan 1.Apabila nilai R-square semakin mendekati satu maka semakin besar pengaruh variabel bebas terhadap variabel terikat.Berikut hasil pengujian statistiknya :
Tabel 4.13
Hasil Uji Koefisien Determinasi Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the Estimate
1 ,853a ,727 ,716 1,46967
a. Predictors: (Constant), SIA b. Dependent Variable: KLK
Sumber : SPSS Versi 26.0 D = R2 X 100%
D = 0,727 X 100%
= 72,7%
Berdasarkan tabel diatas dapat dilihat bahwa nilai dari R square sebesar 0,727 yang berarti 72,7% dan hal ini menyatakan bahwa variabel sistem informasi
70
akuntasi sebesar 72,7% untuk mempengaruhi variabel kualitas laporan keuangan.
Selanjutnya selisih 100% - 72,7% = 27,3%. hal ini menunjukkan 27,3% tersebut adalah variabel lain yang tidak berkontribusi terhadap penelitian kualitas laporan keuangan.
4.2 Pembahasan
Hasil pembahasan dalam penelitian ini adalah mengenai hasil pengolahan data terhadap kesesuaian teori, pendapat maupun penelitian terdahulu yang telah dikemukakan hasil penelitian sebelumnya, serta pola perilaku yang harus dilakukan untuk mengatasi hal-hal tersebut.
Berdasarkan penelitian yang diperoleh mengenai pengaruh penerapan sistem informasi akuntasi terhadap kualitas laporan keuangan pada Kantor BPK Perwakilan Sumatera Utara, hasil uji hipotesis secara parsial menunjukkan bahwa nilai thitung untuk variabel sistem informasi akuntasi adalah 8.165 dan ttabel dengan α = 5% diketahui sebesar 2.060. Dengan demikian thitung ≥ ttabel 8.165 ≥ 2.060 dan nilai signifikan sistem informasi akuntasi sebesar 0.000 < 0.05 artinya H0 ditolak Ha diterima menunjukkan bahwa adanya pengaruh positif dan signifikan antara sistem informasi akuntasi terhadap kualitas laporan keuangan pada pada Kantor BPK Perwakilan Sumatera Utara.
Artinya penerapan sistem informasi akuntasi mampu meningkatkan kualitas laporan keuangan pada pada Kantor BPK Perwakilan Sumatera Utara.
Dimana salah satu faktor pendukung kualitas laporan keuangan adalah sistem informasi akuntansi, karena laporan keuangan yang dihasilkan dari suatu proses yang didasarkan pada input yang baik, proses yang baik dan output yang baik akan dapat menghasilkan laporan keuangan yang berkualitas dan sistem informasi