Uji Instrumen Penelitian

BAB III OBJEK DAN METODE PENELITIAN

3.2 Metode Penelitian

3.2.6 Uji Instrumen Penelitian

Uji instrumen penelitian merupakan suatu cara untuk mengukur, mengolah dan menganalisis data. Analisis data merupakan proses penyederhanaan data ke dalam bentuk yang lebih mudah dibaca, dipahami dan diinterpretasikan (Sugiyono, 2017:102). Data yang akan dianalisis merupakan data hasil survei dari lapangan (kuesioner). Pengumpulan data dalam penelitian ini dilakukan melalui kuesioner maka diperlukan suatu alat ukur skala tes yang valid dan dapat diandalkan, agar kesimpulan penelitian tidak keliru dan tidak memberikan gambaran yang jauh berbeda dengan keadaan sebenarnya.

Data yang diperoleh dari hasil pengisian kuesioner selanjutnya akan di analisis dengan menghitung masing-masing skor dari setiap pernyataan sehingga dapat disimpulkan mengenai kondisi item instrumen pernyataan pada objek yang diteliti.

49 3.2.6.1 Analisis Deskriptif

Menurut Sugiyono (2017:147) analisis deskriptif adalah statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi. Analisis deskriptif digunakan untuk memperoleh gambaran mengenai kondisi perencanaan anggaran dan pelaksanaan anggaran terhadap penyerapan anggaran. Untuk menganalisis setiap pertanyaan, pernyataan, atau indikator hitung frekuensi jawaban setiap kategori (pilihan jawaban) dan jumlahkan.

Setiap variabel penelitian, harus menetapkan peringkat dengan membandingkan skor aktual dan ideal. Skor aktual diperoleh melalui hasil perhitungan seluruh tanggapan responden, sedangkan skor ideal diperoleh dari prediksi nilai tertinggi dikalikan dengan dikalikan dengan jumlah responden.

Apabila digambarkan dengan rumus maka akan tampak seperti di bawah ini:

% Skor = Skor Aktual

Skor Ideal × 100%

Keterangan:

Skor Aktual = Jumlah skor jawaban responden

Skor Ideal = jumlah skor maksimum (jumlah responden × 5)

Setelah setiap indikator mempunyai jumlah, selanjutnya peneliti membuat garis kontinum.

50 Tabel 3.3 Kriteria Persentase Skor Tanggapan Responden

No. % Jumlah Skor Kriteria

1 0%-20% Tidak Baik

2 21%-40% Kurang Baik

3 41%-60% Cukup

4 61%-80% Baik

5 81%-100% Sangat Baik

Sumber: Sugiyono (2013:134)

Berikut adalah garis kontinum yang digunakan untuk memudahkan peneliti melihat kategori penilaian mengenai variabel penelitian.

0% 21% 41% 61% 81% 100%

Tidak Baik Kurang Baik Cukup Baik Baik Sangat Baik

Gambar 3.1 Garis Kontinum Sumber: Sugiyono (2017:184)

3.2.6.2 Uji Validitas

Menurut Ghozali (2016:53) uji validitas digunakan untuk mengukur valid atau tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid, jika pertanyaan pada kuesioner tersebut mampu mengukur variabel yang ingin diukur. Rumus yang digunakan untuk menguji validitas instrumen ini adalah teknik korelasi melalui Korelasi Produk Momen Pearson (Bivariate Pearson).

51 Menurut Ghozali (2016:53) uji signifikansi dilakukan dengan membandingkan nilai r_hitung dan nilai r_tabel untuk degrre of freedom (df) = n-2, dalam hal ini (n) adalah jumlah sampel. Jika koefisien korealsi (r) bernilai positif dan lebih besar dari r_tabel maka dinyatakan bahwa butir pertanyaan tersebut valid atau sah. Sebaliknya, jika bernilai negatif atau positif namun lebih kecil dari r_tabel maka butir pertanyaan dinyatakan tidak valid.

3.2.6.3 Uji Reliabilitas

Menurut Ghozali (2016:43) uji reliabilitas digunakan untuk mengukur konsistensi hasil pengukuran dari kuesioner dalam penggunaan yang berulang.

Pengujian reliabilitas dilakukan hanya pada indikator-indikator yang telah melalui pengujian validitas dan dinyatakan valid. Untuk menguji reliabilitas kuesioner dalam penelitian ini maka peneliti menggunakan teknik Cronbach’s Alpha dengan kriteria pengambilan keputusan sebagaimana dinyatakan oleh Ghozali (2016:43), yaitu jika koefisien Cronbach’s Alpha > 0,70.

3.2.6.4 Method of Successive Interval (MSI)

Setelah memperoleh data dari hasil penyebaran kuesioner, di mana yang awalnya ordinal dirubah menjadi skala interval karena dalam penggunaan analisis linier, data yang diperoleh harus menggunakan data dengan skala interval.

Menurut Sedarmayanti & Hidayat (2011) Method of Successive Interval (MSI) adalah metode penskalaan untuk menaikkan skala pengukuran ordinal ke skala pengukuran interval. Berdasarkan konsep tersebut, dapat ditinjau bahwa MSI merupakan alat untuk mengubah data ordinal menjadi interval.

52 Untuk menemukan kategori jawaban responden terdapat masing-masing alternatif, terlebih dulu skala ordinal ditranformasikan menjadi skala interval dengan menggunakan teknik Method of Successive Interval (MSI). Langkah- langkah transformasi data ordinal ke data interval, yaitu:

1. Menghitung frekuensi setiap pilihan jawaban responden pada setiap pertanyaan atau pernyataan.

2. Berdasarkan frekuensi yang diperoleh untuk setiap pertanyaan atau pernyataan, dilakukan perhitungan proporsi kumulatif untuk setiap pilihan jawaban.

3. Menentukan nilai batas Z (tabel normal) untuk setiap pertanyaan atau pernyataan dan setiap pilihan jawaban.

4. Menentukan nilai identitas. Menentukan nilai interval rata-rata untuk setiap pilhan jawaban melalui persamaan sebagai berikut:

𝑆𝐶𝐴𝐿𝐸 𝑉𝐴𝐿𝑈𝐸 = (𝐷𝑒𝑛𝑠𝑖𝑡𝑦 𝑎𝑡 𝐿𝑜𝑤𝑒𝑟 𝐿𝑖𝑚𝑖𝑡) − (𝐷𝑒𝑛𝑠𝑖𝑡𝑦 𝑎𝑡 𝑈𝑝𝑝𝑒𝑟 𝐿𝑖𝑚𝑖𝑡) (𝐴𝑟𝑒𝑎 𝐵𝑒𝑙𝑜𝑤 𝑈𝑝𝑝𝑒𝑟 𝐿𝑖𝑚𝑖𝑡) − (𝐴𝑟𝑒𝑎 𝐵𝑒𝑙𝑜𝑤 𝐿𝑜𝑤𝑒𝑟 𝐿𝑖𝑚𝑖𝑡)

Keterangan:

Density at lower Limit = kepadatan batas bawah Density at upper limit = kepadatan batas atas Area below upper limit = daerah di batas atas Area below lower limit = daerah di batas bawah

5. Menentukan nilai transformasi atau Nilai Skala (NS) dengan rumus:

𝑌 = NS + (1 +|1 + |NS_min |)

53 3.2.6.5 Analisis Regresi Linier Berganda

Menurut Sugiyono (2017:277) analisis regresi berganda bermaksud meramalkan bagaimana keadaan (naik turunnya) variabel independen, bila dua atau lebih variabel independen sebagai faktor prediktor dimanipulasi (dinaik turunkan nilainya). Jadi, analisis regresi berganda akan dilakukan bila jumlah variabel independennya minimal dua (2). Dengan analisis regresi akan diketahui variabel independen yag benar-benar signifikan mempengaruhi variabel dependen dengan variabel independen yang signifikan tadi dapat digunakan untuk memprediksi nilai variabel dependen. Model regresi linier sesungguhnya mengasumsikan bahwa terdapat hubungan linier antara variabel dependen dengan setiap variabel independen.

Menurut Sugiyono (2013:277) persamaan regresi linier berganda yang ditetapkan adalah sebagai berikut:

Y = a + β₁x₁+ β₂x₂+ ε

Keterangan:

Y = penyerapan anggaran a = koefisien konstanta β_1, β_2, β₃… = koefisien regresi

x₁ = perencanaan anggaran x₂ = pelaksanaan anggaran ε = error/variabel gangguan

54 3.2.6.6 Analisis Koefisien Determinasi

Koefisien determinasi (R²) menurut Ghozali (2016:95) pada intinya digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variabel-variabel dependen. Suharyadi dan Purwanto (2016:233) koefisien determinasi menunjukan suatu proporsi dari varian yang dapat diterangkan oleh persamaan regresi (regression of sum square-RSS) terhadap varian total (total sum of squares-TSS).

Nilai R² akan berkisar 0 sampai 1. Nilai R² = 1 menunjukan bahwa 100%

total varian diterangkan oleh varian persamaan regresi atau variabel bebas, baik X1 dan X2 mampu menerangkan variabel Y sebesar 100%. Sebaliknya, apabila nilai R² = 0 menunjukan bahwa tidak ada total varian yang diterangkan oleh varian bebas dari persamaan regresi, baik X1 maupun X2.