oggie alfriandi.docx
- 1. Nama : Oggie Alfriandi NIM : 182420521 Prodi : Akuntansi Syariah 1. Judul : Pengaruh Efektivitas Penerapan Standar Akuntansi Pemerintahan Terhadap Kualitas Laporan Keuangan Pada Kantor Wilayah Kementrian agama Provinsi Sulawesi Selatan 2. Variabel X : Standar Akuntansi Pemerintahan Variabel Y : Kualitas Laporan Keuangan 3. Hipotesis : Hₒ = Efektivitas penerapan standar akuntansi pemerintahan tidak berpengaruh terhadap kualitas laporan keuangan pada kantor wilayah kementrian agama H₁ = Efektivitas penerapan standar akuntansi pemerintahan berpengaruh terhadap kualitas laporan keuangan pada kantor wilayah kementrian agama 4. Populasi : Pegawai dibagian keuangan dikantor kementrian agama Sulawesi selatan 5. Sampel : Metode Pengambilan Sempel : Purposive Sampling (pertimbangan/kriteria tertentu) Pertimbangan/kriteria : Pertimbangan yang diambil yaitu pegawai yang terlibat dalam proses penyusunan laporan keuangan Jumlah Sampel : 30 6. Teknik Pengambilan Data : Pengambilan data dengan menggunakan kuesioner dengan jumlah pertanyaan sebanyak 10 dimasing-masing variabel, skor yang diberikan untuk masing-masing pertanyaan adalah Sangat tidak setuju (1 skor), tidak setuju (2 skor), netral (3 skor), setuju(4 skor), sangat setuju (5 skor).
- 2. 7. Metode Analisis Data : A. Statistik Deskriptif Statistik deskriptif adalah ilmu yang mempelajari bagaimana data dikumpulkan, disusun dan disajikan sedemikian rupa sehingga menghasilkan informasi yang dapat dipahami oleh banyak orang. Tujuan dari statistik deskriptif ini adalah untuk membuat data lebih mudah dibaca dan dipahami. B. Uji Asumsi klasik a) Uji Normalitas Uji normalitas ini dilakukan untuk mengetahui apakah variabel dependen dan variabel independen berdistribusi normal atau tidak. Menurut Sufren dan Natanael (2013), uji normalitas mencoba untuk mengetahui apakah data yang kita miliki normal atau tidak. Data normal adalah data yang memiliki kurva normal. 1) Tes Smirnof Kolmogrov Menurut Juliandi dan Irfan (2014, p. 161), kriteria uji yang digunakan untuk menentukan normal atau tidaknya data tercermin dari nilai probabilitas. Data dikatakan normal jika nilai Kolmogorov-Smirnov normal ketika (Asymp.Sig (2- tailed)>α0.05). 2) Uji plot P-P dari residual standar regresi. Dalam publikasi Juliandi dan Irfan (2014, hlm. 160) oleh Gujarti et al. dasar keputusannya adalah normal atau non-distribusi pada plot normal P-P plot dari residual standar regresi, yaitu: I. Jika (poin) didistribusikan di sekitar diagonal, regresi memenuhi asumsi normalitas. II. Jika data menyebar dari garis diagonal dan tidak mengikuti garis diagonal, regresi tidak memenuhi asumsi normalitas. 3) Uji histogram
- 3. Histogram adalah diagram batang yang dapat digunakan untuk menguji (secara grafis) apakah data terdistribusi secara normal atau tidak. Jika data berdistribusi normal, maka data tersebut berbentuk parabola terbalik. b) Uji Linearitas Uji linieritas adalah suatu metode untuk mengetahui apakah sebaran nilai data bersifat linier atau tidak. Uji linieritas menentukan Anareg yang digunakan. Tujuan uji linieritas adalah untuk mengetahui ada tidaknya hubungan linier yang signifikan antara kedua variabel. Beberapa referensi menyatakan bahwa uji linieritas ini merupakan prasyarat atau asumsi sebelum melakukan analisis regresi linier. Jika simpangan linearitas nilai Sig > 0,05, maka terdapat hubungan linier yang signifikan antara variabel bebas dan variabel terikat. Selain itu, jika f-number <; Pada tabel F terdapat hubungan linier yang signifikan antara variabel bebas dan variabel terikat. c) Uji heteroskedastisitas Uji heteroskedastisitas digunakan untuk mengetahui apakah terdapat varian yang tidak sama antara residual dari pengamatan. Model regresi harus dapat memenuhi persyaratan, yaitu. H. jika terdapat kesamaan antar pengamatan pada varians residual, maka tetap konstan atau disebut homoskedastisitas (Sutopo & Slamet, 2017). Pada penelitian ini, deteksi heteroskedastisitas dilakukan dengan menggunakan scatterplot. d) Uji Autokorelasi Tujuan dari uji autokorelasi adalah untuk menguji apakah terdapat korelasi dalam model regresi linier antara false error periode t dan false error periode (sebelumnya) t- 1. Jika ada hubungannya, maka terdapat masalah autokorelasi. Uji autokorelasi hanya digunakan untuk data time series (data yang terkumpul dalam kurun waktu tertentu), seperti data dari laporan keuangan dan lain-lain. Pada saat yang sama, dengan data cross-sectional (data diperoleh pada saat yang sama, misalnya dengan menyebarkan kuesioner), tidak perlu menguji data untuk autokorelasi. Jika d (Durbin Watson) lebih kecil dari dL atau lebih besar dari (4 dl), hipotesis nol ditolak, yang berarti autokorelasi.
- 4. e) uji multikolinearitas Tujuan uji multikolinearitas adalah untuk menguji apakah model regresi menemukan adanya korelasi (hubungan yang kuat) antara variabel bebas atau variabel bebas. Seharusnya tidak ada korelasi antara variabel independen atau tanda multikolinearitas dalam model regresi. Jika nilai tolerance lebih besar dari 0,10 berarti tidak terjadi multikolinearitas pada model regresi. Juga, jika nilai VIF <; 10,00 berarti tidak terdapat multikolinearitas pada model regresi. C. Uji Hipotesis Menurut Ghozali (2016:97), uji t-statistik pada dasarnya menunjukkan seberapa besar pengaruh suatu variabel penjelas/independen secara individual menjelaskan variasi variabel terhadap nilai variabel dependen. Oleh karena itu, kriteria berikut digunakan: a) Uji Parsial (Uji T) Penelitian ini menggunakan uji signifikansi parsial (uji-t). Uji hipotesis yang digunakan adalah uji-t (parsial) untuk menguji pengaruh variabel x terhadap variabel y (parsial). Kemudian hasil T-hitung dibandingkan dengan distribusi T-Tabel. Rangkuman hasil pengujian dapat digambarkan sebagai berikut (Sugiyono, 2013): thitung > ttabel, maka Ha diterima dan Ho ditolak. Artinya variabel independen mempengaruhi variabel dependen. t hitung < t tabel, maka Ha ditolak dan Ho diterima. Artinya variabel independen tidak memiliki pengaruh terhadap variabel dependen. b) koefisien determinasi (R2) Koefisien determinasi (R2) Untuk mengestimasi seberapa besar pengaruh variabel Jika nilai koefisien determinasi lebih kecil (mendekati nol), berarti pengaruh semua variabel independen terhadap variabel dependen lebih kecil. Semakin mendekati nilai R2 dengan 100%, maka semakin besar pengaruh seluruh variabel independen terhadap variabel dependen (Priyatno, 2011:195).
- 5. c) Regresi linier sederhana Regresi linier sederhana adalah regresi linier yang tujuannya untuk menganalisis bentuk hubungan linier antara dua variabel, yaitu hubungan acak variabel independen terhadap variabel dependen (Sugiarto, 2017:342). Berikut bentuk umum persamaan regresi linier sederhana (Priyatno, 2011:135): 𝑌 = 𝑎 + 𝖰𝑋 + 𝑎 (3.1) Informasi: Y = nilai variabel terikat (dependent) harga saham α = konstanta angka regresi β = koefisien regresi X = nilai variabel independen (independen) dari hasil perusahaan ɛ = istilah kesalahan Formula ini menunjukkan kenaikan atau penurunan variabel dependen berdasarkan perubahan variabel independen.
- 6. 8. Data Variabel Dependen dan Independen No Standar Akuntansi Pemerintahan Kualitas Laporan Keuangan 1 44 43 2 42 41 3 39 39 4 40 40 5 40 40 6 39 39 7 46 45 8 41 41 9 36 36 10 38 38 11 38 38 12 37 37 13 37 38 14 40 40 15 41 41 16 44 44 17 39 39 18 43 43 19 42 42 20 39 39 21 45 45 22 36 36 23 40 39 24 39 38 25 35 35 26 38 39
- 7. 27 32 33 28 37 36 29 32 32 30 36 36 9. Hasil pengujian Uji Asumsi Klasik 1. Uji Normalitas Garis pada plot histogram memberikan kelengkungan dengan standar normal, sehingga dapat disimpulkan bahwa model regresi penelitian ini berdistribusi normal, dengan kata lain plot tersebut memberikan pola distribusi normal. Hal ini berarti residual berdistribusi normal.
- 8. 2. Uji Heterokedastisitas Uji Heterokedastisitas dimana titik-titik datanya menyebar disekitar 0 dan membentuk pola tertentu (mempererat hubungan), maka dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi ini. Sehingga model regresi layak digunakan untuk menganalisis hubungan antara pengaruh standar akuntansi pemerintah terhadap kualitas laporan keuangan.
- 9. 3. Uji Linieritas ANOVA Table Sum of Squares df Mean Square F Sig. Kinerja Laporan Keuangan * Standar Akuntansi Pemerintah Between Groups (Combined) 292.150 12 24.346 72.399 <,001 Linearity 290.809 1 290.809 864.79 8 <,001 Deviation from Linearity 1.341 11 .122 .362 .954 Within Groups 5.717 17 .336 Total 297.867 29 Berdasarkan nilai sig dari output diatas, diperoleh nilai deviation from linearity sig adalah 0,954 > 0,05. Maka dapat disimpulkan bahwa terdapat hubungan yang linear antara variabel x dengan variabel y. Selanjutnya berdasarkan nilai F dari output diatas, diperoleh F hitung adalah 0,362. Untuk mencari F table yaitu dengan rumus ( deviation from linearity ; within groups ). Berdasarkan output diatas diketahui nilai df adalah (11;17). Kemudian dari nilai F tabel dengan segnifikan 5% atau 0,05. Maka ditemukanlah F tabel 2,41. Jadi, F hitung 0,362 < F tabel 2,41 artinya terdapat hubungan yang linear antara variabel x dengan variabel y.
- 10. 4. Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .988a .976 .975 .50204 1.401 a. Predictors: (Constant), Standar Akuntansi Pemerintah b. Dependent Variable: Kinerja Laporan Keuangan Berdasarkan table output model summary diatas, diketahui nilai dubin-watson (d) adalah sebesar 1,401. Selanjutnya nilai ini dibandingkan dengan nilai table durbin Watson pada segnifikan 5% dengan rumus (k;N). ada pun jumlah variabel independen adalah 1 jadi K=1 dan jumlah sampel adalah 30 jadi N = 30, maka (1;30). Ditemukan nilai dL sebesar 1,3520 dan dU sebesar 1,4894. Nilai Durbin Watson (d) sebesar 1,401 lebih besar dari batas atas (dL) yakni 1,3520 dan kurang dari (4-dL) 4-1,3520 = 2,684. Maka sebagaimana dasar pengambilan keputusan dapat disimpulkan bahwa hipotesis nol ditolak yang berarti terdapat autokorelasi.
- 11. 5. Uji Multikoleniaritas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) 2.638 1.076 2.451 .021 Standar Akuntansi Pemerintah .930 .027 .988 33.968 <,001 1.000 1.000 a. Dependent Variable: Kinerja Laporan Keuangan Berdasarkan table output coefficients pada bagian collinearity statistics diketahui nilai toleranc untuk variabel x adalah 1,000 lebih besar dari 0,10. Sementara nilai VIF untuk variabel x adalah 1,00 < 10,00. Maka mengacu pada dasar pengambilan keputusan dalam uji multikoleniaritas dapat disimpulkan bahwa tidak terjadi gejala multikoleniaritas dalam model regresi.
- 12. Uji Hipotesis 1. Uji Koefisien Determinasi R² Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .988a .976 .975 .50204 a. Predictors: (Constant), Standar Akuntansi Pemerintah b. Dependent Variable: Kualitas Laporan Keuangan Nilai adjusted R square sebesar 0,975, hal ini berarti 97,5% variasi variabel dependent yaitu kualitas laporan keuangan dapat dijelaskan oleh variabel independent yaitu standar akuntansi pemerintah. Dari variabel independent tersebut memiliki kontribusi masukan yang besar kevariabel dependent, sedangkan sisanya ( 100% - 97,5% =2,5% ). Dijelaskan oleh variabel lain diluar penelitian. Standar Error of Estimate (SEE) sebesar 0,502. Makin kecil nilai Standar Error of Estimate (SEE) akan membuat model regresi semangkin tepat dalam memprediksi variabel dependent.
- 13. 2. Uji T Parsial Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 2.638 1.076 2.451 .021 Standar Akuntansi Pemerintah .930 .027 .988 33.968 <,001 a. Dependent Variable: Kualitas Laporan Keuangan Berdasarkan Uji statistic secara persial pada table diatas, dapat diketahui variabel kualitas laporan keuangan (x) memperoleh nilai t hitung sebesar 33,968 dan t table sebesar 2,048, sehingga t hitung lebih besar dari t table (33,968 > 2,048) dengan nilai segnifikan sebesar 0,001. Nilai segnifikan tersebut lebih kecil dari 0,05 ( 0,001 < 0,05). Maka Ho ditolak, artinya bahwa variabel kualitas laporan keuangan (X) berpengaruh terhadap variabel standar akuntansi pemerintah (Y).
- 14. 3. Uji Regresi Linear Sederhana Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 2.638 1.076 2.451 .021 Standar Akuntansi Pemerintah .930 .027 .988 33.968 <,001 a. Dependent Variable: Kualitas Laporan Keuangan Berdasarkan hasil uji regresi linear sederhana, diperoleh hasil sebagai berikut: Persamaan regresi linier sederhana: Y = 2,638 + 0,930X Dari persamaan di atas, dapat disimpulkan sebagai berikut: a. Nilai konstanta (α) sebesar 2,638 menunjukkan bahwa jika variabel standar akuntansi pemerintah (X) tidak ada (nol), maka kualitas laporan keuangan pemerintah (Y) akan memiliki nilai sebesar 2,638. Dengan kata lain, faktor-faktor lain yang mempengaruhi kualitas laporan keuangan memiliki kontribusi sebesar 2,638. b. Nilai koefisien regresi (β) sebesar 0,930 menunjukkan bahwa setiap peningkatan satu unit dalam variabel standar akuntansi pemerintah (X), akan mengakibatkan peningkatan sebesar 0,930 unit dalam kualitas laporan keuangan pemerintah (Y). Dengan kata lain, standar akuntansi pemerintah memiliki pengaruh positif terhadap kualitas laporan keuangan.
- 15. Jadi, rumus regresi linier sederhana untuk menghubungkan standar akuntansi pemerintah (X) dengan kualitas laporan keuangan pemerintah (Y) adalah: Y = 2,638 + 0,930X
- 16. F Tabel
- 17. T Tabel