Alat Analisis

2.4 Alat Analisis

2.4.1 Skala Likert

Untuk menganalisis data yang diperoleh melalui kuesioner, maka teknik analisis data yang digunakan melalui pola pikir reflektif deduktif. Data tersebut dianalisis dengan menggunakan skala Likert. Menurut Sugiyono (2008: 86) skala Likert digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau kelompok orang tentang fenomena sosial. Dalam penelitian sosial ini ditetapkan secara spesifik oleh peneliti, yang selanjutnya disebut variabel penelitian.

Dalam skala Likert, variabel yang akan diukur dijabarkan menjadi indikator variabel. Kemudian indikator tersebut dijadikan sebagai titik tolak untuk menyusun item-item instrument yang dapat berupa pernyataan atau pertanyaan.

Jawaban setiap item instrument yang menggunakan skala Likert mempunyai gradasi dari sangat positif sampai sangat negatif, yang dapat berupa kata-kata. Item instrument yang digunakan adalah sebagai berikut:

SS = sangat setuju diberi skor

S = setuju diberi skor

N = netral diberi skor

TS = tidak setuju diberi skor

STS = sangat tidak setuju diberi skor

Teknik perhitungan sebagai berikut:

1. jumlah responden yang memilih suatu item dikalikan skor item yang dipilih;

2. hasil perkalian dijumlahkan;

3. hasil penjumlahan tersebut yang menentukan posisi item.

Semakin tinggi hasil penjumlahan akan menggambarkan pelaksanaan manajemen aset semakin baik, maka rumus untuk memperoleh prosentase manajemen aset berdasarkan item-item pertanyaan adalah.

Tingkat Persepsi Responden =

x 100

Dari penjumlahan skor tersebut, dapat ditentukan kriteria pelaksanaan manajemen aset dengan menggunakan skala yang ditentukan

80% 100% Sangat kurang kurang

sangat baik Keterangan : kriteria interprestasi skor Angka 0 persen – 20 persen

sedang

baik

= sangat kurang

Angka 21 persen – 20 persen

= kurang

Angka 41 persen – 60 persen

= sedang

Angka 61 persen – 80 persen

= baik

Angka 81 persen – 100 persen

= sangat baik.

Tujuan daripada penggunaan skala Likert adalah untuk menganalisis apakah pelaksanaan manajemen aset sesuai dengan kaidah yang berlaku, meliputi inventarisasi aset, legal audit aset, penilaian aset, serta pengawasan dan pengendalian aset.

2.4.2 Pengujian instrumen

2.4.2.1 Uji validitas. Uji validitas adalah prosedur pengujian untuk melihat apakah pertanyaan yang dipakai dalam kuesioner dapat mengukur dengan tepat atau tidak. Analisis ini digunakan untuk mengetahui seberapa cermat suatu tes dapat mengetahui fungsi ukurnya. Uji validitas ini menggunakan product moment.

Pada perthitungan koefisen product moment atau r hasilnya lebih besar dari r tabel, maka alat ukur ini dinyatakan valid atau sebaliknya. Singarimbun dan Effendi (1989) menyatakan bahwa dengan menggunakan rumus korelasi product moment (lihat Anto, 2002 : 31) :

r xy = ……………..……...(2.1)

keterangan: r xy

= koefisien korelasi;

X = nilai dari skor;

= nilai dari total skor;

= jumlah sampel atau responden.

2.4.2.2 Uji reliabilitas. Reliabilitas adalah tingkat kestabilan dari suatu alat ukur dalam mengukur suatu gejala. Tingkat reliabilitas diukur dengan menghitung koefisien cronbach alpha (α) (Nunnally,1994). Semakin besar koefisien alpha semakin tinggi tingkat kepercayaan alat ukur tersebut. Suatu konstruk atau variabel dikatakan reliable jika memberikan nilai Cronbach Alpha > 0,70 (lihat Ghozali, 2012: 48 ).

2.4.3 Analisis regresi berganda

Untuk menguji hipotesis penelitian digunakan analisis regresi linier berganda dikarenakan dalam penelitian ini menggunakan variabel bebas (independent) lebih dari satu. Regresi linear berganda digunakan untuk mengetahui pengaruh dari variabel terikat (dependen), terhadap variabel bebas (independen). Rumus analisis regresi berganda sebagai berikut: (Widarjono, 2009:

59) Y=β 0 +β 1 X 1 +β 2 X 2 +β 3 X 3 +β 4 X 4 + e ………………….……….………... (2.2)

Keterangan: Y

= optimalitas aset tetap (tanah dan bangunan);

β 0 = konstanta; β 1 ,β 2, β 3, β 4 = koefisien regresi;

X 1 = inventarisasi aset;

X 2 = legal audit aset;

X 3 = penilaian aset;

X 4 = pengawasan dan pengendalian aset;

e = suku kesalahan, berdistribusi normal dengan rata-rata 0 untuk tujuan perhitungan, e diasumsikan 0.

2.4.4 Unstandardized Beta Coefficients

Untuk data persepsi menggunakan unstandardized beta coefficients karena ukuran variabel independen sama atau satuan variabel independen sama (kg, Rp, liter, persen dll). Keuntungan menggunakan unstandardized beta coefficients adalah mampu mengeliminasi unit ukuran pada variabel independen yang sama (Ghozali, 2012: 102)

2.4.4.1 Koefisien regresi parsial (uji t). Uji-t digunakan untuk membuktikan apakah ada pengaruh secara parsial/individual dari masing-masing variabel independen yaitu inventarisasi aset, legal audit aset, penilaian aset, serta pengawasan dan pengendalian aset terhadap variabel dependent optimalisasi aset 2.4.4.1 Koefisien regresi parsial (uji t). Uji-t digunakan untuk membuktikan apakah ada pengaruh secara parsial/individual dari masing-masing variabel independen yaitu inventarisasi aset, legal audit aset, penilaian aset, serta pengawasan dan pengendalian aset terhadap variabel dependent optimalisasi aset

1. Merumuskan hipotesis

H 0 =β 1 =0 (tidak ada pengaruh variabel independent terhadap variabel dependent)

H a =β 1 ≠ 0 (ada pengaruh variabel independent terhadap variabel dependent)

2. Keputusan menolak atau menerima H 0 sebagari beriktu.

a. Jika nilai t hitung > nilai t kritis maka H 0 ditolak atau menerima H a .

b. Jika nilai t hitung < nilai t kritis maka H 0 diterima atau menolak H a .

2.4.4.2 Koefisien regresi secara menyeluruh (uji F). dilakukan untuk mengetahui apakah variabel-variabel independent yaitu inventarisasi aset, legal audit aset, penilaian aset, serta pengawasan dan pengendalian aset secara keseluruhan signifikan secara statistik dalam mempengaruhi variabel dependen. Adapun langkah-langkah dalam uji-F adalah sebagai berikut.

1. Merumuskan hipotesis

a. H 0 :β 1 =β 2 =β 3 =β 4 = 0 (secara keseluruhan tidak ada pengaruh yang

signifikan antara independent variable terhadap dependent variable).

b. H a : selain H 0 (secara keseluruhan ada pengaruh yang signifikan antara independent variable terhadap dependent variable).

2. Keputusan menolak atau menerima H 0 sebagai berikut

a. Jika F-statistik > F-tabel, maka H 0 ditolak, artinya secara keseluruhan independent variabel berpengaruh terhadap dependent variabel.

a. Jika F-statistik < F-tabel, maka H 0 diterima, artinya secara keseluruhan

independent variabel tidak berpengaruh terhadap dependent variabel

2 2.4.4.3 Uji koefisien determinasi (R 2 ). Nilai R menunjukan sejauh mana hubungan antara variabel dependent dengan variabel independent. Dengan kata

lain koefisien determinasi digunakan untuk mengukur seberapa besar proporsi variasi variabel dependent dijelaskan oleh semua variabel independent secara bersama-sama (Widarjono, 2009: 66).

2.4.5 Uji ekonometrika (asumsi klasik)

2.4.5.1 Uji multikolinearitas. Suatu model regresi dikatan terkena multikolinearitas bila terjadi hubungan linear yang sempurna (perfect) atau mendekati sempurna di antara beberapa atau semua variabel bebas dari suatu model regresi. Multikolinearitas dapat juga dapat dilihat dari (1) nilai tolerance dan lawannya (2) variance inflation faktor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen yang lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen (terikat) dan diregres terhadap variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi (karena VIF = 1/Tolerance). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolecance ≤ 0,10 atau sama dengan nilai VIF ≥ 10. Setiap peneliti harus menentukan tingkat kolonieritas yang masih dapat ditolerir. Sebagai missal nilai tolerance = 0,10 sama dengan tingkat kolonieritas 0,95 (Ghozali, 2012: 105).

2.4.5.2 Uji normalitas. Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistic menjadi tidak valid untuk jumlah sampel kecil. Ada dua cara untuk mendeteksi apakah berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik. Adapun uji statistik yang digunakan untuk menguji residual adalah uji statistik non-parametrik Kolmogorov-Smirnov (K-S). Uji K-S dilakukan dengan membuat hipotesis:

H 0 : Data residual berdistribusi Normal

H a : Data residual tidak berdistribusi Normal (Ghozali, 2012: 160).

2.4.5.3 Uji autokorelasi. Autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Pada data crossection (silang waktu),

masalah autokorelasi relatif jarang terjadi karena “gangguan” pada observasi yang berbeda berasal dari individu, kelompok yang berbeda. Uji Durbin Watson hanya digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensyaratkan adannya intercept (konstanta) dalam model regresi dan tidak ada variabel lagi diantara variabel independen. Hipotesis yang diuji adalah.

H 0 : tidak ada autokorelasi (r = 0)