perencanaan_anggaran 53
1.80 4.00
2.88 .464
Pengelolaan_kas 53
1.00 4.00
2.82 .512
pelaporan 53
1.00 4.00
2.76 .595
Valid N listwise 53
Sumber :Data spss Untuk memberikan gambaran mengenai variabel penelitian kinerja manajerial SKPD
Y, perencanaan anggaran X1, pengelolaan kas X2 dan pelaporan X3 , penulis menggunakan tabel statistik deskriptif yang ditunjukkan pada tabel 5.6 diatas.
5.3 Analisis Hasil Penelitian
5.3.1 Hasil uji Kualitas Data
Sebelum dilakukan pengujian data baik untuk deskripsi data penelitian maupun untuk pengujian asumsi klasik dan pengujian hipotesis, maka perlu dilakukan uji
validitas dan Reliabilitas data. Uji ini perlu dilakukan karena jenis data penelitian adalah data primer.
5.3.1.1 Uji Validitas
Pengujian validitas instrumen dengan menggunakan software SPSS 16, nilai validitas dapat dilihat pada kolom Corrected Item-Total Correlation. Jika angka
korelasi yang diperoleh lebih besar dari pada angka kritik r hitung r tabel maka instrumen tersebut dikatakan valid. Berdasarkan hasil uji validitas dapat disimpulkan
bahwa seluruh item pertanyaan untuk mengukur masing-masing variabel penelitian dinyatakan valid. Hal ini dapat dilihat bahwa seluruh r hitung lebih besar r tabel.
Universitas Sumatera Utara
Dimana nilai r tabel untuk sampel sebanyak 53 adalah 0,265 sebagaimana dapat digambarkan pada tabel 5.6 sebagai berikut:
Tabel 5.6 : Uji Validitas
Variabel Butir instrumen
r hitung r -tabel
Kesimpulan Kinerja manajerial
SKPD Y a.y1
b.y2 c.y3
d.y4 e.y5
f.y6 .636
.729 .637
.606 .459
.502 0.265
0.265 0.265
0.265 0.265
0.265 Valid
Valid Valid
Valid Valid
Valid
Perencanaan Anggaran PA
a.PA_1 b. PA_2
c. PA_3 d. PA_4
e. PA_5
f. PA_6
g. PA_7 h. PA_8
i. PA_9 j. PA_10
.760 .811
.792 .707
.672 .854
.823 .645
.769 .475
0.265 0.265
0.265 0.265
0.265 0.265
0.265 0.265
0.265 0.265
Valid Valid
Valid Valid
Valid Valid
Valid Valid
Valid Valid
Pengelolaan kas PK a.PK1
b. PK2 c. PK3
d. PK4
e. PK5
f. PK6 .854
.683 .745
.821 .746
.734 0.265
0.265 0.265
0.265 0.265
0.265 Valid
Valid Valid
Valid Valid
Valid
Pelaporan PEL a. PEL1
b. PEL2 c. PEL3
d. PEL4 e. PEL5
.810 .685
.882 .960
.662 0.265
0.265 0.265
0.265 0.265
Valid Valid
Valid Valid
Valid
Sumber : Data spss 5.3.1.2
Uji Reliabilitas
Universitas Sumatera Utara
Setelah dilakukan uji validitas, langkah selanjutnya adalah melakukan uji reliabilitas data yaitu dengan melihat nilai cronbach’s alpha. Jika nilai Cronbach’s
alpha lebih besar dari 0.6 maka kuesioner penelitian tersebut dinyatakan reliabel. Hasil pengujian data menunjukkan bahwa nilai
cronbach’s alpha lebih besar dari 0,6. Hal ini menunjukkan bahwa data penelitian dinyatakan reliabel. Menurut
Ghozali,2005 Suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai Cronbach Alpha 0,60. Hasil uji reabilitas dapat dilihat pada tabel 5.7.
Tabel 5.7 : Hasil Uji Reabilitas
Variabel Cronbachs
Alpha Batas Reliabilitas
Kesimpulan Kinerja SKPD Y
.820 0.6
Reliabel
Perencanaan Anggaran X1
.925 0.6
Reliabel Pengelolaan kas
X2 .915
0.6 Reliabel
Pelaporan X3 .920
0.6 Reliabel
Sumber :Data spss 5.3.2
Pengujian Asumsi Klasik
Analisis dilakukan dengan metode analisa regresi berganda. Sebelum dilakukan uji hipotesis, peneliti terlebih dahulu melakukan uji asumsi klasik. Pengujian ini perlu
dilakukan untuk mengetahui apakah distribusi data yang digunakan dalam penelitian sudah normal, serta bebas dari gejala multikolinearitas, heteroskesdastisitas serta
autokorelasi. Menurut Ghozali,2005 asumsi klasik yang harus dipenuhi adalah berdistribusi normal, non-multikolinearitas, artinya antara variabel independen dalam
model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun
Universitas Sumatera Utara
mendekati sempurna, non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi tidak saling korelasi, homoskedasitas, artinya variance variabel independen
dari satu pengamatan kepengamatan yang lain adalah konstan atau sama.
5.3.2.1 Hasil Uji Normalitas
Pengujian ini dimaksudkan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Adapun uji normalitas
dapat dilakukan dengan dua cara yaitu analisis grafik dan statistik.
5.3.2.1.1 Analisis Grafik
Analisis grafik dapat digunakan dengan dua alat, yaitu grafik histogram dan grafik P-P Plot. Data yang baik adalah data yang memiliki pola distribusi normal.
Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot, sebuah data dikatakan
berdistribusi normal apabila titik-titik datanya tidak melenceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal. Berikut hasil uji normalitas dengan
menggunakan analisis grafik.
Universitas Sumatera Utara
Gambar 5.1 Histogram
Dengan melihat tampilan grafik histogram pada gambar 5.1 dapat dilihat bahwa gambarnya telah berbentuk lonceng dan tidak condong ke kiri dan ke kanan
menunjukkan bahwa data terdistribusi secara normal.
5.3.2.1.2 Uji Statistik
Pengujian normalitas data dengan hanya melihat grafik dapat menyesatkan kalau tidak melihat secara seksama, sehingga kita perlu melakukan uji normalitas data
dengan menggunakan statistik agar lebih meyakinkan. Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji
Kolmogorov-Smirnov 1 sample KS dengan melihat data residualnya apakah berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0,05 maka
Universitas Sumatera Utara
data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal. Hasil uji Kolmogorov-Smirnov dapat dilihat pada
tabel 5.8.
Tabel 5.8 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 53
Normal Parameters
a
Mean .0000000
Std. Deviation .37744301
Most Extreme Differences
Absolute .182
Positive .149
Negative -.182
Kolmogorov-Smirnov Z 1.323
Asymp. Sig. 2-tailed .060
a. Test distribution is Normal.
Hasil uji Kolmogorov-Smirnov pada penelitian ini menujukkan probabilitas Asymp sig = 0.06. Dengan demikian, data pada penelitian ini terdistribusi normal
dan dapat digunakan untuk melakukan uji hipotesis karena 0.06 0,05. 5.3.2.2
Hasil Uji Heteroskedastisitas
Menurut Ghozali 2005 uji Heterokedasitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
Universitas Sumatera Utara
pengamatan yang lain. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Untuk menentukan heteroskedastisitas dengan
grafik scatterplot, titik-titik yang terbentuk harus menyebar secara acak, baik di atas maupun di bawah angka 0 pada sumbu Y. Bila kondisi ini terpenuhi maka tidak
terjadi heteroskedastisitas dan model regresi layak digunakan. Berdasarkan hasil penelitian maka dapat disimpulkan tidak terdapat gejala heteroskedastisitas dalam
penelitian ini.
Gambar 5.2
scatterplot Dari hasil tampilan grafik di atas menunjukkan bahwa titik-titik tersebar secara
acak baik di atas maupun di bawah angka 0 nol pada sumbu Y. Hal ini berarti bahwa dalam model regresi tidak terjadi heteroskedastisitas, sehingga model regresi
layak digunakan.
5.3.2.3 Pengujian Multikolineritas
Pengujian bertujuan mengetahui ada tidaknya multikolinearitas antar variabel –
variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi antar
Universitas Sumatera Utara
variabel independen. Deteksi dilakukan dengan melihat nilai VIF Variable Inflation Factor dan toleransi. Menurut Ghozali 2005 untuk melihat ada atau tidaknya
multikolinearitas dalam model regresi dapat dilihat dari: nilai tolerance dan lawannya variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel
independen manakah yang dijelaskan oleh 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 yang tinggi karena VIF=1tolerance. Nilai cutoff yang umum dipakai untuk
menunjukkan adanya multikolinearitas adalah nilai tolerance 0.01 atau sama dengan VIF10.
Tabel 5.10 Uji Multikolineritas
Coefficients
a
Model Collinearity
Statistics Tolerance
VIF 1
Perencanaan_anggaran .386
2.589 Pengelolaan_kas
Pelaporan .404
.283 2.473
3.536
Universitas Sumatera Utara
Coefficients
a
Model Collinearity
Statistics Tolerance
VIF 1
Perencanaan_anggaran .386
2.589 Pengelolaan_kas
Pelaporan .404
.283 2.473
3.536 a. Dependent Variable: Kinerja_skpd
Dari hasil perhitungan dalam tabel 5.10 di atas tidak terlihat nilai tolerance 0.01 atau sama dengan VIF5 sehingga dapat disimpulkan tidak terjadi kolinearitas
yang tinggi antara variabel independen dalam persamaan regresi yang diperoleh.
5.3.3 Hasil Uji Hipotesis