Pengaruh Tipe Pemerintahan Daerah, Kompetisi Politik, dan Opini Audit Terhadap Pelaporan Keuangan di Internet Secara Sukarela oleh Pemerintah Daerah
LAMPIRAN
Tabel 3.2
Lampiran 1 :
Seleksi Populasi Target
No Pemerintahan Daerah
Kriteria Sampel
No Pemerintahan Daerah
Kriteria Sampel
I II III PT I II III PT
1 Prov. Aceh √ √ √ 1 275 Kota Batu √ √ √ 247
2 Kab. Aceh Barat √ √ √ 2 276 Kota Blitar √ √ √ 248 3
Kab. Aceh Barat
Daya √ √ √
3
277 Kota Kediri √ √ √ 249 4 Kab. Aceh Besar √ x √ 278 Kota Madiun √ √ √ 250 5 Kab. Aceh Jaya √ √ √ 4 279 Kota Malang √ √ √ 251 6 Kab. Aceh Selatan √ √ √ 5 280 Kota Mojokerto √ √ √ 252 7 Kab. Aceh Singkil √ √ √ 6 281 Kota Pasuruan √ √ √ 253 8 Kab. Aceh Tamiang √ √ √ 7 282 Kota Probolinggo √ √ √ 254 9 Kab. Aceh Tengah √ √ √ 8 283 Kota Surabaya √ √ √ 255 10 Kab. Aceh Tenggara √ √ x 284 Prov. Bali √ √ √ 256
11 Kab. Aceh Timur √ x √ 285 Kab. Badung √ √ √ 257 12 Kab. Aceh Utara √ √ √ 9 286 Kab. Bangli √ √ √ 258 13 Kab. Bener Meriah √ √ √ 10 287 Kab. Buleleng √ √ √ 259 14 Kab. Bireuen √ √ √ 11 288 Kab. Gianyar √ √ √ 260 15 Kab. Gayo Lues √ x √ 289 Kab. Jembrana √ √ √ 261 16 Kab. Nagan Raya √ √ √ 12 290 Kab. Karangasem √ √ √ 262 17 Kab. Pidie √ √ √ 13 291 Kab. Klungkung √ √ √ 263 18 Kab. Pidie Jaya √ √ √ 14 292 Kab. Tabanan √ √ √ 264 19 Kab. Simeulue √ √ √ 15 293 Kota Denpasar √ √ √ 265 20 Kota Banda Aceh √ √ √
16
294
Prov. Nusa
Tenggara Barat √ √ √
266 21 Kota Langsa √ √ √ 17 295 Kab. Bima √ √ √ 267 22 Kota Lhokseumawe √ √ √ 18 296 Kab. Dompu √ √ √ 268 23 Kota Sabang √ √ √ 19 297 Kab. Lombok Barat √ √ √ 269 24 Kota Subulussalam √ √ x 298 Kab. Lombok Tengah √ √ √ 270 25
Prov. Sumatera
Utara √ √ √
20
299 Kab. Lombok Timur √ √ √
271
26 Kab. Asahan √ √ √ 21 300 Kab. Lombok Utara √ √ √ 272 27 Kab. Batubara √ √ √ 22 301 Kab. Sumbawa √ √ √ 273 28 Kab. Dairi √ √ √ 23 302 Kab. Sumbawa Barat √ √ √ 274 29 Kab. Deli Serdang √ √ √ 24 303 Kota Bima √ √ √ 275 30 Kab. Humbang √ √ √ 25 304 Kota Mataram √ √ √ 276
(2)
Hasundutan
31 Kab. Karo √ √ √
26
305
Prov. Nusa
Tenggara Timur √ √ √ 277
32 Kab. Labuhanbatu √ √ √ 27 306 Kab. Alor √ √ √ 278 33
Kab. Labuhanbatu
Selatan √ √ √
28
307 Kab. Belu √ √ √
279
34
Kab. Labuhanbatu
Utara x x √
308 Kab. Ende √ √ √
280
35 Kab. Langkat √ √ √ 29 309 Kab. Flores Timur √ √ √ 281 36
Kab. Mandailing
Natal x √ √
310 Kab. Kupang x √ √
37 Kab. Nias √ √ √ 30 311 Kab. Lembata x √ √ 38 Kab. Nias Barat x √ √ 312 Kab. Manggarai √ √ √ 282 39 Kab. Nias Selatan x √ √ 313 Kab. Manggarai Barat √ √ √ 283 40 Kab. Nias Utara x √ √
314
Kab. Manggarai
Timur √ √ √
284
41 Kab. Padang Lawas x x √ 315 Kab. Nagekeo x √ √ 42
Kab. Padang Lawas
Utara √ x √
316 Kab. Ngada √ √ √
285
43 Kab. Pakpak Bharat √ √ √ 31 317 Kab. Rote Ndao x x √ 44 Kab. Samosir √ √ √ 32 318 Kab. Sabu Raijua √ √ √ 286 45
Kab. Serdang
Bedagai √ √ √
33
319 Kab. Sikka x √ √
46 Kab. Simalungun √ √ √ 34 320 Kab. Sumba Barat √ x √ 47
Kab. Tapanuli
Selatan √ √ √
35
321
Kab. Sumba Barat
Daya √ √ √
287
48
Kab. Tapanuli
Tengah √ √ √
36
322 Kab. Sumba Tengah √ √ √
288
49 Kab. Tapanuli Utara √ √ √ 37 323 Kab. Sumba Timur √ √ √ 289 50 Kab. Toba Samosir x √ √ 324
Kab. Timor Tengah
Selatan √ √ √
290
51 Kota Binjai √ √ √ 38
325
Kab. Timor Tengah
Utara √ √ √
291
52 Kota Gunung Sitoli √ x √ 326 Kota Kupang √ √ √ 292 53 Kota Medan √ √ √ 39 327 Kab. Malaka x x √ 54
Kota
Padangsidimpuan √ √ √ 40
328
Prov. Kalimantan
Barat √ √ √
293
55
Kota Pematang
Siantar √ √ √
41
329 Kab. Bengkayang √ √ √
294
56 Kota Sibolga √ √ √ 42 330 Kab. Kapuas Hulu √ √ √ 295 57 Kota Tanjungbalai x √ √ 331 Kab. Kayong Utara √ √ √ 296 58 Kota Tebing Tinggi √ √ √ 43 332 Kab. Ketapang √ √ √ 297 59 Prov. Riau √ √ √ 44 333 Kab. Kubu Raya √ √ √ 298 60 Kab. Bengkalis √ √ √ 45 334 Kab. Landak √ √ √ 299 61 Kab. Indragiri Hilir √ √ √ 46 335 Kab. Melawi √ x √ 62 Kab. Indragiri Hulu √ √ √
47 336
Kab. Pontianak
(mempawah) √ √ √
300
(3)
64
Kab. Kepulauan
Meranti √ √ √
49
338 Kab. Sanggau √ √ √
302
65
Kab. Kuantan
Singingi √ √ √ 50
339 Kab. Sekadau √ √ √
303
66 Kab. Pelalawan √ √ √ 51 340 Kab. Sintang √ √ √ 304 67 Kab. Rokan Hilir √ √ √ 52 341 Kota Pontianak √ √ √ 305 68 Kab. Rokan Hulu √ x √ 342 Kota Singkawang √ √ √ 306 69 Kab. Siak √ √ √
53 343
Prov. Kalimantan
Tengah √ √ √
307
70 Kota Dumai √ √ √ 54 344 Kab. Barito Selatan √ x √ 71 Kota Pekanbaru √ √ √ 55 345 Kab. Barito Timur √ √ √ 308 72
Prov. Kepulauan
Riau √ √ √
56
346 Kab. Barito Utara √ √ √
309
73 Kab. Bintan √ √ √ 57 347 Kab. Gunung Mas √ x √ 74 Kab. Karimun √ √ √ 58 348 Kab. Kapuas √ √ √ 349 75
Kab. Kepulauan
Anambas √ √ √
59
349 Kab. Katingan √ √ √ 350 76 Kab. Lingga √ √ √
60 350
Kab. Kotawaringin
Barat √ √ √
351 77 Kab. Natuna √ √ √
61 351
Kab. Kotawaringin
Timur √ √ √
352 78 Kota Batam √ √ √ 62 352 Kab. Lamandau √ √ √ 353 79 Kota Tanjungpinang √ x √ 353 Kab. Murung Raya √ √ √ 354 80
Prov. Sumatera
Selatan √ √ √
63
354 Kab. Pulang Pisau √ √ √ 355 81 Kab. Banyuasin √ √ √ 64 355 Kab. Seruyan √ √ √ 356 82 Kab. Empat Lawang √ x √ 356 Kab. Sukamara √ √ √ 357 83 Kab. Lahat √ √ √ 65 357 Kota Palangka Raya √ √ √ 358 84 Kab. Muara Enim √ √ √
66 358
Prov. Kalimantan
Utara √ √ x
85 Kab. Musi Banyuasin √ √ √ 67 359 Kab. Malinau √ √ √ 359 86 Kab. Musi Rawas √ √ √ 68 360 Kab. Nunukan √ √ √ 360 87 Kab. Ogan Ilir √ √ √ 69 361 Kab. Tana Tidung x √ √ 88
Kab. Ogan Komering
Ilir √ √ √
70
362 Kab. Bulungan √ √ √ 361 89
Kab. Ogan Komering
Ulu √ x √ 363 Kota Tarakan √ √ √ 362 90
Kab. Ogan Komering
Ulu Selatan √ √ √ 71
364
Prov. Kalimantan
Timur √ √ √
363 91
Kab. Ogan Komering
Ulu Timur √ √ √ 72
365 Kab. Berau √ √ √ 364 92 Kota Lubuklinggau √ √ √ 73 366 Kab. Kutai Barat √ √ √ 365 93 Kota Pagar Alam √ √ √
74 367
Kab. Kutai
Kartanegara √ √ √ 366 94 Kota Palembang √ √ √ 75 368 Kab. Kutai Timur √ √ √ 367 95 Kota Prabumulih √ √ √ 76 369 Kab. Paser √ √ √ 368 96
Kab. Musi Rawas
Utara √ √ √
77 370
Kab. Penajam Paser
Utara √ √ √
(4)
97
Kab. Penukal Abab
Lematang Ilir √ √ √
78
371 Kota Balikpapan √ √ √ 370 98
Prov. Bangka
Belitung √ √ √
79
372 Kota Bontang √ √ √ 371 99 Kab. Bangka √ √ √ 80 373 Kota Samarinda √ √ √ 372 100 Kab. Bangka Barat √ √ √ 81 374 Kab. Mahakam Ulu √ √ √ 373 101 Kab. Bangka Selatan √ √ √
82
375
Prov. Kalimantan
Selatan √ √ √
374 102 Kab. Bangka Tengah √ √ √ 83 376 Kab. Balangan √ √ √ 375 103 Kab. Belitung √ √ √ 84 377 Kab. Banjar √ √ √ 376 104 Kab. Belitung Timur √ √ √ 85 378 Kab. Barito Kuala √ √ √ 377 105 Kota Pangkalpinang √ √ √
86
379
Kab. Hulu Sungai
Selatan √ √ √
378 106
Prov. Sumatera
Barat √ √ √
87
380
Kab. Hulu Sungai
Tengah √ √ √
379 107 Kab. Agam √ √ √
88
381
Kab. Hulu Sungai
Utara √ x √ 108 Kab. Dharmasraya √ √ √ 89 382 Kab. Kotabaru √ √ √ 380 109 Kab. Kep. Mentawai √ √ √ 90 383 Kab. Tabalong √ √ √ 381 110
Kab. Lima Puluh
Kota √ x √
384 Kab. Tanah Bumbu √ √ √ 382 111
Kab. Padang
Pariaman √ √ √
91
385 Kab. Tanah Laut √ x √ 112 Kab. Pasaman √ √ √ 92 386 Kab. Tapin √ √ √ 383 113 Kab. Pasaman Barat √ √ √ 93 387 Kota Banjarbaru √ √ √ 384 114 Kab. Pesisir Selatan √ √ √ 94 388 Kota Banjarmasin √ √ √ 385 115 Kab. Sijunjung √ √ √
95
389
Prov. Sulawesi
Utara √ √ √
386 116 Kab. Solok √ √ √
96
390
Kab. Bolaang
Mongondow √ x √ 117 Kab. Solok Selatan √ √ √
97
391
Kab. Bolaang
Mongondow Selatan √ √ √ 387 118 Kab. Tanah Datar √ √ √
98
392
Kab. Bolaang
Mongondow Timur √ √ √ 388 119 Kota Bukittinggi √ √ √
99
393
Kab. Bolaang
Mongondow Utara √ √ √ 389 120 Kota Padang √ √ √
100
394
Kab. Kepulauan
Sangihe √ x √ 121 Kota Padang Panjang √ √ √
101
395
Kab. Kep. Siau
Tagulandang Biaro √ √ √ 390 122 Kota Pariaman √ √ √
102
396
Kab. Kepulauan
Talaud √ √ √
391 123 Kota Payakumbuh √ √ √ 103 397 Kab. Minahasa √ √ √ 310 124 Kota Sawahlunto √ √ √
104
398
Kab. Minahasa
Selatan √ x √
125 Kota Solok √ √ √
105
399
Kab. Minahasa
Tenggara √ √ √
311
126 Prov. Bengkulu √ √ √ 106 400 Kab. Minahasa Utara √ √ √ 312 127
Kab. Bengkulu
Selatan √ x √
401 Kota Bitung √ √ √
313
128
Kab. Bengkulu
Tengah √ √ √
107
402 Kota Kotamobagu √ x √
(5)
129 Kab. Bengkulu Utara √ √ √ 108 403 Kota Manado √ √ √ 314 130 Kab. Kaur √ x √ 404 Kota Tomohon √ √ √ 315 131 Kab. Kepahiang √ √ √
109
405
Prov. Sulawesi
Tengah √ √ √
316
132 Kab. Lebong √ x √ 406 Kab. Banggai √ √ √ 317 133 Kab. Mukomuko √ √ √
110
407
Kab. Banggai
Kepulauan √ √ √
318
134 Kab. Rejang Lebong √ √ √ 111 408 Kab. Buol √ √ √ 319 135 Kab. Seluma √ √ √ 112 409 Kab. Donggala √ √ √ 320 136 Kota Bengkulu √ √ √ 113 410 Kab. Morowali √ √ √ 321 137 Prov. Jambi √ √ √ 114 411 Kab. Parigi Moutong √ x √ 138 Kab. Batang Hari √ √ √ 115 412 Kab. Poso √ √ √ 322 139 Kab. Bungo √ √ √ 116 413 Kab. Sigi √ √ √ 323 140 Kab. Kerinci √ √ √ 117 414 Kab. Tojo Una-Una √ x √ 141 Kab. Merangin √ √ √ 118 415 Kab. Tolitoli √ x √ 142 Kab. Muaro Jambi √ x √ 416 Kota Palu √ √ √ 324 143 Kab. Sarolangun √ √ √ 119 417 Kab. Banggai Laut √ √ √ 325 144
Kab. Tanjung Jabung
Barat √ √ √
120
418 Kab. Morowali Utara √ x √
145
Kab. Tanjung Jabung
Timur √ √ √
121
419
Prov. Sulawesi
Barat √ √ √
326
146 Kab. Tebo √ √ √ 122 420 Kab. Majene √ √ √ 327 147 Kota Jambi √ √ √ 123 421 Kab. Mamasa √ √ √ 328 148 Kota Sungai Penuh √ √ √ 124 422 Kab. Mamuju √ √ √ 329 149 Prov. Lampung √ √ √ 125 423 Kab. Mamuju Utara √ x √ 150 Kab. Lampung Barat √ √ √
126 424
Kab. Polewali
Mandar √ √ √
330
151
Kab. Lampung
Selatan √ √ √
127
425 Kab. Mamuju Tengah √ √ √
331
152
Kab. Lampung
Tengah √ √ √
128
426 Prov. Gorontalo √ √ √ 332
153 Kab. Lampung Timur √ √ √ 129 427 Kab. Boalemo √ x √ 154 Kab. Lampung Utara √ √ √ 130 428 Kab. Bone Bolango √ √ √ 333 155 Kab. Mesuji √ √ √ 131 429 Kab. Gorontalo √ x √ 156 Kab. Pesawaran √ √ √ 132 430 Kab. Gorontalo Utara √ x √ 157 Kab. Pesisir Barat √ √ √ 133 431 Kab. Pohuwato √ √ √ 334 158 Kab. Pringsewu √ √ √ 134 432 Kota Gorontalo √ √ √ 335 159 Kab. Tanggamus √ √ √
135 433
Prov. Sulawesi
Tenggara √ √ √
336
160 Kab. Tulang Bawang √ √ √ 136 434 Kab. Bombana √ √ √ 337 161
Kab. Tulang Bawang
Barat √ √ √
137
435 Kab. Buton √ √ √
338
162 Kab. Way Kanan √ √ √ 138 436 Kab. Buton Utara √ √ √ 339 163
Kota Bandar
Lampung √ √ √
139
437 Kab. Kolaka √ √ √
(6)
164 Kota Metro √ √ √ 140 438 Kab. Kolaka Utara √ √ √ 341 165 Prov. Banten √ √ √ 141 439 Kab. Konawe √ √ √ 342 166 Kab. Lebak √ √ √ 142 440 Kab. Konawe Selatan √ √ √ 343 167 Kab. Pandeglang √ √ √ 143 441 Kab. Konawe Utara √ √ √ 344 168 Kab. Serang √ √ √ 144 442 Kab. Muna √ √ √ 345 169 Kab. Tangerang √ √ √ 145 443 Kab. Wakatobi √ √ √ 346 170 Kota Cilegon √ √ √ 146 444 Kota Baubau √ √ √ 347 171 Kota Serang √ x √ 445 Kota Kendari √ √ √ 348 172 Kota Tangerang √ √ √
147 446
Kab. Konawe
Kepulauan √ x √
173
Kota Tangerang
Selatan √ √ √
148
447 Kab. Kolaka Timur √ √ √ 392 174 Prov. DKI Jakarta √ √ √
149 448
Prov. Sulawesi
Selatan √ x √
175 Prov. Jawa Barat √ √ √ 150 449 Kab. Bantaeng √ √ √ 393 176 Kab. Bandung √ √ √ 151 450 Kab. Barru √ x √ 177 Kab. Bandung Barat √ √ √ 152 451 Kab. Bone √ √ √ 394 178 Kab. Bekasi √ √ √ 153 452 Kab. Bulukumba √ x √ 179 Kab. Bogor √ √ √ 154 453 Kab. Enrekang √ √ √ 395 180 Kab. Ciamis √ √ √ 155 454 Kab. Gowa √ x √ 181 Kab. Cianjur √ √ √ 156 455 Kab. Jeneponto √ √ √ 396 182 Kab. Cirebon √ √ √ 157 456 Kab. Kep. Selayar √ √ √ 397 183 Kab. Garut √ √ √ 158 457 Kab. Luwu √ √ √ 398 184 Kab. Indramayu √ √ √ 159 458 Kab. Luwu Timur √ √ √ 399 185 Kab. Karawang √ √ √ 160 459 Kab. Luwu Utara √ √ √ 400 186 Kab. Kuningan √ √ √ 161 460 Kab. Maros √ √ √ 401 187 Kab. Majalengka √ √ √
162 461
Kab. Pangkajene dan
Kepulauan √ √ √ 402 188 Kab. Pangandaran √ √ √ 163 462 Kab. Pinrang √ √ √ 403 189 Kab. Purwakarta √ √ √
164 463
Kab. Sidenreng
Rappang √ √ √
404 190 Kab. Subang √ √ √ 165 464 Kab. Sinjai √ √ √ 405 191 Kab. Sukabumi √ √ √ 166 465 Kab. Soppeng √ x √ 192 Kab. Sumedang √ √ √ 167 466 Kab. Takalar √ √ √ 406 193 Kab. Tasikmalaya √ √ √ 168 467 Kab. Tana Toraja √ x √ 194 Kota Bandung √ √ √ 169 468 Kab. Toraja Utara √ √ √ 407 195 Kota Banjar √ √ √ 170 469 Kab. Wajo √ √ √ 408 196 Kota Bekasi √ √ √ 171 470 Kota Makassar √ √ √ 409 197 Kota Bogor √ √ √ 172 471 Kota Palopo √ √ √ 410 198 Kota Cimahi √ √ √ 173 472 Kota Pare-Pare √ √ √ 411 199 Kota Cirebon √ √ √ 174 473 Prov. Maluku √ √ √ 412
(7)
200 Kota Depok √ √ √ 175 474 Kab. Buru √ √ √ 413 201 Kota Sukabumi √ √ √ 176 475 Kab. Buru Selatan √ x √ 202 Kota Tasikmalaya √ √ √ 177 476 Kab. Kepulauan Aru √ √ √ 414 203
Prov. D.I.
Yogyakarta √ √ x
477
Kab. Maluku Barat
Daya √ x √
204 Kab. Bantul √ √ √ 178 478 Kab. Maluku Tengah √ √ √ 415 205 Kab. Gunung Kidul √ √ √
179
479
Kab. Maluku
Tenggara √ √ √ 416 206 Kab. Kulon Progo √ √ √
180
480
Kab. Maluku
Tenggara Barat √ x √ 207 Kab. Sleman √ √ √
181
481
Kab. Seram Bagian
Barat x x √
208 Kota Yogyakarta √ √ √
182
482
Kab. Seram Bagian
Timur x x √
209 Prov. Jawa Tengah √ √ √ 183 483 Kota Ambon X √ √ 210 Kab. Banjarnegara √ √ √ 184 484 Kota Tual √ √ √ 417 211 Kab. Banyumas √ √ √ 185 485 Prov. Maluku Utara √ x √ 212 Kab. Batang √ √ √
186
486
Kab. Halmahera
Barat √ √ √
418 213 Kab. Blora √ √ √
187
487
Kab. Halmahera
Selatan √ x √ 214 Kab. Boyolali √ √ √
188
488
Kab. Halmahera
Tengah √ x √ 215 Kab. Brebes √ √ √
189
489
Kab. Halmahera
Timur √ √ √
419 216 Kab. Cilacap √ √ √
190
490
Kab. Halmahera
Utara √ √ √
420 217 Kab. Demak √ √ √ 191 491 Kab. Kepulauan Sula √ x √ 218 Kab. Grobogan √ √ √ 192 492 Kab. Pulau Morotai √ √ √ 421 219 Kab. Jepara √ x √ 493 Kota Ternate √ √ √ 422 220 Kab. Karanganyar √ √ √
193
494
Kota Tidore
Kepulauan √ √ √ 423 221 Kab. Kebumen √ √ √ 194 495 Kab. Pulau Taliabu √ x √ 222 Kab. Kendal √ √ √ 195 496 Prov. Papua √ √ √ 424
223 Kab. Klaten √ √ √ 196 497 Kab. Asmat √ √ √ 425 224 Kab. Kudus √ √ √ 197 498 Kab. Biak Numfor x √ √ 225 Kab. Magelang √ √ √ 198 499 Kab. Boven Digoel x √ √ 226 Kab. Pati √ √ √ 199 500 Kab. Deiyai x √ √ 227 Kab. Pekalongan √ √ √ 200 501 Kab. Dogiyai x √ √ 228 Kab. Pemalang √ √ √ 201 502 Kab. Intan Jaya x √ √ 229 Kab. Purbalingga √ √ √ 202 503 Kab. Jayapura √ √ √ 426 230 Kab. Purworejo √ √ √ 203 504 Kab. Jayawijaya √ √ √ 427 231 Kab. Rembang √ √ √ 204 505 Kab. Keerom x √ √ 232 Kab. Semarang √ √ √
205
506
Kab. Kepulauan
Yapen √ √ √
428
(8)
234 Kab. Sukoharjo √ √ √
207
508
Kab. Mamberamo
Raya x √ √
235 Kab. Tegal √ √ √
208
509
Kab. Mamberamo
Tengah x √ √
236 Kab. Temanggung √ √ √ 209 510 Kab. Mappi √ √ √ 430 237 Kab. Wonogiri √ √ √ 210 511 Kab. Merauke √ √ √ 431 238 Kab. Wonosobo √ √ √ 211 512 Kab. Mimika √ √ √ 432 239 Kota Magelang √ √ √ 212 513 Kab. Nabire √ √ √ 433 240 Kota Pekalongan √ √ √ 213 514 Kab. Nduga x √ √ 241 Kota Salatiga √ √ √ 214 515 Kab. Paniai √ √ √ 434 242 Kota Semarang √ √ √
215
516
Kab. Pegunungan
Bintang x √ √
243 Kota Surakarta √ √ √ 216 517 Kab. Puncak x √ √ 244 Kota Tegal √ √ √ 217 518 Kab. Puncak Jaya √ √ √ 435 245 Prov. Jawa Timur √ √ √ 218 519 Kab. Sarmi x √ √ 246 Kab. Bangkalan √ √ √ 219 520 Kab. Supiori x √ √ 247 Kab. Banyuwangi √ √ √ 220 521 Kab. Tolikara x √ √ 248 Kab. Blitar √ √ √ 221 522 Kab. Waropen x √ √ 249 Kab. Bojonegoro √ √ √ 222 523 Kab. Yahukimo √ √ √ 436 250 Kab. Bondowoso √ √ √ 223 524 Kab. Yalimo √ √ √ 437 251 Kab. Gresik √ √ √ 224 525 Kota Jayapura √ √ √ 438 252 Kab. Jember √ √ √ 225 526 Prov. Papua Barat √ √ √ 439
253 Kab. Jombang √ √ √ 226 527 Kab. Fakfak √ x √ 254 Kab. Kediri √ √ √ 227 528 Kab. Kaimana √ x √ 255 Kab. Lamongan √ x √ 529 Kab. Manokwari √ √ √ 440 256 Kab. Lumajang √ √ √
228 530
Kab. Manokwari
Selatan x x √ 257 Kab. Madiun √ √ √ 229 531 Kab. Maybrat √ x √ 258 Kab. Magetan √ √ √
230 532
Kab. Pegunungan
Arfak x √ √
259 Kab. Malang √ √ √ 231 533 Kab. Raja Ampat √ x √ 260 Kab. Mojokerto √ √ √ 232 534 Kab. Sorong √ √ √ 441 261 Kab. Nganjuk √ √ √ 233 535 Kab. Sorong Selatan √ √ √ 442 262 Kab. Ngawi √ √ √ 234 536 Kab. Tambrauw √ x √ 263 Kab. Pacitan √ √ √ 235 537 Kab. Teluk Bintuni √ x √ 264 Kab. Pamekasan √ √ √ 236 538 Kab. Teluk Wondama √ √ √ 443 265 Kab. Pasuruan √ √ √ 237 539 Kota Sorong √ √ √ 444 266 Kab. Ponorogo √ √ √ 238 267 Kab. Probolinggo √ √ √ 239 268 Kab. Sampang √ √ √ 240 269 Kab. Sidoarjo √ √ √ 241
(9)
270 Kab. Situbondo √ √ √ 242 271 Kab. Sumenep √ √ √ 243 272 Kab. Trenggalek √ √ √ 244 273 Kab. Tuban √ √ √ 245 274 Kab. Tulungagung √ √ √ 246
(10)
Lampiran 2 :
Tabel 3.3
Tabel Sampel Penelitian
No. Tipe Pemerintahan Sampel
1 Pemerintahan Provinsi 1 Prov. Bali
2 2 Prov. DKI Jakarta
3 3 Prov. Jawa Barat
4 4 Prov. Kalimantan Timur
5 5 Prov. Papua
6 6 Prov. Sumatera Utara
7 Pemerintahan Kota 1 Kota Binjai
8 2 Kota Bogor
9 3 Kota Denpasar
10 4 Kota Gorontalo
11 5 Kota Jambi
12 6 Kota Magelang
13 7 Kota Padang
14 8 Kota Padang sidempuan
15 9 Kota Palangkaraya
16 10 Kota Pasuruan
17 11 Kota Sabang
18 12 Kota Semarang
19 13 Kota Sorong
20 14 Kota Surabaya
21 15 Kota Tangerang Selatan
22 16 Kota Tual
23 Pemerintahan Kabupaten 1 Kab. Bandung Barat
24 2 Kab. Banggai
25 3 Kab. Bangka
26 4 Kab. Bantul
27 5 Kab. Barito Kuala
28 6 Kab. Barito Utara
29 7 Kab. Batang Hari
30 8 Kab. Bengkalis
(11)
32 10 Kab. Bima
33 11 Kab. Bireuen
34 12 Kab. Bone
35 13 Kab. Bulungan
36 14 Kab. Cirebon
37 15 Kab. Flores Timur
38 16 Kab. Grobogan
39 17 Kab. Jaya Wijaya
40 18 Kab. Jayapura
41 19 Kab. Kapuas
42 20 Kab. Karangasem
43 21 Kab. Kediri
44 22 Kab. Kep. Siau Tagulandang Biaro
45 23 Kab. Kepahiang
46 24 Kab. Ketapang
47 25 Kab. Klaten
48 26 Kab. Kolaka Utara
49 27 Kab. Kutai Kartanegara
50 28 Kab. Lampung Tengah
51 29 Kab. Lampung Utara
52 30 Kab. Luwu
53 31 Kab. Majene
54 32 Kab. Malang
55 33 Kab. Maluku Tenggara
56 34 Kab. Mamuju
57 35 Kab. Manokwari
58 36 Kab. Muara Enim
59 37 Kab. Natuna
60 38 Kab. Padang Pariaman
61 39 Kab. Pandeglang
62 40 Kab. Paniai
63 41 Kab. Pasuruan
64 42 Kab. Penajam Paser Utara
65 43 Kab. Pidie Jaya
66 44 Kab. Poso
67 45 Kab. Pulang Pisau
68 46 Kab. Sambas
(12)
70 48 Kab. Seluma
71 49 Kab. Serdang bedagai
72 50 Kab. Sinjai
73 51 Kab. Sleman
74 52 Kab. Solok
75 53 Kab. Sorong
76 54 Kab. Sumba Tengah
77 55 Kab. Sumbawa Barat
78 56 Kab. Sumedang
79 57 Kab. Tabalong
80 58 Kab. Tapanuli Tengah
81 59 Kab. Tulungagung
(13)
Lampiran 3 :
Nilai Chi-Square Tabel
Chi-square Distribution Table
d.f. .995 .99 .975 .95 .9 .1 .05 .025 .01 1 0.00 0.00 0.00 0.00 0.02 2.71 3.84 5.02 6.63 2 0.01 0.02 0.05 0.10 0.21 4.61 5.99 7.38 9.21 3 0.07 0.11 0.22 0.35 0.58 6.25 7.81 9.35 11.34 4 0.21 0.30 0.48 0.71 1.06 7.78 9.49 11.14 13.28 5 0.41 0.55 0.83 1.15 1.61 9.24 11.07 12.83 15.09 6 0.68 0.87 1.24 1.64 2.20 10.64 12.59 14.45 16.81 7 0.99 1.24 1.69 2.17 2.83 12.02 14.07 16.01 18.48 8 1.34 1.65 2.18 2.73 3.49 13.36 15.51 17.53 20.09 9 1.73 2.09 2.70 3.33 4.17 14.68 16.92 19.02 21.67 10 2.16 2.56 3.25 3.94 4.87 15.99 18.31 20.48 23.21 11 2.60 3.05 3.82 4.57 5.58 17.28 19.68 21.92 24.72 12 3.07 3.57 4.40 5.23 6.30 18.55 21.03 23.34 26.22 13 3.57 4.11 5.01 5.89 7.04 19.81 22.36 24.74 27.69 14 4.07 4.66 5.63 6.57 7.79 21.06 23.68 26.12 29.14 15 4.60 5.23 6.26 7.26 8.55 22.31 25.00 27.49 30.58 16 5.14 5.81 6.91 7.96 9.31 23.54 26.30 28.85 32.00 17 5.70 6.41 7.56 8.67 10.09 24.77 27.59 30.19 33.41 18 6.26 7.01 8.23 9.39 10.86 25.99 28.87 31.53 34.81 19 6.84 7.63 8.91 10.12 11.65 27.20 30.14 32.85 36.19 20 7.43 8.26 9.59 10.85 12.44 28.41 31.41 34.17 37.57 22 8.64 9.54 10.98 12.34 14.04 30.81 33.92 36.78 40.29 24 9.89 10.86 12.40 13.85 15.66 33.20 36.42 39.36 42.98 26 11.16 12.20 13.84 15.38 17.29 35.56 38.89 41.92 45.64 28 12.46 13.56 15.31 16.93 18.94 37.92 41.34 44.46 48.28 30 13.79 14.95 16.79 18.49 20.60 40.26 43.77 46.98 50.89 32 15.13 16.36 18.29 20.07 22.27 42.58 46.19 49.48 53.49 34 16.50 17.79 19.81 21.66 23.95 44.90 48.60 51.97 56.06 38 19.29 20.69 22.88 24.88 27.34 49.51 53.38 56.90 61.16 42 22.14 23.65 26.00 28.14 30.77 54.09 58.12 61.78 66.21 46 25.04 26.66 29.16 31.44 34.22 58.64 62.83 66.62 71.20 50 27.99 29.71 32.36 34.76 37.69 63.17 67.50 71.42 76.15 55 31.73 33.57 36.40 38.96 42.06 68.80 73.31 77.38 82.29 60 35.53 37.48 40.48 43.19 46.46 74.40 79.08 83.30 88.38 65 39.38 41.44 44.60 47.45 50.88 79.97 84.82 89.18 94.42 70 43.28 45.44 48.76 51.74 55.33 85.53 90.53 95.02 100.43 75 47.21 49.48 52.94 56.05 59.79 91.06 96.22 100.84 106.39 80 51.17 53.54 57.15 60.39 64.28 96.58 101.88 106.63 112.33 85 55.17 57.63 61.39 64.75 68.78 102.08 107.52 112.39 118.24 90 59.20 61.75 65.65 69.13 73.29 107.57 113.15 118.14 124.12 95 63.25 65.90 69.92 73.52 77.82 113.04 118.75 123.86 129.97 100 67.33 70.06 74.22 77.93 82.36 118.50 124.34 129.56 135.81
(14)
DAFTAR PUSTAKA
Afryansyah, Rahmad D dan Haryanto, 2013. Faktor-Faktor yang Mempengaruhi Pengungkapan Informasi Akuntansi di Internet oleh Pemerintah Daerah, Diponegoro Journal of Accounting, Vol. 2, No. 3, Tahun 2013.
http://ejournal-s1.undip.ac.id/. (Diakses tanggal 3 Januari 2016).
Ardiyos, 2007. Kamus Standar Akuntansi. Citra Harta Prima: Jakarta.
Arens. Alvin. A. and James. K. Loebbecke., 2000. Auditing an Integrated Approach (8th edition). Englewood Cliff, New Jersey: Prentice Hall International, Inc.
Bastian, Indra. 2006. Akuntansi Sektor Publik : Suatu Pengantar, Erlangga,Jakarta.
Bardhan, Pranab dan Tsung-Tao Yang,2004. Political Competition in Economic Perspective. BREAD Working Paper No. 078.
Bertot, Jhon C, Paul T. Jaeger, Justin M. Grimes, 2010. “Using ICT to Create a Culture of Transparancy : E-Government and Social Media as Openness and Anti-corruption Tools for Societes”, Government Information Quarterly, Vol 00659.
Deegan, Craig, 2000. Financial Accounting Theory, Mc Graw Hill.
Downs, A., 1957. An Economic Theory of Democracy. Harper and Row, New York.
García, Ana Cárcaba. Jesús García-García, 2010. Determinants of Online Reporting of Accounting Information by Spanish Local Government Authorities, Volume 36, Issue 5. Local Government Studies,
Ghozali, Imam, Dwi Ratmono, 2008. Akuntansi Keuangan Pemerintah Pusat (APBN) dan Pemerintah Daerah (APBD), Badan Penerbit Universitas Diponegoro, Semarang.
Ghozali, Imam, Anis Chariri, 2007. Teori Akuntansi, Badan Penerbit Universitas Diponegoro, Semarang.
(15)
Handayani, Sri, 2010. Pengungkapan Laporan Keuangan Pemerintah Daerah Kabupaten/Kota di Indonesia Tahun 2006. Jurnal Ilmu Administrasi Vol. VII, No. 2, Tahun 2010. STIA LAN Jakarta.
Jensen, M. C dan Meckling, W. H, 1976. “Theory of The Firm: Manajerial Behaviour, Agency Costs, and Ownership Structure”, Journal of Financial Economics 3, 305-360.
Jones, Rowan, Maurice Pendlebury, 2000. Public Sector Accounting, Fifth Edition, Prentice Hall.
Laswad, Fawzi, Richard Fisher, Peter Oyelere, 2005. Determinants of Voluntary Internet Financial Reporting by Local Government Authorities, Journal of Accounting and Public Policy 24.
Lesmana, Sigit Indra, 2010. Pengaruh Karakteristik Pemerintah Daerah Terhadap Tingkat Pengungkapan Wajib di Indonesia, Tesis Program Magister Akuntansi Universitas Sebelas Maret Surakarta.
Medina, Febri. 2012. Faktor-faktor yang Mempengaruhi Transparansi Informasi Keuangan pada Situs Resmi Pemerintah Daerah Indonesia, Skripsi Sarjana Ekonomi Universitas Indonesia.
http://lontar.ui.ac.id. (Diakses tanggal 3 Januari 2016).
Mulyana, Budi, 2006. Pengaruh Penyajian Neraca Daerah dan Aksesibilitas Laporan Keuangan terhadap Transparansi dan Akuntabilitas Pengelolaan Keuangan Daerah, Jurnal Akuntansi Pemerintahan, Vol. 2 No. 1, Mei 2006. http;//
Olson, Mancur, 2000. Power and Prosperity: Outgrowing Communist and Capitalist Dictatorships. New York: Basic Books.
Puspita, R dan D Martani, 2012. “Analisis Pengaruh Kinerja dan Karakteristik Pemda Terhadap Tingkat Pengungkapan dan Kualitas Informasi dalam Website Pemda”, Simposium Nasional Akuntansi XVBanjarmasin, 20-23 September 2012.
Rahman, Aditya dkk. 2013. Determinan Internet Financial Local Government Reporting di Indonesia, Simposium Nasional Akuntansi XVI Manado, 25- 28 September 2013.
(16)
Riduan Tobing dan Nirwana, 2004. Kamus Istilah Akuntansi. Jakarta: Atalya Rileni Sucedo.
Sekaran, Uma, 2006. Metodologi Penelitian untuk Bisnis. Jakarta : Salemba Empat.
Sinaga, Yurisca Febriyanty, 2011. Analisis Faktor-Faktor yang Mempengaruhi Pelaporan Keuangan di Internet Secara Sukarela oleh Pemerintah Daerah, Skripsi Program Sarjana Akuntansi Fakultas Ekonomi Universitas
Diponegoro.
Slyke, D. M. V, 2006. “Agents or Stewards: Using Theory to Understand the Government-Nonprofit Social Service Contracting Relationship”, Journal of Public Administration Research and Theory 7, 157-187.
Solikin, Akhmad, 2006. Penggabungan Laporan Keuangan dan Laporan Kinerja Instansi Pemerintah : Perkembangan dan Permasalahan, Jurnal Akuntansi Pemerintah, Vol. 2 No. 2.
Styles, Alan, Mack Tennyson, 2007. “The Accessibility of Financial Reporting U.S. Municipalities on The Internet”, Journal of Public Budgeting,
Accounting, and Financial Management 19.
Trisnawati, Mya Dewi dan Komarudin, Achmad, 2014. Determinasi Publikasi Laporan Keuangan Pemerintah Daerah melalui Internet. Jurnal Brawijaya.
William F. Messier, dan Margareth Boh, 2003. Auditing and Assurance: A Systematic Approach (3th edition). McGraw-Hill, USA.
(17)
BAB III
METODE PENELITIAN
3.1 Jenis Penelitian
Jenis penelitian yang digunakan adalah Penelitian Kausal yang bertujuan untuk menguji hubungan antara tipe pemerintahan daerah, kompetisi politik, dan opini audit oleh BPK terhadap pelaporan keuangan di internet secara sukarela oleh pemerintah daerah.
3.2 Tempat dan Waktu Penelitian
Penelitian ini dilakukan pada setiap pemerintahan daerah di Indonesia, yaitu pemerintah provinsi, pemerintah kota, dan pemerintah kabupaten yang relevan. Periode penelitian ini tahun 2014.
3.3 Batasan Operasional
Batasan masalah dalam penelitian ini terbatas pada kelengkapan pelaporan keuangan di internet secara sukarela oleh pemerintahan daerah yang dipengaruhi oleh beberapa faktor yaitu tipe pemerintahan daerah, kompetisi politik, dan opini audit oleh BPK di Indonesia pada tahun 2014.
3.4 Defenisi Operasional
Untuk menyamakan persepsi sehingga tidak terjadi kesalahpahaman, maka perlu dikemukakan defenisi operasional variable penelitian ini sebagai berikut :
3.4.1 Variabel Bebas ( Independent Variable)
a. Tipe Pemerintahan Daerah
Tipe pemerintahan darah didefenisikan sebagai bentuk pemerintahan daerah. Pemerintahan daerah di Indonesia dibagi menjadi
(18)
tiga bagian, yaitu pemerintahan provinsi, pemerintahan kota, dan pemerintahan kabupaten. Mengacu kepada penelitian sinaga (2011), variable ini merupakan variable dummy, yaitu nilai 0 untuk pemerintahan provinsi dan pemerintahan kota serta nilai 1 untuk pemerintahan kabupaten.
b. Kompetisi Politik
Kompetisi politik menggambarkan seberapa besar persaingan antara kepala daerah yang menjabat pada saat ini dengan saingan-saingan politiknya. Dalam penelitian Sinaga (2005), kompetisi politik diukur dengan perbandingan antara jumlah kandidat kepala daerah dengan posisi yang tersedia. Penelitian ini menggunakan metode pengukuran yang sama dengan penelitian Sinaga (2005) namun disesuaikan dengan kondisi di Indonesia, yaitu dimana hanya ada satu yang menjabat sebagai kepala daerah. Kompetisi politik diukur dari jumlah kandidat kepala daerah pada pemilihan kepala daerah yang terakhir kali dilakukan di daerah tersebut sampai dengan penelitian ini dilakukan.
c. Opini Audit
Opini audit menurut kamus standar akuntansi (Ardiyos, 2007) adalah laporan yang diberikan seorang akuntan public terdaftar sebagai hasil penilaiannya atas kewajaran laporan keuangan yang disajikan perusahaan.
Sedangkan menurut kamus istilah akuntansi (Tobing, 2004) opini audit merupakan suatu laporan yang diberikan oleh auditor terdaftar yang
(19)
menyatakan bahwa pemeriksaan telah dilakukan sesuai dengan norma atau aturan pemeriksaan akuntan disertai dengan pendapat mengenai kewajaran laporan keuangan yang diperiksa. Opini audit diberikan oleh auditor melalui beberapa tahap audit sehingga auditor dapat memberikan kesimpulan atas opini yang harus diberikan atas laporan keuangan yang diauditnya.
Jadi dapat dikatakan bahwa opini audit adalah produk yang dihasilkan dari aktivitas audit yang dilakukan oleh pihak-pihak yang berwenang melakukannya. Opini audit terdiri dari 5 jenis, yaitu : opini wajar tanpa pengecualian (Unqualified Opinion), opini wajar tanpa pengecualian dengan paragraf penjelasan (Modified Unqualified Opinion), opini wajar dengan pengecualian (Qualified Opinion), opini tidak wajar (Adverse Opinion), opini tidak memberikan pendapat (Disclaimer of opinion). Sementara pada prakteknya dalam audit laporan keuangan pemda opini BPK secara bertingkat terdiri dari: Tidak Wajar (TW), Tidak Memberikan Pendapat (TMP), Wajar Dengan Pengecualian (WDP), dan yang terbaik adalah Wajar Tanpa Pengecualian (WTP).
Opini audit pada penelitian ini menggunakan opini audit yang dikeluarkan oleh Badan Pemeriksaan Keuangan (BPK) Republik Indonesia yang dapat diperoleh pada ikhtisar hasil pemeriksaan BPK pada website resmi BPK.
(20)
3.4.2 Variabel Terikat ( Dependent Variable)
Pelaporan keuangan di internet secara sukarela oleh pemerintahan daerah adalah pemberian informasi keuangan melalui media internet yang dilakukan oleh pemerintah daerah sekalipun tidak diwajibkan dalam suatu peraturan. Sesuai dengan penelitian Sinaga (2005), dalam pengukuran variable pelaporan keuangan di internet secara sukarela oleh pemerintahan daerah dilakukan dengan menggunakan variable dummy. Pelaporan keuangan di internet secara sukarela oleh pemerintahan daerah dinilai dari ada tidaknya APBD, Laporan Keuangan Pemerintah Daerah (LKPD), atau LAKIP pada situs resmi pemerintahan daerah. LKPD terdiri atas 4 komponen, yaitu neraca, laporan realisasi angaran, laporan arus kas, dan catatan atas laporan keuangan. Salah satu dari komponen LKPD tersebut terdapat dalam situs resmi pemerintahan daerah, maka pemerintahan daerah tersebut tergolong mengungkapkan LKPD. Bila salah satu dari bagian pelaporan keuangan tersebut terdapat pada situs resmi pemerintahan daerah maka akan diberi nilai 1, sedangkan bila bagian pelaporan keuangan tersebut tidak terdapat pada situs resmi pemerintahan daerah maka akan diberi nilai 0.
(21)
3.5 Skala Pengukuran Variabel
Tabel 3.1
Skala Pengukuran Variabel
Variabel Indikator Skala
Tipe Pemerintahan
Daerah
nilai 0 untuk pemerintahan provinsi dan
pemerintahan kota serta nilai 1 untuk
pemerintahan kabupaten.
Nominal
Kompetisi Politik jumlah kandidat kepala daerah pada
pemilihan kepala daerah yang terakhir kali
dilakukan sebelum tahun 2014 di daerah
bersangkutan
Nominal
Opini Audit Nilai 1 untuk opini audit wajar tanpa
pengecualian dan nilai 0 untuk opini audit
selain wajar tanpa pengecualian.
Nominal
Pelaporan keuangan di
internet secara sukarela
oleh pemerintahan
daerah
Bila salah satu dari bagian pelaporan
keuangan tersebut terdapat pada situs resmi
pemerintahan daerah maka akan diberi nilai
1, sedangkan bila bagian pelaporan
keuangan tersebut tidak terdapat pada situs
resmi pemerintahan daerah maka akan
diberi nilai 0.
Nominal
3.6 Populasi dan Sampel Penelitian
Populasi penelitian ini adalah pemerintahan daerah di Indonesia, yang dibagi menjadi sub-sub populasi yaitu pemerintahan provinsi, pemerintahan kota,
(22)
dan pemerintahan kabupaten. Jumlah pemerintahan daerah di Indonesia terdiri dari pemerintahan provinsi sebanyak 34 provinsi, pemerintahan kota sebanyak 93 kota, dan pemerintahan kabupaten sebanyak 412 kabupaten. Populasi Target yang ditentukan dalam penelitian ini adalah populasi yang memiliki kriteria sesuai dengan yang yang diperlukan dalam penelitian.
Kriteria yang ditetapkan adalah ;
1. Pemerintahan daerah telah mendapat opini audit dari hasil pemeriksaan oleh Badan Pemeriksaan Keuangan (BPK) untuk tahun 2014 yang dapat diakses di website BPK.
2. Pemerintahan daerah memiliki situs resmi di internet
3. Data pemerintahan daerah berupa jumlah kandidat kepala daerah dapat diperoleh di website Komisi Pemilihan Umum maupun website-website terkait.
Sehingga setelah dilakukan seleksi maka diperoleh populasi target sebanyak 449 pemerintahan daerah yang terdiri dari 31 provinsi, 86 kota, dan 327 kabupaten. (Lampiran Tabel 3.2 Seleksi Populasi Target)
Sampling adalah proses pengambilan sebagian elemen dari suatu populasi wakil dari populasi tersebut. Besaran sampel yang tepat untuk penelitian adalah lebih besar dari 30 dan kurang dri 500 (Sekaran, 2006). Pengambilan sampel dilakukan dengan menggunakan metode sampel yang memiliki strata (stratified sampling). Tujuannya adalah agar semua ciri-ciri populasi yang heterogen secara memadai terwakili dalam penelitian setelah digolongkan menjadi beberapa
(23)
sub-sub populasi yang dari setiap sub-sub-sub-sub populasi diambil besaran sampel secara proporsional.
Perhitungan jumlah sampel pada penelitian ini menggunakan formula Slovin, yang dikemukakan Yamane (1973) dalam Supramono (2004), dengan menggunakan nilai kelonggaran (e) sebesar 10%.
Formulanya adalah : n =
1+ N . e2
N
Dan untuk menentukan besaran sampel dari tiap tipe pemerintahan daerah ditentukan dengan menggunakan rumus sebagai berikut :
n1 =
N N1 . n
Sehingga dapat diperoleh data sampel sebesar 82 sampel yang terdiri dari 6 provinsi, 16 kota, dan 60 kabupaten. (Lampiran Tabel 3.3 Tabel Sampel Penelitian)
3.7 Jenis Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder adalah data yang diperoleh secara tidak langsung (melalui media perantara). Data sekunder yang dibutuhkan berupa opini audit laporan keuangan pemerintah daerah tahun 2014 yang diperoleh dari website Badan Pemeriksaan
Keterangan : n = jumlah sampel N = jumlah populasi
e2 = nilai kelonggaran ketelitian
Keterangan :
n1 = jumlah sampel jenis pemerintahan provinsi/kota/kabupaten
N1 = jumlah populasi jenis pemerintahan provinsi/kota/kabupaten
n = jumlah sampel N = jumlah populasi
(24)
Keuangan (BPK). Periode data yang digunakan dalam penelitian ini ada satu tahun, yaitu tahun 2014. Hal ini didasari pertimbangan peneliti akan laporan keuangan terbaru dan juga keterbatasan peneliti untuk mengolah data.
Data variabel dependen, yaitu ada tidaknya laporan keuangan di internet secara sukarela oleh pemerintah daerah, diperoleh dengan mengamati langsung pada situs resmi pemerintah daerah. Alamat situs resmi pemerintah daerah itu sendiri diperoleh dari situs resmi Kementrian Dalam Negeri Republik Indonesia
Untuk data non keuangan seperti data kompetisi politik diperoleh dari website Komisi Pemilihan Umum dan Situs Lain yang terkait.
3.8 Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah studi pustaka dan studi dokumentasi. Data-data dan teori-teori dalam penelitian ini diperoleh dari literature, artikel, jurnal, dan hasil penelitian terdahulu yang relevan dengan penelitian dan landasan teori. Data juga dikumpulkan dengan metode studi dokumentasi yang dilakukan dengan mengumpulkan data sekunder baik dari lembaga sumber data maupun dari internet.
3.9 Teknik Analisis
3.9.1 Analisis Statistik Deskriptif
Analisis deskriptif digunakan untuk menghasilkan gambaran dari data yang telah terkumpul. Analisis deskriptif yang digunakan dalam penelitian ini adalah nilai rata-rata (mean), maksimum, minimum, dan standar deviasi.
(25)
3.9.2 Analisis Regresi Logistik
Metode analisis yang digunakan untuk menguji hipotesis dalam penelitian ini adalah regresi logistik (logistic regression).Regresi logistik adalah regresi yang digunakan untuk menguji apakah probabilitas terjadinya variabel terikat (variabel dependen) dapat diprediksi oleh variabel bebasnya (variabel independen).Dalam penggunaannya, regresi logistik tidak memerlukan distribusi yang normal pada variabel bebasnya (variabel independen).Di samping itu, teknik analisis ini tidak memerlukan uji normalitas, uji heteroskedastisitas, dan uji asumsi klasik pada variabel bebasnya (Ghozali, 2006).
3.9.2.1 Menilai Kelayakan Model (Goodness of Fit Test)
Kelayakan model regresi diuji dengan Hosmer and Lemeshow’s Goodness of Fit Test.Jika nilai statistik Hosmer and Lemeshow lebih dari 0.05, maka model regresi layak diterima karena model dapat menjelaskan nilai observasinya atau bisa dikatakan model dapat diterima karena cocok dengan data observasinya. SebaliknyaJika nilai probabilitas statistik Hosmer and Lemeshow’s sama dengan atau kurang dari 0.05, maka model ditolak karena ada perbedaan siginifikan antara model dengan nilai observasinya sehingga Goodness of Fit Test Model tidak baik karena model tidak dapat memprediksi nilai observasinya.
(26)
3.9.2.2 Penilaian Keseluruhan Model (Overall Fit Model Test)
Dalam menilai overall fit model, kita dapat menggunakan tes statistik chi square (χ2). Tes statistik chi square (χ2) digunakan berdasarkan pada fungsi likelihood pada estimasi model regresi. Likelihood (L) dari model adalah probabilitas bahwa model yang dihipotesiskan menggambarkan data input.L ditransformasikan menjadi - 2logL untuk menguji hipotesis nol dan alternatif.Penggunaan nilai χ2 untuk keseluruhan model terhadap data dapat dilakukan dengan membandingkan nilai -2 log likelihood awal 50 (hasil block number 0) dengan nilai -2 log likelihoodakhir (hasil block number 1). Dengan kata lain, nilai chi square didapat dari nilai-nilai 2logL1 – 2logL0. Selanjutnya jika terjadi penurunan, maka model tersebut menunjukkan model regresi yang baik.
3.9.2.3 Koefisien Determinasi (Nagelkerke R Square)
Nilai Nagelkerke R Square digunakan untuk melihat seberapa besar variabel independen dalam model penelitian dapat menjelaskan variabel dependen.Nilai koefisien determinasi bervariasi dari 0 sampai 1.Apabila nilai R2 kecil, hal ini berarti kemampuan variabel independen dalam menjelaskan variabel dependen sangat terbatas. Sedangkan, apabila nilai R2 mendekati 1, hal ini berarti variabel independen dapat memberikan hampir
(27)
semua informasi yang diperlukan untuk memprediksi variabel dependen.
3.9.2.4 Matriks Klasifikasi
Matriks klasifikasi digunakan untuk menunjukkan kekuatan prediksi dari model regresi logistik dalam memprediksi pelaporan keuangan di internet secara sukarela oleh pemerintahan daerah di Indonesia. Matriks klasifikasi juga dapat diinterpretasikan sebagai baik tidaknya data hasil dari penelitian karena menunjukkan tingkat perbedaan hasil penelitian dengan data observasinya.
3.9.3 Pengujian Hipotesis
Pengujian hipotesis dalam penelitian ini menggunakan regresi logistik (logistic regression). Regresi logistik digunakan untuk menguji apakah probabilitas terjadinya variabel terikat dapat diprediksi dengan variabel bebasnya. Model regresi logistik yang digunakan untuk menguji hipotesis pada penelitian ini yaitu:
ln (P/1-P) = α + β1 Council Type + β2 Political Competition +
(28)
Keterangan:
ln (P/1-P) = Variabel dummy praktik pelaporan keuangan pemerintah daerah di internet (nilai 1 untuk kategori IFRA dan nilai 0 untuk kategori N-IFRA)
α = Konstanta
Political Competition = Kompetisi Politik
Opinion = Opini Audit
Council Type = Variabel dummy tipe pemerintahan daerah ( kode 1 untuk pemerintah kabupaten, 0 untuk pemerintahan daerah lainnya)
e = Tingkat kesalahan (standard error) β1- β8 = koefisien regresi
3.9.3.1 Pengujian signifikan model secara simultan (chi-square)
Untuk melihat pengujian secara simultan variabel bebas (variabel independen) terhadap variabel terikat (variabel dependen), digunakan perhitungan SPSS dengan memperhatikan tabel Omnibus Test of Model Coefficiens atau biasa yang disebut uji signifikansi Chi-Square. Dengan diperoleh nilai signifikansi < 0.05 dan nilai chi-square hitung > nilai chi-squaretabel, maka diperoleh kesimpulan bahwa variabel independen secarasimultanberpengaruh terhadap variabel dependen.
(29)
3.9.3.2 Pengujian signifikan model secara parsial
Pengujian ini dilakukan untuk mengetahui apakah masing-masing variabel independen (bebas) berpengaruh signifikan terhadap variabel dependen (terikat). Pengujian hipotesis ini dengan cara membandingkan antara nilai probabilitas (sig) dengan tingkat signifikansi (α).
H0: tidak ada hubungan secara parsial dari variabel independen terhadap variabel dependen
Ha: ada hubungan secara parsial dari variabel independen terhadap variabel dependen
Untuk menentukan penerimaan atau penolakan H0 didasarkan pada tingkat signifikansi (α) 5% dengan kriteria:
1. H0 diterima apabila nilai probabilitas (sig) > signifikansi (α). Hal ini berarti Ha ditolak atau hipotesis yang menyatakan variabel bebas berpengaruh terhadap variabel terikat ditolak.
2. H0 ditolak apabila nilai probabilitas (sig) < signifikansi (α). Hal ini berarti Ha diterima atau hipotesis yang menyatakan variabel bebas berpengaruh terhadap variabel terikat diterima.
(30)
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Gambaran Umum
Dalam bab ini akan disajikan hasil dari analisis data dengan menggunakan model regresi logistik (logistic regression) untuk mengetahui apakah tipe pemerintahan daerah, kompetisi politik, dan opini audit berpengaruh terhadap pelaporan keuangan di internet secara sukarela oleh pemerintah daerah. Pengolahan data dimulai dari mentabulasi data pada Microsoft Excel dan kemudian data yang sudah ada diolah dengan menggunakan SPSS. Adapaun SPSS yang digunakan dalam mengolah data penelitian ini adalah SPSS versi 17.
Dalam penelitian ini, objek yang diteliti adalah pemerintahan daerah di Indonesia dengan tahun amatan adalah tahun 2014. Populasi penelitian adalah 539 daerah pemerintahan dengan populasi target sebanyak 444 daerah pemerintahan. Perhitungan sampel dilakukan dengan menggunakan formula perhitungan Slovin. Dalam penelitian ini, diketahui jumlah populasi target (N) sebesar 444 dengan nilai kelonggaran (e) 10%, sehingga diperoleh sampel sebanyak 82 daerah pemerintahan yang terdiri dari 6 pemerintahan provinsi, 16 pemerintahan kota, dan 60 pemerintahan kabupaten (Tabel 2.3).
(31)
4.2 Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskriptif suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, nilai maksimum dan nilai minimum dari variabel independen dan dependen. Berikut ini adalah data statistik secara umum dari data yang digunakan.
Tabel 4.1
Rincian Informasi Keuangan oleh Kategori IFRA
Informasi keuangan yang dipublikasikan di
website
Tipe pemerintah daerah TOTAL
Provinsi Kota Kabupaten Jumlah %
Salah satu dari antara APBD, LKPD,
dan LAKIP
3 2 6 11 39.28%
Kombinasi antara APBD, LKPD, dan
LAKIP
2 6 9 17 60.72%
Total 5 8 15 28
Dari tabel diatas terdapat rincian mengenai informasi keuangan yang terdapat di website resmi pemerintah daerah yang melakukan pelaporan keuangan di internet. Dari tabel diatas diperoleh data bahwa terdapat 28 total pemerintah daerah yang melakukan pelaporan keuangan di internet yang terdiri dari 5 provinsi, 8 kota, dan 15 kabupaten. Dari 28 pemerintah daerah yang melakukan pelaporan keuangan di internet, 17 pemerintah daerah melakukan pelaporan keuangan dengan kombinasi antara APBD, LKPD, dan LAKIP, yang terdiri dari 2 pemerintahan
(32)
provinsi, 6 pemerintahan kota, dan 9 pemerintahan kabupaten. Sementara 11 pemerintah daerah melakukan pelaporan keuangan di internet dengan hanya salah satu dari antara APBD, LKPD, dan LAKIP yang terdiri dari 3 pemerintahan provinsi, 2 pemerintahan kota, dan 6 pemerintahan kabupaten.
Tabel 4.2
Statistik Deskriptif Variabel Tipe Pemerintahan Daerah, Kompetisi Politik, dan Opini Audit secara Keseluruhan
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Tipe Pemerintahan Daerah 82 0 1 0.73 0.446
Kompetisi Politik 82 2 10 4.29 1.622
Opini Audit 82 0 1 0.44 0.499
Valid N (listwise) 82
Dari tabel diatas, variabel tipe pemerintahan daerah memiliki nilai minimum 0; nilai maksimum 1; dengan mean 0,73; dan standar deviasi (simpang baku) 0,446. Untuk variabel
kompetisi politik diperoleh nilai minimum 2; nilai maksimum 10; dengan mean 4,29; dan standar deviasi 1,622. Untuk variabel opini audit diperoleh nilai minimum 0; nilai maksimum 1; dengan mean 0,44; dan standar deviasi 0,499.
(33)
4.2.2 Uji Model
4.2.2.1 Menilai Kelayakan Model (Goodness of Fit)
Uji kelayakan model dilakukan dengan menggunakan goodness of fit test yang diukur dengan signifikansi pada table Hosmer and Lemeshow.
Tabel 4.3
Menilai Kelayakan Model
Hosmer and Lemeshow Test
Step Chi-square Df Sig.
1 7.575 8 .476
Dari table diatas dapat kita lihat bahwa nilai chi-square dari penelitian ini adalah 7,575 dan nilai signifikansi dari penelitian ini adalah 0,476 dimana nilai chi-square table adalah 15,51 (7,575 < 15,51). Dengan demikian, maka nilai chi-square hitung lebih kecil daripada nilai chi-square tabel dan nilai signifikansi penelitian ini lebih besar dari 0.05 (0.476 > 0.05), yang berarti model dapat diterima dan layak digunakan dalam penelitian ini.
4.2.2.2 Menilai Keseluruhan Model (Overall Model Fit)
Uji keseluruhan model ini digunakan untuk melihat model yang telah dihipotesiskan telah fit atau tidak dengan data. Pengujian dilakukan dengan membandingkan nilai antara -2 Log Likelihood pada awal (block number =0) dimana model hanya memasukkan konstanta dengan nilai -2 Log Likelihood pada akhir (block number = 1) dimana model suda memasukkan konstanta
(34)
dan variabel bebas. Penelitian ini menghasilkan nilai -2 Log Likelihood awal dan akhir sebagai berikut.
Tabel 4.4
Nilai -2 Log Likelihood Awal
Iteration Historya,b,c
Iteration -2 Log likelihood
Coefficients Constant
Step 0 1 105.298 -.634
2 105.288 -.657
3 105.288 -.657
a. Constant is included in the model. b. Initial -2 Log Likelihood: 105.288
c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.
Tabel 4.5
Nilai -2 Log Likelihood Akhir
Iteration Historya,b,c,d
Iteration -2 Log likelihood
Coefficients
Constant
Tipe Pemerintahan
Daerah
Kompetisi
Politik OpiniAudit
Step 1 1 89.897 -1.163 -1.226 .269 .617
2 89.153 -1.538 -1.450 .349 .779
3 89.146 -1.579 -1.474 .357 .796
4 89.146 -1.580 -1.475 .357 .797
a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 105.288
d. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.
(35)
Dari kedua table diatas, dapat kita lihat bahwa nilai -2 Log Likelihood pada awal adalah 105,288 sedangkan -2 Log Likelihood pada akhir adalah 89,146. Penurunan nilai -2 Log Likelihood menunjukkan bahwa model penelitian ini baik atau dengan kata lain fit dengan data, artinya penambahan-penambahan variabel independen dalam penelitian ini, yaitu : tipe pemerintah daerah, kompetisi politik, dan opini audit ke dalam model penelitian akan memperbaiki model fit dalam penelitian.
4.2.2.3 Koefisien Determinasi (Nagelkerke R Square)
Dalam regresi logistik, nilai statistik dari Nagelkerke R Square dapat diinterpretasikan sebagai suatu nilai yang mengukur kemampuan variabel-variabel independen dalam menjelaskan atau menerangkan variabel dependen. Hasil penelitian ini menunjukkan nilai Nagelkerke R Square sebagai berikut.
Tabel 4.6 Nagelkerke R Square
Model Summary
Step -2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
1 89.146a .179 .247
a. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.
Berdasarkan table 4.6 diatas, nilai statistic Nagelkerke R Square adalah sebesar 0,247 yang berarti variabel dependen, yaitu pelaporan keuangan di internet secara sukarela oleh pemerintah daerah dapat dijelaskan oleh variabel independen, yaitu : tipe
(36)
pemerintahan daerah, kompetisi politik, dan opini audit sebesar 24,7% dan sisanya 75,3% dapat dijelaskan oleh variabel lain di luar model.
4.2.2.4 Matriks Klasifikasi
Matriks klasifikasi digunakan untuk menunjukkan kekuatan prediksi dari model regresi dalam memprediksi kondisi pelaporan keuangan di internet secara sukarela oleh pemerintahan daerah di Indonesia.
Tabel 4.7 Matriks Klasifikasi
Classification Tablea
Observed
Predicted Variabel Y
Percentage Correct
0 1
Step 1 Variabel Y 0 48 6 88.9
1 16 12 42.9
Overall Percentage 73.2
a. The cut value is .500
Tabel 4.7 menunjukkan seberapa baik model mengelompokkan pemerintahan daerah ke dalam dua kelompok baik yang melakukan pelaporan keuangan di internet dan yang tidak melakukan pelaporan keuangan di internet. Kekuatan prediksi dari model regresi untuk memprediksi kemungkinan pemerintah daerah tidak melakukan pelaporan keuangan di internet adalah sebesar 88,9%. Hal ini menunjukkan bahwa dari 54 sampel daerah pemerintahan, 48 daerah pemerintahan yang diprediksi tidak tepat
(37)
melakukan pelaporan keuangan dan 6 daerah pemerintahan diprediksi tidak tepat. Kekuatan prediksi dari model regresi untuk memprediksi kemungkinan perusahaan melakukan pelaporan keuangan di internet adalah sebesar 42,9%. Hal ini menunjukkan bahwa dari 28 daerah pemerintahan yang melakukan pelaporan keuangan di internet, sebanyak 16 daerah pemerintahan diprediksi tepat melakukan pelaporan keuangan di internet dan sebanyak 12 perusahaan diprediksi tidak tepat melakukan pelaporan keuangan di internet. Keakuratan prediksi secara menyeluruh adalah 73,2% . Cukup tingginya presentase ketepatan pada tabel matriks tersebut mendukung tidak adanya perbedaan yang signifikan terhadap data hasil prediksi dan data observasinya yang menunjukkan sebagai model regresi logistik yang baik.
4.2.3 Pengujian Hipotesis
Pengujian hipotesis menggunakan model logistic regression binary pada tingkat signifikan 5%. Hasil pengolahan data ditunjukkan sebagai berikut.
Tabel 4.8
Tabel Pengujian Hipotesis
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a TipePemerintahanDaerah -1.475 .564 6.842 1 .009 .229
KompetisiPolitik .357 .169 4.494 1 .034 1.430
OpiniAudit .797 .520 2.351 1 .125 2.218
Constant -1.580 .856 3.407 1 .065 .206
(38)
Dari pengujian persamaan regresi logistik tersebut maka diperoleh model regresi logistik sebagai berikut :
ln (P/1-P) = -1.580 - 1.475 Council Type + 0.357 Political Competition + 0.797 Opinion
Nilai konstanta sebesar 1,580 menyatakan bahwa jika tidak memperhitungkan tipe pemerintaha daerah, kompetisi politik dan opini audit, maka kecenderungan pemerintah daerah untuk tidak melakukan pelaporan keuangan adalah 1,58. Nilai negative pada konstanta ini menunjukkan bahwa jika variabel bebas tidak ada, maka kecenderungan pemerintah daerah tidak melakukan pelaporan keuangan semakin rendah terjadi.
4.2.3.1 Pengujian Signifikan model secara simultan
Tabel omnibus test of model coefficients digunakan untuk melihat hasil pengujian variabel independen secara simultan terhadap variabel dependen.
Tabel 4.9
Pengujian Signifikansi Model secara Simultan
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 16.142 3 .001
Block 16.142 3 .001
Model 16.142 3 .001
Dari tabel diatas, dapat dilihat bahwa nilai signifikansi sebesar 0,001. Dengan diperoleh hasil signifikansi yang lebih kecil dari 0,05 (0,001<0,05) dan nilai chi-square hitung lebih besar dari
(39)
nilai chi-square tabel ( 16,142 > 7,81) maka dapat disimpulkan bahwa variabel-variabel independen yang digunakan secara bersama-sama berpengaruh signifikan terhadap prediksi pelaporan keuangan di internet secara sukarela oleh pemerintah daerah di Indonesia.
4.2.3.2 Pengujian signifikan model secara parsial
Pengujuan signifikansi model secara parsial dilakukan dengan menggunakan uji Wald dan diperoleh data sebagai berikut.
Tabel 4.10 Uji Wald
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a TipePemerintahanDaerah -1.475 .564 6.842 1 .009 .229
KompetisiPolitik .357 .169 4.494 1 .034 1.430
OpiniAudit .797 .520 2.351 1 .125 2.218
Constant -1.580 .856 3.407 1 .065 .206
a. Variable(s) entered on step 1: TipePemerintahanDaerah, KompetisiPolitik, OpiniAudit.
Dari tabel uji Wald diatas, dapat diperoleh hasil pengujian hipotesis sebagai berikut:
1. Hipotesis I
Dari tabel 4.10 dapat dilihat bahwa nilai signifikansi tipe pemerintahan daerah adalah 0,009. Hal ini menunjukkan bahwa nilai tersebut berada di bawah nilai alpa, yaitu 0,05 (0,009<0,05). Dengan demikian, tipe pemerintahan daerah berpengaruh terhadap pelaporan keuangan di internet secara
(40)
sukarela oleh pemerintah daerah.Dengan demikian, berarti kita menerima H1.
2. Hipotesis II
Dari tabel 4.10 dapat dilihat bahwa nilai signifikansi kompetisi politik adalah 0,034. Hal tersebut menunjukkan bahwa nilai tersebut berada dibawah nilai alpa, yaitu 0,05 (0,034 < 0,05). Hal tersebut menunjukkan bahwa kompetisi politik berpengaruh terhadap pelaporan keuangan di internet secara sukarela oleh pemerintah daerah.Dengan demikian, berarti kita menerima H2.
3. Hipotesis III
Dari tabel 4.10 dapat dilihat bahwa nilai signifikansi opini audit adalah 0,125. Hal tersebut menunjukkan bahwa nilai tersebut berada diatas nilai alpa, yaitu 0,05 (0,125 > 0,05). Hal tersebut menunjukkan bahwa opini audit tidak berpengaruh terhadap pelaporan keuangan di internet secara sukarela oleh pemerintah daerah. Dengan demikian, berarti kita menolak H3. 4. Hipotesis IV
Dari tabel 4.9 dapat dilihat bahwa nilai signifikansi adalah 0,001. Hal tersebut menunjukkan bahwa nilai tersebut berada dibawah nilai alpa, yaitu 0,05 (0,001 < 0,05). Hal tersebut menunjukkan bahwa secara simultan tipe pemerintahan daerah, kompetisi politik, dan opini audit berpengaruh terhadap
(41)
pelaporan keuangan di internet secara sukarela oleh pemerintah daerah. Dengan demikian, berarti kita menerima H4.
4.3 Pembahasan
1. Hubungan Tipe Pemerintahan Daerah terhadap Pelaporan
Keuangan di Internet secara Sukarela oleh Pemerintah Daerah
Hasil uji regresi logistik terhadap variabel Tipe Pemerintahan Daerah menunjukkan nilai koefisien negatif sebesar 1,475 dengan signifikansi 0,009 (lebih kecil dari 0,05). Hal ini berarti tipe pemerintahan daerah berpengaruh terhadap pelaporan keuangan di internet secara sukarela oleh pemerintah daerah. Tanda koefisien negatif dapat diinterpretasikan bahwa semakin ke pemerintahan daerah asal urbanisasi (kabupaten) maka pemerintah daerah semakin tidak melakukan pelaporan keuangan di internet secara sukarela oleh pemerintah daerah. Hal ini sejalan dengan hasil penelitian Laswad dkk. (2005); Sinaga dan Prabowo (2011); dan Medina (2012).
2. Hubungan Kompetisi Politik terhadap Pelaporan Keuangan di
Internet secara Sukarela oleh Pemerintah Daerah
Hasil uji regresi logistik terhadap variabel Kompetisi Politik menunjukkan nilai koefisien negatif sebesar 0,357 dengan signifikansi 0,034 (lebih kecil dari 0,05). Hal ini berarti tipe pemerintahan daerah berpengaruh terhadap pelaporan keuangan di internet secara sukarela oleh pemerintah daerah. Tanda koefisien positif dapat diinterpretasikan
(42)
bahwa semakin ke tinggi kompetisi politik di suatu pemerintahan daerah maka pemerintah daerah akan semakin cenderung untuk melakukan pelaporan keuangan di internet secara sukarela oleh pemerintah daerah. Hal ini sejalan dengan hasil penelitian Rahman dkk., (2013), serta Garcia dan Garcia (2010).
3. Hubungan Opini Audit terhadap Pelaporan Keuangan di Internet
secara Sukarela oleh Pemerintah Daerah
Hasil uji regresi logistik terhadap variabel Opini Audit menunjukkan nilai koefisien negatif sebesar 0,797 dengan signifikansi 0,125 (lebih besar dari 0,05). Hal ini menunjukkan tipe pemerintahan daerah tidak berpengaruh terhadap pelaporan keuangan di internet secara sukarela oleh pemerintah daerah. Oleh karena itu, hasil penelitian ini tidak sejalan dengan hasil penelitian oleh Handayani (2010) yang menyatakan bahwa semakin tinggi penyimpangan dalam laporan keuangan pemda akan mendorong pemda untuk menutupi informasi yang dimiliki, sehingga tingkat pengungkapan laporan keuangan menjadi rendah. Namun hasil penelitian ini sejalan dengan penelitian Trisnawati dan Achmad (2014) yang menyatakan bahwa opini audit tidak berpengaruh terhadap pelaporan keuangan di internet secara sukarela oleh pemerintah daerah di Indonesia.
(43)
4. Hubungan Tipe Pemerintahan Daerah, Kompetisi Politik, dan Opini Audit secara simultan terhadap Pelaporan Keuangan di
Internet secara Sukarela oleh Pemerintah Daerah
Dari tabel diatas, dapat dilihat bahwa nilai signifikansi sebesar 0,001. Dengan diperoleh hasil signifikansi yang lebih kecil dari 0,05 (0,001<0,05) dan nilai square hitung lebih besar dari nilai chi-square tabel ( 16,142 > 7,81) maka dapat disimpulkan bahwa variabel-variabel independen yang digunakan secara bersama-sama berpengaruh signifikan terhadap prediksi pelaporan keuangan di internet secara sukarela oleh pemerintah daerah di Indonesia. Maka hipotesis H4 yang menduga adanya hubungan Tipe Pemerintahan Daerah, Kompetisi Politik, dan Opini Audit secara simultan terhadap Pelaporan Keuangan di Internet secara Sukarela oleh Pemerintah Daerah dapat diterima.
(44)
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dari hasil pembahasan pada penelitian ini dapat diambil kesimpulan sebagai berikut :
1. Variabel tipe pemerintahan daerah secara parsial berpengaruh negatif terhadap pelaporan keuangan di internet secara sukarela oleh pemerintah daerah di Indonesia.
2. Variabel kompetisi politik secara parsial berpengaruh positif terhadap pelaporan keuangan di internet secara sukarela oleh pemerintah daerah di Indonesia.
3. Variabel opini audit secara parsial tidak berpengaruh terhadap pelaporan keuangan di internet secara sukarela oleh pemerintah daerah di Indonesia.
4. Variabel tipe pemerintahan daerah, kompetisi politik, dan opini audit secara simultan berpengaruh terhadap pelaporan keuangan di internet secara sukarela oleh pemerintah daerah di Indonesia.
(45)
5.2 Saran
1. Bagi peneliti selanjutnya, diharapkan dapat meneliti variabel independen lain yang dapat berpengaruh terhadap pelaporan keuangan di internet secara sukarela oleh pemerintah daerah di Indonesia selain dari variabel-variabel yang sudah ada.
2. Memilih tahun amatan yang terbaru karena adanya perubahan dari tahun ke tahun yang menyebabkan hasil penelitian mungkin akan berubah.
3. Menggunakan ukuran lain yang lebih mewakili dari variabel yang diteliti.
4. Penelitian ini menggunakan tahun amatan satu tahun sehingga hasil penelitian tidak bias menunjukkan kecenderungan yang terjadi dalam jangka waktu yang lama sehingga diharapkan peneliti selanjutnya dapat menggunakan tahun amatan yang lebih lama. 5. Penelitian ini meneliti ada tidaknya pelaporan keuangan yang
dilakukan oleh pemerintah daerah di internet. Bagi peneliti selanjutnya dapat menambah luas penelitian dengan meneliti banyaknya informasi keuangan yang tercantuk dalam laporan keuangan yang di laporkan di internet melalui website masing-masing pemerintahan daerah.
(1)
DAFTAR ISI
Halaman
DAFTAR ISI ………. i
DAFTAR GAMBAR……… ii
DAFTAR TABEL……….iii
BAB I PENDAHULUAN………..1
1.1 Latar Belakang ………...1
1.2 Perumusan Masalah………...11
1.3 Tujuan Penelitian ………..12
1.4 Manfaat Penelitian ………....12
BAB II TELAAH PUSTAKA ………..14
2.1 Landasan Teori………...14
2.1.1 Pemerintahan Daerah di Indonesia………...14
2.1.2 Tipe Pemerintahan Daerah………...16
2.1.3 Kompetisi Politik………..17
2.1.4 Pelaporan Keuangan Pemerintah Daerah...18
2.1.5 Opini Audit oleh BPK………..………25
2.1.6 Pelaporan Keuangan di Internet………...33
2.1.7 Teori Legitimasi………...34
2.1.8 Teori Signalling………37
2.2 Penelitian Terdahulu………....37
2.3 Kerangka Konseptual………...41
2.4 Hipotesis………..44
2.4.1 Pengaruh Tipe Pemerintahan Daerah terhadap Pelaporan Keuangan di Internet secara Sukarela oleh Pemerintah Daerah………....44
2.4.2 Pengaruh Kompetisi Politik terhadap Pelaporan Keuangan di Internet secara Sukarel oleh Pemerintah Daerah………46
2.4.3 Pengaruh Opini Audit terhadap Pelaporan Keuangan di Internet secara Sukarela oleh Pemerintah Daerah………47
2.4.4 Pengaruh Tipe Pemerintah Daerah, Kompetisi Politik, dan Opini Audit terhadap Pelaporan Keuangan di Internet secara Sukarela oleh Pemerintah Daerah…….………..48
(2)
3.3 Batasan Operasional……….49
3.4 Defenisi Operasional………49
3.4.1 Variabel Bebas (Independent Variable)………....49
3.4.2 Variabel Terikat (Dependent Variable)……….52
3.5 Skala Pengukuran Variabel………..53
3.6 Populasi dan Sampel Penelitian………...53
3.7 Jenis Data……….55
3.8 Metode Pengumpulan Data………..56
3.9 Teknik Analisis Data ……...………56
3.9.1 Analisis Statistik Deskriptif………..56
3.9.2 Analisis Regresi Logistik………..57
3.9.2.1 Menilai Kelayakan Model (Goodness of Fit Test)………...57
3.9.2.2 Penilaian Keseluruhan Model (Overall Fit Model Test)……….58
3.9.2.3 Koefisien Determinasi (Nagelkerke R Square)………58
3.9.2.4 Matriks Klasifikasi…….……….59
3.9.3 Pengujian Hipotesis………..59
3.9.3.1 Pengujian signifikan model secara simultan (chi-square)……….60
3.9.3.2 Pengujian signifikan model secara parsial…..61
BAB IV HASIL PENELITIAN DAN PEMBAHASAN..………...62
4.1 Gambaran Umum……….62
4.2 Hasil Penelitian………..………..63
4.2.1 Analisis Statistik Deskriptif………...63
4.2.2 Uji Model………...65
4.2.2.1 Menilai kelayakan model (goodness of fit)………65
4.2.2.2 Menilai keseluruhan model (overall model fit)………65
4.2.2.3 Koefisien Determinasi (Nagelkerke R Square)……….67
4.2.2.4 Matriks Klasifikasi………...68
4.2.3 Pengujian Hipotesis ………..…….69
4.3.1 Pengujian Signifikan Model secara Simultan....70
4.3.2 Pengujian Signifikan Model secara Parsial……71
4.3 Pembahasan………...73
(3)
BAB V KESIMPULAN DAN SARAN………...75
3.1 Kesimpulan…..……….76
3.2 Saran………..77
DAFTAR PUSTAKA………...iv
(4)
DAFTAR GAMBAR
Gambar 2.1 Kerangka Konseptual.………. 44
(5)
DAFTAR TABEL
Tabel 2.1 Penelitian Terdahulu……….………...37
Tabel 3.1 Skala Pengukuran Variabel……….……….…53
Tabel 4.1 Rincian Informasi Keuangan oleh Kategori IFRA……….…63
Tabel 4.2 Statistik Deskriptif Variabel Tipe Pemerintahan Daerah, Kompetisi Politik, dan Opini Audit secara Keseluruhan………….64
Tabel 4.3 Menilai Kelayakan Model………..……….65
Tabel 4.4 Menilai Keseluruhan Model Awal……….……….66
Tabel 4.5 Menilai Keseluruhan Model Akhir……….……….66
Tabel 4.6 Koefisien determinasi……….……….67
Tabel 4.7 Matriks Klasifikasi……….………….……….…68
Tabel 4.8 Tabel Pengujian Hipotesis……….……….……….…69
Tabel 4.9 Pengujian Hipotesis secara Simultan……….…….……….…70
(6)
DAFTAR LAMPIRAN
Nomor Judul Halaman
Lampiran 1 Data Populasi Target……… 95
Lampiran 2 Data Sampel……… 104
Lampiran 3 Data Chi-Square Tabel……….. 107