Uji Hipotesis Teknik Analisis .1 Analisis Deskriptif
1. Analisis Regresi Linier Berganda Analisis statistik yang digunakan adalah analisis regresi berganda sebagai
model memprediksi dan mempelajari hubungan kausal antara variabel dependen dan beberapa variabel independen. Untuk menguji menguji pengaruh dua arah
atau lebih variabel independen terhadap variabel dependen dengan skala pengukur atau rasio dalam suatu persamaan linear, sedangkan menurut Dajan 1986 dan
Supranto 1996 untuk menguji model pengaruh dan hubungan variabel independen yang lebih dari dua variabel terhadap variabel dependen digunakan
persamaan regresi linear berganda dengan metode Ordinary Least Squares OLS. Ordinary Least Squares OLS merupakan salah satu cara untuk menghitung
parameter α, β dan e dari suatu persamaan regresi. Supranto 1996 mengemukakan bahwa semakin kecil nilai error maka akan membuat penaksiran
itu semakin baik. Penelitian ini menggunakan model regresi linier berganda multiple
linear regression analysis, karena terdiri dari satu variabel dependen dan beberapa variabel independen. Persamaan dirumuskan sebagai berikut :
Y = a + b
1
X
1
+ b
2
X
2
+ e
Keterangan: Y
= Kinerja Manajerial a
= Konstanta b
1
;b
2
; = Koefesien regresi
X
1
= Kejelasan Sasaran Anggaran X
2
= Partisipasi Anggaran e
= Standar error
2. Analisis Regresi dengan Variabel Moderating
Dalam penelitian ini, metode yang digunakan untuk melakukan uji regresi dengan variabel moderating adalah uji selisih mutlak. Menurut Ghozali
2013:235, menurut Furcot dan Shearon 1991 interaksi seperti ini lebih disukai dikarenakan ekspektasi sebelumnya berhubungan dengan kombinasi
antara X1 dan X2 dan berpengaruh terhadap Y. Uji ini dapat diterapkan dengan rumus persamaan sebagai berikut:
Y = a + b
1
X
1
+ b
2
X
2
+ e Y = a+ b
1
X
1
+ b
2
X
3
+ b
3
| X
1
- X
3
| Y = a+ b
1
X
2
+ b
2
X
3
+ b
3
| X
2
- X
3
|
Dimana : X
1
= merupakan nilai standardized score [Xi - X X]
| X
i
- X
3
| = merupakan interaksi yang diukur dengan nilai absolut perbedaan
antara Y
= Kinerja Manajerial a
= Konstansta b
1
;b
2
; = Koefesien regresi
X
1
= Kejelasan Sasaran Anggaran X
2
= Partisipasi Anggaran X
3
= Karakteristik Sistem Akuntansi Manajemen e
= Standar error
Jika score tinggi untuk variabel moderating dengan score rendah dari variabel independen, maka akan terjadi perbedaan nilai absolut yang besar.
Hal ini juga akan berlaku sebaliknya. Kedua kombinasi ini diharapkan akan berpengaruh terhadap variabel dependen yang meningkat.
3. Uji Signifikan Simultan Uji-F Menurut Ghozali 2005 uji statistik f pada dasarnya menunjukkan
apakah semua variabel bebas dimaksudkan dalam model mempunyai
pengaruh yang simultan terhadap variabel dependen. Pengujian dilakukan dengan menggunakan significance level
0.05 α = 5. Keputusan penerimaan atau penolakan hipotesis adalah sebagai berikut :
a. Jika nilai signifikan 0,05, maka hipotesis ditolak koefisien regresi tidak signifikan, Ini berarti bahwa secara simultan variabel independen tersebut
tidak mempunyai pengaruh yang signifikan terhadap variabel dependen. b. Jika nilai signifikan 0,05, maka hipotesis diterima koefisien regresi
signifikan. Ini berarti bahwa secara simultan variabel independen tersebut mempunyai pengaruh yang signifikan terhadap variabel dependen.
4. Uji Signifikan Parsial Uji – t Pengujian ini dilakukan untuk mengetahui seberapa jauh pengaruh
suatu variabel independen secara parsial individual terhadap variasi variabel dependen.
Kriteria pengujiannya adalah: H
: b
1
= 0, artinya secara parsial tidak terdapat pengaruh yang positif dan signifikan dari variabel independen terhadap variabel dependen. H
a
: b
1
≠ 0, artinya secara parsial terdapat pengaruh yang positif dan signifikan dari
variabel independen terhadap variabel dependen. Kriteria pengambilan keputusannya adalah:
H diterima jika t
hitung
t
tabel
pada α = 5 H
a
ditolak jika t
hitung
t
tabel
pada α = 5
5. Koefisien Determinasi R
2
Koefisien Determinasi R
2
digunakan untuk mengukur seberapa besar kontribusi variabel bebas X terhadap variabel terikat Y. Jika
Koefisien Determinasi R
2
semakin besar mendekati satu menunjukkan semakin baik kemampuan variabel X menerangkan variabel Y dimana 0
R
2
1. Sebaliknya, jika R
2
semakin kecil mendekati nol, maka akan dapat dikatakan bahwa pengaruh variabel bebas adalah kecil terhadap
variabel terikat. Hal ini berarti model yang digunakan tidak mampu untuk menerangkan pengaruh variabel bebas yang diteliti terhadap variabel
terikat.