Uji Hipotesis Metode Analisis .1 Analisis Deskriptif

36

3.8.2 Uji Hipotesis

Metode analisis yang digunakan untuk menguji hipotesis dalam penelitian ini adalah regresi logistik Logistic Regression. Regresi logistik digunakan untuk menguji dapat tidaknya suatu probabilitas terikat diprediksi dengan variabel bebasnya Ghozali, 2006. Regresi logistik tidak memerlukan uji normalitas, heteroskedasitas, dan uji asumsi klasik pada variabel bebasnya. Regresi logistik dipilih karena penelitian ini memiliki variabel dependen yang dichotomous dan variabel independen yang bersifat kombinasi antara metrik dan non-metrik. Menurut Ghozali 2006 variabel non-metrik merupakan variabel yang diukur dengan skala pengukuran kategori atau kelompok dari suatu subyek. Variabel dependen yang dilakukan dalam penelitian ini merupakan variabel dichotomous. Pemerintahan daerah yang melakukan pelaporan keuangan pada website resminya dikategorikan kedalam kode IFRA Internet Financial Reporting Local Authorities. Sedangkan pemerintahan daerah yang memiliki website resmi tapi tidak memilih untuk melaporkan informasi keuangannya pada website resminya dikategorikan kedalam N- IFRA Non Financial Reporting Local Authorities. Berdasarkan rumusan masalah dan kerangka pemikiran yang telah diuraikan sebelumnya, model regresi logistik yang digunakan adalah: Y = a + b 1 X 1 + b 2 X 2 + b 3 X 3 + e Keterangan: Y = Transparansi informasi keuangan di website resmi pemda Universitas Sumatera Utara 37 a = konstanta b 1 = koefisien variabel tipe pemda b 2 = koefisien variabel opini BPK b 3 = koefisien variabel jumlah penduduk X 1 = tipe pemda X 2 = opini BPK X 3 = jumlah penduduk e = error Selanjutnya analisis penelitian regresi logistik perlu memperhatikan hal-hal berikut: 1. Menilai Kelayakan Model Regresi Regresi logistik merupakan suatu bentuk model regresi yang dimodifikasi. Karakteristik model logistik sudah tidak sama lagi dengan model regresi sederhana atau berganda. Dengan begitu penentuan signifikansi secara statistik regresi logistik berbeda dengan regresi berganda. Untuk menguji model regresi logistik yang digunakan layak atau tidak dapat digunakan uji -2 Log likelihood. Caranya adalah dengan membandingkan antara nilai -2 Log likelihood pada saat Block Number = 0, dimana model hanya memasukkan konstanta dengan nilai -2 Log likelihood, dengan pada saat Block Number = 1, dimana model memasukkan konstanta dan variabel bebas. Apabila nilai -2 Log likelihood Block Number = 0 nilai -2 Log likelihood Block Number = 1, maka menunjukkan Universitas Sumatera Utara 38 model regresi yang baik. -2 Log likehood pada regresi logistik mirip dengan pengertian “Sum of Square Error” pada model regresi, sehingga penurunan nilai -2 Log likehood menunjukkan model yang semakin baik. 2. Menilai Koefisien Determinasi Setelah mengetahui kelayakan regresi menggunakan uji -2 Log likelihood, selanjutnya dilakukan pengujian untuk menguji seberapa jauh semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh terhadap variabel terikat atau seberapa besar variasi dari variabel terikat dapat dijelaskan oleh variabel bebas. Uji yang dilakukan untuk menilai koefisien determinasi adalah uji Nagelkerke R Square Pseudo R-Square. 3. Menilai Keseluruhan Model Keseluruhan model overall model fit pada model regresi sederhana atau berganda dapat dilihat dari R² ataupun F test, sedangkan penilaian keseluruhan model dalam regresi logistik dapat dilihat dari pengujian Hosmer and Lemeshow’s Goodness of Fit Test. Pengujian ini untuk menilai model yang dihipotesiskan agar data empiris cocok atau sesuai dengan model. Jika nilai statistik signifikansi pada Hosmer and Lemeshow’s Goodness of Fit Test sama dengan atau kurang dari 0,05 maka hipotesis nol ditolak, sedangkan jika nilainya lebih besar dari 0,05 maka hipotesis nol tidak dapat ditolak, berarti model mampu memprediksi nilai Universitas Sumatera Utara 39 observasinya atau dengan kata lain model dapat diterima karena sesuai dengan data observasinya Ghozali, 2006. H0: Tidak terdapat perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati. Ha: Terdapat perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati. 4. Pengujian Regresi Logistik Secara Parsial Pengujian regresi logistik secara parsial menggunakan uji Wald dengan melihat tabel variables in the equation. Pengujian regresi logistik secara parsial dilakukan dengan memasukkan seluruh variabel independen dan variabel dependen. Hasil pengujian ini dapat membantu kita mengetahui pengaruh masing-masih variabel independen terhadap variabel dependen. Pengujian ini dilakukan dengan menggunakan metode enter dengan tingkat signifikansi sebesar 5. Dasar pengambilan keputusannya adalah apabila nilai signifikansi 0,05 maka hipotesis yang menyatakan variabel bebas berpengaruh terhadap variabel terikat diterima. 5. Pengujian Regresi Logistik Secara Simultan Setelah pengujian regresi logistik secara parsial, selanjutnya akan dilakukan pengujian regresi logistik secara simultan bersama- sama. Pengujian regresi logistik secara simultan disebut Omnibus Test of Model coefficient. Dalam pengujian ini semua variabel bebas yaitu total kekayaan daerah, kompetisi politik, dan tingkat Universitas Sumatera Utara 40 kependudukan diuji secara bersama-sama. Pengujian ini bertujuan untuk melihat apakah ketiga variabel bebas secara bersama-sama berpengaruh terhadap transparansi informasi keuangan di internet oleh pemerintahan daerah. Dasar pengambilan keputusannya adalah jika nilai signifikansi lebih besar dari pada 0,05 maka H0 diterima sedangkan jika nilai signifikansi lebih kecil dari 0,05 maka H0 ditolak. Universitas Sumatera Utara 41 BAB IV ANALISIS DAN PEMBAHASAN

4.1 Gambaran Umum Sampel Penelitian