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