53
D. Metode Analisis Data
Metode Analisis data yang digunakan dalam penelitian ini adalah statistik deskriptif, uji asumsi klasik, uji koefisien determinasi R
2
, uji statistik F, dan uji statistik t.
1. Statistik Deskriptif
Statistik deskriptif memberikan deskripsi suatu data yang dilihat dari rata-rata mean, standar deviasi standard deviation, dan maksimum-
minimum. Mean digunakan untuk memperkirakan besar rata-rata populasi yang diperkirakan dari sampel. Standar deviasi digunakan untuk menilai
dispersi rata-rata dari sampel. Maksimum-minimum digunakan untuk melihat nilai maksimum dan minimum dari populasi Ghozali, 2013. Hal
ini perlu dilakukan untuk melihat gambaran keseluruhan dari sampel yang berhasil dikumpulkan dan memenuhi syarat untuk dijadikan sampel
penelitian.
2. Uji Asumsi Klasik
Sebelum melakukan analisis regresi berganda terhadap data yang diperoleh dalam penelitian, maka terlebih dahulu harus dilakukan uji
asumsi klasik untuk mendeteksi apakah data dalam penelitian ini terjadi penyimpangan. Uji asumsi klasik yang digunakan dalam penelitian ini
adalah uji normalitas, uji multikolonieritas, uji autokorelasi, dan uji heteroskedastisitas. Berikut rincian penjelasannya:
54
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal.
Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka
uji statistik menjadi tidak valid untuk jumlah kecil. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu
dengan analisis grafik dan uji statistik Ghozali, 2013. Menurut Ghozali 2013 analisis grafik adalah salah satu cara
termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan
distribusi yang mendekati distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan
dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang
menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Sedangkan, uji statistik dapat dilakukan dengan melihat nilai kurtosis
dan skewness dari residual. Nilai z statistik untuk skewness dapat
dihitung dengan rumus:
Zskewness =
���� � √6 N
Sedangkan nilai z kurtosis dapat dihitung dengan rumus: Zkurtosis =
� �
√24 N
55 Dimana N adalah jumlah sampel, jika nilai Z hitung Z tabel,
maka distribusi tidak normal. Misalkan nilai Z hitung 2,58 menunjukkan penolakan asumsi normalitas pada tingkat signifikansi
0,01 dan pada tingkat signifikansi 0,05 nilai Z tabel = 1,96.
b. Uji Multikolonieritas
Menurut Ghozali 2013 uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar
variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Multikolonieritas dapat
dilihat dari nilai tolerance dan lawannya nilai variance inflation factor VIF.
Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai tolerance
≤ 0,10 atau sama dengan nilai variace inflation factor
VIF ≥ 10 Ghozali, 2013.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan
ke pengamatan lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas, jika
berbeda disebut heteroskedastisitas Ghozali, 2013. Ada beberapa cara untuk mendeteksi ada atau tidaknya
heterokedastisitas diantaranya Ghozali, 2013:
56 1 Melihat Grafik Plot antara nilai prediksi variabel terikat
dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat
ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan
sumbu X adalah residual Y prediksi – Y sesungguhnya yang
telah di studentized. 2 Uji Park, Park mengemukakan metode bahwa variance s
2
merupakan fungsi dari variabel-variabel independen. 3 Uji Glejser, Glejser mengusulkan untuk meregres nilai absolut
residual terhadap variabel independen. 4 Uji White, White dapat dilakukan dengan meregres residual
kuadrat U
2
t dengan variabel independen, variabel independen kuadrat dan perkalian interaksi variabel independen.
3. Analisis Regresi Berganda
Analisis regresi berganda bertujuan untuk memprediksi besar variabel dependen dengan menggunakan variabel independen yang sudah
diketahui besarnya. Dalam penelitian ini, variabel independen yaitu opini audit, fungsi pengawasan DPRD, ukuran pemerintah daerah, tingkat
kekayaan daerah, dan tingkat ketergantungan pada pusat. Variabel
dependen yaitu kinerja keuangan pemerintah daerah. Metode analisis data
akan dilakukan dengan bantuan aplikasi computer program SPSS versi 22.
57 Persamaan regresi linier berganda sebagai berikut:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ b
5
X
5
+ e Dimana :
Y = Variabel Kinerja Keuangan Pemerintah Daerah
a = Konstanta
b = Koefisien regresi
X
1
= Variabel Opini Audit X
2
= Variabel Fungsi Pengawasan DPRD X
3
= Variabel Ukuran Pemerintah Daerah X
4
= Variabel Tingkat Kekayaan Daerah X
5
= Variabel Tingkat Ketergantungan Pada Pusat e
= Standard error
4. Koefisien Determinasi R
2
Koefisien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai
koefisien determinasi adalah nol dan satu. nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi
dependen amat terbatas. Nilai yang mendekati satu berarti variabel- variabel independen memberikan hampir semua informasi yang
dibutuhkan untuk memprediksi variasi variabel dependen. Secara umum koefisien determinasi untuk data silang crossesction relatif rendah karena
adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtun waktu time series biasanya mempunyai nilai koefisien
determinan yang tinggi Ghozali, 2013.
58
5. Pengujian Hipotesis
Kategori