saling hubungan, menguji hipotesis, membuat ramalan, atau melakukan penarikan kesimpulan sebagaimana adanya tanpa bermaksud membuat kesimpulan yang
berlaku untuk umum atau generalisasi. Konkritnya dalam kajian penelitian ini, analisis deskriptif dimaksud
dilakukan untuk menggambarkan karakteristik sampel, responden, dan variabel- variabel penelitian sebagaimana adanya. Adapun analisis deskriptif dimaksud
menggambarkan karakteristik 1 kelemahan sistem pengendalian akuntansi dan pelaporan; 2 kelemahan sistem pelaksanaan anggaran pendapatan dan belanja; 3
kelemahan struktur pengendalian intern; 4 kerugian daerah, 5 potensi kerugian daerah; 6 kekurangan penerimaan; 7 administrasi; 8 ketidakhematan, 9
ketidakefisienan; 10 ketidakefektifan dan Opini audit yang diberikan oleh BPK –
RI terhadap LKPD Provinsi, Kabupaten dan Kota se-Sumatera Utara.
4.6.2. Uji Asumsi Klasik
Untuk dapat melakukan analisis regresi berganda perlu pengujian asumsi klasik sebagai persyaratan dalam analisis agar datanya dapat bermakna dan
bermanfaat. Uji asumsi klasik dalam penelitian hanya meliputi uji normalitas, uji multikolinieritas, uji heterokedastisitas dan uji autokorelasi.
1. Uji Normalitas Uji normalitas berguna untuk mengetahui apakah variabel dependen,
independen atau keduanya berdistribusi normal, mendekati normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati
normal. Pengujian normalitas dalam penelitian ini menggunakan pendekatan Kolmogorov-Smirnov Test. Suatu data dikatakan berdistribusi secara normal
apabila nilai Asymp. Sig. 2-tailed lebih besar dari 5.
Universitas Sumatera Utara
2. Uji Heterokedastisitas Uji heterokedastisitas dilakukan untuk mengetahui apakah dalam sebuah model
regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan lain. Jika varians dari residual suatu pengamatan ke pengamatan
lain tetap, maka disebut homokedastisitas. Menurut Erlina 2011 model regresi yang baik adalah tidak terjadi heterokedastisitas. Untuk mendeteksi ada
tidaknya heterokedastisitas dalam penelitian ini dilakukan dengan uji Glejser. Suatu data dikatakan terbebas dari penyimpangan heterokedastistias apabila
secara statistik variabel bebas tidak berpengaruh signifikan terhadap variabel terikat Absolut Ut AbsUt.
3. Uji Multikolinieritas Uji multikolinieritas dilakukan untuk mengetahui apakah pada model regresi
yang diajukan telah ditemukan korelasi kuat antar variabel independen. Jika terjadi korelasi kuat, terdapat masalah multikolinieritas yang harus diatasi.
Menurut Erlina 2011 model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen. Ada dua uji multikolinieritas yang sering
digunakan yaitu dengan melihat nilai VIF Variance Inflation Faktor dan korelasi di antara variabel independen. Lebih lanjut Erlina 2011 menyatakan:
VIF adalah suatu estimasi berapa besar multikolinieritas meningkatkan varian pada suatu koefisien estimasi sebuah variabel independenpenjelas. VIF yang
tinggi menunjukkan bahwa multikolinieritas telah menaikkan sedikit varian koefisien estimasi, akibatnya menurunkan nilai t. Semakin tinggi nilai VIF
suatu variabel tertentu, maka akan semakin tinggi varian koefisien estimasi pada varibel tersebut dengan asumsi varian error term adalah konstan.
Dengan demikian, semakin tinggi VIF, semakin berat dampak dari
Universitas Sumatera Utara
multikolinieritas. Pada umumnya jika nilai VIF lebih besar dari 10, maka terjadi multikolinieritas yang cukup berat di antara variabel independen.
4. Uji Autokorelasi Digunakan untuk menguji asumsi klasik regresi berkaitan dengan adanya
autokorelasi, yaitu
dengan Durbin
Watson DW,
yaitu dengan
membandingkan nilai DW statistic dengan DW table. Apabila nilai DW statistic terletak pada daerah no autocorrelation berarti telah memenuhi
asumsi klasik regresi. Untuk mengetahui posisi tersebut terlebih dahulu dilakukan perhitungan untuk menentukan nilai Durbin-Watson dengan rumus :
4-du dan 4-dl. Untuk mencari nilai du dan dl dilakukan dengan melihat tabel dw. Lebih jelasnya autokorelasi digambarkan sebagai berikut :
Gambar 4.1. Diagram Durbin
– Watson
Sumber
: Ghozali 2003
Ghozali 2005 mendeteksi autokorelasi dengan indikator sebagai berikut : a. Jika nilai DW hitung batas atas du tabel, berarti terdapat autokorelasi
b. Jika nilai DW hitung batas atas du tabel, berarti terdapat autokorelasi
4.6.3. Model Analisis Data
