65 Selain kriteria opini audit BPK atas laporan keuangan pemerintah,
penelitian ini juga menggunakan informasi keuangan lain dalam pengukuran variabel independen. Untuk laporan keuangan yang telah memenuhi kriteria
pengambilan sampel sebelumnya tetapi tidak mencantumkan informasi untuk pengukuran variabel independen, maka laporan keuangan keuangan tersebut tidak
digunakan dalam penelitian ini. Jumlah laporan keuangan pemerintah yang tidak secara lengkap menyajikan informasi yang dimaksud sejumlah 238 laporan
keuangan pemerintah. Setelah dilakukan identifikasi dengan menggunakan kriteria pengambilan sampel, maka diperoleh sampel sejumlah 304 laporan
keuangan pemrintah daerah yang terdiri dari 119 laporan keuangan pemerintah daerah pada tahun 2005, 82 laporan keuangan pemerintah daerah pada tahun 2006
dan 103 laporan keuangan pemerintah daerah pada tahun 2007. Selengkapnya sampel dalam penelitian ini dapat dilihat pada lampiran.
B. Data dan Pengumpulan Data
Dalam rangka analisis faktor-faktor yang mempengaruhi kinerja keuangan pemerintah daerah di Indonesia dilakukan pengumpulan data revenue REV,
expenditure EXP, real estate REAL, taxes TAX, grant GRANT, capital CAP dan kinerja keuangan pemerintah daerah yang dinyatakan dalam rasio
current ratio CR, debt to equity ratio DER, assets turnover AT, operating revenue to total revenue ORTR dan operting revenue to operating expense
OROE.
66 Data penelitian ini merupakan data yang tersaji dalam laporan keuangan
pemerintah daerah kabupatenkota seluruh Indonesia yang telah diaudit oleh BPK RI. Data yang diperlukan diperoleh dari publikasi Badan Pemeriksa Keuangan
Republik Indonesia melalui www.bpk.go.id
tahun 2005 sampai dengan tahun 2007.
C. Analisis Data
Penelitian ini menguji pengaruh jumlah revenue REV, expenditure EXP, real estate REAL, taxes TAX, grant GRANT, capital CAP
terhadap kinerja keuangan pemerintah daerah yang diukur dengan current ratio CR, debt to equity ratio DER, assets turnover AT, operating revenue to total
revenue ORTR dan operting revenue to operating expense OROE. Penelitian ini menggunakan alat uji multiple regression model dengan menggunakan bantuan
software komputer untuk statistik berupa SPSS for windows 16.0. Selanjutnya diuraikan hasil análisis data penelitian dari deskripsi statistik, uji normalitas data,
uji asumsi klasik sampai dengan uji hipótesis. 1.
Deskripsi Statistik Bagian ini mendeskripsikan data yang digunakan dalam penelitian yang
terdiri dari nilai minimum, nilai maksimum, nilai rata-rata mean dan nilai standar deviasi data. Berikut ini disajikan deskripsi data penelitian.
67
Tabel 2 Deskripsi Statistik Data Penelitian
Tabel di atas menunjukkan bahwa nilai rata-rata ORTR mempunyai jumlah yang paling kecil dari variabel lain. Nilai minimum atas variabel ini adalah
sebesar -1.239,885 dan nilai maksimumnya adalah sebesar 0,90 serta nilai mean dan standart deviation masing-masing sebesar -17,32 dan 74,39. Hasil deskriptif
data ini menjelaskan bahwa penyebaran data berkisar antara -17,32 ditambah dengan 74,39 sampai dengan -17,32 dikurangi 74,39. Sementara itu, untuk
variabel REAL merupakan variabel dengan rata-rata yang tertinggi. Nilai minimum untuk variabel REAL adalah sebesar 866,12 dan nilai maksimumnya
adalah sebesar 27.696.918,91. Nilai rata-rata dan standart deviasi untuk REAL masing-masing sebesar 1.888.967,05 dan 2.857.555,02 yang mengindikasikan
bahwa penyebaran data variabel REAL berkisar antara 1.888.967,05 ditambah dengan
2.857.555,02 sampai
dengan 1.888.967,05
dikurangi dengan
2.857.555,02.
Variable N
Minimum Maximum
Mean Std. Deviation
TAX 304
711,87 4.657.252,05
160.287,65 490.990,42
GRANT 304
17.452,38 933.436,00
370.049,95 161.441,12
REV 304
324,50 4.221.668,70
126.129,08 441.360,39
EXP 304
7.221,76 5.431.625,97
581.047,82 586.947,89
REAL 304
866,12 27.696.918,91
1.888.967,05 2.857.555,02
CAP 304
15.602,51 18.791.135,91
965.177,84 1.744.038,41
CR 304
0,002682 2801,07
118,75 292,40
DER 304
0,000055 17,25
0,09 1,01
AT 304
0,000397 48,31
0,36 3,59
ORTR 304
-1.239,885 0,90
-17,32 74,69
OROE 304
0,000569 22,62
0,21 1,31
Valid N listwise
304
68 2.
Uji Asumsi Klasik Model regresi dalam penelitian dapat digunakan untuk estimasi dengan
signifikan dan representative jika model regresi tersebut tidak menyimpang dari asumsi dasar klasik regresi berupa: normalitas, autokorelasi, heterokedastisitas
dan multikolinearitas. Berikut ini dipaparkan hasil asumsi klasik atas data yang digunakan dalam penelitian.
a. Uji Normalitas Data
Uji normalitas data dilakukan untuk menguji apakah nilai residual dari regresi itu berdistribusi normal atau tidak. Model regresi yang baik adalah model
regresi yang memiliki distribusi nilai residual normal atau mendekati normal. Uji normalitas data dalam penelitian ini menggunakan alat uji Kolmogorov-Smirnov
terhadap data residual regresi dan dilakukan dengan program SPSS 16.0. Hasil pengujian normalitas dengan Kolmogorov-Smirnov dapat dilihat pada tabel
berikut ini.
Tabel 3 Normalitas Data
Unstandardized Residual
N 304
Normal Parameters
a
Mean 0,0000000
Std. Deviation 0,99657883
Most Extreme Differences Absolute
0,312 Positive
0,312 Negative
-0,305 Kolmogorov-Smirnov Z
5,442 Asymp. Sig. 2-tailed
0,000 a. Test distribution is Normal
. Sumber: hasil pengolahan data
Tabel di atas menunjukkan bahwa nilai asymp.sig dalam uji kolmogorov smirnov atas seluruh nilai residu data yang digunakan dalam penelitian ini di
69 bawah tingkat signifikasi penelitian 5. Hasil ini mengindikasikan bahwa seluruh
data yang digunakan mempunyai distribusi yang tidak normal. Normalitas data merupakan prasyarat untuk dapat melakukan pengujian dengan model regresi.
Oleh karena itu, untuk memperoleh data yang terdistribusi normal, penelitian ini menghilangkan outlier data. Dalam menghilangkan Outlier data dilakukan dengan
berdasarkan nilai Z-score yang diperoleh dari proses deskripsi statistik data. Nilai Z-score yang atas data yang ekstrem tinggi ataupun ekstrem rendah dihilangkan
atau dikeluarkan dari sampel penelitian. Setelah dilakukan proses penghilangan outlier data diperoleh jumlah data
observasi sejumlah 83 data observasi. Hal ini mengindikasikan bahwa jumlah data yang ekstrem dan dikeluarkan dari sampel adalah sebanyak 221. Setelah data
outlier dihilangkan, selanjutnya data observasi yang diperoleh ditentukan nilai residunya dan kemudian diuji normalitas data dengan menggunakan kolmogorov
smirnov. Hasil uji normalitas data setelah dihilangkan data outlier adalah seperti berikut ini.
Tabel 4 Normalitas Setelah Seleksi Data Outlier
Unstandardized Residual
N 83
Normal Parameters
a
Mean 0,0000000
Std. Deviation 0,06347008
Most Extreme Differences Absolute
0,112 Positive
0,112 Negative
-0,066 Kolmogorov-Smirnov Z
10,024 Asymp. Sig. 2-tailed
0,245 a. Test distribution is Normal.
Sumber: hasil pengolahan data
70 Tabel di atas menunjukkan bahwa setelah tidak ada data outlier
terdistribusi normal dengan dibuktikan oleh nilai asymp.sig yang lebih besar dari tingkat signifikasi penelitian 5 yaitu 0,245 atau 24,5.
b. Uji Autokorelasi
Autokorelasi menunjuk pada hubungan yang terjadi antara anggota-anggota dari serangkaian observasi yang terletak berderetan secara series dalam bentuk
waktu time series atau hubungan antara tempat yang berdekatan cross sectional. Pada penelitian ini menggunakan alat uji runs test. Dari pengujiaan ini
dapat dilihat apakah terjadi autokorelasi atau tidak didasarkan pada nilai asymp.sig dalam runs test. Apabila asymp. sig. Lebih besar dari 5, maka tidak
terjadi gejala autokorelasi dan sebaliknya jika asymp. sig. Lebih kecil 5 maka terjadi gejala aoutokorelasi dalam model regresi yang digunakan dalam penelitian
ini. Berikut ini disajikan hasil uji runs test untuk mengindikasikan asumsi autokorelasi dalam model regresi yang digunakan dalam penelitian ini.
Tabel 5 Uji Autokorelasi
Unstandardized Residual Test Value
a
-0,01667 Cases Test Value
41 Cases = Test Value
42 Total Cases
83 Number of Runs
44 Z
0,333 Asymp. Sig. 2-tailed
0,739 a. Median
Sumber: hasil pengolahan data
Tabel di atas menunjukkan bahwa nilai asymp. sig dalam uji runs atas model penelitian yang digunakan dalam penelitian ini adalah lebih besar dari 5.
71 Hasil ini mengindikasikan bahwa variabel dalam model regresi yang digunakan
dalam penelitian ini tidak terjadi gejala autokorelasi. c.
Ui Multikolinieritas Uji multikolinieritas digunakan untuk menunjukkan adanya hubungan
linier di antara variabel-variabel bebas dalam model regresi. Jika variabel- variabel bebas berkorelasi secara sempurna, maka metode kuadrat terkecil tidak
bisa digunakan. variabel-variabel yang tidak berkorelasi dikatakan orthogonal, yang menunjukkan bahwa tidak ada masalah multikolinieritas. Multikolinearitas
digunakan untuk mengetahui korelasi antar variabel independen. Model regresi yang baik adalah model yang tidak terdapat korelasi antara variabel independen
atau korelasinya rendah. Keberadaan multikolinearitas diketahui dengan variance inflating factor VIF dan tolerance. Kriteria yang digunakan dalam
pengambilan kesimpulan atas uji multikolineriatas adalah jika nilai tolerance lebih besar dari 0.1 10 dan nilai variance inflating factor lebih kecil dari 10.
Berikut ini disajikan hasil uji multikolinieritas dalam model regresi yang digunakan dalam penelitian ini.
Tabel 6 Uji Multikolinieritas
Varibael Tolerance
Variance Inflating Factor
Kesimpulan
TAX 0,643
1,556 Tidak terjadi multikolinieritas
GRANT 0,599
1,669 Tidak terjadi multikolinieritas
REV 0,552
1,813 Tidak terjadi multikolinieritas
EXP 0,404
2,474 Tidak terjadi multikolinieritas
REAL 0,687
1,456 Tidak terjadi multikolinieritas
CAP 0,755
1,056 Tidak terjadi multikolinieritas
Sumber: hasil pengolahan data
72 Tabel di atas menunjukkan bahwa nilai tolerance untuk semua variabel
dalam model regresi lebih besar dari 0,1 dan nilai variance inflating factor untuk semua variabel dalam tiap-tiap model regresi lebih kecil dari 10. Hasil
pengujian ini mengindikasikan bahwa dalam model regresi yang digunakan dalam penelitian ini tidak terjadi gejala multikolinieritas atau seluruh variabel
dalam model-model penelitian ini homokedastisitas. d.
Uji Heteroskedastisitas Heteroskedastisitas merupakan keadaan seluruh faktor gangguan terjadi
ketidaksamaan variance dari satu pengamatan ke pengamatan yang lain. Dalam penelitian ini, uji yang digunakan untuk mendeteksi heteroskedastisitas adalah
metode Glejser, yaitu dengan meregresikan nilai absolute residual dengan variabel bebas. Kriteria yang digunakan adalah: jika probability value 0,05
maka tidak terjadi heteroskedastisitas dan jika probability value 0,05 maka terjadi heteroskedastisitas.
Tabel 7 Uji Heteroskedastisitas
Variabel Sig
Kesimpulan
TAX 0,442
Tidak terjadi heteroskedastisitas GRANT
0,794 Tidak terjadi heteroskedastisitas
REV 0,085
Tidak terjadi heteroskedastisitas EXP
0,569 Tidak terjadi heteroskedastisitas
REAL 0,295
Tidak terjadi heteroskedastisitas CAP
0,755 Tidak terjadi heteroskedastisitas
Sumber: hasil pengolahan data
Tabel di atas menunjukkan bahwa probabilitas dalam model regresi yang digunakan dalam penelitian ini lebih besar dari 0,05 atau 5 sehingga dapat
73 dinyatakan bahwa tidak terjadi gejala heteroskedastisitas dalam semua model
regresi penelitian ini. e.
Uji Hipotesis Tujuan penelitian ini adalah memperoleh bukti empiris terkait pengaruh
revenue REV, expenditure EXP, real estate REAL, taxes TAX dan grant GRANT terhadap kinerja keuangan pemerintah daerah yang dinyatakan dalam
rasio current ratio CR, debt to equity ratio DER, assets turnover AT, operating revenue to total revenue ORTR dan operting revenue to operating
expense OROE. Untuk tujuan penelitian tersebut, maka dalam melakukan analisis data penelitian dengan menggunakan model regresi berganda. Oleh
karena penelitian ini menggunakan proksi kinerja keuangan pemerintah daerah dengan lima rasio keuangan, maka untuk kepentingan pengujian model regresi
berganda harus diperoleh satu data atas variabel dependen. Untuk tujuan itu, penelitian ini menggunakan analisis faktor untuk membuat factor scores dengan
menggunakan metode principal components sebagaimana dinyatakan Santosa 2002: 138-141. Setelah nilai factor scores, kemudian digunakan sebagai data
kinerja keuangan dalam pengujian model regresi berganda. Berikut disajikan hasil pengujian data dengan model regresi berganda untuk mengambil kesimpulan
terkait hipotesis yang diajukan dalam penelitian ini. 1.
Uji signifikansi-F Uji signifikansi-F dilakukan guna menentukan good of fittest atau uji
kelayakan model regresi untuk digunakan dalam melakukan analisis hipotesis dalam penelitian. Kriteria yang digunakan dalam pengujian ini adalah
74 probability value sig, apabila probability value dalam hasil pengujian lebih
kecil dari 5, maka dapat dinyatakan bahwa model layak fit untuk digunakan sebagai model regresi dalam penelitian dan sebaliknya jika
probability value lebih besar dari 5, maka dapat dinyatakan bahwa model tidak layak untuk digunakan dalam pengujian hipotesis penelitian.
Berikut disajikan hasil uji signifikansi-F atas kelima model regresi dalam penelitian ini.
Tabel 8 Uji Signifikansi-F Kelayakan Model Regresi
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
.101 6
.017 3.861
.002
a
Residual .330
76 .004
Total .431
82
a. Predictors: Constant, CAP, TAXES, GRANT, REAL, REV, EXP b. Dependent Variable: financial performance
Sumber: hasil pengolahan data Signifikan pada a = 5
Tabel di atas menunjukkan bahwa probability value atas model regresi yang digunakan dalam penelitian lebih kecil dari tingkat signifikansi
penelitian 5 yaitu 0,002 0,2. Hasil ini mengindikasikan bahwa model regresi yang digunakan dalam penelitian ini layak fit untuk digunakan
sebagai model regresi pengujian hipotesis. 2.
Uji signifikansi-t Uji signifikansi-t dimaksudkan untuk pengujian pengaruh variabel
independen terhadap variabel dependen dalam penelitian sebagaimana dinyatakan dalam hipotesis penelitian ini. Selain untuk menguji pengaruh
tersebut, uji ini juga dapat digunakan untuk mengetahui tanda koefisien
75 regresi masing-masing variabel independen sehingga dapat ditentukan arah
pengaruh masing-masing variabel independen terhadap variabel dependen. Kriteria pengambilan kesimpulan atas hasil pengujian adalah probability value
sig-t, apabila probability value sig-t lebih kecil dari 5, maka dapat dinyatakan bahwa variabel independen berpengaruh terhadap variabel
dependen sehingga hipotesis yang diajukan dalam penelitian dapat diterima atau didukung oleh data penelitian, sebaliknya jika probability value sig-t
lebih besar dari 5, maka dapat dinyatakan bahwa variabel independen tidak berpengaruh pada variabel dependen dan hipotesis yang diajukan tidak
diterima atau tidak didukung oleh data penelitian. Berikut ini disajikan hasil uji signifikansi-t dalam penelitian ini.
Tabel 9 Uji Signifikansi-t
signifikan pada a = 5 sumber: hasil pengolahan data
Tabel di atas menunjukkan hasil pengujian regresi berganda untuk model yang digunakan dalam penelitian ini. Hasil pengujian data di atas
mengindikasikan bahwa variabel REV berpengaruh terhadap kinerja keuangan pemerintah daerah di Indonesia. Hasil ini diindikasikan oleh nilai
probabilitas untuk variabel REV sebesar 0,005 yang lebih kecil dari tingkat
Variabel Koefisien
t-value Sig.
KONSTANTA 0,384
9,768 0,000
TAX -1,606E-7
-0,773 0,442
GRANT -3,403E-8
-0,262 0,794
REV -1,452E-6
-2,915 0,005
EXP 5,713E-8
0,573 0,569
REAL -1,721E-8
-1,054 0,295
CAP 6,965E-9
0,313 0,755
76 signifikansi penelitian 5. Sementara itu, untuk variabel yang lain, hasil
pengujian mengindikasikan bahwa variabel TAX, GRANT, EXP, REAL dan CAP tidak berpengaruh terhadap kinerja keuangan pemerintah daerah di
Indonesia. Hasil ini dibuktikan dengan nilai probabilitas masing-masing varaibel tersebut yang lebih besar dari tingkat signifikansi penelitian 5.
Nilai probabilitas untuk variabel TAX adalah sebesar 0,442, untuk variabel GRANT adalah sebesar 0,794 dan untuk variabel EXP adalah sebesar 0,569,
nilai probabilitas untuk variabel REAL adalah sebesar 0,295 dan untuk variabel CAP adalah sebesar 0,755.
Hasil pengujian signifikansi-t di atas juga mendasari penyusunan model penelitian yang dapat dirumuskan seperti berikut ini.
FP = 0,384 -1,606E-7TAX -3,403E-8GRANT -1,452E-6 REV + 6,965E- 9EXP -1,721E-8 REAL + 5,713E-8CAP
3. Uji koefisien determinasi
Koefisien determinasi menyatakan persentase total variasi dari variabel dependen yang dapat dijelaskan oleh variabel independen dalam
model. Untuk model regresi dengan satu variabel independen koefisien determninasi ditunjukkan oleh nilai R square R
2
dan untuk model regresi dengan menggunakan dua atau lebih variabel independen koefisien
determinasi ditunjukkan oleh nilai adjusted R square adj R
2
. Penelitian ini menggunkan nilai adj R
2
.
77 Hasil pengujian menunjukkan nilai R square dan adj R square untuk
model regresi yang digunakan dalam penelitian ini masing-masing adalah sebesar 0,234 23,4 dan 0,173 17,3. Penelitian ini menggunakan
variabel independen lebih dari dua variabel dan oleh karena menggunakan nilai adj R square dalam menganalisis koefisien determinasi. Nilai adj R
square adalah 0,173 17,3 mengindikasikan bahwa variabilitas kinerja keuangan pemerintah daerah di Indonesia mampu dijelaskan oleh variabel
independen berupa TAX, GRANT, REV, EXP dan REAL serta CAP sebesar 17,3 dan sisanya sebesar 82,7 dijelaskan oleh variabel lain
yang tidak dimasukkan dalam model penelitian ini.
D. Pembahasan
