ANALISIS DATA DAN PEMBAHASAN

BAB IV ANALISIS DATA DAN PEMBAHASAN

A. Deskripsi Data

Data yang digunakan dalam penelitian ini adalah data sekunder berupa Laporan Keuangan Pemerintah Daerah (LKPD) periode tahun 2008-2010. Data tersebut diperoleh dari Badan Pemeriksa Keuangan (BPK) dan data statistik daerah yang diperoleh dari website Badan Pusat Statistik (BPS) www.bps.go.id.

Populasi dalam penelitian ini adalah Laporan Keuangan Pemerintah Daerah (LKPD) periode tahun 2008-2010. berdasarkan populasi tersebut, kemudian ditentukan sampel penelitian dengan metode purposive sampling. Dengan menggunakan metode tersebut dan beberapa kriteria yang telah dijelaskan pada bab III, maka diperoleh jumlah sampel penelitian yang dapat dijelaskan dalam tabel berikut ini.

Tabel 1 Sampel Penelitian

Kriteria Sampel

Jumlah Laporan Keuangan Pemerintah Daerah kabupaten/kota dan provinsi seluruh Indonesia tahun 2008 s.d 2010 yang diperoleh dari BPK RI. Laporan Keuangan Pemerintah Daerah kabupaten/kota dan provinsi seluruh Indonesia tahun 2008 s.d 2010 yang Tidak Wajar (TW) dan Tidak Memberikan Pendapat (TMP). Laporan Keuangan Pemerintah Daerah kabupaten/kota dan provinsi seluruh Indonesia tahun 2008 s.d 2010 yang tidak menyajikan secara lengkap data dan informasi yang dibutuhkan dalam penelitian. Laporan Keuangan Pemerintah Daerah kabupaten/kota dan provinsi seluruh Indonesia tahun 2008 s.d 2010 yang menjadi sampel.

Sumber : BPK RI Berdasarkan tabel 1, dapat diketahui bahwa jumlah Laporan Keuangan

commit to user

buah. Atas jumlah laporan keuangan tersebut, sebanyak 331 laporan keuangan tidak dapat dijadikan sampel penelitian karena mendapatkan opini Tidak Wajar (TW) dan opini Tidak Memberika Pendapat (TMP), hal ini dikarenakan bahwa laporan keuangan dengan opini tidak wajar dan tidak memberikan pendapat tersebut tidak sesuai dengan Standar Akuntansi Pemerintah (SAP) sehingga tidak dapat digunakan dalam pengambilan keputusan oleh pemakain laporan keuangan.

Selain kriteria opini audit BPK atas Laporan Keuangan Pemerintah Daerah (LKPD), penelitian ini juga menggunakan informasi lain dalam pengukuran variabel independen. Untuk sampel sebelumnya yang memenuhi kriteria opini dari BPK tetapi tidak mencantumkan informasi untuk pengukuran variabel independen, maka laporan keuangan tersebut tidak digunakan dalam penelitian ini, yaitu sebanyak 217 laporan keuangan. Setelah dilakukan identifikasi dengan menggunakan kriteria pengambilan sampel, maka diperoleh sampel sebanyak 704 laporan keuangan yang terdiri dari 263 laporan keuangan pemerintah daerah pada tahun 2008, 198 laporan keuangan pemerintah daerah pada tahun 2009, 243 laporan keuangan pemerintah daerah pada tahun 2010.

B. Hasil dan Analisis Data

Penelitian ini menguji pengaruh jumlah population (POP), employment (EMP), size (SZ),dan leverage (LEV) terhadap kinerja keuangan pemerintah daearah yang diukur dengan rasio current ratio (CR), debt to equity ratio (DER), assets turnover (AT), operating revenues to total revenues (ORTR), dan operating revenues to operating expenses (OROE) Penelitian ini menggunkan alat uji multiple regression model dengan menggunakan bantuan software komputer untuk statistik berupa SPPS for windows 16.0. Selanjutnya diuraikan hasil analisis

commit to user

data penelitian dari deskripsi statistik, uji normalitas, uji normalitas data, uji asumsi klasik sampai dengan uji hipotesis.

1. Analisis deskriptif statistik atas data

Statistik deskriptif dalam penelitian ini dilakukan untuk mencari nilai mean, maksimum, minimum, dan standar deviasi dari variabel-variabel penelitian. Berikut ini disajikan deskripsi data penelitian.

Tabel 2 Deskripsi Statistik Data Penelitian

Variable N

Std. deviation

0,3708442 Valid N (listwise)

704

Sumber : hasil pengolahan data Tabel diatas menunjukkan bahwa jumlah sampel (N) adalah 704 buah, dari 704 sampel tersebut variabel LEV dan DER mempunyai nilai rata-rata terendah yang sama,hal ini dikarenakan rasio untuk menghitung variabel LEV dan DER

adalah sama yaitu

equity

debt

. Nilai minimum LEV dan DER adalah sebesar 0,0000

dan nilai maksimumnya adalah sebesar 1,5113 serta nilai mean dan standar deviasi adalah sebesar 0,011587 dan 0,0590708. hasil deskriptif data ini menjelaskan bahwa penyebaran data berkisar antara 0,011587 ditambah dengan 0,0590708 sampai dengan 0,011587 dikurangi 0,0590708. Sementara itu, untuk variabel SZ merupakan variabel dengan rata rata tertinggi. Nilai minimum untuk variabel SZ adalah 49.331.376.641 dan nilai maksimumnya adalah sebesar 407.096.408.253.177,00. Nilai rata-rata dan standar deviasi untuk SZ adalah

commit to user

bahwa penyebaran data variabel SZ berkisar antara 4.104.645.834.783,50 ditambah dengan 25.860.451.043.002,01sampai dengan 4.104.645.834.783,50 dikurangi 25.860.451.043.002,01.

2. Uji asumsi klasik

Sebelum dilakukan pengujian hipotesis dilakukan uji asumsi klasik sebagai syarat untuk dapat menggunakan model regresi. Uji asumsi klasik ini terdiri dari normalitas, multikolonieritas, autokorelasi, dan heteroskedastisitas.

a. Uji normalitas data

Uji normalitas dimaksudkan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual mempunyai distribusi 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 dibawah ini.

Tabel 3 Normalitas Data

Unstandardized Residual

N 704

Normal Parameters a Mean

0,0000000

Std. Deviation

0,95443532 Most Extreme Differences

-0,374 Kolmogorov-Smirnov Z

9,935 Asymp. Sig. (2-tailed)

0,000 Sumber : hasil pengolahan data

Tabel 3 menunjukkan bahwa nilai asymp.sig dalam uji kolmogorov- smirnov atas seluruh nilai residu data yang digunakan dalam penelitian ini di 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.

commit to user

Oleh karena itu, untuk memperoleh data yang terdistribusi normal, menurut Ghozali (2006) data yang tidak normal dapat ditransformasikan agar menjadi normal. Maka dalam penelitian ini, variabel dependen yang sebelumnya difaktorkan menjadi satu menggunakan progran SPSS dengan memasukkan lima rasio keuangan tersebut ke dalam variabel dependen dan kemudian diolah dengan factor analyze untuk menentukan component principal yang kemudian diperoleh satu faktor yang merupakan proksi kinerja keuangan pemerintah daerah ditransformasikan menjadi bentuk logaritma (LOG) dan menghilangkan data outlier. Setelah dilakukan proses transformasi dan penghilangan data outlier diperoleh jumlah data observasi sejumlah 154 data observasi. Hal ini mengindikasikan bahwa jumlah data yang ekstrem dan dikeluarkan dari sampel adalah sebanyak 550 buah. Selanjutnya setelah dilakukan transformasi dan menghilangkan data outlier maka dilakukan kembali uji normalitas dengan menggunakan uji kolmogorov-smirnov dan dapat dilihat pada tabel dibawah ini.

Tabel 4

Normalitas setelah Transformasi dan Seleksi Data Outlier Unstandardized Residual

N 154

Normal Parameters a Mean

0,0000000

Std. Deviation

0,64457442 Most Extreme Differences

-0,085 Kolmogorov-Smirnov Z

1,054 Asymp. Sig. (2-tailed)

0,216 Sumber : hasil pengolahan data

Dari tabel 4 dapat diketahui bahwa setelah dilakukan transformasi variabel dependen dan menghilangkan data outlier nilai asymp.sig yang lebih besar dari tingkat signifikasi penelitian 5% yaitu 0,216 atau 21,6%.

commit to user

b. Uji autokorelasi

Uji Autokorelasi digunakan untuk mengetahui kesalahan penggangu pada periode t dengan periode t-1 (Ghozali, 2006). 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 uji Breusch-Godfrey (BG test). Penggunaan uji Breusch-Godfrey lebih tepat digunakan dalam penelitian ini karena menurut Ghozali (2006) untuk sampel besar diatas 100 observasi penggunaan BG test lebih tepat dibandingkan dengan uji Durbin-Watson. Dari pengujian ini dapat dilihat terjadi atau tidaknya autokorelasi dengan melihat nilai signifikansi dari lag residual. Apabila nilai signifikansi lag residual < 5%, maka dapat dikatakan terjadi autokorelasi, namu jika nilai signifikansi lag residual > 5% maka dapat dikatakan tidak terjadi autokorelasi dalam model regresi yang digunakan dalam penelitian ini. Berikut ini disajikan hasil uji Breusch-Godfrey test untuk mengindikasikan asumsi autokorelasi dalam model regresi yang digunakan dalam penelitian ini.

Tabel 5 Uji Autokorelasi

Model Sig.

0,502 Sumber: hasil pengolahan data

Pada tabel 5 menunjukkan bahwa nilai RES_3 yang merupakan lag residual mempunya nilai 0,502 atau 50,2% yang berarti nilainya jauh diatah 5%. Hasil ini mengindikasikan bahwa variabel dalam model regresi yang digunakan dalam penelitian ini tidak terjadi gejala autokorelasi.

commit to user

c. Uji multikolonieritas

Uji multikolonieritas digunakan untuk menunjukkan ada tidaknya hubungan linier di antara variabel-variabel independen dengan model regresi. Pengujian ini dilakukan dengan menggunakan tolerance value dan variance inflation factor (VIF) dengan kriteria jika tolerance value <0,01 atau VIF > 10 maka terjadi multikolonieritas dan jika tolerance value >0,01 atau VIF <10 maka tidak terjadi multikolonieritas. Hasil uji multikolonieritas dapat dilihat pada tabel dibawah ini.

Tabel 6 Uji Multikolonieritas

1,042 Sumber : hasil pengolahan data

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 > 5%

commit to user

terjadi heteroskedastisitas. Hasil uji heteroskedastisitas dapat dilihat pada tabel dibawah ini.

Tabel 7 Uji Heteroskedastisitas

Variable Sig

POP 0,970 EMP

0,062 SZ

0,577 LEV

0,856 Sumber: hasil pengolahan data

Tabel 7 menunjukkan bahwa probabilitas dalam model regresi yang digunakan dalam penelitian ini lebih besar dari 0,05 atau 5% sehingga dapat dinyatakan bahwa tidak terjadi gejala heteroskedastisitas dalam semua model regresi penelitian ini.

3. Pengujian Hipotesis

Tujuan dari penelitian ini adalah memperoleh bukti empiris pengaruh population (POP), employment (EMP), size (SZ),dan leverage (LEV) terhadap kinerja keuangan pemerintah daerah yang diukur dengan rasio current ratio (CR), debt to equity ratio (DER), assets turnover (AT), operating revenues to total revenues (ORTR), dan operating revenues to operating expenses (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). Setelah diperoleh factor scores , faktor tersebut kemudian digunakan sebagai data kinerja keuangan dalam

commit to user

model regresi berganda untuk mengambil kesimpulan terkait hipotesis yang diajukan dalam penelitian ini.

a. Uji koefisien determinasi

Koefisien determinasi (R 2 ) pada intinya mengukur seberapa jauh

kemampuan model regresi dalam menerangkan variasi variabel dependen. Nilai

dari koefisien determinasi (R 2 ) adalah antara nol dan satu. Nilai R 2 yang kecil

menandakan bahwa kemampuan variabel-variabel independen dalam menjelaskan

variasi variabel dependen sangat terbatas, sebaliknya, jika nilai R 2 yang mendekati

satu menandakan bahwa variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Untuk model regresi dengan satu variabel independen koefisien determinasi 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 ). Hasil dari pengujian koefisien determinasi disajikan dalam tabel berikut ini.

Tabel 8 Uji Koefisien Determinasi

Model

R Square

Adjusted R

Square

Std. Error of the Estimate

1 0,559 a 0,313

0,294

0,65317 Sumber: hasil pengolahan data

Dari tabel 8 dapat diketahui bahwa nilai adj R square adalah 0,294 (29,4%) mengindikasikan bahwa variabel kinerja keuangan pemerintah daerah di Indonesia mampu dijelaskan oleh variabel independen berupa POP, EMP, SZ, dan LEV sebesar 29,4% dan sisanya sebesar 70,6% dijelaskan oleh variabel lain yang tidak dimasukkan dalam model penelitian ini.

commit to user

b. 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 probability value (sig) , apabila probability value dalam hasil pengujian < 5%, maka dapat dinyatakan bahwa model layak (fit) untuk digunakan sebagai model regresi dalam penelitian dan sebaliknya jika probability value > 5%, maka dapat dinyatakan bahwa model tidak layak untuk digunakan dalam pengujian hipotesis penelitian.berikut ini disajikan hasil dari uji signifikansi-F.

Tabel 9 Uji Signifikansi-F

Model

Sum of Squares

Df Mean Square

F Sig.

16,945 0,000 a Residual

Sumber: hasil pengolahan data Tabel 9 menunjukkan bahwa probability value atas model regresi yang digunakan dalam penelitian lebih kecil dari tingkat signifikansi penelitian 0,05 atau 5%. Hasil ini mengindikasikan bahwa model regresi yang digunakan dalam penelitian ini layak (fit) untuk digunakan sebagai model regresi pengujian hipotesis.

c. 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 regresi masing-masing

commit to user

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 (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 (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 10 Uji Signifikansi-t

0,003 Sumber : hasil pengolahan data

Tabel 10 menunjukkan hasil pengujian regresi berganda untuk model yang digunakan dalam penelitian ini. Hasil pengujian data di atas mengindikasikan bahwa variabel POP dan LEV berpengaruh terhadap kinerja keuangan pemerintah daerah di Indonesia. Hasil ini diindikasikan oleh nilai probabilitas untuk variabel POP dan LEV masing-masing sebesar 0,014 dan 0,003 yang lebih kecil dari tingkat signifikansi penelitian yaitu 0,05 atau 5%. Sementara itu, untuk variabel yang lain, hasil pengujian mengindikasikan bahwa variabel EMP dan SZ tidak berpengaruh terhadap kinerja keuangan pemerintah daerah di Indonesia. Hasil ini dibuktikan dengan nilai probabilitas variabel POP dan SZ masing-masing sebesar

commit to user

atau 5%. Hasil pengujian signifikansi-t di atas juga mendasari penyusunan model penelitian yang dapat dirumuskan seperti berikut ini.

LOG_KK = – 0,812 + 9,665E–8 (POP) + 1,171E–7 (EMP) –7,104E-16 (SZ) + 11,272 (LEV) + e

C. Pembahasan

Hasil dari penelitian yang dilakukan mengindikasikan bahwa jumlah penduduk (population) dan leverage berpengaruh terhadap kinerja keuangan pemerintah daerah di Indonesia, sedangkan jumlah tenaga kerja (employment) dan ukuran daerah (size) tidak perpengaruh terhadap kinerja keuangan pemerintah daerah di Indonesia. Hasil penelitian yang menyatakan adanya pengaruh population dan leverage terhadap kinerja keuangan pemerintah daerah konsiten dengan penelitian Cohen (2006), Sumarjo (2010), Steven dan McGowen (1983), dan Groves et all (2001), namun kontradiktif dengan penelitian yang dilakukan Winarna (2010). Sedangkan hasil penelitian yang menyatakan bahwa employment dan size tidak berpengaruh terhadap kinerja keuangan pemerintah daerah konsisten dengan penelitian Winarna (2010), namun kontradiktif dengan penelitian Steven dan McGowen (1983), Groves et all (2001) dan Sumarjo (2010). Perbedaan ini mungkin disebabkan penggunaan rasio yang berbeda dalam pengukuran variabel independen

Berdasarkan hasil penelitian, jumlah penduduk (population) berpengaruh terhadap kinerja keuangan pemerintah daerah disebabkan karena jumlah penduduk sebuah daerah akan berpengaruh terhadap pelayanan yang diberikan oleh pemerintah daerah, menurut Cohen (2006) semakin besar jumlah penduduk suatu daerah, maka akan menuntut pemerintah daerah untuk meningkatkan pelayanan publik lebih baik, dengan adanya tuntuntan tersebut maka pemerintah

commit to user

akan terdorong untuk meningkatkan kinerja dalam memberikan pelayanan kepada masyarakat. Sedangkan menurut Steven dan McGowen (1983) dalam melakukan pelayanan terhadap masyarakat, jika permintaan pelayanan masyarakat meningkat tanpa disertai dengan peningkatan keuangan pemerintah daerah, maka akan menurunkan kualitas jasa yang diberikan. Sedangkan untuk leverage mempunyai pengaruh terhadap kinerja keuangan pemerintah daerah karena besar kecilnya leverage pemerintah daerah akan mempengaruhi tingkat kemampuan pemerintah daerah membiayai kegiatan operasionalnya (Sumarjo, 2010). Semakin besar leverage yang dimiliki oleh suatu entitas maka entitas tersebut memiliki kinerja yang buruk (Perwitasari, 2010). Selain itu, semakin tinggi tingkat leverage yang dimiliki suatu entitas, maka pengawasan dari kreditor juga akan menjadi lebih ketat untuk menjamin pengembalian dana yang dipinjamkan, pengawasan yang lebih ketat tersebut akan mendorong entitas untuk memperbaiki kinerja keuangan mereka (Sumarjo, 2010).

Tidak berpengaruhnya employment terhadap kinerja keuangan pemerintah daerah dapat disebabkan masih belum berimbangnya antara lapangan pekerjaan yang tersedia dibandingkan dengan pertumbuhan angkatan kerja di Indonesia. Data BPS RI menyatakan bahwa tingkat pengangguran terbuka pada Agustus tahun 2008 sebesar 8,39%, Agustus tahun 2009 sebesar 7,87%, dan pada Agustus 2010 sebesar 7,14%. Pemerintah yang semestinya sebagai pihak yang berkewajiban menyediakan lapangan pekerjaan bagi masyarakat pada kenyataannya belum mampu sepenuhnya menyediakan lapangan pekerjaan yang cukup.Selain itu, tingkat kesejahteraan tenaga kerja yang masih rendah dapat juga menyebabkan tingkat kesejahteraan hidup masyarakat rendah, sehingga belum mampu menopang pertumbuhan ekonomi daerah. Sedangkan tidak

commit to user

berpengaruhnya size dapat disebabkan karena proksi untuk mengukur size adalah jumlah aktiva yang dimiliki daerah, berdasarkan data yang diperoleh dari BPK RI sebagian besar laporan keuangan pemerintah daerah yang mendapatkan opini wajar dengan pengecualian, mendapatkan pengecualian pada nilai aktiva, sehingga dapat dinyatakan bahwa aktiva yang disajikan tidak sesuai dengan Standar Akuntansi Pemerintah.

commit to user