BAB III METODE PENELITIAN
A. Metode Penelitian Metode penelitian ini adalah penelitian kuantitatif dengan desain penelitian adalah penelitian Causal (sebab-akibat), yaitu penelitian untuk menguji apakah satu variable menyebabkan perubahan variabel lain atau tidak (Sekaran dan Bougie, 2013). Variabel yang yang akan diuji adalah variabel e-government, Kapabilitas APIP, Penyelesaian Tindak Lanjut dan Kinerja Keuangan Pemerintah Daerah sebagai variabel independent serta variabel penurunan kerugian daerah sebagai variabel dependent, dengan menggunakan variabel ukuran pemerintah dan belanja daerah sebagai variabel kontrol.
B. Pengumpulan Data dan Pemilihan Sampel Penelitian ini menggunakan data sekunder yang dipublikasikan oleh BPK RI, Kementerian Kominfo RI dan BPKP RI. Data diperoleh secara langsung maupun
yang
dipublikasikan
dalam
website
Kementerian/Lembaga
tersebut.Populasi dalam penelitian ini adalah seluruh pemerintah Kabupaten/Kota di Indonesia. Untuk sampel penelitian diambil dengan menggunakan teknik Purposive sampling, yakni teknik pengambilan sampel berdasarkan atas tujuan tertentu sehingga diperoleh sampel yang representatif. Kriteria yang digunakan dalam pengambilan sampel penelitian ini adalah :
72
1.
Pemerintah Kabupaten/Kota di Indonesia yang telah menerbitkan Laporan Keuangan Pemerintah Daerah (LKPD) tahun 2013 dan 2014 dan sudah diaudit BPK-RI
2.
Pemerintah Kabupaten/Kota di Indonesia yang sudah dinilai dalam penerapan
e-government dan
sudah
diperingkatkan
oleh
Kementerian Komunikasi dan Informasi Republik Indonesia 3.
Pemerintah Kabupaten/Kota di Indonesia yang kapabilitas APIP- nya sudah dinilai oleh BPKP-RI
C. Definisi Operasional dan Pengukuran Variabel Variabel Dependent dalam penelitian ini adalah prosentase penurunan kerugian daerah Pemerintah Kabupaten/Kota di Indonesia. Sedangkan Variabel independent dalam penelitian ini
adalah variabel e-government, Kapabilitas
APIP, Penyelesaian Tindak Lanjut dan Kinerja Keuangan Pemerintah Daerah dan menggunakan variabel rasio belanja pegawai dan ukuran pemerintah daerah sebagai variabel kontrol.
Tabel. 3.1 Definisi operasional variabel No. 1
Simbol
Variabel
Kerugian Kerugian Daerah Daerah
Definisi Operasional Sumber Variabel Tindakan yang BPK dapat merugikan RI keuangan negara atau perekonomian negara.
Skala Pengukuran Skala rasio dengan menggunakan nilai kerugian daerah tahun 2014
73
No.
Simbol
2
TL
3
IACM
4
5
6
Definisi Operasional Sumber Variabel Prosentase Prosentase BPK RI Penyelesaian penyelesaian Tindak lanjut Tindak Lanjut hasil audit atas hasil BPK-RI atas Audit BPK RI LKPD Pemerintah Daerah Kapabilitas Kemampuan BPKP RI APIP APIP untuk melaksanakan tugas – tugas pengawasan
Skala Pengukuran
Variabel
Skala rasio dengan menggunakan prosentase tindak lanjut hasil audit BPK-RI yang diselesaikan oleh pemerintah daerah
Skala ordinal dari 1 sampai 5, dimana angka 1 menunjukkan APIP pada Level 1 (terendah) dan 5 berarti APIP pada Level 5 (tertinggi) eGov Peringkat Penyelenggara Kementerian Skala rasio dengan Pelaksanaan an Teknologi Kominfo RI menggunakan nilai e-government Informasi dan pemeringkatan Komunikasi pelaksanaan e(TIK) di government pada lingkungan pemerintah instansi Kabupaten/Kota di pemerintah Indonesia dan percepatan Reformasi Birokrasi melalui peningkatan pemanfaatan TIK Total AKT Rasio BPK RI Skala rasio dengan belanja Aktivitas menggunakan rutin prosentase Total (Pegawai) Belanja Pegawai terhadap terhadap Total APBD total APBD Perbandinga BPK RI Growth Rasio Skala rasio dengan n PAD tahun Pertumbuhan menggunakan berjalan prosentase kenaikan dengan PAD tahun berjalan tahun dengan tahun sebelumnya sebelumnya
74
No.
Simbol
Variabel
7
Size
Ukuran Daerah
8
Expt
Belanja Daerah
Definisi Operasional Variabel Ukuran Daerah Kabupaten/ Kota se Indonesia yang diukur dengan jumlah Aset Jumlah Belanja daerah yang digunakan Pemda
D. 1.
Uji Asumsi Klasik
a.
Uji Asumsi Klasik Normalitas
Skala Pengukuran Sumber LKPD
Skala rasio dengan menggunakan Total Jumlah Aset yang dimiliki Pemerintah Daerah (Dalam Rupiah)
LKPD
Skala rasio dengan menggunakan Total Jumlah Belanja yang digunakan Pemerintah Daerah untuk membiayaikegiatan/pr ogram pembangunannya (Dalam Rupiah)
Analisis Data
Pengujian asumsi normalitas dilakukan untuk menguji distribusi data pada variabel Independen dan variabel dependen pada persamaan regresi, apakah berdistribusi normal atau berdistribusi tidak normal. Dalam penelitian ini, pengujian normalitas data menggunakan uji kolmogorov-smirnov, dengan menggunakan kriteria pengujian dua arah (two tailed test), dengan membandingkan nilai Asymp.Sig.(2-tailed) pada tabel hasil pengujian One-Sample Kolmogorov-Smirnov Test yang diperoleh dengan nilai signifikansi yang ditetapkan. Penelitian ini menggunakan tingkat signifikansi 0,05 (5 %), artinnya jika Asymp.Sig.(2-tailed) > 0,05,
75
data terdistribusi normal, jika Asymp.Sig.(2-tailed) < 0,05 berarti data terdistribusi tidak normal (Ghozali, 2013). b. Uji Asumsi Klasik Multikolinieritas Uji asumsi klasik Multikolinieritas digunakan untuk mengukur tingkat hubungan antar variabel bebas apakah saling mempengaruhi atau tidak dengan melihat besaran nilai tolerance, yaitu besarnya tingkat kesalahan yang dibenarkan secara statistik dan variance inflation factor (VIF) yakni faktor inflasi penyimpangan baku kuadarat (Sarwono, 2012, Ghozali, 2013). Besar nilai tolerance = 1/VIF Besar nilai variance inflation factor (VIF) = 1/tolerance Apabila tolerance diatas 0,10 (10 %) dan VIF dibawah 10, berarti tidak terjadi Multikolinieritas (Ghozali, 2013). c.
Uji Asumsi Klasik Heteroskedastisitas Uji Heteroskedastititas dilakukan untuk melihat apakah ada kesamaan atau tidak pada variance residual dari observasi yang satu dengan observasi lainnya.
Jika
residual
mempunyai
variance
yang
sama,
disebut
homoskedastisitas. dan jika variance nya tidak sama disebut terjadi heteoskedastisitas.
Persamaan
regresi
yang
baik
jika
tidak
terjadi
heteroskedastisitas (Ghozali, 2013). Pada penelitian ini, analisis uji asumsi heteroskedastisitas dilakukan dengan melihat hasil output SPSS dalam grafik scatterplot antara Z prediction (ZPRED) untuk variabel bebas (sumbu X=Y hasil prediksi) dan nilai residualnya (SRESID) variabel terikat (sumbu Y=Y prediksi – Y rill). Jika
76
titik-titik hasil pengolahan data antara ZPRED dan SRESID menyebar di bawah ataupun di atas titik origin (angka 0) pada sumbu Y dan tidak mempunyai pola yang tertentu, berarti terjadi Homoskedastisitas atau tidak terjadi Heterokedastisitas. Heteroskedastisitas terjadi jika pada scatter plot titik-titiknya mempunyai pola yang teratur, baik menyempit, melebar maupun bergelombang. Uji asumsi heterokedastisitas juga dilakukan dengan uji Glejser dengan ketentuan, jika nilai Sig. hasil perhitungan uji Glejser > 0,05,berarti tidak terjadi heterokedastisitas. d. Uji Asumsi Klasik Autokorelasi Pengujian Autokorelasi dilakukan untuk melihat apakah observasi saling berkaitan antara satu dengan yang lainnya. Persamaan regresi yang baik adalah tidak memiliki masalah autokorelasi. Untuk mengukur ada tidaknya masalah autokorelasi,pada penelitian ini dilakukan dengan uji Durbin-Watson (DW), dengan ketentuan sebagai berikut :
Terjadi autokorelasi jika DW > 3
Tidak terjadi autokorelasi jika 1 < DW < 3 (Sarwono, 2012)
2. Pengujian Hipotesis Untuk menguji Hipotesis 1 sampai 5, penelitian ini menggunakan model statistik regresi linier berganda dengan persamaan : Kerugian Daerah = α + β1 eGov + β2 TL + β3 IACM + β4 AKT + β5 Growth + β6 Size + β7 Expt + εi
77
Keterangan : Kerugian Daerah = Nilai Kerugian Daerah TL
= Prosentase penyelesaian Tindak Lanjut Hasil Audit
IACM
= Kapabilitas APIP
eGov
= Nilai
hasil
penilaian
atas
penerapan
e-
government AKT
= Rasio antara belanja pegawai dan total APBD
Growth
= Rasio pertumbuhan PAD
Size
= Ukuran Pemerintah Daerah diukur dari Total Aset dalam rupiah
Expt
= Total Belanja Pemerintah daerah dalam rupiah
β1, β1,.. β7
= Koefisien regresi
εi
= Error
Pengujian
Hipotesis
menggunakan
tingkat
signifikansi
yang
ditoleransi adalah sebesar 0,05 (α = 5 %). Pengujian Hipotesis 1 sampai Hipotesis 5 yang dilakukan pada penelitian ini adalah : a.
Pengujian Signifikansi-t Pengjian signifikansi-t digunakan untuk mengetahui apakah variabelvariabel independen secara parsial berpengaruh nyata atau tidak terhadap variabel dependen (Ghozali, 2013). Kriteria yang digunakan adalah sebagai berikut :
78
Jika nilai signifikansi-t lebih kecil dari derajat kepercayaan (uji t < 0,05), maka hipotesis diterima, artinya
suatu variabel
independen secara parsial mempengaruhi variabel dependen. Jika nilai signifikansi-t lebih besar dari derajat kepercayaan (uji t > 0,05),maka hipotesis ditolak, artinya suatu variabel independen secara parsial tidak mempengaruhi variabel dependen b.
Pengujian Signifikansi-F Pengujian Signifikansi-F digunakan untuk mengetahui apakah variabel-variabel independen secara bersama-sama berpengaruh terhadap variabel dependen dan apakah model penelitian layak (fit). Hasil uji F dilihat dalam tabel ANOVA hasil pengolahan data dengan SPSS, dalam kolom sig. Kriteria yang digunakan adalah : Jika nilai pengujian F lebih kecil dari 0,05 (uji F < 0,05), maka hipotesis diterima, yang berarti bahwa semua variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen. Jika nilai pengujian F lebih besar dari 0,05 (uji F > 0,05), maka hipotesis ditolak, yang berarti bahwa semua variabel independen secara bersama-sama
tidak berpengaruh signifikan terhadap
variabel dependen. c.
Pengujian Koefisien determinasi (Adjusted R Square) Pengujian ini bertujuan untuk menentukan proporsi atau persentase pengaruh variabel independen terhadap variabel dependen.Karena penelitian
79
ini menggunakan regresi linier berganda, maka yang digunakan adalah Adjusted R Square. Hasil perhitungan Adjusted R2 dilihat pada output Model Summary. Pada kolom Adjusted R2 akan diketahui berapa persentase yang dapat dijelaskan oleh variabel-variabel independen terhadap variabel dependen. Sedangkan sisanya dipengaruhi atau dijelaskan oleh variabelvariabel lain yang tidak dimasukkan dalam model penelitian. Untuk Hipotesis 6, pengujian dilakukan dengan menggunakan Moderated Regression Analysis (MRA) dengan persamaan : II. Kerugian Daerah = α + β1 IACM + εi Kerugian Daerah = α + β1 IACM + β2 eGov + εi Kerugian Daerah = α + β1 IACM + β2 eGov + β3 (IACM x eGov) + εi III. Kerugian Daerah = α + β1 TL + εi Kerugian Daerah = α + β1 TL + β2 eGov + εi Kerugian Daerah = α + β1 TL + β2 eGov + β3 (TL x eGov) + εi IV. Kerugian Daerah = α + β1 AKT + εi Kerugian Daerah = α + β1 AKT + β2 eGov + εi Kerugian Daerah = α + β1 AKT + β2 eGov + β3 (AKT x eGov) + εi V. Kerugian Daerah = α + β1 GROWTH + εi Kerugian Daerah = α + β1 GROWTH + β2 eGov + εi
80
Kerugian Daerah = α + β1 GROWTH + β2 eGov + β3 (GROWTH x eGov) + εi Pengujian yang dilakukan adalah untuk menguji apakah variabel moderating yang digunakan memenuhi kriteria sebagai variabel moderating dimana dalam persamaan regresinya mengandung unsur interaksi (perkalian dua atau lebih variabel independen) Kriteria yang digunakan adalah : Jika koefisien β2 = 0 dan β3 ≠ 0, maka variabel eGov merupakan variabel pure moderating Jika koefisien β2 ≠ 0 dan β3 ≠ 0, maka variabel eGov merupakan variabel quasi/partial moderating Jika koefisien β2 ≠ 0 dan β3 = 0, maka variabel eGov bukan merupakan variabel moderating (Sekaran and Bougie, 2013 and Ghozali, 2013).
