BAB III METODE PENELITIAN. Berdasarkan permasalahan dan hipotesis penelitian, penelitian ini

perpustakaan.uns.ac.id

digilib.uns.ac.id

BAB III METODE PENELITIAN

3.1.

Model Penelitian Berdasarkan permasalahan dan hipotesis penelitian, penelitian ini

menggunakan metode deskriptif dengan pendekatan kuantitatif, tujuannya untuk menganalisis hubungan dan pengaruh antara variabel independen yang merupakan faktor-faktor kecurangan menurut fraud diamond terhadap kecurangan pelaporan keuangan Pemerintah Kabupaten/Kota di Indonesia sebagai variabel dependen. Prosedur pemecahan masalah yang diteliti dengan menggunakan angka-angka sebagai indikator variabel penelitian, kemudian dianalisis dan diinterpretasikan dengan memberikan kesimpulan. Penelitian ini menggunakan data sekunder sebagai indikator variabel penelitian, yaitu data yang diperoleh dari pihak lain, tidak langsung diperoleh oleh peneliti dari subjek penelitiannya. Data sekunder berupa Laporan Keuangan Pemerintah Daerah (Kabupaten/Kota) (LKPD) di Indonesia, yang diperoleh dari BPK RI. Untuk menganalisis data, penelitian ini menggunakan analisis regresi logistik (logistic regression analysis) dengan alat bantu perangkat lunak SPSS 20.0 dan hasil analisis, nantinya, akan digunakan untuk menarik kesimpulan.

3.2.

Operasionalisasi Variabel Menurut Sekaran dan Bougie (2010) variabel adalah sesuatu yang dapat

membedakan atau mengubah nilai, nilai bisa berbeda pada berbagai waktu untuk commit to user

34

35 digilib.uns.ac.id


objek atau orang yang sama, atau pada waktu yang sama untuk objek atau orang yang berbeda. Penelitian ini menggunakan dua variabel utama yaitu, variabel independen, dan variabel dependen, dan satu variabel kontrol. Adapun definisi dan pengukuran masing-masing variabel adalah sebagai berikut. 3.2.1. Variabel Independen Variabel independen adalah variabel yang mempengaruhi variabel dependen, baik secara positif atau negatif (Sekaran dan Bougie, 2010). Variabel independen dalam penelitian ini adalah faktor-faktor kecurangan menurut Fraud Diamond (Fraud Triangle + Capability) yang dikembangkan dari penelitian Skousen et al. (2008), Sihombing dan Rahardjo (2014) dan Andriana (2015), yaitu: a. Tekanan eksternal (pressure) yang diproksikan dengan rasio kemampuan pemerintah daerah membayar kewajiban (LEVERAGE) dan persentase penyerapan anggaran belanja (REALEXP). b. Kesempatan (opportunity) yang diproksikan dengan transaksi pihak istimewa, yaitu antara pemerintah daerah dengan pemerintah pusat dari jumlah pendapatan transfer (LNTRANS) dan kelemahan pengendalian internal (ICW). c. Rasionalisasi (rationalization) yang diproksikan dengan Opini Laporan Keuangan selain WTP selama 2 tahun terakhir (PRIOROP). d. Kemampuan (capability) yang diproksikan dengan Pergantian Kepala Daerah (CHKD).

commit to user



3.2.2. Variabel Dependen Menurut Sekaran dan Bougie (2013), variabel dependen adalah variabel yang menjadi perhatian utama peneliti sehingga tujuan peneliti adalah untuk menentukan

dan

menggambarkan

variabel

dependen,

atau

menjelaskan

variabilitas, atau memprediksinya. Variabel dependen dalam penelitian ini adalah kecurangan pelaporan keuangan pemerintah kabupaten/kota di Indonesia yang diproksikan dengan opini LHP BPK RI (FFR). Pengukuran kecurangan pelaporan keuangan menggunakan dummy, dimana nilai 1 untuk menunjukan pemerintah daerah diduga melakukan kecurangan pelaporan keuangan dengan opini selain WTP dan nilai 0 untuk pemerintah yang tidak melakukan kecurangan pelaporan keuangan (Haryanto, 2011 dan Andriana, 2015). 3.2.2. Variabel Kontrol Variabel kontrol adalah variabel yang berasal dari dalam maupun luar yang bisa mempengaruhi hubungan sebab akibat, tetapi efek tersebut bisa dikendalikan melalui sebuah proses penyesuaian atau pengacakan (Sekaran dan Bougie, 2013). Penelitian ini menggunakan ukuran pemerintah daerah yang dilihat dari nilai total aset (LNASET) yang ditransformasikan melalui proses logaritma sebagai variabel pengendali dalam melakukan pengujian terhadap pengaruh beberapa variabel proksi faktor kecurangan pelaporan keuangan.

3.3.

Metode Pengumpulan Data Penelitian ini menggunakan data sekunder, alasan penggunaan data

sekunder adalah data mempunyai validitas data yang terjamin oleh pihak lain commit to user



sehingga handal untuk dijadikan penelitian. Metode pengumpulan data dalam penelitian ini adalah metode dokumentasi, yaitu pengumpulan data dilakukan dengan cara mempelajari catatan-catatan atau dokumen-dokumen perusahaan sesuai dengan data yang diperlukan. Data yang digunakan adalah LKPD tahun anggaran 2013 dan 2014 yang diambil dari LHP BPK RI tahun 2014 dan 2015 dan IHPS I tahun 2015 BPK RI.

3.4.

Populasi dan Sampel Penelitian Populasi mengacu pada seluruh kelompok orang, kejadian, atau hal-hal

yang penting ingin diteliti (Sekaran dan Bogie, 2010). Populasi yang digunakan dalam penelitian ini adalah seluruh pemerintah kabupaten/kota di Indonesia pada tahun 2014. Sampel meliputi sebagian dari populasi dan dianggap dapat mewakili populasi (Sekaran dan Bogie, 2010). Sampel penelitian ini diperoleh menggunakan metode convenience sampling dimana peneliti memperoleh data atau informasi dari sampel yang paling mudah diperoleh (LHP dan IHPS BPK RI Tahun 2014 dan 2015), dengan kriteria merupakan entitas yang wajib menyusun laporan keuangan (LK) pada tahun 2013 dan 2104, dan data dari sampel dapat diperoleh.

3.5.

Teknik Analisis Data Analisis data adalah proses penyederhanaan data ke dalam bentuk yang

mudah dibaca dan diinterpretasikan. Dalam penelitian ini digunakan analisis commit to user



pengujian kuantitatif, gunanya untuk mendapatkan informasi relevan yang terkandung dalam data tersebut sehingga diperoleh hasil yang pasti dan dapat dipertangungjawabkan dan hasilnya digunakan untuk menyimpulkan keterkaitan variabel-variabel penelitian sekaligus membantu pemecahan suatu masalah. Alat analisis statistik yang digunakan adalah piranti lunak/software SPSS 20.0, software ini digunakan untuk menganalisa data stastistik agar dapat diolah, ditampilkan, dan dimanipulasi sehingga dapat menampilkan suatu informasi yang dapat digunakan. Untuk mencari keterkaitan antara variabel-variabel dalam penelitian ini, peneliti menggunakan analisis regresi logistik, karena data yang digunakan dalam penelitian ini bersifat non metrik (berbentuk dummy) pada variabel

dependen (FFR), sedangkan

variabel independen (LEVERAGE,

REALEXP, LNTRANS, ICW, PRIOROP, dan CHKD) merupakan campuran antara variabel kontinyu (data metrik) dan kategorial (data non metrik). Analisis regresi logistik tidak memerlukan asumsi normalitas data dan tidak perlu membuktikan

asumsi

klasik

seperti

multikolonieritas,

autokorelasi,

dan

heterokedastisitas (Ghozali, 2013). 3.5.1. Uji Statistik Deskriptif Statistik deskriptif adalah statistik yang memberikan gambaran atau deskripsi suatu data yang dilihat dari rata-rata, standar deviasi, varian, maksimum, minimum, kurtosis, skewness (kemencengan distribusi) dari suatu sampel. Statistik deskriptif dimaksudkan untuk memberikan gambaran mengenai distribusi dan perilaku data yang menjadi sampel penelitian (Ghozali, 2013). commit to user



3.5.2. Uji Hipotesis Hipotesis dalam penelitian diuji dengan menggunakan analisis regresi logistik untuk uji seluruh hipotesis (H1-H4). 3.5.2.1. Analisis Regresi Logistik Regresi logistik sama seperti regresi berganda, bedanya variabel dependen pada regresi logistik berbentuk kategorial (Latan dan Selva, 2013). Regresi logistik (logit) dipilih karena hanya variabel terikatnya merupakan variabel dikotomi, biasanya hanya terdiri atas dua nilai, yang mewakili kemunculan atau tidak adanya suatu kejadian yang biasanya diberi angka 0 atau 1 (dummy). Campuran skala pada variabel bebas tersebut menyebabkan asumsi multivariate normal distribution tidak dapat terpenuhi, dengan demikian bentuk fungsinya menjadi logistik dan tidak membutuhkan asumsi normalitas dan asumsi klasik lainnya pada data variabel independennya. Model logit yang digunakan dalam penelitian ini dapat dijabarkan sebagai berikut: FFR =

β0 + β1 LEVERAGE + β2 REALEXP + β3 LNTRANS + β4 ICW + β5 CHOP + β6 CHKD + ε

Keterangan : FFR

: Variabel dummy dengan mengkodekan: -

“1” Untuk Opini Selain WTP, sebagai indikasi adanya kecurangan - “0” Untuk Opini WTP LEVERAGE : Rasio total kewajiban terhadap total asset REALEXP

: Persentase penyerapan anggaran belanja

LNTRANS

: Jumlah pendapatan transfer (log natural (Ln))

ICW

: Merupakan variabel dummy, kode 1 jika terdapat commit tosistem user pengendalian internal, temuan kelemahan



kode 0 jika tidak. PRIOROP

: Merupakan variabel dummy, kode 1 jika Pemerintah Daerah selama 2 tahun terakhir mendapat opini selain WTP, kode 0 jika tidak.

CHKD

: Merupakan

variabel

dummy,

kode

1

jika

Pemerintah Daerah melakukan Pergantian Kepala Daerah dalam dua tahun terakhir, kode 0 jika tidak melakukan Pergantian Kepala Daerah.

Langkah-langkah yang ditempuh dalam regresi logistik menurut Ghozali (2013) adalah sebagai berikut: 3.5.2.1.1. Uji Kelayakan Keseluruhan Model (Overall Fit Model Test) Untuk menilai kelayakan keseluruhan model terhadap data digunakan beberapa uji statistik, yaitu: Uji Likelihood (L), Uji Nagelkerke R2, Uji Hosmer dan Lemeshow’s Goodness of fit. Menurut

Ghozali

(2013), hipotesis untuk

menilai model fit adalah: H0: Model yang dihipotesiskan fit dengan data. H1: Model yang dihipotesiskan tidak fit dengan data. 3.5.2.1.1.1. Uji Likelihood L Uji Likelihood L digunakan untuk menilai keseluruhan model (overall model fit) apakah fit terhadap data dan layak digunakan untuk analisis selanjutnya. Likelihood L dari model adalah probabilitas bahwa model yang dihipotesiskan menggambarkan data input dan menunjukkan apakah dengan adanya penambahan variabel ke dalam model akan memperbaiki model fit dalam memprediksi variabel to user dependen. Nilai L berada antar 0 commit dan 1, oleh itu nilai log L adalah negatif. Nilai



L adalah “buruk” bila nilai minimum adalah 0 (dimana L1=L0) dan ”baik” bila nilai maksimum sama dengan 1 (L1=1). Untuk menguji hipotesis nol dan alternatif, Likelihood L ditransformasikan menjadi -2LogL atau disebut dengan Likelihood rasio χ2 statistik, yaitu dengan membandingkan antara -2LogL pada awal dimana model hanya memasukkan konstanta (block 0) dengan -2LogL dimana model memasukkan konstanta dan variabel independen (block 1). Apabila nilai -2LogL pada block 0 > -2LogL pada block 1 maka model dikatakan semakin baik. Jika terdapat pengurangan nilai antara -2LogL awal dengan nilai -2LogL pada langkah berikutnya menunjukkan bahwa model yang dihipotesiskan fit dengan data (Ghozali, 2006 dan 2013). 3.5.2.1.1.2. Uji Cox and Snell’s R Square dan Nagelkerke’s R Square Cox and Snell’s R Square merupakan ukuran yang mencoba meniru ukuran R2 pada regresi berganda yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari satu sehingga sulit diinterpretasikan. Untuk mendapatkan koefisien determinasi yang dapat diinterpretasikan seperti nilai R2 pada regresi linier berganda, maka digunakan Nagelkerke’s R Square. Nagelkerke’s R Square merupakan modifikasi dari koefisien Cox and Snell untuk memastikan bahwa nilainya bervariasi dari 0 (nol) sampai 1 (satu). Hal ini dilakukan dengan cara membagi nilai Cox and Snell R Square dengan nilai maksimumnya. Jika Nilai Nagelkerke’s R Square mendekati nol berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Jika Nilai Nagelkerke’s R Square mendekati satu berarti commit to user



variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. 3.5.2.1.1.3. Uji Hosmer dan Lemeshow’s Goodness of fit test Menurut Ghozali (2013), model fit juga dapat diuji dengan Hosmer and Lemeshow’s Goodness of fit test, yang menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model (tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit). Jika nilai Sig. Hosmer and Lemeshow’s Goodness of fit test sama dengan atau kurang dari α maka hipotesis nol ditolak yang berarti terdapat perbedaan signifikan antara model dengan nilai observasinya sehingga goodness fit model tidak baik karena model tidak dapat memprediksi nilai observasinya. Sebaliknya, jika nilai Sig. Hosmer and Lemeshow’s Goodness of fit test lebih besar dari α maka hipotesis nol tidak dapat ditolak berarti model mampu memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena cocok dengan data observasinya. 3.5.2.1.1.4. Uji Ketepatan Klasifikasi Model Tabel klasifikasi 2 x 2 menghitung nilai estimasi yang benar (correct) dan salah (incorrect). Pada kolom merupakan dua nilai prediksi variabel dependen, sedangkan pada baris menunjukkan nilai observasi sesungguhnya dari variabel dependen. Apabila model sempurna, semua kasus akan berada pada diagonal dengan tingkat ketepatan peramalan 100%.

commit to user



3.5.2.1.2. Uji Signifikansi Simultan Jika pada Ordinary Least Square (OLS) untuk menguji signifikansi simultan menggunakan uji F, pada regresi logistik menggunakan nilai Chi-square dari selisih antara -2 Log likelihood sebelum variabel independen masuk model dan -2 Log likelihood setelah variabel independen masuk model. Pengujian ini disebut juga dengan pengujian Maximum Likelihood. H0: tidak ada variabel independen yang signifikan mempengaruhi variabel dependen. H1: minimal

ada

satu

variabel

independen

yang

signifikan

mempengaruhi variabel dependen. Tolak Ho jika Nilai Chi-square hitung > Chi-square tabel atau dengan signifikansi sebesar < α. Untuk melihat hasil pengujian secara simultan pengaruh variabel independen terhadap variabel independen digunakan tabel “Omnibus Tests of Model Coefficients”. 3.5.2.1.3. Uji Signifikansi Parameter Individual Uji signifikansi parameter individual digunakan untuk mengetahui apakah variabel independen yang dimasukkan dalam model mempunyai pengaruh terhadap variabel dependen dan berapa besar pengaruh masing-masing variabel independen. H0: β1 = 0 (variabel independen tidak signifikan mempengaruhi variabel dependen) H1: β1 ≠ 0 (variabel independen signifikan mempengaruhi variabel dependen)

commit to user



Uji signifikansi parameter individual dapat ditentukan dengan nilai Wald dan nilai Sig. Nilai Wald dibandingkan dengan Chi-square tabel sedangkan nilai Sig. dibandingkan dengan α . Dalam penelitian ini digunakan tingkat signifikansi (α) sebesar 10%, sehingga: a)

H0 diterima jika nilai Wald < Chi-square tabel atau Sig.> 0,10. Hal ini berarti bahwa variabel independen tidak berpengaruh terhadap variabel dependen.

b) H0 ditolak jika nilai Wald > Chi-square tabel atau Sig. < 0,10. Hal ini berarti bahwa variabel independen mempunyai pengaruh terhadap variabel dependen.

commit to user

BAB III METODE PENELITIAN. Berdasarkan permasalahan dan hipotesis penelitian, penelitian ini

Recommend Documents