BAB IV ANALISIS DATA DAN PEMBAHASAN A. Data Penelitian 1.
Gambaran Umum Data Data penelitian yang digunakan dalam penelitian ini adalah Data sekunder
yang diperoleh dari BPK-RI, BPKP-RI dan Kementerian Komunikasi dan Informatika
RI,
yang
dipublikasikan
di
website
masing-masing
Kementerian/Lembaga tersebut ataupun yang diminta langsung ke Kementerian/ Lembaga tersebut. Data yang digunakan adalah Nilai Kerugian Daerah tahun 2014 (Fraud), hasil pemeringkatan pelaksanaan e-government di Indonesia (E-Gov), hasil penilaian kapabilitas APIP di Indonesia (IACM), penyelesaian Tindak Lanjut Hasil Pemeriksaan BPK-RI sampai tahun 2014 (TL), Belanja Daerah Kabupaten/Kota di Indonesia (Expt), jumlah aset Kabupaten/Kota di Indonesia (Size), Rasio Belanja Pegawai (AKT) dan pertumbuhan PAD Kabupaten/Kota di Indonesia (Growth). Data yang digunakan sebanyak 195 Kabupaten/Kota di Indonesia, yang memenuhi kriteria sampel yang telah ditetapkan. 2.
Deskripsi Statistik Data Penelitian ini menggunakan data sekunder yang dipublikasikan oleh BPK-
RI,BPKP-RI dan kementerian Kominfo RI. Data penelitian yang diperoleh kemudian diolah dengan sofware SPSS versi 20 yang menghasilkan deskripsi statistik variabel penelitian seperti tabel 4.1
82
Tabel 4.1 Deskripsi Statistik Variabel Variabel
N
Kerugian 195 Daerah
Minimum
Maximum
Mean (ẍ)
Std. Deviation (S)
CV=S/ẍ * 100 %
2,47
22533,42
1462,17
3088,77
211
EGov
195
1,01
3,49
1,82
0,49
27
TL
195
0,22
0,97
0,71
0,16
23
IACM
195
1,00
2,00
1,04
0,20
19
AKT
195
0,20
0,68
0,52
0,09
17
Growth
195
0,02
2,88
0,55
0,35
63
Size
195 344.265,82 38.605.937,67 3.623.872,98 3.858.549,62
106
Expt
195 377.666,56
59
5.707.378,47 1.419.766,32
835.682,57
Keterangan : Kerugian daerah (juta rupiah), Egov = Nilai pemeringkatan pelaksanaan e-government, TL = Tindak Lanjut Hasil Audit (persen), IACM =Level APIP, AKT = Rasio Aktivitas (persen), Growth =Rasio Pertumbuhan (persen), Size = Ukuran Daerah (juta rupiah), Expt = Belanja Daerah (juta rupiah), CV=Coefisien Variansi (persen) a.
Kerugian Daerah Variabel Fraud diukur dengan menggunakan nilai kerugian daerah hasil
audit BPK-RI atas Laporan Keuangan Pemerintah daerah Tahun 2014,dalam jutaan Rupiah. Dari tabel 4.2 terlihat bahwa dari data sebanyak 195,nilai kerugian daerah terendah adalah Rp. 2.470.000 dan tertinggi sebesar Rp. 22.533.420.000 dengan
rata-rata
(mean)
Rp.
1.462.170.000
dan
Standard
Deviasi
Rp. 3.088.770.000. Nilai standard deviasi yang lebih besar dari mean berarti bahwa variansi datanya relatif besar dan nilai coefisien varians (CV) = 211 % menunjukkan bahwa data sangat heterogen.
83
b.
Egov Variabel Egov adalah nilai pemeringkatan pelaksanaan e-government di
Indonesia yang dilaksanakan oleh Kementerian Komunikasi dan Informatika Republik Indonesia. Dari tabel 4.2 terlihat bahwa dari data sebanyak 195,nilai Egov terendah adalah 1,01 dan tertinggi adalah 3,49 dengan rata-rata (mean) 1,82 dan Standard Deviasi 0,49. Nilai standard deviasi yang lebih kecil dari mean berarti bahwa variansi datanya relatif kecil dan nilai coefisien varians (CV) = 27 % menunjukkan bahwa data homogen. c.
TL Variabel TL adalah prosentase penyelesaian Tindak Lanjut hasil audit BPK-
RI oleh Pemerintah Kabupaten/Kota di Indonesia. Dari tabel 4.2 terlihat bahwa dari data sebanyak 195,nilai TL terendah adalah 0,22 (22%) dan tertinggi adalah 0,97 (97%) dengan rata-rata (mean) 0,71 (71%) dan Standard Deviasi 0,16 (16%). Nilai standard deviasi yang lebih besar dari mean berarti bahwa variansi datanya relatif besar dan coefisien varians (CV) = 23 % menunjukkan bahwa data homogen. d.
IACM IACM adalah variabel untuk hasil penilaian kapabilitas APIP di Indonesia
yang dilaksanakan oleh BPKP-RI. Dari tabel 4.2 terlihat bahwa dari data sebanyak 195, nilai IACM terendah adalah 1,00 dan tertinggi adalah 2,00 dengan rata-rata (mean) 1,04 dan Standard Deviasi 0,20. Nilai standard deviasi yang lebih kecil dari mean berarti bahwa variansi datanya relatif kecil dan coefisien varians (CV) = 19 % menunjukkan bahwa data homogen.
84
e.
AKT Variabel AKT adalah rasio belanja pegawai, yang dihitung dengan
membandingkan total belanja pegawai dengan total belanja Pemerintah Kabupaten/Kota di Indonesia. Dari tabel 4.2 terlihat bahwa dari data sebanyak 195, nilai AKT terendah adalah 0,20 dan tertinggi adalah 0,68 dengan rata-rata (mean) 0,52 dan Standard Deviasi 0,09. Nilai standard deviasi yang lebih kecil dari mean berarti bahwa variansi datanya relatif kecil dan coefisien varians (CV) = 17 % menunjukkan bahwa data homogen. f.
Growth Variabel Growth adalah pertumbuhan PAD pemerintah Kabupaten/Kota di
Indonesia, yang dihitung dengan menghitung selisih antara PAD tahun 2014 dan tahun 2013 dibandingkan dengan PAD 2013. Dari tabel 4.2 terlihat bahwa dari data sebanyak 195, nilai Growth terendah adalah 0,02 dan tertinggi adalah 2,88 dengan rata-rata (mean) 0,55 dan Standard Deviasi 0,35. Nilai standard deviasi yang lebih kecil dari mean berarti bahwa variansi datanya relatif kecil dan coefisien varians (CV) = 63 % menunjukkan bahwa data heterogen. g.
Size Size
adalah
variabel
yang
menggambarkan
ukuran
pemerintah
Kabupaten/Kota di Indonesia yang dilihat dari Total Aset yang dimiliki dalam Jutaan Rupiah. Dari tabel 4.2 terlihat bahwa dari data sebanyak 195, nilai Size terendah
adalah
Rp.
344.265.820.000
dan
tertinggi
adalah
Rp.
38.605.937.670.000 dengan rata-rata (mean) Rp. 3.623.872.980.000 dan Standard Deviasi Rp. 3.858.549.620.000. Nilai standard deviasi yang lebih besar dari mean berarti bahwa variansi datanya relatif besar dan coefisien varians (CV) = 106 % menunjukkan bahwa data sangat heterogen.
85
h.
Expt Expt adalah variabel yang menggambarkan besarnya belanja pemerintah
Kabupaten/Kota di Indonesia, dalam Jutaan Rupiah. Dari tabel 4.2 terlihat bahwa dari data sebanyak 195, nilai Expt terendah adalah Rp. 377.666.560.000 dan tertinggi
adalah
Rp.
5.707.378.470.000
dengan
rata-rata
(mean)
Rp. 1.419.766.320.000 dan Standard Deviasi Rp. 835.682.570.000. Nilai standard deviasi yang lebih kecil dari mean berarti bahwa variansi datanya relatif kecil coefisien varians (CV) = 59 % menunjukkan bahwa data heterogen. B. Analisis Data 1.
Uji Asumsi Klasik Pada penelitian ini,uji asumsi klasik yang dilakukan adalah Uji Normalitas,
Uji Multikolinieritas dan Uji Heterokedastisitas. Hasil pengolahan data dengan sofware SPSS versi 20 hasil uji asumsi klasik adalah sebagai berikut. a.
Uji Normalitas Uji normalitas dalam penelitian ini menggunakan uji one-sample
Kolmogorov-Smirnov dengan melihat tingkat signifikansi. Jika nilai Asymp. Sig. (2-tailed) > 0,05, berarti data terdistribusi normal. Hasil Uji Normalitas seperti tabel 4.2 Tabel 4.2 Hasil Uji One-Sample Kolmogorov-Smirnov Unstandardized Residual N
195
Kolmogorov-Smirnov Z
0,709
Asymp. Sig. (2-tailed)
0,697
86
Dari tabel 4.2 terlihat bahwa nilai Asymp. Sig. (2-tailed) > 0,05, yang berati bahwa semua variabel penelitian terdistribusi normal. Pengujian dengan menggunakan grafik P-Plot adalah sebagai berikut :
Gambar 4.1 Grafik hasil uji Normalitas Data
Dari Gambar 4.1, menunjukkan data terdistribusi normal, karena menurut Ghozali (2013), normalitas dideteksi dengan melihat penyebaran titik pada sumbu diagonal grafik, jika titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal berarti data terdistribusi normal. b. Uji Multikolinieritas Hasil uji asumsi klasik Multikolinieritas disajikan dalam tabel 4.4
87
Tabel 4.3 Hasil Uji Multikolinieritas Variabel
Tolerance
VIF
EGov
0,788
1,270
TL
0,960
1,041
IACM
0,979
1,021
AKT
0,878
1,138
SizeLN
0,263
3,803
ExptLN
0,272
3,674
GrowthLN
0,893
1,119
Dari tabel 4.3 terlihat bahwa nilai tolerance diatas 0,10 dan VIF dibawah 10, berarti tidak terjadi Multikolinieritas. c.
Uji Heteroskedastisitas Pada penelitian ini, analisis uji asumsi heteroskedastisitas dilakukan dengan
uji Glejser dan juga 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). Tabel 4.4 Hasil Uji Glejser Model I
t
Sig.
(Constant)
1,729
0,086
EGov
-0,468
0,640
TL
-0,593
0,554
IACM
-0,384
0,701
AKT
-0,539
0,591
88
GrowthLN
-1,782
0,076
Dari Tabel 4.4 terlihat nilai Sig. hasil perhitungan uji Glejser > 0,05,berarti tidak terjadi heterokedastisitas. Hasil grafik scatterplot seperti gambar 4.2
Gambar 4.2 Grafik Uji Haterokedastisitas
Karena pola titiknya menyebar, berarti tidak terjadi heterokedastisitas. d.
Uji Auto Korelasi
89
Pada penelitian ini, analisis uji asumsi auto korelasi dilakukan dengan melihat nilai Durbin-Watson dari hasil pengolahan data. Dari hasil pengolahan data, nilai Durbin-Watson seperti dalam tabel 4.6 berikut : Tabel 4.5 Nilai Durbin-Watson Model
Durbin-Watson
I
1,816
Dari tabel 4.5 terlihat nilai DW= 1,816. Karena 1
Analisis Regresi Setelah dilakukan uji asumsi klasik dan hasilnya menunjukkan bahwa syarat
asumsi klasik sudah terpenuhi, maka selanjutnya dilakukan evaluasi dan analisis model regresi. Penelitian ini menggunakan beberapa model regresi dan akan dilakukan pembahasan setiap modelnya. a.
Analisis Regresi Berganda untuk Model I (Pertama) Model I (pertama) adalah menguji pengaruh variabel independen nilai hasil
pemeringkatan pelaksanaan E-Government (Egov), Prosentase pelaksanaan Tindak Lanjut hasil audit BPK-RI (TL), Kapabilitas APIP (IACM), Rasio Belanja Pegawai terhadap Belanja Daerah (AKT) dan Rasio pertumbuhan Pendapatan Asli Daerah
(Growth) terhadap penurunan kerugian daerah
pada Pemerintah
Kabupaten/Kota di Indonesia, dengan variabel kontrol Ukuran Pemerintah Daerah (Size) dan Belanja Daerah (Expt). Hasil pengujian Model I (pertama) dengan SPSS versi 20 menghasilkan koefisien regresi seperti tabel 4.6 berikut :
90
Tabel 4.6 Hasil Uji Regresi Model I
B
Std. Error
(Constant)
-3,400
2,812
EGov
-0,254
0,225
TL
-0,989
0,615
IACM
-0,435
0,216
AKT
-0,089
1,179
Growth
0,080
0,141
Size
0,359
0,287
Expt
0,440
0,347
Dari tabel 4.6 diatas diketahui koefisien regresi model I adalah sebagai berikut : Konstanta (α)
: -3,400
Koefisien regresi Egov (β1)
: -0,254
Koefisien regresi TL (β2)
: -0,989
Koefisien regresi IACM (β3)
: -0,435
Koefisien regresi AKT (β4)
: -0,089
Koefisien regresi Growth (β5)
: 0,080
Koefisien regresi Size (β6)
: 0,359
Koefisien regresi Expt (β7)
: 0,440
Sehingga Model Regresi I (pertama) adalah sebagai berikut :
91
Kerugian Daerah = -3,400 – 0,254 eGov – 0,989 TL – 0,435 IACM – 0,089 AKT + 0,080 Growth + 0,359 Size + 0,440 Expt + εi Dari persamaan ini terlihat bahwa koefisien regresi eGov, TL, IACM dan AKT bernilai – (negatif). Hal ini berarti bahwa semakin meningkat nilai eGov, TL, IACM dan AKT maka akan semakin menurun nilai Fraud-nya. Koefisien regresi untuk variabel Growth, Size dan Expt bernilai + (positif),yang berarti bahwa semakin tinggi growth, size dan expt akan semakin tinggi fraud-nya. 1) Uji Koefisien Determinasi Hasil pengujian dengan SPSS versi 20 untuk koefisien determinasi dapat dilihat pada model summary seperti tabel 4.7 berikut : Tabel 4.7 Hasil Uji Koefisien Determinasi Model
R
I
0,327a
R Square
0,107
Adjusted R Square
0,074
Std. Error of the Estimate
1,35528
Dari tabel 4.7 diatas, besarnya Adjusted R Square (R2 yang telah disesuaikan) adalah 0,074, artinya hanya 7,4 % variabel dependen Fraud dapat dijelaskan oleh variabel independen eGov, IACM, TL, AKT dan Growth, sedangkan 92,6 % dipengaruhi variabel lain yang tidak masuk dalam model penelitian ini.
92
2) Uji Simulltan (F) Hasil pengujian data penelitian dengan SPSS versi 20 untuk Uji Simultan (Uji-F) dapat dilihat pada Tabel 4.8 berikut :
Tabel 4.8 Hasil Uji Simultan (Uji-F) Model 1
Sum of Squares Regression
df
Mean Square
41,160
7
5,880
Residual
343,480
187
1,837
Total
384,640
194
F
Sig.
3,201
0,003
Nilai F pada tabel 4.8 diatas adalah 3,201 dengan tingkat signifikansi 0,003. Nilai Signifikansi F< 0,05 berarti model regresi layak (fit) untuk memprediksi pengaruh variabel independen terhadap variabel dependen. Hasil ini juga menunjukkan bahwa variabel eGov, TL, IACM, AKT dan Growth secara bersama-sama mempengaruhi variabel kerugian daerah. 3) Uji Parsial t (Uji-t) Pengujian pengaruh secara individual (parsial) variabel independen terhadap variabel dependen seperti hasil uji-t pada tabel 4.9 berikut : Tabel 4.9 Hasil Uji-t Model I
t
Sig.
(Constant)
-1,209
0,228
EGov
-1,132
0,259
TL
-1,610
0,109
IACM
-2,012
0,046
93
AKT
-0,075
0,940
Growth
0,565
0,573
Size
1,252
0,212
Expt
1,268
0,206
Dari tabel 4.9 diatas, hanya variabel Kapabilitas APIP (IACM) yang secara individual berpengaruh terhadap kerugian daerah, karena nilai Signifikansinya < 0,05. Artinya semakin tinggi kapabilitas APIP secara individual akan semakin menurunkan kerugian daerah. Variabel independen yang lain tidak ada yang berpengaruh signifikan secara individual terhadap variabel dependen, karena nilai signifikansinya > 0,05. b.
Moderated Regression Analysis (MRA) untuk Model II,III, IV dan V Model II (Kedua), III (Ketiga), IV (Keempat) dan V (Kelima) adalah untuk
menguji apakah variabel E-Government (Egov) menjadi variabel moderator untuk variabel Prosentase pelaksanaan Tindak Lanjut hasil audit BPK-RI (TL), Kapabilitas APIP (IACM), Rasio Belanja Pegawai terhadap Belanja Daerah (AKT) dan Rasio pertumbuhan Pendapatan Asli Daerah
(Growth) terhadap
penurunan kerugian daerah pada Pemerintah Kabupaten/Kota di Indonesia. Hasil pengolahan data dengan SPSS versi 20 seperti tabel 4.10 berikut : Tabel 4.10 Nilai β1,β2 dan β3 Model
β1
β2
β3
II
-0,390 -0,391 0,409
0,090 0,553
-0,432
III
-0,900 -0,960
0,132 2,396
-3,129
94
4,464 IV
-0,932 -0,944 0,947
0,088 0,636
-1,083
V
-0,053 -0,045 -0,170
0,074 0,137
0,072
Dari tabel 4.10, terlihat bahwa koefisien β2 ≠ 0 dan β3 ≠ 0, maka variabel eGov merupakan variabel quasi/partial moderating untuk IACM, TL, AKT dan Growth. C. Pembahasan Model I (Pertama) penelitian ini menguji pengaruh e-government (Egov), Kapabilitas APIP (IACM), penyelesaian Tindak Lanjut Hasil Audit BPK-RI (TL), Rasio Belanja Pegawai terhadap Belanja Daerah (AKT) dan Pertumbuhan PAD (Growth) terhadap kerugian daerah pada Kabupaten/Kota di Indonesia. Dari hasil pengujian secara parsial (uji-t) hanya H2 yang diterima, yaitu Kapabilitas APIP berpengaruh negatif pada kerugian daerah atau semakin tinggi kapabilitas APIP semakin turun/rendah kerugian daerah, karena signifikansi t hitung < 0,05. Hal ini sesuai hasil penelitian Indriasih dan Koeswoyo (2014) yang menyatakan bahwa pengendalian intern pemerintahan yang efektif berpengaruh pada kualitas pelaporan keuangan, yang nantinya akan berpengaruh pada akuntabilitas kinerja. Juga penelitian Agarwal dan Medury (2014), yang menyebutkan bahwa Audit internal berperan penting dalam mendeteksi dan mencegah penipuan. Sedangkan H1, H3, H4 dan H5 ditolak karena signifikansi t hitung > 0,05, meskipun tandanya mendukung hipotesis. Hal ini berarti bahwa e-government,
95
penyelesaian tindak lanjut hasil audit, belanja pegawai dan pertumbuhan pendapatan tidak berpengaruh terhadap kerugian daerah pada Pemerintah Kabupaten/Kota di Indonesia. Hasil penelitian ini sesuai sesuai dengan penelitian Hardjaloka (2014), yang menyebutkan bahwa pelaksanaan e-government
di Indonesia belum memberikan pengaruh untuk menurunkan korupsi di Indonesia,karena masih terbatas pada layanan pengadaan barang/jasa, pajakdan perijinan. Hasil penelitian ini juga sesuai dengan hasil penelitian Heriningsih dan Marita (2013), yang menyebutkan bahwa kinerja keuangan tidak berpengaruh terhadap tingkat korupsi di Pemerintah Kabupaten/Kota di Jawa. Hasil pengujian simultan (Uji-F) juga menunjukkan bahwa variabel independen secara bersama-sama mempengaruhi variabel dependen, namun hanya berpengaruh 7,4 %. Hal ini kemungkinan disebabkan beberapa hal : 1. Rata-rata nilai hasil pemeringkatan pelaksanaan e-government di Indonesia adalah 1,82 yang berarti masih Kurang menurut kriteria yang diterbitkan Kementerian Kominfo RI. Yang artinya pelaksanaan e-government di Indonesia masih belum maksimal, sehingga belum optimal untuk mengurangi kerugian daerah. 2. Dalam pelaksanaan e-government, Indonesia masih dalam tahap interaksi, belum sampai tahap transaksi ataupun transformasi (Hardjaloka, 2014).
96
3. Penyelesaian TL rata-rata masih 71 % dan belum adanya sanksi bagi daerah yang tidak melaksanakan tindak lanjut rekomendasi. 4. Rasio aktivitas untuk pemerintah kabupaten/kota di Indonesia rata-rata sebesar 52 %. Mekipun ini cukup besar, namun besarnya belanja pegawai ini lebih disebabkan oleh jumlah pegawai yang banyak pada pemerintah kabupaten/kota di Indonesia,bukan belanja karena kinerja. Hal
ini
bisa
dilihat
dari
kebijakan
pemerintah
yang
akan
merasionalisasi pegawai pemerintah (Aparatur Sipil Negara). 5. Data yang digunakan sebagian besar homogen, dilihat dari Coefisien Varians (CV) yang dibawah 30 %.
Model II (Kedua), III (Ketiga), IV (Keempat) dan V (Kelima) untuk menguji apakah variabel eGov memoderasi IACM, TL, AKT dan Growth dalam menurunkan kerugian daerah. Dari nilai koefisien regresi β2 dan β3, variabel eGov merupakan variabel quasi/partial moderating untuk IACM, TL, AKT dan Growth dalam menurunkan kerugian daerah. Hal ini berati bahwa pelaksanaan egovernment mempengaruhi Sistem Pengendalian Internal dan Kinerja Keuangan dalam menurunkan kerugian daerah. Hasil penelitian ini mendukung hasil penelitian Vieira (2007),yang menyebutkan bahwa sistem komputerisasi berguna untuk evaluasi pengendalian internal. Juga sesuai dengan penelitian Srivasta dan Teo(2010) dan Ndou (2004) bahwa e-government berpengaruh positif pada kinerja ekonomidan pertumbuhan PDB. Pengendalian Internal dan Kinerja Keuangan yang baik akan menurunkan tingkat korupsi.
97