BAB IV HASIL DAN PEMBAHASAN
A. Sekilas Gambaran Umum Objek Penelitian Dinas Perindustrian dan Energi merupakan Satuan Kerja Perangkat Daerah Pemerintah Provinsi DKI Jakarta yang membidangi urusan industri dan energi. Sebagai unsur pelaksana otonomi berdasarkan Peraturan Daerah Nomor 10 Tahun 2008 Tentang Organisasi Perangkat Daerah dan Peraturan Gubernur Daerah Khusus Ibukota Jakarta Nomor 69 Tahun 2009 tentang Organisasi dan Tata Kerja Dinas Perindustrian dan Energi maka Dinas Perindustrian dan Energi memiliki tugas dan fungsi untuk menyelenggarakan urusan industri dan energi yang sesuai dengan visi dan misi Pemerintah Provinsi DKI Jakarta seperti yang tertuang dalam Rencana Pembangunan Jangka Menengah Daerah Provinsi DKI Jakarta tahun 2013-2017.
B. Penyajian dan Analisa Data 1. Karakteristik Responden Berdasarkan data hasil jawaban dari 120 responden yang berhasil dihimpun melalui kuesioner diperoleh informasi mengenai karakteristik responden yang menjadi obyek penelitian. Berdasarkan tabel 4.1. karakteristik data responden yang telah ditetapkan dalam penelitian ini meliputi : usia, jenis kelamin, dan pendidikan. Selengkapnya data responden berdasarkan karakteristik tersebut seperti diuraikan berikut ini : 46
Tabel 4.1 Karakteristik Responden Jenis Katagori
Keterangan
Jumlah
Persentase
Jenis Kelamin
1. Pria 2. Wanita
72 Orang 48 Orang
60.0 % 40 .0 %
Usia
1. 20-35 Tahun 2. 36-50 Tahun 3. > 50 Tahun
40 Orang 63 Orang 17 Orang
33.3 % 52.5 % 14.2 %
Pendidikan
1. D3 2. S1 3. S2
72 Orang 30 Orang 18 Orang
60.0 % 25.0 % 15.0 %
Masa Kerja
1. < 5 Tahun 2. 5-10 Tahun 3. > 10 Tahun
68 Orang 40 Orang 12 Orang
56.7 % 33.3 % 10.0 %
Sumber : Data Primer diolah Dari data di atas diketahui responden laki-laki 72 orang atau 60% dan responden wanita sebesar 48 orang atau 40%dapat disimpulkan bahwa responden paling banyak adalah laki-laki 72 orang dari 120 responden. Responden yang berusia antara 20-35 tahun sebanyak 40 orang, usia 35-50 sebanyak 63 orang dan responden yang berusia lebih dari 50 sebanyak 17 orang. Mayoritas responden berusia antara 35-50tahun. Responden terkecil berusia lebih dari 50 tahun. Dari tabel di atas dapat diketahui bahwa responden yang mempunyai tingkat pendidikan D3 sebanyak 72 orang, S1 sebanyak 30 orang dan S2 sebanyak 18 orang. Dapat disimpulkan bahwa responden mayoritas berpendidikan D3 dan frekuensi terkecil berpendidikan S2. Responden dengan masa kerja < 5 tahun sebanyak 68 orang, 50-10 tahun sebanyak 40 orang dan responden masa kerjanya di atas 10 tahun sebanyak 12
47
orang. Mayoritas responden masa kerja antara < 5 tahun. Responden terkecil masa kerja lebih dari 10 tahun. 2. Hasil Uji Validitas dan Realibilitas Dari hasil data yang di peroleh melalui kuisioner yang dibuat peneliti terdiri dari 32 butir pertanyaan yang mencakup hasil faktor keperilakuan organisasi dan kegunaan SAKD yang ditujukan kepada 120 responden. Hal ini dilakukan agar pengambilan data dapat mewakili dan akurat serta mendukung analisis kualitatif mengenai variabel X1,X2,X3 dan Y. Berdasarkan dari hasil jawaban responden pada lampiran, maka dapat dilihat bobot kriteria penilaiannya dengan menggunakan uji validitas. Berikut ini adalah hasil pengolahan data untuk semua pernyataan dalam instrumen dukungan atasan, kejelasan tujuan, pelatihan dan kegunaan system akuntansi keuangan daerah. a. Validitas Instrumen Per butir untuk Variabel Dukungan Atasan Tabel 4.2. Validitas Instrumen Per butir untuk Variabel Dukungan Atasan No Pernyatan BUTIR 1 BUTIR 2 BUTIR 3 BUTIR 4 BUTIR 5 BUTIR 6 BUTIR 7 BUTIR 8 BUTIR 9 BUTIR 10
rhitung ,376 ,568 ,450 ,759 ,627 ,777 ,732 ,804 ,672 ,732
rkritis 0,30 0,30 0,30 0,30 0,30 0,30 0,30 0,30 0,30 0,30
Keputusan VALID VALID VALID VALID VALID VALID VALID VALID VALID VALID
48
Berdasarkan pengolahan data (Lampiran), diperoleh hasil untuk variable dukungan atasan (X1), kesepuluh pernyataan tersebut memiliki nilai lebih dari 0,30, sehingga pernyataan tersebut dapat digunakan untuk dalam pengumpulan data penelitian ini. b. Validitas Instrumen Per butir untuk Variabel Kejelasan Tujuan Tabel 4.3.Validitas Instrumen Per butir untuk Variabel Kejelasan Tujuan No Pernyatan BUTIR 1 BUTIR 2 BUTIR 3 BUTIR 4 BUTIR 5 BUTIR 6 BUTIR 7 BUTIR 8
rhitung ,680 ,617 ,710 ,627 ,757 ,724 ,727 ,749
rkritis 0,30 0,30 0,30 0,30 0,30 0,30 0,30 0,30
Keputusan VALID VALID VALID VALID VALID VALID VALID VALID
Berdasarkan pengolahan data (Lampiran), diperoleh hasil untuk variable kejelasan tujuan (X2), delapam pernyataan tersebut memiliki nilai lebih dari 0,30, sehingga pernyataan tersebut dapat digunakan untuk dalam pengumpulan data penelitian ini. c. Validitas Instrumen Per butir untuk Variabel Pelatihan Tabel 4.4.Validitas Instrumen Per butir untuk Variabel Pelatihan No Pernyatan BUTIR 1 BUTIR 2 BUTIR 3 BUTIR 4 BUTIR 5 BUTIR 6 BUTIR 7 BUTIR 8 BUTIR 9
rhitung ,555 ,788 ,648 ,307 ,549 ,788 ,415 ,352 ,337
rkritis 0,30 0,30 0,30 0,30 0,30 0,30 0,30 0,30 0,30
Keputusan VALID VALID VALID VALID VALID VALID VALID VALID VALID
49
Berdasarkan pengolahan data (Lampiran), diperoleh hasil untuk variable pelatihan (X3), sembilan pernyataan tersebut memiliki nilai lebih dari 0,30, sehingga pernyataan tersebut dapat digunakan untuk dalam pengumpulan data penelitian ini. d. Validitas Instrumen Per butir untuk Variabel Kegunaan SAKD Tabel 4.5. Validitas Instrumen Per butir untuk Variabel Kegunaan SAKD No Pernyatan BUTIR 1 BUTIR 2 BUTIR 3 BUTIR 4 BUTIR 5
rhitung ,597 ,353 ,682 ,497 ,586
rkritis 0,30 0,30 0,30 0,30 0,30
Keputusan VALID VALID VALID VALID VALID
Berdasarkan pengolahan data (Lampiran), diperoleh hasil untuk variable kegunaan SAKD (Y), lima pernyataan tersebut memiliki nilai lebih dari 0,30, sehingga pernyataan tersebut dapat digunakan untuk dalam pengumpulan data penelitian ini. Setelah dilakukan uji validitas, maka untuk pernyataan yang valid selanjutnya dilakukan pengujian realibilitas. Uji realibilitas dilakukan dengan metode Cronbach Alpha. Cronbach Alpha dari variabel dukungan atasan (X1) menghasilkan nilai = 0,900. Cronbach Alpha dari variabel
kejelasan tujuan (X2) menghasilkan nilai = 0,904.
Adapun untuk Cronbach Alpha dari variabel pelatihan (X3) menghasilkan nilai = 0,798. Sedangkan Cronbach Alpha dari variabel kegunaan SAKD (Y) menghasilkan nilai = 0,770 (Lampiran). Dengan demikian dapat disimpulkan, baik instrumen semua variabel dianggap realibel.
50
3. Pengujian Asumsi Klasik Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya gejala normalitas, heteroskedastisitas, gejala multikolinearitas, dan gejala autokorelasi. a. Uji Normalitas Uji normalitas data dengan Kolmogorov-Smirnov One Sample Test dilakukan untuk melihat apakah distribusi data berdistribusi normal atau tidak. Analisis parametik seperti regresi liniear mensyaratkan bahwa data harus terdistribusi dengan normal. Berdasarkan perangkat lunak komputer SPSS Ver. 20.00 menunjukkan bahwa uji normalitas sebagai berikut : Tabel 4.6 Uji Normalitas One-Sample Kolmogorov-Smirnov Test Dukunga Kejelasa Pelatiha n Atasan n n (X3) (X1) Tujuan (X2)
N Mean Normal Parameters Std. Deviation Absolute Most Extreme Differences Positive Negative Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) Sumber : Pengolahan Data SPSS
Kegunaan Sistem Akuntansi Keuangan Daerah (Y)
120 120 120 29,8083 23,8333 27,3917
120 15,0667
6,56614 5,42068 4,92173
3,26101
a,b
,095 ,082 -,095 1,039 ,230
,104 ,076 -,104 1,139 ,150
,116 ,073 -,116 1,269 ,080
,100 ,068 -,100 1,097 ,180
51
Dalam tabel di atas menunjukkan hasil uji Normalitas data untuk dengan probabilitas signifikansi di atas nilai 0,05 (0,230 ; 0,150 ; 0,080 dan 0,180) berarti data berdistribusi normal , dengan demikian karena semua data berdistribusi normal, maka analisa selanjutnya menggunakan statistic parametric. Dasar pengambilan keputusan dalam deteksi normalitas adalah sebagai berikut: a) Jika data rnenyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas. b) Jika data rnenyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas. Sesuai dengan penjelasan tentang uji normalitas, untuk melihat distribusi Normal dari model regresi tersebut peneliti menggunakan grafik Normal P-P Plot of Regression Standardized Residual sebagai berikut:
Gambar 4.1 Output Uji Normalitas dengaii Grafik P-P Plot Sumber: Data Olahan SPSS
52
Keterangan: a. Grafik plot menunjukan distribusi normal jika ada kesamaan trend antara expected cum prob dan observed cum prob, oleh karena itu semua variabel harus mengikuti garis diagonal antara expected cum prob dan observed cum prob. b. Expected cum prob adalah nilai probabilitas kumulatif yang dihitung menggunakan rumus fungsi probabilitas untuk distribusi normal dengan menggunakan nilai Y espektasi. c. Observed cum prob adalah nilai probabilitas kumulatif yang dihitung menggunakan rumus fungsi probabilitas untuk distribusi normal dengan menggunakan nilai Y obeservasi/hasil penelitian. Dasar pengambilan keputusan untuk mendeteksi kenormalan adalah jika data menyebar disekitar garis diagonal dan mengikuti arah diagonal, maka model regresi memenuhi asumsi normalitas. Sedangakan jika data menyebar jauh dari diagonal atau tidak mengikuti arah diagonal, maka model regresi tidak memenuhi asumsi normalitas. Dari hasil pengujian normalitas diperoleh suatu grafik bahwa pada grafik di atas dapat diketahui bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka data terdistribusi dengan normal dan model regresi telah memenuhi asumsi normalitas. b. Uji Autokorelasi Uji autokorelasi adalah keadaan terjadinya korelasi dari residual untuk pengamatah satu dengan pengamatan yang lain yang disusun menurut runtun waktu. Model regresi yang baik mensyaratkan tidak adanya masalah autokorelasi. Untuk mendeteksi ada tidaknya autokorelsi peneliti menggunakan uji Durbin-Watson (DW test). Output uji 53
autokorelasi dengan menggunakan data yang ditampilkan oleh program SPSS 20.0 sebagai berikut: Tabel 4.7 Output Uji Autokorelasi
Model
R ,944a
1
Model Summaryb R Square Adjusted R Std. Error of Square the Estimate ,891 ,888 1,09089
DurbinWatson 1,378
Uji Autokorelasi dilakukan untuk menguji apakah terdapat korelasi antara residual pada suatu penelitian dengan residual pada penelitian sebelumnya. Autokorelasi dapat diuji dengan menggunakan Durbin-Watson Test. Hasil perhitungan dengan menggunakan Durbin-Watson Test menunjukan nilai dw sebesar 1,378 dan du sebesar 1,736. Dari hasil tersebut maka dapat disimpulkan bahwa asumsi non-autokorelasi terpenuhi karena nilai du < dw < 4-du (1,736 < 1,378 < 2,264). c. Uji Multikolinearitas Uji multikolinearitas adalah keadaan antara dua variabel bebas atau lebih pada model regresi terjadi hubungan linear yang sempurna atau mendekati sempurna. Model regresi yang baik mensyaratkan tidak adanya masalah multikolinearitas. Output uji multikolinearitas dengan menggunakan data yang ditampilkan oleh program SPSS 20.0 sebagai berikut:
54
Tabel 4.8 Output Uji Multikolinearitas Coefficientsa Model
Collinearity Statistics Tolerance
VIF
(Constant) 1
Dukungan Atasan (X1) Kejelasan Tujuan (X2) Pelatihan (X3)
,247 ,300 ,343
4,044 3,337 2,913
a. Dependent Variable: Kegunaan Sistem Akuntansi Keuangan Daerah (Y) Sumber : Pengolahan Data SPSS Metode pengambilan keputusan yaitu jika semakin kecil nilai tolerance dan semakin besar nilai Variance Inflation Factor (VIF) maka semakin mendekati terjadinya masalah multikolinearitas. Dalam kebanyakan penelitian menyebutkan bahwa jika tolerance lebih dari 0,1 dan Variance Inflation Factor (VIF) kurang dari 10 maka tidak terjadi multikolinearitas. Berdasarkan tabel coefficients di atas dapat diketahui bahwa nilai tolerance dari kedua variabel bebas adalah 0,247 untuk dukungan atasan dan 0,300 untuk Kejelasan tujuan dan pelatihan 0,343 dimana lebih dari 0,1 dan nilai VIF 4,044 untuk dukungan atasan dan 3,337 untuk Kejelasan tujuan dan pelatihan 2,913 kurang dari 10, jadi dapat disimpulakn bahwa dalam model regresi tidak terjadi masalah multikolinearitas. d. Uji Heteroskedastisitas Uji heteroskedastisitas adalah keadaan terjadinya ketidaksamaan varian dari residual pada model regresi, model regresi yang baik mensyaratkan tidak adanya masalah heteroskedastisitas. Dalam Penelitian ini, peneliti menggunakan Uji Heteroskadastisitas
55
dengan meiihat pola titik-titik pada scaterplot regresi. Output uji heteroskedastisitas dengan menggunakan data yang ditampilkan oleh program SPSS 20.0 sebagai berikut:
Gambar 4.2. Output Uji Heteroskedastisitas dengan Scatter Plot Sumber : Pengolahan SPSS Keterangan: a) Regression standardized predicted value adalah nilai hasil prediksi persamaan regresi yang distandarisasi. b) Regression stundentized residual adalah nilai hasil rasio antara residual (nilai sisa regresi). Metode pengambilan keputusan pada uji Heteroskedastisitas dengan melihat scatterplot yaitu jika tititk-titik menyebar dengan pola yang tidak jelas di atas dan dibawah angka 0 pada sumbu Y, maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Dari tabel di atas dapat diketahui bahwa titik-titik menyebar dengan pola tidak jelas di atas dan dibawah angka 0 pada sumbu Y, maka dapat disimpulkan bahwa pada model regresi tidak terjadi masalah heteroskedastisitas. 56
4. Analisis Uji Hipotesis a. Analisis Regresi Linier Berganda Regresi linier berganda digunakan untuk mengukur besarnya pengaruh variabel bebas yang lebih dari satu variabel terhadap variabel terikat dan memprediksi variabel terikat dengan menggunakan variabel bebas. Analisis regresi sebagai kajian terhadap pengaruh satu variabel yang disebut sebagai variabel yang diterangkan (the explained variabel) dengan satu atau dua variabel yang menerangkan (the explanatory). Pembuatan
persamaan
regresi
linier
berganda
dapat
dilakukan
dengan
menginterpretasikan angka-angka yang ada didalam unstandardized coefficient pada tabel 4.6 berikut: Tabel 4.9 Output Regresi Linear Berganda
Model
(Constant) Dukungan Atasan (X1) 1 Kejelasan Tujuan (X2) Pelatihan (X3)
Coefficientsa Unstandardized Coefficients B Std. Error -,245 ,567 ,304 ,031 ,126 ,034 ,119
,035
Standardized Coefficients Beta
t
Sig.
,611 ,209
-,433 9,911 3,726
,666 ,000 ,000
,180
3,444
,001
Dari hasil olah data yang dilakukan diperoleh persamaan garis regresi sebagai berikut: Keg.SAKD = -0,245+ 0,304DA + 0,126KT + 0,119PEL
57
b. Pengujian Hipotesis Berganda (Uji F) Menurut Prayitno (2010:83) Uji F (Anova) digunakan untuk menguji pengaruh variabel bebas Faktor keperilakuan organisasi yang terdiri dari dukungan atasan, kejelasan tujuan dan pelatihan secara bersama-sama (simultan) terhadap variabel terikat (Kegunaan Sistem Akuntansi Keuangan Daerah pada Dinas Perindustrian dan Energi Provinsi DKI Jakarta). Pada bagian imi ditampilkan tabel analisis varians (ANOVA). Output uji F dengan menggunakan data dapat ditampilkan oleh program SPSS 20.0 sebagai berikut: Tabel 4.10 Output Uji F
Model
1
Regression Residual Total
Sum of Squares 1127,423 138,044 1265,467
ANOVAa df
Mean Square
3 116 119
375,808 1,190
F 315,795
Sig. ,000b
Dari tabel diatas diketahui nilai F hitung sebesar 315,795 dengan probabilitas 0,000, sehingga dapat ditarik kesimpulan bahwa variabel dukungan atasan dukungan atasan, kejelasan tujuan dan pelatihan secara bersama-sama (simultan) berpengaruh terhadap kegunaan Sistem Akuntansi Keuangan Daerah pada Dinas Perindustrian dan Energi Provinsi DKI Jakarta, karena probabilitas p Value 0,000 yang artinya lebih kecil dari 0,05 dan Fhitung (315,795) > Ftabel (2,17). c.
Pengujian Hipotesis Parsial (Uji t) Uji t digunakan untuk menguji pengaruh variabel bebas secara parsial terhadap
variabel terikat. Dengan menggunakan tingkat signifikansi atau alpha 2,5% (a/2 = 0,05/2 = 0,025), dan degree of freedom 120 (n-k = 120-2) diperoleh t-tabel sebesar 58
1,987 karena digunakan grafik dua sisi atau two tailed yang akan dibandingkan dengan t-hitung masing-masing variabel yang terdapat dalam hipotesis H1 H2 H3 yang menjadi hipotesis harapan dalam penelitian ini. Output uji t dengan menggunakan data yang ditampilkan oleh program SPSS 20.0 sebagai berikut: Tabel 4.11 Output Uji t Model
1
Unstandardized Coefficients
(Constant) Dukungan Atasan (X1) Kejelasan Tujuan (X2) Pelatihan (X3)
B Std. Error -,245 ,567 ,304 ,031 ,126 ,034 ,119 ,035
Standardize d Coefficients Beta
t
-,433 ,611 9,911 ,209 3,726 ,180 3,444
Sig.
,666 ,000 ,000 ,001
Dari tabel pengujian diatas dapat ditarik kesimpulan sebagai berikut : a) Variabel dukungan atasan memiliki nilai probabilitas segnifikan 0,000 lebih kecil dari 0,05 atau t hitung sebesar 9,911 lebih besar dari t tabel sebesar 1,987, maka dapat disimpulkan bahwa Ha1 diterima, artinya dukungan atasan memiliki pengaruh yang signifikan terhadap Kegunaan Sistem Akuntansi Keuangan Daerah pada Dinas Perindustrian dan Energi Provinsi DKI Jakarta. b) Variabel kejelasan tujuan probabilitas segnifikan 0,000 lebih kecil dari 0,05 atau t hitung sebesar 3,726 lebih besar dari t tabel sebesar 1,987, maka dapat disimpulkan bahwa Ha2 diterima, artinya kejelasan tujuan memiliki pengaruh yang signifikan terhadap Kegunaan Sistem Akuntansi Keuangan Daerah pada Dinas Perindustrian dan Energi Provinsi DKI Jakarta.
59
c) Variabel Pelatihan probabilitas segnifikan 0,001 lebih kecil dari 0,05 atau t hitung sebesar 3,444 lebih besar dari t tabel sebesar 1,987, maka dapat disimpulkan bahwa Ha3 diterima, artinya pelatihan memiliki pengaruh yang signifikan terhadap Kegunaan Sistem Akuntansi Keuangan Daerah pada Dinas Perindustrian dan Energi Provinsi DKI Jakarta..
C. Pembahasan Hasil Penelitian Dari hasil analisis dan pembahasan yang telah diuraikan, maka untuk meningkatkan kegunaan Sistem Akuntansi Keuangan Daerah pada Dinas Perindustrian dan Energi Provinsi DKI Jakarta jika dilihat dari dukungan atasan maka perusahaan harus lebih mengedepankan faktor keperilakuan organisasi (dukungan atasan, kejelasan tujuan dan pelatihan) Hipotesis menyatakan bahwa dukungan atasan berpengaruh terhadap kegunaan SAKD. Berdasarkan hasil uji hipotesis tersebut menunjukkan arah pengaruh yang positif dan signifikan yang berarti bahwa dukungan atasan berpengaruh terhadap kegunaan SAKD. Dengan kata lain hasil ini menunjukkan bahwa hipotesis 1 diterima. Pengujian hipotesis (H1) mampu mendukung
dugaan bahwa dukungan
atasan
berpengaruh positif dengan kegunaan SAKD. Hasil penelitian konsisten dengan penelitian Chenhall (2004)
dan Latifah (2005). Menurut Chenhall (2004) dukungan
manajemen puncak memiliki pengaruh langsung secara marginal atas kegunaan ABCM untuk manajemen pembiayaan pada tingkat signifikan 10%. Begitu juga Latifah (2005), menyatakan bahwa dukungan
atasan berpengaruh positif dengan
kegunaan SAKD. SAKD dapat memberikan informasi yang lebih baik untuk 60
pengambilan keputusan strategis khususnya
berkaitan dengan transparansi dan
akuntabilitas di sektor publik. Dukungan atasan merupakan dukungan dari pemerintah daerah
yang berkaitan dengan persediaan sumber daya yang dibutuhkan untuk
implementasi SAKD dan pengaruhnya dengan kemajuan dan efisiensi. Hipotesis (H2) menyatakan bahwa kejelasan tujuan berpengaruh terhadap kegunaan sistem akuntansi keuangan daerah (SAKD). Dari hasil analisis di atas menunjukkan bahwa variabel kejelasan tujuan memiliki pengaruh yang positif pada tingkat signifikansi 0,05 (tingkat signifikansi sebesar 0,011) terhadap SAKD. Jika dilihat dari koefisien beta variabel kejelasan tujuan nampak ada pengaruh yang positif dan signifikan, yang artinya bahwa variabel kejelasan tujuan memiliki pengaruh yang positif
terhadap kegunaan Sistem informasi keuangan daerah (SAKD). Dengan
demikian hipotesis 2 yang menyatakan terdapat pengaruh antara kejelasan tujuan dengan kegunaan SAKD dapat diterima. Hipotesis penelitian H2 diterima, sehingga dapat disimpulkan bahwa kejelasan tujuan berpengaruh terhadap kegunaan sistem akuntansi keuangan daerah. Hal ini membuktikan bahwa kejelasan tujuan mendukung sepenuhnya terhadap kegunaan sistem informasi keuangan daerah. Hasil ini sejalan dengan temuan Chenhall (2004), yang berhasil membuktikan adanya pengaruh yang positif antara kejelasan tujuan dengan kegunaan sistem ABCM pada tingkat significan 10%, tetapi tidak sejalan dengan hasil temuan Lina (2005) yang menyatakan bahwa kejelasan tujuan berpengaruh negatif dengan kegunaan SAKD. Kejelasan tujuan diartikan ketika akan mengimplementasikan SAKD, tujuan implementasi SAKD tersebut telah dijelaskan dan disepakati. Implementasi SAKD akan berhasil apabila tujuan dari implementasi SAKD telah dijelaskan dan telah disepakati serta SAKD bermanfaat untuk semua bagian dalam SKPD tersebut. Faktor kejelasan tujuan 61
mendorong manajer untuk memiliki kemampuan dan pengetahuan akan operasional aplikasi SAKD dan terlibat dalam suatu interaksi yang memfokuskan pada tugas untuk mengimplementasikan SAKD secara efektif. Hipotesis (H3) menyatakan bahwa Pelatihan berpengaruh terhadap kegunaan sistem informasi keuangan daerah (SAKD). Dari hasil analisis regresi berganda menunjukkan bahwa variabel pelatihan memiliki pengaruh yang positif sebesar 0,001 dengan tingkat signifikansi sebesar 0,005. Berdasarkan arah pengaruhnya maka dapat dinyatakan bahwa variabel palatihan memiliki pengaruh yang positif terhadap kegunaan SAKD. Dengan demikian hipotesisi 3 yang menyatakan terdapat pengaruh antara pelatihan dengan kegunaan SAKD dapat diterima. Hipotesis H3 mampu memdukung dugaan bahwa pelatihan berpengaruh positif dengan kegunaan SAKD. Hal ini konsisten dengan penelitianya Chenhall (2005), bahwa terdapat pengaruh
positif
antara
keguanaan ABCM dalam perencanaan produk dengan pelatihan pada signifikansi 10%. Tetapi hasil penelitian ini tidak konsisten dengan penelitianya Latifah (2005), bahwa pelatihan berhubungan negatif dengan kegunaan SAKD. Pelatihan berkaitan dengan implementasi, design dan penggunaan SAKD, dapat memberikan mekanisme bagi pengguna untuk memahami dan menerima dasar dari SAKD.
62
