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
perpustakaan.uns.ac.id 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
perpustakaan.uns.ac.id 36
digilib.uns.ac.id

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

commit
sekunder adalah data mempunyai to user
validitas data yang terjamin oleh pihak lain
perpustakaan.uns.ac.id 37
digilib.uns.ac.id

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
perpustakaan.uns.ac.id 38
digilib.uns.ac.id

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
perpustakaan.uns.ac.id 39
digilib.uns.ac.id

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
temuan kelemahan user pengendalian internal,
perpustakaan.uns.ac.id 40
digilib.uns.ac.id

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

dependen. Nilai L berada antar 0 commit to user

dan 1, oleh itu nilai log L adalah negatif. Nilai
perpustakaan.uns.ac.id 41
digilib.uns.ac.id

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
perpustakaan.uns.ac.id 42
digilib.uns.ac.id

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
perpustakaan.uns.ac.id 43
digilib.uns.ac.id

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

perpustakaan.uns.ac.id 44
digilib.uns.ac.id

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