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

Std. Deviation CV=S/ẍ *
Variabel N Minimum Maximum Mean (ẍ)
(S) 100 %

Kerugian
195 2,47 22533,42 1462,17 3088,77 211
Daerah

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 5.707.378,47 1.419.766,32 835.682,57 59

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 t Sig.

I (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<DW<3, berarti tidak
terjadi auto korelasi (Sarwono, 2012).

2. 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 B Std. Error
I (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

Adjusted R Std. Error of the
Model R R Square
Square Estimate

I 0,327a 0,107 0,074 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 Sum of df Mean F Sig.
Squares Square

1 Regression 41,160 7 5,880 3,201 0,003

Residual 343,480 187 1,837

Total 384,640 194

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 t Sig.

I (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 0,090 -0,432
-0,391 0,553
0,409
III -0,900 0,132 -3,129
-0,960 2,396
 94

4,464
IV -0,932 0,088 -1,083
-0,944 0,636
0,947
V -0,053 0,074 0,072
-0,045 0,137
-0,170
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 e-

government 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