Tesis ini menguji pengaruh efektivitas penerapan standar akuntansi pemerintahan terhadap kualitas laporan keuangan Kantor Wilayah Kementerian Agama Provinsi Sulawesi Selatan. Variabel independen adalah standar akuntansi pemerintahan dan variabel dependennya adalah kualitas laporan keuangan. Penelitian ini menggunakan 30 responden dan menganalisis data menggunakan uji asumsi klasik, koefisien determinasi, dan regresi linier tunggal. Hasil

1. Nama : Oggie Alfriandi
NIM : 182420521
Prodi : Akuntansi Syariah
1. Judul : Pengaruh Efektivitas Penerapan Standar Akuntansi Pemerintahan Terhadap
Kualitas Laporan Keuangan Pada Kantor Wilayah Kementrian agama Provinsi Sulawesi
Selatan
2. Variabel X : Standar Akuntansi Pemerintahan
Variabel Y : Kualitas Laporan Keuangan
3. Hipotesis :
Hₒ = Efektivitas penerapan standar akuntansi pemerintahan tidak berpengaruh terhadap
kualitas laporan keuangan pada kantor wilayah kementrian agama
H₁ = Efektivitas penerapan standar akuntansi pemerintahan berpengaruh terhadap kualitas
laporan keuangan pada kantor wilayah kementrian agama
4. Populasi : Pegawai dibagian keuangan dikantor kementrian agama Sulawesi selatan
5. Sampel :
Metode Pengambilan Sempel : Purposive Sampling (pertimbangan/kriteria tertentu)
Pertimbangan/kriteria : Pertimbangan yang diambil yaitu pegawai yang terlibat dalam
proses penyusunan laporan keuangan
Jumlah Sampel : 30
6. Teknik Pengambilan Data : Pengambilan data dengan menggunakan kuesioner dengan
jumlah pertanyaan sebanyak 10 dimasing-masing variabel, skor yang diberikan untuk
masing-masing pertanyaan adalah Sangat tidak setuju (1 skor), tidak setuju (2 skor), netral
(3 skor), setuju(4 skor), sangat setuju (5 skor).

2. 7. Metode Analisis Data :
A. Statistik Deskriptif
Statistik deskriptif adalah ilmu yang mempelajari bagaimana data dikumpulkan,
disusun dan disajikan sedemikian rupa sehingga menghasilkan informasi yang dapat
dipahami oleh banyak orang. Tujuan dari statistik deskriptif ini adalah untuk membuat
data lebih mudah dibaca dan dipahami.
B. Uji Asumsi klasik
a) Uji Normalitas
Uji normalitas ini dilakukan untuk mengetahui apakah variabel dependen dan
variabel independen berdistribusi normal atau tidak. Menurut Sufren dan Natanael
(2013), uji normalitas mencoba untuk mengetahui apakah data yang kita miliki normal
atau tidak. Data normal adalah data yang memiliki kurva normal.
1) Tes Smirnof Kolmogrov
Menurut Juliandi dan Irfan (2014, p. 161), kriteria uji yang digunakan untuk
menentukan normal atau tidaknya data tercermin dari nilai probabilitas. Data
dikatakan normal jika nilai Kolmogorov-Smirnov normal ketika (Asymp.Sig (2-
tailed)>α0.05).
2) Uji plot P-P dari residual standar regresi.
Dalam publikasi Juliandi dan Irfan (2014, hlm. 160) oleh Gujarti et al. dasar
keputusannya adalah normal atau non-distribusi pada plot normal P-P plot dari
residual standar regresi, yaitu:
I. Jika (poin) didistribusikan di sekitar diagonal, regresi memenuhi asumsi
normalitas.
II. Jika data menyebar dari garis diagonal dan tidak mengikuti garis diagonal,
regresi tidak memenuhi asumsi normalitas.
3) Uji histogram

3. Histogram adalah diagram batang yang dapat digunakan untuk menguji
(secara grafis) apakah data terdistribusi secara normal atau tidak. Jika data
berdistribusi normal, maka data tersebut berbentuk parabola terbalik.
b) Uji Linearitas
Uji linieritas adalah suatu metode untuk mengetahui apakah sebaran nilai data
bersifat linier atau tidak. Uji linieritas menentukan Anareg yang digunakan. Tujuan uji
linieritas adalah untuk mengetahui ada tidaknya hubungan linier yang signifikan antara
kedua variabel. Beberapa referensi menyatakan bahwa uji linieritas ini merupakan
prasyarat atau asumsi sebelum melakukan analisis regresi linier. Jika simpangan
linearitas nilai Sig > 0,05, maka terdapat hubungan linier yang signifikan antara
variabel bebas dan variabel terikat. Selain itu, jika f-number <; Pada tabel F terdapat
hubungan linier yang signifikan antara variabel bebas dan variabel terikat.
c) Uji heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui apakah terdapat varian yang
tidak sama antara residual dari pengamatan. Model regresi harus dapat memenuhi
persyaratan, yaitu. H. jika terdapat kesamaan antar pengamatan pada varians residual,
maka tetap konstan atau disebut homoskedastisitas (Sutopo & Slamet, 2017). Pada
penelitian ini, deteksi heteroskedastisitas dilakukan dengan menggunakan scatterplot.
d) Uji Autokorelasi
Tujuan dari uji autokorelasi adalah untuk menguji apakah terdapat korelasi dalam
model regresi linier antara false error periode t dan false error periode (sebelumnya) t-
1. Jika ada hubungannya, maka terdapat masalah autokorelasi. Uji autokorelasi hanya
digunakan untuk data time series (data yang terkumpul dalam kurun waktu tertentu),
seperti data dari laporan keuangan dan lain-lain. Pada saat yang sama, dengan data
cross-sectional (data diperoleh pada saat yang sama, misalnya dengan menyebarkan
kuesioner), tidak perlu menguji data untuk autokorelasi. Jika d (Durbin Watson) lebih
kecil dari dL atau lebih besar dari (4 dl), hipotesis nol ditolak, yang berarti
autokorelasi.

4. e) uji multikolinearitas
Tujuan uji multikolinearitas adalah untuk menguji apakah model regresi
menemukan adanya korelasi (hubungan yang kuat) antara variabel bebas atau variabel
bebas. Seharusnya tidak ada korelasi antara variabel independen atau tanda
multikolinearitas dalam model regresi. Jika nilai tolerance lebih besar dari 0,10 berarti
tidak terjadi multikolinearitas pada model regresi. Juga, jika nilai VIF <; 10,00 berarti
tidak terdapat multikolinearitas pada model regresi.
C. Uji Hipotesis
Menurut Ghozali (2016:97), uji t-statistik pada dasarnya menunjukkan seberapa
besar pengaruh suatu variabel penjelas/independen secara individual menjelaskan variasi
variabel terhadap nilai variabel dependen. Oleh karena itu, kriteria berikut digunakan:
a) Uji Parsial (Uji T)
Penelitian ini menggunakan uji signifikansi parsial (uji-t). Uji hipotesis yang
digunakan adalah uji-t (parsial) untuk menguji pengaruh variabel x terhadap variabel
y (parsial). Kemudian hasil T-hitung dibandingkan dengan distribusi T-Tabel. Rangkuman
hasil pengujian dapat digambarkan sebagai berikut (Sugiyono, 2013):
thitung > ttabel, maka Ha diterima dan Ho ditolak. Artinya variabel independen
mempengaruhi variabel dependen.
t hitung < t tabel, maka Ha ditolak dan Ho diterima. Artinya variabel independen tidak
memiliki pengaruh terhadap variabel dependen.
b) koefisien determinasi (R2)
Koefisien determinasi (R2) Untuk mengestimasi seberapa besar pengaruh variabel
Jika nilai koefisien determinasi lebih kecil (mendekati nol), berarti pengaruh semua
variabel independen terhadap variabel dependen lebih kecil. Semakin mendekati nilai R2
dengan 100%, maka semakin besar pengaruh seluruh variabel independen terhadap
variabel dependen (Priyatno, 2011:195).

5. c) Regresi linier sederhana
Regresi linier sederhana adalah regresi linier yang tujuannya untuk menganalisis
bentuk hubungan linier antara dua variabel, yaitu hubungan acak variabel independen
terhadap variabel dependen (Sugiarto, 2017:342). Berikut bentuk umum persamaan regresi
linier sederhana (Priyatno, 2011:135):
𝑌 = 𝑎 + 𝖰𝑋 + 𝑎 (3.1)
Informasi:
Y = nilai variabel terikat (dependent) harga saham α = konstanta angka regresi
β = koefisien regresi
X = nilai variabel independen (independen) dari hasil perusahaan
ɛ = istilah kesalahan
Formula ini menunjukkan kenaikan atau penurunan variabel dependen berdasarkan
perubahan variabel independen.

6. 8. Data Variabel Dependen dan Independen
No Standar Akuntansi Pemerintahan Kualitas Laporan Keuangan
1 44 43
2 42 41
3 39 39
4 40 40
5 40 40
6 39 39
7 46 45
8 41 41
9 36 36
10 38 38
11 38 38
12 37 37
13 37 38
14 40 40
15 41 41
16 44 44
17 39 39
18 43 43
19 42 42
20 39 39
21 45 45
22 36 36
23 40 39
24 39 38
25 35 35
26 38 39

7. 27 32 33
28 37 36
29 32 32
30 36 36
9. Hasil pengujian
Uji Asumsi Klasik
1. Uji Normalitas
Garis pada plot histogram memberikan kelengkungan dengan standar normal, sehingga
dapat disimpulkan bahwa model regresi penelitian ini berdistribusi normal, dengan kata lain plot
tersebut memberikan pola distribusi normal. Hal ini berarti residual berdistribusi normal.

8. 2. Uji Heterokedastisitas
Uji Heterokedastisitas dimana titik-titik datanya menyebar disekitar 0 dan
membentuk pola tertentu (mempererat hubungan), maka dapat disimpulkan bahwa tidak
terjadi heterokedastisitas pada model regresi ini. Sehingga model regresi layak digunakan
untuk menganalisis hubungan antara pengaruh standar akuntansi pemerintah terhadap
kualitas laporan keuangan.

9. 3. Uji Linieritas
ANOVA Table
Sum of
Squares df
Mean
Square F Sig.
Kinerja Laporan
Keuangan *
Standar Akuntansi
Pemerintah
Between
Groups
(Combined) 292.150 12 24.346 72.399 <,001
Linearity 290.809 1 290.809 864.79
8
<,001
Deviation from
Linearity
1.341 11 .122 .362 .954
Within Groups 5.717 17 .336
Total 297.867 29
Berdasarkan nilai sig dari output diatas, diperoleh nilai deviation from linearity sig
adalah 0,954 > 0,05. Maka dapat disimpulkan bahwa terdapat hubungan yang linear antara
variabel x dengan variabel y. Selanjutnya berdasarkan nilai F dari output diatas, diperoleh
F hitung adalah 0,362. Untuk mencari F table yaitu dengan rumus ( deviation from linearity
; within groups ). Berdasarkan output diatas diketahui nilai df adalah (11;17). Kemudian
dari nilai F tabel dengan segnifikan 5% atau 0,05. Maka ditemukanlah F tabel 2,41. Jadi,
F hitung 0,362 < F tabel 2,41 artinya terdapat hubungan yang linear antara variabel x
dengan variabel y.

10. 4. Uji Autokorelasi
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .988a
.976 .975 .50204 1.401
a. Predictors: (Constant), Standar Akuntansi Pemerintah
b. Dependent Variable: Kinerja Laporan Keuangan
Berdasarkan table output model summary diatas, diketahui nilai dubin-watson (d)
adalah sebesar 1,401. Selanjutnya nilai ini dibandingkan dengan nilai table durbin Watson
pada segnifikan 5% dengan rumus (k;N). ada pun jumlah variabel independen adalah 1 jadi
K=1 dan jumlah sampel adalah 30 jadi N = 30, maka (1;30). Ditemukan nilai dL sebesar
1,3520 dan dU sebesar 1,4894. Nilai Durbin Watson (d) sebesar 1,401 lebih besar dari
batas atas (dL) yakni 1,3520 dan kurang dari (4-dL) 4-1,3520 = 2,684. Maka sebagaimana
dasar pengambilan keputusan dapat disimpulkan bahwa hipotesis nol ditolak yang berarti
terdapat autokorelasi.

11. 5. Uji Multikoleniaritas
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
Collinearity
Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 2.638 1.076 2.451 .021
Standar Akuntansi
Pemerintah
.930 .027 .988 33.968 <,001 1.000 1.000
a. Dependent Variable: Kinerja Laporan Keuangan
Berdasarkan table output coefficients pada bagian collinearity statistics diketahui
nilai toleranc untuk variabel x adalah 1,000 lebih besar dari 0,10. Sementara nilai VIF
untuk variabel x adalah 1,00 < 10,00. Maka mengacu pada dasar pengambilan keputusan
dalam uji multikoleniaritas dapat disimpulkan bahwa tidak terjadi gejala multikoleniaritas
dalam model regresi.

12. Uji Hipotesis
1. Uji Koefisien Determinasi R²
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .988a
.976 .975 .50204
a. Predictors: (Constant), Standar Akuntansi Pemerintah
b. Dependent Variable: Kualitas Laporan Keuangan
Nilai adjusted R square sebesar 0,975, hal ini berarti 97,5% variasi variabel
dependent yaitu kualitas laporan keuangan dapat dijelaskan oleh variabel independent
yaitu standar akuntansi pemerintah. Dari variabel independent tersebut memiliki kontribusi
masukan yang besar kevariabel dependent, sedangkan sisanya ( 100% - 97,5% =2,5% ).
Dijelaskan oleh variabel lain diluar penelitian. Standar Error of Estimate (SEE) sebesar
0,502. Makin kecil nilai Standar Error of Estimate (SEE) akan membuat model regresi
semangkin tepat dalam memprediksi variabel dependent.

13. 2. Uji T Parsial
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
T Sig.
B Std. Error Beta
1 (Constant) 2.638 1.076 2.451 .021
Standar Akuntansi
Pemerintah
.930 .027 .988 33.968 <,001
a. Dependent Variable: Kualitas Laporan Keuangan
Berdasarkan Uji statistic secara persial pada table diatas, dapat diketahui variabel kualitas
laporan keuangan (x) memperoleh nilai t hitung sebesar 33,968 dan t table sebesar 2,048, sehingga
t hitung lebih besar dari t table (33,968 > 2,048) dengan nilai segnifikan sebesar 0,001. Nilai
segnifikan tersebut lebih kecil dari 0,05 ( 0,001 < 0,05). Maka Ho ditolak, artinya bahwa variabel
kualitas laporan keuangan (X) berpengaruh terhadap variabel standar akuntansi pemerintah (Y).

14. 3. Uji Regresi Linear Sederhana
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
T Sig.
B Std. Error Beta
1 (Constant) 2.638 1.076 2.451 .021
Standar Akuntansi
Pemerintah
.930 .027 .988 33.968 <,001
a. Dependent Variable: Kualitas Laporan Keuangan
Berdasarkan hasil uji regresi linear sederhana, diperoleh hasil sebagai berikut: Persamaan
regresi linier sederhana: Y = 2,638 + 0,930X
Dari persamaan di atas, dapat disimpulkan sebagai berikut:
a. Nilai konstanta (α) sebesar 2,638 menunjukkan bahwa jika variabel standar akuntansi
pemerintah (X) tidak ada (nol), maka kualitas laporan keuangan pemerintah (Y) akan memiliki
nilai sebesar 2,638. Dengan kata lain, faktor-faktor lain yang mempengaruhi kualitas laporan
keuangan memiliki kontribusi sebesar 2,638.
b. Nilai koefisien regresi (β) sebesar 0,930 menunjukkan bahwa setiap peningkatan satu unit
dalam variabel standar akuntansi pemerintah (X), akan mengakibatkan peningkatan sebesar
0,930 unit dalam kualitas laporan keuangan pemerintah (Y). Dengan kata lain, standar akuntansi
pemerintah memiliki pengaruh positif terhadap kualitas laporan keuangan.

15. Jadi, rumus regresi linier sederhana untuk menghubungkan standar akuntansi pemerintah
(X) dengan kualitas laporan keuangan pemerintah (Y) adalah:
Y = 2,638 + 0,930X

16. F Tabel

17. T Tabel

18. Durbin Watson Table