BAB IV HASIL DAN PEMBAHASAN. 1. Deskripsi Sampel Berdasarkan Bidang Pemerintahan

Transkripsi

1 BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Objek Penelitian 1. Deskripsi Sampel Berdasarkan Bidang Pemerintahan Pada era Kabinet kerja, era Pemerintahan Presiden Joko Widodo, terdapat 4 (empat) Kementerian Koordinator, yaitu: a. Kementerian Koordinator Bidang Politik, Hukum, dan Keamanan (Kemenko Polhukam) b. Kementerian Koordinator Bidang Perekonomian (Kemenko Perekonomian) c. Kementerian Koordinator Bidang Kemaritiman (Kemenko Maritim) d. Kementerian Koordinator Bidang Pembangunan Manusia dan Kebudayaan (Kemenko PMK) Distribusi sampel penelitian berdasarkan bidang pemerintahannya sebagai berikut: TABEL 4.1 DISTRIBUSI SAMPEL PER KEMENTERIAN KOORDINATOR Bidang Polhukam Bidang Perekonomia n Bidang Maritim Bidang PMK Jumlah Sumber: Nota Keuangan APBN Tahun Anggaran 2016, diolah Total Sampel yang diambil untuk penelitian ini sebagian besar berada di bawah koordinasi Kementerian Koordinator Bidang Politik, Hukum, dan Keamanan (Kemenko Polhukam) dan Kementerian Koordinator Bidang Perekonomian (Kemenko Perekonomian). Hal tersebut karena secara struktur organisasi, Kementerian/ Lembaga (K/L) yang berada dibawah koordinasi kedua Kementerian Koordinator (Kemenko) tersebut jauh lebih banyak dibandingkan dengan yang 60

2 61 lainnya. Persebaran sampel terbanyak berada pada bidang politik, hukum, dan kemanan yaitu 35% dari total sampel penelitian. Persebaran sampel paling minimal berada pada bidang maritim yaitu 6% dari total sampel penelitian. 2. Deskripsi Sampel Berdasarkan Kinerja atas Pelaksanaan Anggaran Tahun Anggaran Menurut Pasal 13 ayat (7) PMK Nomor 249 tahun 2011, hasil penilaian kinerja dikelompookan menjadi lima kategori sebagai berikut: a. Nilai Kinerja lebih dari 90% sampai dengan 100% dikategorikan dengan Sangat Baik. b. Nilai Kinerja lebih dari 80% sampai dengan 90% dikategorikan dengan Baik. c. Nilai Kinerja lebih dari 60% sampai dengan 80% dikategorikan dengan Cukup atau Normal. d. Nilai Kinerja lebih dari 50% sampai dengan 60% dikategorikan dengan Kurang. e. Nilai Kinerja sampai dengan 50% dikategorikan dengan Sangat Kurang. Pada periode , Kementerian/ Lembaga (K/L) yang mendapatkan predikat Cukup sangat mendominasi hasil penilaian kinerja. Secara rata-rata terdapat 39 Kementerian/ Lembaga dari seluruh Kementerian/ Lembaga. Pada periode tersebut, Kementerian/ Lembaga (K/L) yang mendapatkan predikat Sangat Kurang pun cukup banyak, tertinggi pada tahun 2014 sebanyak delapan Kementerian/ Lembaga. Hal ini terjadi karena periode tersebut merupakan masa pengenalan pengisian capaian kinerja melalui Aplikasi Monev (sekarang SMART). Pada masa transisi pemerintahan, tahun 2015, Kementerian/ Lembaga (K/L) yang mendapatkan predikat Sangat Kurang jauh lebih banyak dari tahun-tahun sebelumnya, mencapai 13 Kementerian/ Lembaga (K/L). Hal ini dikarenakan banyaknya Kementerian/ Lembaga (K/L) yang tidak rutin dalam melakukan pengisian capaian kinerja pada Aplikasi Monev (sekarang SMART). Selain itu,

3 62 pada tahun tersebut Aplikasi Monev (sekarang SMART) sedang melakukan penyempurnaan dari sisi substansi materi isian capaian kinerja dan tampilan aplikasi. Hasil penyempurnaan tersebut mulai terlihat pada tahun Kementerian/ Lembaga (K/L) yang mendapatkan predikat Sangat Kurang sudah berkurang drastis. Sebaliknya Kementerian/ Lembaga (K/L) yang mendapat predikat Sangat Baik mencapai 28 Kementerian/ Lembaga (K/L). Jumlah ini merupakan jumlah terbanyak selama periode Pada tahun 2016, Sekretariat Kabinet (Seskab) melakukan kerja sama dengan Kementerian Keuangan melalui Aplikasi SMART (dahulu Monev) untuk melakukan pemantauan kinerja atas pelaksanaan anggaran seluruh Kementerian/ Lembaga (K/ L) di Indonesia. Kerja sama ini cukup berdampak besar dalam meningkatkan partisipasi Satuan Kerja (Satker) yang melakukan pengisian capaian kinerja melalui aplikasi SMART. Peningkatan partisipasi Satuan Kerja (Satker) yang mengisi capaian kinerja ini secara simultan meningkatkan akuntabilitas penilaian kinerja. Hasil penilaian kinerja pada tahun 2016 pun dapat dikatakan yang terbaik diantara tahun-tahun sebelumnya. B. Hasil Uji Statistik Deskriptif Pengujian statistik deskriptif sampel penelitian menggunakan software SPSS 20. Data yang diolah merupakan data panel yang menggabungkan data variabel realisasi belanja pemerintah, blokir anggaran, dan revisi anggaran belanja terhadap kinerja atas pelaksanaan anggaran selama periode Jumlah data yang diolah sebanyak 345 DATA. Output SPSS ditunjukkan Tabel 4.2.

4 63 TABEL 4.2 STATISTIK DESKRIPTIF N Minimum Maximum Mean Std. Deviation x x x Y Valid N (listwise ) 345 Sumber: Data diolah dari hasil penelitian 2017 Keterangan : Y : Nilai kinerja atas pelaksanaan RKA-K/L x1 : Realisasi belanja pemerintah x2 : Revisi anggaran belanja x3 : Blokir anggaran Berdasarkan output SPSS, nilai terkecil (Minimum) variabel realisasi belanja pemerintah sebesar 0,34 (34%) yaitu pada Badan Penanggulangan Lumpur Sidoarjo (BPLS) untuk tahun Nilai terbesar (Maximum) sebesar 42,27 (4200,27%) yaitu pada Kementerian Riset, Teknologi, dan Pendidikan Tinggi untuk tahun Nilai realisasi belanja yang cukup besar ini disebabkan adanya pergeseran anggaran dari Pendidikan dan Kebudayaan akibat reorganisasi pada tahun tersebut. Untuk variabel revisi anggaran belanja, berdasarkan output SPSS, nilai terkecil (Minimum) sebesar yaitu pada Kementerian Pendidikan dan Kebudayaan untuk tahun Nilai terbesar (Maximum) sebesar yaitu pada Kementerian Riset, Teknologi, dan Pendidikan Tinggi untuk tahun Jangkauan nilai (range) yang besar pada variabel ini dikarenakan pada tahun 2015 merupakan masa implementasi peralihan kekuasaan eksekutif. Pada masa inilah kebijakan Presiden terpilih yang baru, Presiden Joko Widodo, mulai diterapkan yang salah satunya adalah perubahan struktur Kementerian/ Lembaga (K/ L).

5 64 Untuk variabel blokir anggaran, nilai terkecil (Minimum) sebesar 0 tersebar di sepanjang periode Blokir anggaran bernilai nol dengan jumlah terbanyak pada tahun 2014 yaitu pada 55 Kementerian/ Lembaga (K/ L). Nilai terbesar (Maximum) sebesar yaitu pada Kementerian Pertahanan untuk tahun C. Hasil Uji Analisis Structural Equation Modeling (SEM) 1. Uji Normalitas Data Analisis Structural Equation Modeling (SEM) mensyaratkan data berdistribusi normal untuk menghindari bias dalam interpretasi data yang dapat mempengaruhi data lainnya. Pengukuran normalitas data dilakukan bersamaan dengan proses uji kesesuaian model melalui perhitungan komputasi dengan menggunakan software AMOS. Berdasarkan uji normalitas dengan menggunakan software AMOS, diperoleh hasil seperti yang direpresentasikan dalam Tabel 4.3. TABEL 4.3 ASSESSMENT OF NORMALITY AWAL Var. min max skew c.r. Kurtosis c.r. x x x Y Multivariate Sumber: Data diolah dari hasil penelitian 2017 Nilai c.r ((critical ratio) dianggap normal dengan ketentuan -2,58 < c.r <2,58 (signifikan pada 1%). Secara Univariate hanya variabel Y yang terdistribusi secara normal. Nilai c.r multivariate menunjukkan angka 301,802, artinya data tidak terdistribusi normal. Untuk mengatasi ketidaknomalan data dilakukan beberapa

6 65 langkah berikut ini: 1. Melakukan transformasi data dalam bentuk logaritma natural (Ln) untuk seluruh variabel penelitian. 2. Data yang telah ditransformasikan dinormalkan kembali dengan menggunakan Lisrel 8.8 untuk memperoleh normal score. Setelah dilakukan prosedur transformasi Ln untuk menormalkan data, hasil uji normalitas data ditunjukkan tabel 4.4. Secara univariat, hanya variabel Y ynag telah memenuhi kriteria normal. Untuk variabel x3, walaupun nilai Skewness mendekati nol, tetapi nilai c.r. Skewness jauh diatas 2,58. Nilai c.r. kurtosis variabel x3 sebesar 2,996 menjadi bukti kuat variabel x3 tidak memenuhi kriteria normalitas data. Secara multivariat, hasil transformasi data masih belum dapat dikatakan normal karena nilai c.r. jauh diatas 2,58. TABEL 4.4 ASSESSMENT OF NORMALITY SETELAH TRANSFORMASI LN Variable min max skew c.r. kurtosis c.r. x x x Y Multivariate Sumber: Data diolah dari hasil penelitian 2017 Menurut Ulya (2015: 56) Pada proses screening data jika salah satu variabel dari penelitian dianalisis tidak berdistribusi normal, maka normalitas dilanjutkan dengan normal score. Normal score merupakan fasilitas yang terdapat dalam software Lisrel. Penulis menggabungkan teknik transformasi data dan penggunaan normal score untuk memastikan data yang akan diolah berdistribusi normal. Data yang telah dinormalkan inilah yang akan diolah lebih lanjut. Setelah dilakukan

7 66 prosedur menormalkan data melalui aplikasi Lisrel 8.8, hasil uji normalitas data ditunjukkan tabel 4.5. Secara univariat, seluruh variabel telah memenunhi kriteria normal. Secara multivariat, hasil transformasi data sudah terdistribusi normal. TABEL 4.5 ASSESSMENT OF NORMALITY DENGAN NORMAL SCORE Variable min max skew c.r. kurtosis c.r. x x x Y Multivariate Sumber: Data diolah dari hasil penelitian 2017 Sebelum melangkah ke uji kesesuian model, data harus diyakini bebas dari outlier. Outliers adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara univariat maupun multivariate yaitu yang muncul karena kombinasi karakteristik unik yang dimilikinya. Untuk menguji ada tidaknya outlier, software AMOS telah menyediakan fasilitas Mahalanobis distance. Data dengan probabilitas (p) yaitu p2 yang nilainya lebih kecil dari 0,05 mengalami outlier. Data dikatakan tidak memiliki outlier harus memiliki p2 > 0,05 sehingga menunjukkan tidak ada perbedaan yang signifikan antara data dengan kelompok data. Arbukcle (1997) mencatat bahwa walaupun nilai p1 diharapkan bernilai kecil, tetapi nilai kecil pada kolom p2 menunjukkan observasi yang jauh dari nilai centroidnya dan dianggap outlier serta harus dibuang (didrop) dari analisis. Hasil perhitungan Observations farthest from the centroid (Mahalanobis distance) data awal ditunjukkan pada Lampiran 3, tidak terdapat p2 yang nilainya dibawah 0,05. Hasil ini menunjukkan tidak terdapat data yang

8 67 mengalami outlier sehingga tidak perlu dilakukan pembersihan data. Setelah data dinyatakan normal dan bebas outlier, maka model akan diuji kesesuaiannya dengan melihat nilai Goodness of Fit dengan kriteria yang menjadi nilai acuannya adalah Chi Square, Probabilitas, dan CMIN/DF yang dihasilkan. 2. Uji Kesesuaian Model (Goodness of Fit) Untuk kepentingan analisis data menggunakan sofware AMOS, kodifikasi variabel dirinci sebagai berikut. a. Y : Nilai kinerja atas pelaksanaan RKA-K/L b. x1 : Realisasi belanja pemerintah c. x2 : Revisi anggaran belanja d. x3 : Blokir anggaran e. e1 : error peramalan observasi Model yang akan diuji pertama kali adalah model awal sebagaimana dijelaskan pada bab sebelumnya. Berdasarkan variable summary hasil pengolahan data dengan software AMOS, variabel penelitian digolongkan menjadi: a. Observed, endogenous variabels yaitu variabel Y. b. Observed, exogenous variabels yaitu variabel x1, variabel x2, dan variabel x3. c. Unobserved, exogenous variables yaitu variabel e1. Model awal penelitian ditunjukkan Diagram 4.3. Setelah model awal diproses, diperoleh nilai Chi-Square model sebesar nol sehingga nilai Probability dan CMIN/DF tidak dapat dihitung.

9 68 DIAGRAM 4.1 HASIL ESTIMASI MODEL AWAL Hasil uji goodness of fit pada model standar yang diusulkan akan diuraikan satu per satu sebagai berikut. a. Chi-Square Chi-Square digunakan untuk menguji perbedaan antara matrik kovarians sampel. Nilai Chi-Square yang relatif tinggi terhadap degree of freedom menunjukkan bahwa matrik kovarian atau korelasi yang diobservasi dengan yang diprediksi berbeda secara nyata dan ini menghasilkan probabilitas (p) lebih kecil dari tingkat signifikansi (α) dan sebaliknya. Hasil pengukuran model menunjukkan nilai Chi-Square sebesar 0. Nilai Chi-Square relatif rendah terhadap degree of freedom mengindikasikan bahwa matrik kovarian atau korelasi yang diobservasi dengan yang diprediksi tidak berbeda secara nyata. Karena nilai Chi-Square sama dengan nol, nilai Probability tidak dapat dihitung.

10 69 b. CMIN CMIN mengambarkan perbedaan antara unrestricted sample covariance matrix S dan restricted covariance matrix (θ) atau secara esensi menggambarkan likelihood ratio test yang umumnya dinyatakan dalam Chi-Square (χ 2 ) statistic. Nilai statistik ini sama dengan (N 1) Fmin (ukuran besar besar sampel dikurangi 1 dan dikalikan dengan minimum fit function). Berdasarkan output aplikasi AMOS, besaran nilai CMIN sama dengan Chi-Square, yaitu 0. c. CMIN/DF Rasio ini untuk mengukur fit yang diperoleh dari nilai Chi-Square dibagi dengan degree of freedom. Menurut Wheaton (1977) nilai rasio 5 (lima) atau kurang dari 5 (lima) merupakan ukuran yang reasonable. Menurut Byrne mengemukakan nilai rasio ini < 2 merupakan fit. Hasil pengukuran menunjukkan nilai CMIN/DF tidak dapat ditentukan. TABEL 4.6 HASIL GOODNESS OF FIT Indeks Cut off Value Model Awal Hasil Evaluasi Chi Square Sekecil mungkin 0 Baik Probability 0,05 Tidak dapat ditentukan Tidak dapat ditentukan DF Positif (+) 0 Tidak Fit CMIN/DF 2,00 Tidak dapat ditentukan Tidak dapat ditentukan Sumber: Data diolah dari hasil penelitian Hasil Estimasi Model Uji statistik hubungan antar variabel yang menjadi dasar dalam hipotesis penelitian telah diajukan. Uji statistik hasil pengolahan dengan SEM dilakukan dengan melihat tingkat signifikan hubungan antar variabel yang ditampakkan

11 70 melalui nilai critical ratio (c.r) dan nilai significance probability masing-masing hubungan antar variabel. Proses pengujian statistik ini dapat dilihat pada tabel di bawah ini. TABEL 4.7 HASIL REGRESSION WEIGHTS Estimate S.E. C.R. P Label Y <--- x par_1 Y <--- x par_2 Y <--- x par_3 Sumber: Data diolah dari hasil penelitian 2017 Berdasarkan hasil Regression Weights tersebut, kita dapat mengetahui estimasi hubungan langsung antar variabel yang ada dalam model. Standard Error (S.E) yang dihitung berdasarkan software AMOS sebagian besar menunjukkan nilai yang kecil (mendekati 0). Hal ini menunjukkan bahwa antara data dan estimasi model yang dibangun tidak menyimpang jauh. Standardized Regression Weights dapat digunakan untuk memperbaiki nilai Estimate hubungan langsung antar variabel. Hasil Standardized Regression Weights ditunjukkan Tabel 4.8. TABEL 4.8 HASIL STANDARDIZED REGRESSION WEIGHTS Estimate Y <--- x2.018 Y <--- x Y <--- x Sumber: Data diolah dari hasil penelitian 2017 Hasil Intercepts menunjukkan pengaruh faktor lain diluar model penelitian. Intercepts melekat pada setiap variabel endogen dalam model penelitian. Hasil perhitungan Intercepts berdasarkan software AMOS ditunjukkan tabel 4.9.

12 71 TABEL 4.9 HASIL INTERCEPTS Estimate S.E. C.R. P Label Y *** par_10 Sumber: Data diolah dari hasil penelitian 2017 Berdasarkan hasil pengujian tahap akhir terhadap model keseluruhan, maka dapat dituliskan persamaan model matematik dalam bentuk Structural Equation Model (SEM) sebagai berikut: Ln(Y) = -0,115Ln(x1) + 0,018Ln(x2) - 0,059Ln(x3) + 4,351 (1) dengan: Y = Nilai kinerja atas pelaksanaan RKA-K/L x1 = Realisasi belanja pemerintah x2 = Revisi anggaran belanja x3 = Blokir anggaran Pengaruh realisasi belanja pemerintah terhadap nilai kinerja atas pelaksanaan RKA-K/L sebesar -0,115. Kenaikan realisasi belanja pemerintah sebesar satu akan menurunkan nilai kinerja atas pelaksanaan RKA-K/L sebesar 0,115. Pengaruh revisi anggaran belanja terhadap nilai kinerja atas pelaksanaan RKA-K/L sebesar 0,018. Kenaikan revisi anggaran belanja sebesar satu akan menaikkan nilai kinerja atas pelaksanaan RKA-K/L sebesar 0,018. Sedangkan pengaruh blokir anggaran terhadap nilai kinerja atas pelaksanaan RKA-K/L sebesar -0,059. Kenaikan blokir anggaran sebesar satu akan menurunkan nilai kinerja atas pelaksanaan RKA-K/L sebesar 0,0,059. Setelah persamaan model matematik dirumuskan, analisis dilanjutkan pada koefisien determinasi (R 2 ). Koefisien determinasi (R 2 )yang dihasilkan dari model

13 72 persamaan struktural untuk menyatakan besarnya pengaruh yang diberikan kepada variabel endogen dari variabel eksogen yang terkait dengan jalur pengaruh masingmasing. Berdasarkan hasil output aplikasi AMOS, Koefisien determinasi (R 2 ) sebesar 0,021. Artinya, pengaruh realisasi belanja pemerintah, revisi anggaran belanja, dan blokir anggaran terhadap nilai kinerja atas pelaksanaan RKA-K/L sebesar 2,1%. Pengaruh variabel lain diluar model terhadap variabel nilai kinerja atas pelaksanaan RKA-K/L sebesar 97,9%. Variabel-variabel yang dibangun dalam model penelitian hanya berpengaruh kurang dari 10% terhadap nilai kinerja atas pelaksanaan RKA-K/L merupakan hal yang tidak terlalu mengejutkan. Hal ini dikarenakan faktor-faktror yang dapat memengaruhi nilai kinerja atas pelaksanaan RKA-K/L suatu Kementerian/ Lembaga (K/ L) sangat banyak. Beberapa contoh faktor diluar model penelitian yang dapat memengaruhi nilai kinerja atas pelaksanaan RKA-K/L antara lain kebijakan eksekutif (Pemerintah Pusat), kebijakan legislatif (DPR, MPR, DPD), perubahan kondisi makro ekonomi, perubahan Pokok-pokok Kebijakan Fiskal, kondisi kahar, dan sebagainya. D. Hasil Uji Hipotesis Tahap pengujian hipotesis ini adalah untuk menguji hipotesis penelitian diajukan pada Bab II. Pengujian hipotesis ini didasarkan atas pengolahan data penelitian dengan menggunakan analisis SEM, dengan cara menganalisis nilai regresi yang ditampilkan pada tabel Pengujian hipotesis ini adalah dengan menganalisis nilai C.R dan nilai P hasil olah data, dibandingkan dengan batasan statistik yang disyaratkan, yaitu C.R. -1,96 atau C.R. 1,96 untuk nilai CR dan dibawah 0,05 untuk nilai P. Apabila hasil olah data menunjukkan nilai yang

14 73 memenuhi syarat tersebut, maka hipotesis penelitian yang diajukan dapat diterima. Secara rinci pengujian hipotesis penelitian akan dibahas secara bertahap sesuai dengan hipotesis yang telah diajukan. Pada penelitian ini diajukan tiga hipotesis yang selanjutnya pembahasannya dilakukan berikut ini. TABEL 4.10 HASIL REGRESSION WEIGHTS Estimate S.E. C.R. P Label Y <--- x par_1 Y <--- x par_2 Y <--- x par_3 Sumber: Data diolah dari hasil penelitian Hipotesis 1 H1,0 : Realisasi belanja pemerintah tidak berpengaruh terhadap nilai kinerja atas pelaksanaan Rencana Kerja Anggaran Kementerian/ Lembaga (RKA-K/L). H1 : Realisasi belanja pemerintah berpengaruh terhadap nilai kinerja atas pelaksanaan Rencana Kerja Anggaran Kementerian/ Lembaga (RKA- K/L). Realisasi belanja pemerintah disimbolkan dengan x1 dan nilai kinerja atas pelaksanaan Rencana Kerja Anggaran Kementerian/ Lembaga (RKA-K/L) disimbolkan dengan Y. Hasil pengukuran aplikasi AMOS, untuk hubungan realisasi belanja pemerintah terhadap nilai kinerja, nilai C.R. sebesar -1,871 dan nilai P sebesar 0,061. Nilai C.R. dibawah 1,96, hasil ini menunjukkan bentuk hubungan antar kedua variabel tidak signifikan dan negatif. Nilai P diatas ambang batas peneriman model sebesar 0,05. Artinya, realisasi belanja pemerintah berpengaruh terhadap nilai kinerja atas pelaksanaan Rencana Kerja Anggaran Kementerian/

15 74 Lembaga (RKA-K/L) tidak didukung dengan data-data dalam penelitian atau dengan kata lain H1,0 diterima dan H1 ditolak. 2. Hipotesis 2 H2,0 : Revisi anggaran belanja Pemerintah tidak berpengaruh terhadap nilai kinerja atas pelaksanaan Rencana Kerja Anggaran Kementerian/ Lembaga (RKA-K/L). H2 : Revisi anggaran belanja Pemerintah berpengaruh terhadap nilai kinerja atas pelaksanaan Rencana Kerja Anggaran Kementerian/ Lembaga (RKA-K/L). Revisi anggaran belanja pemerintah disimbolkan dengan x2 dan nilai kinerja atas pelaksanaan Rencana Kerja Anggaran Kementerian/ Lembaga (RKA-K/L) disimbolkan dengan Y. Hasil pengukuran aplikasi AMOS, untuk hubungan revisi anggaran belanja terhadap nilai kinerja, nilai C.R. sebesar 0,294 dan nilai P sebesar 0,769. Nilai C.R. dibawah 1,96, hal ini menunjukkan bentuk hubungan antar kedua variabel tidak signifikan dan positif. Nilai P juga jauh diatas ambang batas peneriman model sebesar 0,05. Artinya, Revisi anggaran belanja Pemerintah berpengaruh terhadap nilai kinerja atas pelaksanaan Rencana Kerja Anggaran Kementerian/ Lembaga (RKA-K/L) tidak didukung dengan data-data dalam penelitian atau dengan kata lain H2,0 diterima dan H2 ditolak. 3. Hipotesis 3 H3,0 : Blokir Anggaran tidak berpengaruh terhadap nilai kinerja atas pelaksanaan Rencana Kerja Anggaran Kementerian/ Lembaga (RKA- K/L).

16 75 H3 : Blokir Anggaran berpengaruh terhadap nilai kinerja atas pelaksanaan Rencana Kerja Anggaran Kementerian/ Lembaga (RKA-K/L). Blokir anggaran disimbolkan dengan x3 dan nilai kinerja atas pelaksanaan Rencana Kerja Anggaran Kementerian/ Lembaga (RKA-K/L) disimbolkan dengan Y. Hasil pengukuran aplikasi AMOS, untuk hubungan blokir anggaran terhadap nilai kinerja atas pelaksanaan Rencana Kerja Anggaran Kementerian/ Lembaga (RKA-K/L), nilai C.R. sebesar -1,104 dan nilai P sebesar 0,270. Nilai C.R. jauh dibawah 1,96 dan nilai ini menunjukkan hubungan kedua variabel adalah tidak signifikan dan negatif. Nilai P juga jauh diatas ambang batas peneriman model sebesar 0,05. Artinya, blokir Anggaran berpengaruh erhadap nilai kinerja atas pelaksanaan Rencana Kerja Anggaran Kementerian/ Lembaga (RKA-K/L) tidak didukung oleh data-data dalam penelitian atau dengan kata lain H3,0 diterima dan H3 ditolak. TABEL 4.11 RINGKASAN HASIL PENGUJIAN HIPOTESIS Hipotesis ke- Hubungan antar Variabel H0 Ha 1 Realisasi belanja pemerintah terhadap nilai kinerja atas pelaksanaan Rencana Kerja Anggaran Kementerian/ Lembaga (RKA-K/L). Diterima Ditolak 2 Revisi anggaran belanja Pemerintah Diterima Ditolak terhadap nilai kinerja atas pelaksanaan Rencana Kerja Anggaran Kementerian/ Lembaga (RKA-K/L). 3 Blokir Anggaran terhadap nilai kinerja atas pelaksanaan Rencana Kerja Anggaran Kementerian/ Lembaga (RKA-K/L). Diterima Ditolak Sumber: Data diolah dari hasil penelitian 2017

17 76 E. Pembahasan Hasil Penelitian Realisasi belanja pemerintah tidak berpengaruh terhadap nilai kinerja atas pelaksanaan Rencana Kerja Anggaran Kementerian/ Lembaga (RKA-K/L). Hasil ini tidak terlepas dari realisasi belanja pegawai, belanja barang, dan belanja modal yang mendapat perhatian khusus dan ada di setiap Kementerian/ Lembaga (K/L). Hasil ini cukup mengejutkan mengingat dalam praktiknya realisasi belanja pemerintah hampir selalu dikaitkan dengan kinerja. Realisasi belanja pemerintah tidak berpengaruh terhadap nilai kinerja atas pelaksanaan Rencana Kerja Anggaran Kementerian/ Lembaga (RKA-K/L) mengindikasikan ketidakefisienan dalam penggunaan anggaran. Hasil pengolahan data penelitian menunjukkan nilai realisasi belanja pemerintah yang tinggi tidak selalu menunjukkan nilai kinerja yang tinggi pula. Hasil penelitian ini mengkritisi paradigma lama yang selalu mengutamakan realisasi belanja pemerintah dibandingkan faktor lain dalam menilai kinerja suatu Kementerian/ Lembaga (K/L). Hasil ini menyadarkan kita bahwa perlu perbaikan cara pandang terhadap realisasi belanja pemerintah. Ketika realisasi belanja pemerintah tinggi, pemerintah perlu mengkaji kembali apakah uang yang dibelanjakan tersebut telah mencapai target output dan outcome yang ditetapkan. Jika ditinjau dari analisis varians, persentase realisasi belanja pemerintah terhadap nilai kinerja menunjukkan hubungan negatif, tetapi tidak signifikan. Hasil penelitian ini mendukung sebagian hasil penelitian Palilingan et al. (2015), Daling (2013), dan Karinda et. al. (2013) yang menyatakan varians belanja berkorelasi negatif terhadap kinerja. Hasil penelitian ini juga belum dapat mendukung

18 77 penelitian Usman et. al. (2016) yang menyebutkan bahwa menunjukkan bahwa anggaran belanja pemerintah dapat membantu pencapaian efektivitas dan efisiensi. Menurut hasil pengolahan data penelitian, realisasi belanja belum mampu memengaruhi efisiensi yang menjadi salah satu indikator kinerja. Hasil penelitian ini juga tidak mendukung penelitian Pimpong dan Laryea (2016) yang menyatakan bahwa anggaran belanja berpengaruh signifikan terhadap kinerja. Hal ini dikarenakan dalam penelitian ini, data-data penelitian menunjukkan hal yang sebaliknya. Revisi anggaran belanja tidak berpengaruh terhadap nilai kinerja. Hal ini mengindikasikan bahwa keputusan untuk melakukan revisi anggaran belum mempertimbangkan pengaruhnya terhadap kinerja atas pelaksanaan anggaran. Menurut Tim Reformasi Birokrasi dan Transformasi Kelembagaan Kementerian Keuangan pada Direktorat Jenderal Anggaran, revisi anggaran belanja dilakukan untuk beberapa tujuan, antara lain: 1) antisipasi terhadap perubahan kondisi dalam pelaksanaan anggaran dan perubahan prioritas kebutuhan; 2) menindaklanjuti kebijakan Pemerintah yang ditetapkan dalam tahun anggaran berjalan; 3) mempercepat pencapaian kinerja Kementerian/ Lembaga (K/L); 4) meningkatkan optimalisasi penggunaan anggaran yang terbatas dan meningkatkan kualitas belanja Anggaran Pendapatan Belanja Negara (APBN). Berdasarkan data-data penelitian, revisi anggaran lebih menitikberatkan tujuan antisipasi terhadap perubahan kondisi dalam pelaksanaan anggaran dan perubahan prioritas kebutuhan dan menindaklanjuti kebijakan Pemerintah yang ditetapkan dalam tahun anggaran berjalan.

19 78 Tujuan revisi anggaran belanja untuk mempercepat pencapaian kinerja Kementerian/ Lembaga (K/L) belum mendapat perhatian serius. Hal ini mengindikasikan praktik revisi anggaran belanja belum sejalan dengan konsep penganggaran berasis kinerja (Performance Based Budgeting). Padahal eerapa tahun belakang, masyarakat menaruh perhatian lebih terhadap kinerja pemerintah. Hasil penelitian berbeda dengan hasil penelitian Lestari et al. (2014) yang menyatakan setiap kenaikan satu Rupiah terhadap perubahan anggaran maka akan meningkatkan serapan anggaran sebesar 1%. Hasil penelitian mendukung sebagian hasil penelitian Hawkesworth dan Klepsvik (2013) yang menyatakan realokasi dana (pembiayaan) sebagai basis dalam kinerja anggaran dan banyak negara menggunakan pendekatan top-down budgeting untuk melakukan realokasi belanja guna menjaga kinerja anggarannya. Dalam penelitian ini, data-data penelitian mendukung pendekatan top-down budgeting untuk melakukan realokasi belanja sebagaimana ditemui dalam kasus penghematan anggaran melalui Instruksi Presiden (Inpres) Nomor 4/2016 dan Nomor 8/2016. Akan tetapi, data-data penelitian menunjukkan bahwa revisi anggaran belanja tidak berpengaruh terhadap nilai kinerja (belum dapat menjaga kinerja anggarannya). Blokir anggaran tidak berpengaruh signifikan terhadap nilai kinerja. Hal ini dapat terjadi karena blokir anggaran tidak cukup kuat memengaruhi tingkat pencapaian Keluaran (Output) yang menjadi salah satu indikator utama dalam menentukan nilai kinerja. Selain itu, berdasarkan Pasal 4 ayat (3) Peraturan Menteri Keuangan (PMK) Nomor 62/PMK.02/2016 memungkinkan adanya mekanisme revisi target capaian Keluaran (Output) yang disebabkan adanya kebijakan

20 79 pemotongan anggaran, pengurangan pinjaman proyek, atau keadaan kahar. Peraturan ini menjadi peluang bagi Kementerian/ Lembaga (K/ L) untuk menjaga kinerja pencapaian Keluaran (Output) sehingga nilai kinerja atas pelaksanaan anggaran tetap stabil. Hasil penelitian ini tidak mendukung hasil penelitian Priatno (2013) yang menyatakan faktor perencanaan mempunyai pengaruh yang signifikan terhadap penyerapan anggaran satuan kerja. Dalam penelitian Priatno (2013) blokir anggaran merupakan salah satu faktor perencanaan. Hasil penelitian juga tidak mendukung penelitian Herriyanto (2012) yang menyatakan faktor perencanaan yang salah satu indikatornya adalah anggaran yang terblokir merupakan salah satu faktor yang menyebabkan keterlambatan penyerapan anggaran pada Satuan Kerja (Satker).