Pengaruh SDM, Teknologi Informasi, dan Pengendalian Intern Akuntansi Terhadap Keterandalan dan Ketepatwaktuan Pelaporan Keuangan Pemerintah Kabupaten Kebumen

Abstract

Penelitian ini ditujukan untuk mendapatkan bukti empiris tentang pengaruh SDM, teknologi informasi, dan pengendalian akuntansi terhadap keterandalan pelaporan keuangan pemerintah daerah dan untuk mendapatkan bukti empiris tentang pengaruh SDM dan teknologi informasi terhadap Ketepat- waktuan Pelaporan Keuangan Pemerintah Daerah. Penelitian ini menggunakan pendekatan kuantitatif, dan bersifat survai dengan sampel 100 responden pegawai yang melaksanakan fungsi akuntansi/tata usaha keuangan pada seluruh dinas, badan, kantor, dan bagian perangkat kerja pemerintah daerah Kabupaten Kebumen, selaku pengguna anggaran/barang dan oleh karena itu wajib menyelenggarakan akuntansi dan menyusun laporan keuangan, meliputi kepala dan staf subbagian akuntansi/penatausahaan keuangan yang dipilih secara proportionate random sampling dan Nomogram Harry King 65% dari total populasi 154 orang. Data penelitian berbentuk data kuesioner yang valid dan reliabel, dan dianalisis secara statistik regresi linier berganda. Hasil penelitian menunjukkan bahwa secara parsial (a) SDM berpengaruh positif dan signifikan terhadap Keterandalan (koefisien regresi 0,494; t=4,784; p<0,05) dan terhadap Ketepatwaktuan (koefisien regresi 0,406; t=7,877; p<0,05); (b) Teknologi Informasi berpengaruh positif dan signifikan terhadap Keterandalan (koefisien regresi 0,660; t=6,201; p<0,05) dan terhadap Ketepatwaktuan (koefisien regresi 0,349; t=6,486; p<0,05); (c) Pengendalian Intern Akuntansi berpengaruh positif dan signifikan terhadap Keterandalan (koefisien regresi 0,377; t=3,690; p<0,05). Secara simultan SDM, TI, dan PIA berpengaruh signifikan (F=30,149; p<0,05) terhadap Keterandalan dengan persamaan regresi Y = -1,307 + 0,494 X1 + 0,660 X2 + 0,377 X3 (adjusted R2 = 46,9%); dan SDM dan TI berpengaruh signifikan (F=59,932; p<0,05) terhadap Ketepatwaktuan dengan persamaan regresi Y2 = 0,677 + 0,406 X1 + 0,349 X2 (adjusted R2 = 54,3%). Semakin besar adjusted R2, berarti semakin baik model regresi linier berganda tersebut karena variabel bebas dapat menjelaskan variabel terikat secara lebih baik.