BAB IV ANALISIS DAN PEMBAHASAN
4.1 Hasil Penelitian
4.1.1 Statistik Deskriptif
Menurut Ghozali 2005, statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dapat dilihat dari rata-
ratamean, standar deviasi, varian, maksimum, minimum, sum, range, dan kemenengan distribusi. Dalam penelitian ini penulis hanya
mendeskripsikan sampel.
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation Corporate Social Responsibility
45 .08974
.57692 .3467189
.12202282 Komite Audit
45 .50
1.00 .9620
.11494 Proporsi Dewan Komisaris
45 .16
.60 .4022
.08746 Ukuran Perusahaan
45 11.27
13.90 12.8431
.57589 Profitabilitas
45 -81.40
70.30 24.7980
24.73193 Leverage
45 -1.83
1.66 -.3329
.95517 Valid N listwise
45
Sumber: Diolah Peneliti 2013
Berikut ini rincian data deskriptif yang diolah: 1.
Variabel pengungkapan tanggung jawab sosial CSR memiliki jumlah sampel N sebanyak 45, dengan nilai minimum
Universitas Sumatera Utara
0,08974, nilai maksimum 0,57692, mean 0,34672 dan standart deviation
simpangan baku 0,122. 2.
Variabel Komite Audit memiliki jumlah sampel N sebanyak 45, dengan nilai minimum 0.5, nilai maksimum 1.00, mean
0,962, dan standart deviation simpangan baku 0,1149. 3.
Variabel Proporsi Dewan Komisaris memiliki jumlah sampel N sebanyak 45, dengan nilai minimum 0,16, nilai maksimum
0,60, mean 0,4022, dan standart deviation simpangan baku 0,0874.
4. Variabel Ukuran Perusahaan memiliki jumlah sampel N
sebanyak 45, dengan nilai minimum 11,27, nilai maksimum 13,90, mean 12,8431, dan standart deviation simpangan baku
0,5758. 5.
Variabel pengungkapan Profitabilitas memiliki jumlah sampel N sebanyak 45, dengan nilai minimum -81,40, nilai
maksimum 70,30, mean24,7980, dan standart deviation simpangan baku 24,7319.
6. Variabel Leverage memiliki jumlah sampel N sebanyak 45,
dengan nilai minimum -1,83, nilai maksimum 1,66, mean - 0,3329, dan standart deviation simpangan baku 0,9551.
Universitas Sumatera Utara
4.1.2 Pengujian Asumsi Klasik
Pengujian asumsi klasik harus dilakukan peneliti sebelum melakukan uji hipotesis Pengujian asumsi klasik ini perlu dilakukan
dengan tujuan untuk mengetahui apakah distribusi data yang digunakan dalam penelitian sudah normal, serta bebas dari gejala
multikolinearitas, heteroskedastisitas dan autokorelasi. Hal ini merupakan salah satu syarat yang mendasari model regresi berganda
dengan metode estimasi Ordinary Least Square OLS.
a.
Uji Normalitas Data Uji normalitas bertujuan untuk mengetahui varians
pengganggu atau residual berdistribusi secara normal serta untuk menghindari adanya bias dalam model regresi. Pengujian
normalitas data dalam penelitian ini menggunakan uji statistik non-parametrikKolmogorov-SmirnovK-S, dengan membuat
hipotesis:
H0 : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal
Apabila nilai signifikansi lebih besar dari 0.05 maka H0 diterima, sedangkan jika nilai signifikansi lebih kecil dari 0.05
maka H0 ditolak.
Universitas Sumatera Utara
Table 4.2 Hasil Uji Normalitas I
Dari hasil pengolahan data tersebut, diperoleh bahwa data dalam penelitian ini tidak terdistribusi secara normal, dimana
variabel Komite Audit dan Leverage memiliki nilai signifikansi yang lebih kecil dari 0.05 5. Untuk itu, perlu dilakukan
tindakan perbaikan treatment agar model regresi memenuhi asumsi normalitas. Beberapa cara untuk mengubah model
regresi menjadi normal, menurut Jogiyanto 2004:172 terdapat tiga cara untuk menormalkan distribusi data, yaitu:
1. Melakukantransformasi data kebentuklain, yaitu
logaritma natural, akar kuadrat, logaritma 10
One-Sample Kolmogorov-Smirnov Test
Corporate Social
Responsibility Komite
Audit Proporsi
Dewan Komisaris
Ukuran Perusahaan
Profitabilitas Leverage N
45 45
45 45
45 45
Normal Parameter
s
a,b
Mean .3467189
.9620 .4022
12.8431 24.7980
1.1371 Std.
Deviation .12202282
.11494 .08746
.57589 24.73193
1.23166 Most
Extreme Differences
Absolute .162
.518 .179
.116 .117
.214 Positive
.068 .370
.155 .062
.082 .203
Negative -.162
-.518 -.179
-.116 -.117
-.214 Kolmogorov-Smirnov Z
1.088 3.478
1.199 .775
.783 1.434
Asymp. Sig. 2-tailed .187
.000 .113
.585 .572
.033 a. Test distribution is Normal.
b. Calculated from data.
Universitas Sumatera Utara
2. Trimming, yaitu memangkas membuang observasi
yang bersifat outlier, yaitu nilainya lebih kecil dari μ - 2σ
atau lebih besar dari μ + 2σ,
3. Winzorising, yaitu mengubah nilai-nilai outlier menjadi
nilai-nilai minimum atau maksimum yang diizinkan supaya distribusinya menjadi normal.
Memulihkan ketidaknormalan data diatas, untuk variabel Komite Audit
peneliti melakukan transformasi data ke model logaritma natural k-x, dimana k adalah nilai tertinggi
maksimum dari data mentah x hal ini dikarenakan histogramnya menunjukkan subtansial negative skewness Ghozali, 2005:37.
Untuk variabel Leverage peneliti melakukan transformasi data ke model logaritma natural x dikarenakan histogramnya
menunjukkan sustansial positive skewness Ghozali, 2005:37. Kemudian data diuji ulang berdasarkan asumsi normalitas. Berikut
ini hasil pengujian dengan Kolmogorov-Smirnov .
Universitas Sumatera Utara
Tabel 4.3 Hasil Uji Normalitas II
Dari hasil pengolahan data pada table 4.3 diatas kita dapat melihat bahwa seluruh variabel telah terdistribusi secara normal
dimana semua variabel memiliki nilai signifikan yang lebih dari 0.05, dengan demikian kita dapat melanjutkan penelitian dengan
uji asumsi klasik lainnya. Untuk lebih jelas, berikut ini dilampirkan grafik histogram dan P-P plot data yang
terdistribusi secara normal.
One-Sample Kolmogorov-Smirnov Test
Corporate Social
Responsibility Komite
Audit Proporsi
Dewan Komisaris
Ukuran Perusahaan
Profitabilitas Leverage
N 45
5 45
45 45
45 Normal Parameters
a,b
Mean .3467189
-1.1283 .4022
12.8431 24.7980
-.3329 Std.
Deviation .12202282
.37704 .08746
.57589 24.73193
.95517 Most Extreme Differences Absolute
.162 .175
.179 .116
.117 .143
Positive .068
.153 .155
.062 .082
.143 Negative
-.162 -.175
-.179 -.116
-.117 -.080
Kolmogorov-Smirnov Z 1.088
.390 1.199
.775 .783
.957 Asymp. Sig. 2-tailed
.187 .998
.113 .585
.572 .318
a. Test distribution is Normal. b. Calculated from data.
Universitas Sumatera Utara
Gambar 4.1 Normal P-Plot
Berdasarkan gambar 4.1 dapat dilihat bahwa penyebaran data mendekati normal atau memenuhi asumsi normalitas,
dimana titik-titik menyebar di sekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal. Hal tersebut juga
dapat dilihat dari grafik histogram dibawah.
Universitas Sumatera Utara
Gambar 4.2 Histogram
Dari grafik tersebut dapat disimpulkan bahwa distribusi data mendekati normal, karena grafik histogram menunjukkan garis
diagonal yang tidak menceng skewness baik ke kanan maupun ke kiri.
b.
Uji Multikolinearitas Tujuan uji multikolinieritas adalah untuk menguji ada
tidaknya hubungan antar variabel independen dalam model regresi. Model regresi yang baik seharusnya tidak terjadi
Universitas Sumatera Utara
korelasi di antara varabel bebasnya. Deteksi yang dilakukan dengan melihat nilai VIF Variable Inflation Factor dan
toleransi. Pengujian dilakukan dengan menggunakan Software SPSS for Windows
. Nilai VIF dan toleransi dapat dilihat dalam tabel 4.4 berikut ini.
Tabel 4.4 Uji
Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-1.046 .431
-2.428 .020
Komite Audit -.035
.140 -.033
-.249 .805
.897 1.115
Proporsi Dewan Komisaris
-.353 .216
-.253 -1.639
.109 .654
1.529 Ukuran Perusahaan
.122 .030
.575 4.016
.000 .763
1.310 Profitabilitas
-.001 .001
-.128 -.824
.415 .649
1.541 Leverage
-.062 .020
-.485 -3.113
.003 .645
1.551 a. Dependent Variable: Corporate Social Responsibility
Berdasarkan tabel 4.4 dapat disimpulkan bahwa tidak
terjadi korelasi di antara variabel independen, dengan kata lain variabel-variabel independen dalam penelitian ini bebas dari
gejala multikolinearitas. Jika dilihat pada tabel semua variabel independen memiliki VIF sekitar 1, atau VIF 10. Selain itu
nilai toleransi untuk setiap variabel independen lebih besar dari
Universitas Sumatera Utara
0,1 tolerance 0,1 dengan demikian dapat disimpulkan tidak ada multikolinearitas dalam model regresi ini.
c.
Uji Autokorelasi
Untuk menguji ada tidaknya autokorelasi, peneliti menggunakan uji Durbin-Watson. Hasil pengujian autokorelasi
adalah sebagai berikut:
Tabel 4.5 Uji Autokorelasi Durbin Watson
Kriteria untuk penilaian terjadinya autokorelasi yaitu: 1.
nilai D-W lebih kecil dari -2 berarti ada korelasi positif, 2.
nilai D-W di antara -2 sampai +2 berarti tidak ada autokorelasi,
3. nilai D-W lebih besar dari +2 berarti ada autokorelasi
negatif. Dari tabel di atas diketahui bahwa nilai D-W yang didapat
sebesar 1,146 yang berarti termasuk pada kriteria kedua,
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .625
a
.391 .312
.10117808 1.146
a. Predictors: Constant, Leverage, Profitabilitas, Komite Audit, Ukuran Perusahaan, Proporsi Dewan Komisaris
b. Dependent Variable: Corporate Social Responsibility
Universitas Sumatera Utara
sehingga dapat disimpulkan bahwa model regresi tidak terjadi autokorelasi negatif.
d. Uji Heterokedastisitas
Kategori