6 Penggunaan
Standar Pelaporan GRI
Penggunaan standar pelaporan
GRI dalam
penyusunan laporan
keberlanjutan perusahaan
Variabel dummy
jika menggunakkan
standart GRI “1”, dan
jika tidak
mengunakkan GRI “0”
Nominal
Sumber : Data sekunder diolah tahun 2015
3.4. Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah dengan menggunakan metode dokumentasi. Metode dokumentasi adalah pengumpulan
data dengan cara mengumpulkan, mencatat, dan mengkaji dokumen yang berhubungan dengan penelitian ini. Sedangkan data yang digunakan dalam
penelitian ini adalah data sekunder, yaitu data yang berasal dari laporan tahunan perusahaan untuk tahun 2013 sampai tahun 2014, yang dipublikasikan di Bursa
Efek Indonesia melalui
website
www.idx.co.id .
3.5. Metode Analisis
3.5.1. Analisis Statistik Deskriptif
Statistik deskriptif digunakan untuk memberikan gambaran suatu data sampel sebelum memanfaatkan teknik analisis statistik yang berfungsi menguji
hipotesis. Statistik deskriptif memberikan gambaran suatu data yang dilihat dari nilai rata-rata
mean
, standar deviasi, nilai maksimum, dan minimum Ghozali, 2011. Nilai minimum digunakan untuk mengetahui jumlah terkecil data yang
digunakan. Nilai maksimum digunakan untuk mengetahui jumlah terbesar data yang digunakan. Mean digunakan untuk mengetahui rata-rata data yang
digunakan. Standar deviasi digunakan untuk mengetahui seberapa besar data yang bersangkutan bervariasi dari rata-rata serta untuk mengidentifikasi dengan standar
ukuran dari setiap variabel. Analisis statistik deskriptif digunakan untuk memberikan gambaran umum
mengenai demografi responden dalam penelitian dan deskripsi mengenai variabel- variabel penelitian. Untuk variabel profitabilitas diukur menggunakan ROA,
ukuran perusahaan diukur menggunakan logaritma natural total aset, dan umur
listing
diukur dengan mengurangi tahun
listing
perusahaan dengan tahun penelitian. Selanjutnya jenis perusahaan dan penggunaan standar pelaporan GRI
yang menggunakan
variabel dummy
maka dihitung menggunakan frekuensi.
3.5.2. Uji Asumsi Klasik
Analisis regresi linear berganda harus menghindari kemungkinan adanya penyimpangan asumsi klasik agar tidak muncul masalah dalam pengunaan analisis
tersebut dan juga hasil regresi dapat dipertanggungjawabkan Ghozali, 2011. Tahap-tahap dalam pengujian asumsi klasik meliputi :
1. Uji Normalitas
Menurut Ghozali 2011, uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan variabel independen memiliki
distribusi normal atau tidak. Ada dua cara untuk mendeteksi apa variabel independen dan variabel dependen berdistribusi normal atau tidak yaitu Ghozali,
2011 :
1. Analisis grafik
Analisis grafik adalah cara melihat normalitas residual dengan melihat grafik histogram yang membadingkan antara data observasi dengan distribusi
yang mendekat distribusi normal. Pada dasarnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal pada grafik atau
melihat histogram dari residualnya. Apabila data menyebar sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogram menunjukkan pola
distribusi normal, maka model regresi memenuhi asumsi normalitas begitu pula sebaliknya.
2. Uji statistik
Uji normalitas dengan grafik bila tidak berhati-hati dalam mengamati grafik dapat menyesatkan sehingga dianjurkan selain menggunakan uji grafik
dilengkapi dengan uji statistik. Uji statistik yang dapat digunakan untuk menguji normalitas variabel dependen dan variabel independen adalah uji statistik
Kolgomorov-Smimov K-S, yaitu : a
Apabila nilai signifikan atau probabilitas 0,05 maka data tidak terdistribusi normal.
b Apabila nilai signifikan atau probabilitas 0,05 maka data terdistribusi
normal.
2. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasiantar variabel bebas Ghozali, 2011. Model regresi
yang baik seharusnya tidak terjadi kolerasi diantara variabel bebas. Jika diantara variabel bebas saling berkorelasi, maka variabel-variabel tersebut tidak orgonal
atau tidak sama dengan nol. Metode untuk melihat adanya multikolinearitas dapat dilakukan dengan uji
variance inflation faktor VIF
yang dihitung dengan rumus sebagai berikut Ghozali, 2011 :
Jika VIF lebih besar dari 10, maka antar variabel bebas independent variabel terjadi persoalan multikolinearitas.
Selain dengan uji VIF untuk mendeteksi adanya multikolinearitas dapat juga menggunakan korelasi r dimana korelasi diatas 0,9 menunjukkan adanya
multikolinearitas dan ketika koefesien determinasi tinggi, tetapi tidak satupun atau sangat sedikit koefesien regresi parsial yang secara individu signifikan secara
statistik atas dasar pengujian t Ghozali, 2011.
3. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya Ghozali, 2011. Model regresi yang baik adalah regresi bebas dari autokorelasi. Cara yang dapat digunakan untuk
menguji ada atau tidaknya autokorelasi adalah uji Durbin Watson DW melalui SPSS. Pengambilan keputusan ada tidaknya autokorelasi Ghozali, 2011 :
Tabel 3.4. Keputusan Autokorelasi Uji Durbin Watson
Hipotesis nol Keputusan
Jika
Tdk ada autokorelasi positif Tolak
0 d dl Tdk ada autokorelasi positif
No decision
dl ≤ d ≤ du Tdk ada korelasi negative
Tolak 4
– dl d 4 Tdk ada korelasi negative
No decision
4 – du ≤ d ≤ 4 – dl
Tdk ada autokorelasi, Positif atau negative
Tidak ditolak du d 4
– du
Sumber : Ghozali, 2011
4. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan yang lain Ghozali,
20011. Jika varians dari residual satu pengamatan ke pengamatan lain tetap maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas.
Cara mendeteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan Uji Glejser, yaitu mendeteksi ada tidaknya heteroskedastisitas dengan meregresi
nilai absolut residual terhadap variabel independen. Pengambilan keputusan mengenai heteroskedastisitas adalah jika nilai signifikansi lebih dari 0,05
probability value
0,05 maka dapat disimpulkan bahwa model regresi terbebas dari gejala heteroskedastisitas.
3.5.3. Analisis Regresi
Analisis regresi berganda digunakan untuk mengukur kekuatan hubungan antara dua variabel atau lebih, juga menunjukkan arah berhubungan variabel
dependen dan variabel independen dengan tujuan untuk mengestimasi dan atau memprediksi rata-rata populasi atau nilai rata-rata variabel dependen berdasarkan
nilai variabel independen yang diketahui Gujarati dalam Ghozali 2011. Persamaan regresi berganda dalam penelitian ini sebagai berikut :
HRAD= α + β
1
Profita + β
2
Ukuran + β
3
Umur + β
4
Jenis + β
5
GRI+ e Keterangan :
=
Konstanta ₁ -
5
= Koefisien Regresi
Profita =
Profitabilitas Ukuran
= Ukuran Perusahaan
Umur =
Umur
Listing
Jenis =
Jenis Perusahaan GRI
= Penggunaan Standar Pelaporan GRI
e =
error
3.5.4. Uji Hipotesis
