BAB V HASIL PENELITIAN DAN PEMBAHASAN
5.1 Deskriptif Data 5.1.1 Deskriptif Statistik Variabel Penelitian
Berdasarkan hasil penelitian variabel CSR, kepemilikan manajemen, kepemilikan institusional, kepemilikan asing dan kinerja keuangan ROE pada
perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia maka karakteristik sampel yang digunakan di dalam penelitian ini meliputi : jumlah sampel N, rata-
rata sampel
mean
, nilai maks imum, nilai minimum serta standar deviasi σ
untuk masing-masing variabel. Hasil analisis deskriptif sebelum transformasi ln dapat dilihat pada Tabel 5.1 berikut ini:
Tabel 5.1 Analisis Deskriptif Penelitian Sebelum Transformasi LN
N Minimum
Maximum Mean
Std. Deviation CSRDI
108 .10
.63 .3859
.09676 KM
108 .00
97.46 38.0582 29.39229
KI 108
.04 80.00 21.3877
17.13302 KA
108 1.29
95.22 40.5536 26.93979
ROE 108
-8.56 130.48 19.1616
20.63288 Valid N listwise
108 Sumber: Hasil Analisis Data
Universitas Sumatera Utara
Pada tabel 5.1 menunjukkan bahwa jumlah data yang digunakan dalam penelitian ini sebanyak 108 sampel data yang diambil dari Laporan Keuangan
perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia yang tercatat dari periode 2010-2012. Dengan menggunakan metode
polling data
, sampel diambil dari 36 perusahaan manufaktur di Indonesia dikalikan dengan jumlah periode 3
tiga tahun laporan keuangan publikasi pertahun yang dikeluarkan Bursa Efek Indonesia, sehingga jumlah data menjadi 108 buah.
Kinerja Keuangan ROE
Jumlah data dari kinerja keuangan ROE sebanyak 108 dengan nilai minimum -8,56 dan nilai maksimum
sebesar 130,48. Rata-rata ROE adalah sebesar 19,16 dan besarnya standar deviasi sebesar 20,63. Hal ini menunjukkan
bahwa kondisi dari ROE sampel sangat berfluktuasi karena selisih antara ROE maksimum dengan minimum cukup besar, nilai standar deviasi dari ROE lebih
besar dari nilai rata-rata ROE.
Corporate Social Responsibility CSRDI
Jumlah data nilai
Corporate social Responsibility CSRDI
adalah 108 dengan nilai minimum 0,10 dan nilai maksimum sebesar 0,63. Rata-rata dari
CSRDI sebesar 0,38 dan besarnya nilai standart deviasi sebesar 0,09. Hal ini menunjukkan bahwa kondisi CSR
sampel sangat berfluktuasi karena selisih antara nilai
maksimum nilai minimum cukup besar, nilai standar deviasi CSRDI lebih kecil dari nilai rata-rata CSRDI.
Universitas Sumatera Utara
Kepemilikan Manajemen KM
Jumlah data dari kepemilikan manajemen KM sebanyak 108 dengan nilai minimum sebesar 0,00 sedangkan nilai maksimum sebesar 97,46. Nilai rata-rata
KM sebesar 38,05 dan besarnya nilai standar deviasi adalah sebesar 29,39. Hal ini menunjukkan bahwa kondisi KM sampel sangat berfluktuasi karena selisih antara
nilai maksimum dan minimum cukup besar, nilai standar deviasi KM lebih kecil dari nilai rata-rata KM.
Kepemilikan Institusioanal KI
Jumlah data dari kepemilikan institusional KI sebanyak 108 dengan nilai minimum sebesar 0,04 sedangkan nilai maksimum sebesar 80,00. Nilai rata-rata
KI sebesar 21,38 dan nilai standar deviasi sebesar 17,13. Hal ini menunjukkan bahwa kondisi KI sampel sangat berfluktuasi karena selisih antara nilai KI
maksimum dan nilai KI minimum cukup besar, nilai standar deviasi lebih kecil dari nilai rata-rata.
Kepemilikan Asing KA
Jumlah data nilai kepemilikan asing KA adalah sebesar 108 dengan nilai minimum sebesar 1,29 sedangkan KA maksimum sebesar 95,22. Nilai rata-rata
KA adalah sebesar 40,55 dan besarnya nilai standart deviasi adalah 26,93. Hal ini menunjukkan bahwa kondisi KA sampel sangat berfluktuasi karena selisih nilai
maksimum dengan nilai minimum cukup besar, nilai standar deviasi KA lebih kecil dari nilai rata-rata KA.
Standar deviasi σ menjelaskan kemungkinan nilai dari data yang diperoleh menyimpang dari nilai yang diharapkan dalam hal ini variabel CSR,
Universitas Sumatera Utara
kepemilikan manajemen, kepemilikan institusional, kepemilikan asing dan ROE. Semakin besar nilai standar deviasi maka semakin besar kemungkinan nilai riil
menyimpang dengan nilai
mean
masing-masing variabel lebih kecil dari pada standar deviasinya atau sering disebut data outlier data yang terlalu ekstrim.
Outlier adalah data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim
Ghozali, 2006. Untuk menormalkan data, kita harus mengetahui bentuk grafik dari data. Ada 6 bentuk grafik yaitu,
moderate positive skewness, substansial positif skewness, severe positif skewness
dengan bentuk L,
moderat negatif skewness, substansial negatif skewness, severe negatif skewness
dengan bentuk L Ghozali, 2006.
Langkah perbaikan yang dilakukan dalam penelitian ini agar distribusi data menjadi normal dengan melakukan transformasi data Logaritma Natural ln.
karena grafik data termasuk dalam bentuk grafik
subtansial positif skewness.
Data transformasi logaritma natural ln dapat dilihat pada Tabel 5.2:
Tabel 5.2 Deskriptif Variabel Penelitian setelah Transformasi ln
N Minimum
Maximum Mean
Std. Deviation LN_CSRDI
108 .46
2.30 .9881
.28418 LN_KM
108 .12
6.82 3.6818
1.05928 LN_KI
108 .22
4.38 2.6785
.90285 LN_KA
108 .25
4.56 3.3159
1.07755 LN_ROE
108 .44
4.89 2.6774
.91341 Sumber: Hasil Analisis Data
Pada Tabel 5.2 setelah dilakukan transformasi, terlihat bahwa nilai standard deviasi masing-masing variabel mempunyai nilai yang lebih kecil dari
Universitas Sumatera Utara
rata-rata variabel yang diteliti. Hal ini menunjukkan bahwa data telah terdistribusi normal.
5.1.2 Hasil Pengujian Asumsi Klasik
Dalam menghasilkan model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis. Apabila terjadi
penyimpangan dalam pengujian asumsi klasik perlu dilakukan perbaikan terlebih dahulu.
5.1.2.1 Hasil Pengujian Asumsi Normalitas
Uji normalitas bertujuan untuk menguji dalam model regresi, variabel residual memiliki distribusi normal. Untuk menguji distribusi data normal atau
tidak, ada dua cara untuk mendeteksinya, yaitu dengan analisis grafik dan uji statistik. Analisis grafik digunakan untuk melihat normalitas residual dengan
melihat grafik histogram antara data observasi dengan distribusi yang mendekati distribusi normal.Grafik normal
Probability plot
dapat dilihat pada Gambar 5.2:
Sumber: Hasil Analisis Data
Gambar 5.1 Grafik Normal
Probability Plot
Residual Model
Universitas Sumatera Utara
Pada Gambar 5.1 dapat dilihat titik-titik mendekati garis diagonal. Hal ini menunjukkan model regresi telah memenuhi asumsi normalitas. Uji normalitas
dengan analisis statistik dapat dilihat dari
Kolmogrov-Sumirnov
K-S pada tabel 5.3:
Tabel 5.3 Hasil Pengujian Normalitas Model dengan
One-Sample
Unstandardized Residual N
108 Normal Parameters
a,,b
Mean .0000000
Std. Deviation .77650074
Most Extreme Differences Absolute
.044 Positive
.042 Negative
-.044 Kolmogorov-Smirnov Z
.459 Asymp. Sig. 2-tailed
.985
Sumber: Hasil Analisis Data Berdasarkan Tabel 5.3 hasil uji
kolmogrov-sumirnov
yakni nilai signifikansi diatas 0,05 dengan nilai asymp.Sig 2-tailed sebesar 0,985. Hal ini
menunjukkan bahwa data penelitian berdistribusi normal.
5.1.2.2. Hasil Pengujian Asumsi Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji model regresi ditemukan adanya korelasi antar variabel bebas independen. Jika variabel independen
saling berkorelasi, maka variable-variabel ini tidak orthogonal. Dalam mengetahui apakah terjadi multikolonieritas dapat dilihat dari nilai VIF yang terdapat pada
Tabel 5.4:
Tabel 5.4 Hasil Pengujian Asumsi Multikolonieritas Model
Model Collinearity Statistics
Tolerance VIF
1 LN_CSRDI
1.000 1.000
a. Dependent Variable: LN_ROE Sumber: Hasil Analisis Data
Universitas Sumatera Utara
Pada Tabel 5.4 menunjukkan bahwa nilai
Tolerance
mendekati 1 dan nilai VIF dibawah 10. Hasil penelitian menunjukkan tidak terjadi gejala
multikolonieritas pada variabel independen yang diteleilti.
5.1.2.3. Hasil Pengujian Asumsi Autokorelasi
Uji autokorelasi digunakan untuk mengetahui ada tidaknya korelasi antara kesalahan pengganggu pada periode tertentu dengan kesalahan pengganggu
periode sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Uji autokorelasi dapat dilakukan dengan pengujian
Durbin-Watson
DW. Hasil uji autokorelasi dapat dilihat pada Tabel 5.5:
Tabel 5.5 Hasil Pengujian Asumsi Autokorelasi Model
Model Change Statistics
R Square Change
F Change df1
df2 Sig. F
Change Durbin-
Watson 1
.277 40.674
1 106
.000 1.890
Dependent Variable: LN_ROE Sumber: Hasil Analisis Data
Pada Tabel 5.5 dapat diketahui bahwa nilai dari
Durbin-Watson
menunjukkan tidak terjadi autokorelasi, karena berada pada kisaran angka 1 sampai dengan 2. Nilai DW-statistik yang didapatkan sebesar 1,890. Dengan
demikian dapat disimpulkan bahwa nilai du DW 4 atau 1 1,890 4 . Hal ini menunjukkan tidak terjadi autokorelasi positif atau negatif pada model regresi
yang digunakan.
Universitas Sumatera Utara
5.1.2.4. Hasil Pengujian Asumsi Heteroskedastisitas
Uji heteroskedastisitas dalam penelitian ini dilakukan dengan melihat grafik
Scatterplot
antara nilai prediksi variabel terkait ZPRED dengan residualnya SRESID. Jika ada pola tertentu seperti titik-titik yang ada
membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi heteroskedastisitas dan jika tidak ada pola yang jelas serta titik-titik menyebar di
atas dan di bawah angka 0 pada sumbu Y maka tidak terjadi heteroskedastisitas. Di mana Y adalah nilai residual dan X adalah nilai yang telah diprediksi. Grafik
scatterplot
dapat dilihat pada Gambar 5.2:
Gambar 5.2: Grafik Uji Heteroskedastisitas
Sumber: Hasil Analisis Data Berdasarkan hasil uji heteroskedastisitas pada
scatterplot
bahwa tidak terjadi heteroskedastisitas, terlihat dari kurva menyebar dibawah titik 0 dan diatas
titik 0. Hal ini menunjukkan model regresi layak digunakan. Pada uji Glejser dapat dilihat jika variabel independen singnifikan dibawah
5 secara statistik maka diindikasikan terjadinya heteroskedastisitas. Jika probabilitas signifikannya di atas tingkat kepercayaan 5 maka model regresi
Universitas Sumatera Utara
tidak terjadi heteroskedastisitas. Berdasarkan hasil pengolahan data dapat dilihat pada Tabel 5.6:
Tabel 5.6 Hasil Uji Glejser Model
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
.661 .163
4.047 .000
LN_CSRDI -.042
.159 -.026
-.267 .790
a. Dependent Variable: ABSUT Sumber: Hasil Analisis Data
Pada Tabel 5.6 dapat dilihat bahwa tingkat signifikansi pada uji glejser diatas 5 atau 0,05 yaitu sebesar 0,790. Hal ini menunjukkan bahwa tidak terjadi
heteroskesdastisitas. Hasil pengujian asumsi klasik disimpulkan bahwa model regresi yang
dipakai dalam penelitian ini telah memenuhi model estimasi yang
Best Linier Unbiased Estimator
dan layak dilakukan analisis regresi
5.2. Hasil Analisa dan Pembahasan 5.2.1. Hasil Pengujian Hipotesis I