Data penelitian Analisis hasil penelitian

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Data penelitian

Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi berganda. Analisis data dimulai dengan mengolah data dengan menggunakan Microsoft excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian menggunakan regresi berganda. Pengujian asumsi klasik dan regresi berganda dilakukan dengan menggunakan software SPSS. Berdasarkan kriteria yang telah ditetapkan sebelumnya pada populasi dan sampel penelitian, didapat 17 perusahaan manufaktur yang memenuhi kriteria dan dijadikan sampel dalam penelitian ini dan diamati selama periode 2009-2011 lampiran 2.

4.2 Analisis hasil penelitian

4.2.1 Analisis statistik deskriptif Statistik deskriptif memberikan penjelasan mengenai nilai minimum, nilai maximum, dan nilai rata-rata mean, dan nilai standar deviasi dari variabel- variabel independen dan variabel dependen. Informasi yang dibutuhkan dalam penelitian ini merupakan data sekunder yang diperoleh dari www.idx.co.id dan berupa data keuangan sampel perusahaan manufaktur dari tahun 2009 sampai tahun 2011 yang dijabarkan dalam bentuk statistik. Universitas Sumatera Utara Variabel penelitian ini terdiri dari Ukuran Dewan Komisaris UDK, nilai DER, Ukuran Perusahaan, nilai NPM, Kepemilikan Manajemen, Status Perusahaan sebagai variabel bebas independent variabel dan Informasi Sosial sebagai variabel terikat dependent variabe. Statistik deskriptif dari variabel tersebut selama periode tahun 2009 sampai dengan tahun 2011 disajikan dalam tabel berikut ini: Tabel 4.1 Hasil statistik deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation Ukuran Dewan Komisaris 51 3.00 11.00 5.7647 1.81756 Leverage 51 .15 2.45 .9941 .59007 Ln_Ukuran Perusahaan 51 1.10 5.03 2.2881 .93428 Profitabilitas 51 .00 .28 .1120 .06931 Ln_Kepemilikan Manajemen 51 4.17 4.61 4.5130 .15436 Informasi Sosial 51 .40 1.00 .7686 .16672 Valid N listwise 51 Sumber : output SPSS Berdasarkan data dari tabel 4.1 dapat dijelaskan sebagai berikut. 1. Jumlah sampel N dalam penelitian ini sebanyak 51 2. Variabel Ukuran Dewan Komisaris memiliki nilai minimum 3.00, nilai maximum 11.00, rata-rata 5.7647, dan standar deviasi 1.81756 3. Variabel Leverage memiliki nilai minimum 0.15, nilai maximum 2.45, rata-rata 0.9941, dan standar deviasi 0.59007 4. Variabel Ukuran Perusahaan memiliki nilai minimum 1.10, nilai maximum 5.03, rata-rata 2.2881, dan standar deviasi 0.93428 5. Variabel Profitabilitas memiliki nilai minimum 0.00, nilai maximum 0.28, rata-rata 0.1120, dan standar deviasi .06931 Universitas Sumatera Utara 6. Variabel Kepemilikan Manajemen memiliki nilai minimum 4.17, nilai maximum 4.61, rata-rata 4.5130 dan standar deviasi 0.15436 7. Variabel Informasi Sosial memiliki nilai minimum 0.40, nilai maximum 1.00, rata-rata 0.7686, dan standar deviasi 0.16672 4.2.2. Pengujian Asumsi Klasik Salah satu syarat yang mendasari penggunaan model regresi berganda adalah dipenuhinya semua asumsi klasik agar hasil pengujian bersifat efisien dan tidak bias. Menurut Ghozali 2005:123, asumsi klasik yang harus dipenuhi adalah berdistribusi normal, non-multikolinearitas, non-autokorelasi dan non-heterokedastisitas. 4.2.2.1. Uji Normalitas Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel penggangu atau residual memiliki distribusi normal. Pengujian ini diperlukan karena untuk melakukan uji t dan uji F perlu mengasumsikan bahwa nilai residual mengikuti distribusi normal. Pengujian normalitas dalam penelitian ini menggunakan dua metode yang secara umum digunakan oleh penelitian lainnya, yaitu analisis statistik dengan menggunakan uji non-parametrik Kolmogorov-Smirnov K-S dan analisis grafik yang terdiri dari histogram dan normal probability plot. Universitas Sumatera Utara Pengujian normalitas data dalam penelitian ini menggunakan uji statistik non-parametrik Kolmogorov-Smirnov K-S dengan membuat hipotesis: 1. Jika Z hitung Kolmogrov Smirnov Z tabel 1,96 atau angka signifikan signifikansi α 0,05 maka distribusi data dikatakan normal. 2. Jika Z hitung Kolmogrov Smirnov Z hitung 1,96 atau angka signifikansi signifikansi α 0,05 maka distribusi data dikatakan tidak normal. Tabel 4.2 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 51 Normal Parameters a,b Mean .0000000 Std. Deviation .11052735 Most Extreme Differences Absolute .100 Positive .063 Negative -.100 Kolmogorov-Smirnov Z .478 Asymp. Sig. 2-tailed .976 a. Test distribution is Normal. b. Calculated from data. Sumber : output SPSS Dari tabel di atas dapat dilihat bahwa nilai signifikansi Asymp. Sig. 2-tailed sebesar 0.976 nilai signifikan 0,05 dan Z hitung Kolmogrov Smirnov 0,478 Z tabel 1,96. Hasil uji normalitas dengan menggunakan grafik histogram dan normal probability plot juga Universitas Sumatera Utara menunjukan bahwa data terdistribusi normal. Hal tersebut dilihat melalui grafik histogram dan normal probability plot dibawah ini. Gambar 4.1 Uji normalitas Histogram Sumber : output SPSS Hasil yang sama juga dapat dilihat dari grafik normal probability plot pada gambar dibawah ini. Universitas Sumatera Utara Gambar 4.2 Uji normalitas Normal Probability Plot Sumber : output SPSS Pola titik-titik pada normal probability plot gambar 4.2 mengikuti data di sepanjang garis diagonal. Hal ini berarti data berdistribusi normal. Namun seringkali data kelihatan normal karena mengikuti garis diagonal. Padahal belum tentu data tersebut berdistribusi normal. Universitas Sumatera Utara 4.2.2.2. Uji Multikolinieritas Multikolinearitas menunjukkan ada tidaknya variabel independen yang memiliki hubungan yang kuat dengan variabel independen lain dalam model regresi, agar pengambilan keputusan pengaruh pada uji parsial masing-masing variabel independen tidak bias. Untuk mengetahui ada tidaknya multikolinearitas dapat dilihat dari nilai Variance Inflation Factor VIF dan korelasi diantara variabel independen. Jika nilai VIF 10 atau nilai tolerance 0,10, maka tidak terjadi multikolonearitas. Tabel 4.3 Hasil uji multikolinearitas Model Collinearity Statistics Tolerance VIF 1 Constant UDK .231 4.324 Leverage .328 3.049 Ln_Ukuran Perusahaan .229 4.373 Profitabilitas .342 2.922 Ln_Kep.Manajemen .906 1.104 a. dependent variable: Informasi Sosial Sumber : output SPSS Berdasarkan pada tabel diatas, dapat disimpulkan bahwa tidak terjadi gejala multikolonieritas antara variabel independen yang diindikasikan dari nilai tolerance setiap variabel 0,1. nilai VIF kelima variabel independen 10 maka dapat disimpulkan bahwa analisis lebih lanjut dapat dilakukan. Universitas Sumatera Utara 4.2.2.3. Uji Heteroskedastisitas Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat plot grafik yang dihasilkan dari pengolahan data dengan menggunakan program SPSS. Dasar pengambilan keputusannya adalah: 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang terartur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas 2. jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas. Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi heteroskedastisitas atau terjadi homoskedastisitas dengan mengamati penyebaran titik-titik pada gambar. Universitas Sumatera Utara Gambar 4.3 Scatterplot Sumber: output SPSS Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y dan berada disekitar angka 0, sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi informasi sosial berdasarkan masukan variable independennya. 4.2.2.4. Uji Autokorelasi Pengujian autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada suatu periode dengan kesalahan pengganggu periode sebelumnya dalam model regresi. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh menjadi tidak akurat. Pengambilan keputusan ada tidaknya autokorelasi dapat dilihat dibawah ini: Tabel 4.4 Kriteria pengambilan keputusan uji durbin watson Hipotesis Nol Keputusan Jika Tidak ada autokorelasi positif Tolak 0 d dl Tidak ada autokorelasi positif No decision dl ≤ d ≤ du Tidk ada korelasi negatif Tolak 4-dl d 4 Tidak ada korelasi negatif No decision 4-du ≤ d ≤ 4-dl Tidak ada korelasi, positif atau negatif Tidak ditolak Du d 4-du Sumber : ghozali 2005:96 Universitas Sumatera Utara Tabel 4.5 Hasil uji statistik durbin-watson Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .799 a .639 .533 .12574 2.594 a. Predictors: Constant, Ln_Kepemilikan Manajemen, Leverage, UDK, Profitabilitas, Ln_Ukuran Perusahaan b. Dependent Variable: Informasi Sosial Sumber : output SPSS Berdasarkan tabel 4.6 hasil uji Durbin-Watson sebesar 2.594. Nilai DW dalam perhitungan tersebut akan dibandingkan dengan nilai kritis tabel Durbin-Watson. Untuk variabel bebas k = 5 dan jumlah sampel N = 51 besar DW tabel dl batas luar = 1.157 dan du batas dalam = 1.359; 4–du =2.641. Berdasarkan tabel 4.5 dapat dilihat perbandingan nilai DW berada diantara du dan 4–du 1.359 2.594 2.641. Menurut tabel 4.5, nilai ini menunjukan suatu kesimpulan bahwa model regresi linier dalam penelitian menunjukan tidak terjadinya autokorelasi, sehingga model regresi penelitian ini masih layak digunakan. 4.2.3. Pengujian Hipotesis Uji hipotesis dilakukan dengan dua tahap, yakni uji t dan uji F. Pengaruh variabel bebas terhadap variabel terikat secara parsial akan diketahui dengan menggunakan uji t. Pengaruh variabel bebas terhadap variabel terikat secara simultan akan dilihat dengan menggunakan uji F. Berdasarkan hasil pengolahan data dengan program SPSS, maka diperoleh hasil sebagai berikut: Universitas Sumatera Utara 4.2.3.1. Uji Signifikansi Parsial t-test Uji t dilakukan untuk mengetahui hubungan antara variabel-variabel independen terhadap variabel dependen secara parsial. Pengujian statistik t dilakukan dengan tujuan untuk mengetahui ada tidaknya pengaruh setiap variabel independen terhadap variabel dependen secara parsial. Cara melakukan uji t adalah dengan membandingkan signifikansi t hitung dengan ketentuan jika signifikansi 0,05 maka variabel independen secara parsial memiliki pengaruh terhadap variabel dependen. Jika signifikansinya 0,05 maka variabel independen secara parsial tidak memiliki pengaruh terhadap variabel dependen. Tabel 4.7 berikut menunjukkan hasil uji t: Tabel 4.6 Hasil uji parsial t-test Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -1.024 .812 -1.262 .224 UDK -.032 .026 -.377 -1.245 .230 Leverage -.011 .085 -.033 -.129 .899 Ln_Ukuran Perusahaan .169 .050 1.034 3.394 .003 Profitabilitas .587 .652 .224 .900 .381 Ln_Kepemilikan Manajemen .325 .182 .273 1.780 .093 a. Dependent Variable: Informasi Sosial Sumber : output SPSS Tabel 4.6 menunjukan hasil pengujian statistik t sehingga dapat menjelaskan pengaruh variabel independen secara parsial. Universitas Sumatera Utara Berdasarkan hasil diatas dapat dilihat bahwa variabel ukuran dewan komisaris, leverage, profitabiltas dan kepemilikan manajemen tidak memiliki pengaruh signifikan terhadap informasi sosial karena ketiga variabel tersebut masing-masing memiliki signifikansi sebesar 0.230, 0.899, 0.381 dan 0.093 yang lebih besar dari 0,05. Sedangkan variabel ukuran perusahaan memiliki signifikansi sebesar 0,003 dimana signifikan variabel tersebut lebih kecil dari 0,05. hal ini menunjukkan bahwa secara parsial variabel ukuran perusahaan berpengaruh signifikan terhadap informasi sosial. 4.2.3.2. Uji Signifikansi Simultan F-test Uji F ini dilakukan untuk melihat seberapa besar pengaruh variabel independen terhadap variabel dependen secara simultan. Hipotesis yang akan diuji adalah: H = Faktor yang mempengaruhi pengungkapan informasi sosial dewan komisaris, leverage, ukuran perusahaan, profitabilitas, dan kepemilikan manajemen tidak mempunyai pengaruh secara simultan terhadap pengungkapan informasi sosial perusahaan manufaktur. H a = Faktor yang mempengaruhi pengungkapan informasi sosial dewan komisaris, leverage, ukuran perusahaan, profitabilitas, dan kepemilikan manajemen mempunyai pengaruh secara simultan terhadap pengungkapan informasi sosial perusahaan manufaktur. Universitas Sumatera Utara Uji ini dilakukan dengan membandingkan signifikansi F hitung dengan ketentuan: − Jika F hitung F tabel pada α 0.05, maka Ha ditolak, dan − Jika F hitung F tabel pada α 0.05, maka Ha diterima. Tabel 4.7. berikut menunjukkan hasil uji F: Tabel 4.7 Hasil uji simultan F-test ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression .476 5 .095 6.017 .002 a Residual .269 17 .016 Total .744 22 a. Predictors: Constant, Ln_Kepemilikan_Manajemen, Leverage, UDK, Profitabilitas, Ln_Ukuran_Perusahaan b. Dependent Variable: Informasi_Sosial Sumber : output SPSS Hasil uji F yang ditampilkan dalam tabel 4.8 menunjukkan bahwa nilai F hitung adalah 6.017 dengan tingkat signifikansi 0,002. Dengan menggunakan tabel uji F, nilai F tabel diperoleh sebesar 6.01. Hal tersebut menunjukkan bahwa F hitung sebesar 6.017 dari F tabel sebesar 6.01, sehingga H a diterima dan H ditolak. Nilai signifikansi sebesar 0,002 dari signifikansi 0,05 yang berarti variabel tersebut mempengaruhi variabel dependen secara signifikan. Universitas Sumatera Utara 4.2.3.3. Koefisien Determinasi R 2 Koefisien determinasi R Square menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R Square R 2 dikatakan baik jika di atas 0,5 karena nilai R Square R 2 berkisar antara 0 sampai 1. Apabila nilai R Square R 2 semakin mendekati 1, maka variabel-variabel independen mendekati semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R Square maka kemampuan variabel-variabel independen untuk menjelaskan variasi variabel dependen semakin terbatas. Pada umumnya sampel dengan data deret waktu time series memiliki R Square maupun Adjusted R Square cukup tinggi diatas 0,5. R square memiliki kelemahan yaitu nilai R Square R 2 akan meningkat setiap ada penambahan satu variabel dependen meskipun variabel independen tersebut tidak berpengaruh signifikan terhadap variabel dependen. Dalam kenyataannya nilai adjusted R Square dapat bernilai negatif, walaupun yang dikehendaki harus bernilai positif. Jika dalam uji empiris didapat nilai adjusted R Square negatif, maka nilai adjusted R Square dianggap Nol. Tabel 4.8 Hasil Koefisien Determinasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .799 a .639 .533 .12574 2.594 Universitas Sumatera Utara Pada tabel 4.8, Output SPSS memiliki nilai koefisien determinasi yang sudah disesuaikan Adjusted R Square sebesar 0,533. Artinya 53.3 variabel dependen informasi sosial dijelaskan oleh variabel independen ukuran dewan komisaris, leverage, profitabilitas, ukuran perusahaan dan kepemilikan manajemen, dan sisanya 46.7 dijelaskan oleh variabel lain di luar variabel yang digunakan. Standar Error of Estimate SEE adalah sebesar 0.12574 yang mana semakin besar SEE akan membuat model regresi kurang tepat dalam memprediksi variabel dependen.

4.3. Pembahasan