65
3.4.2 Statistik Inferensial
Statistika inferensial adalah statistik yang digunakan untuk menganalisa data sampel, dan hasilnya akan digeneralisasikan untuk populasi dimana sampel
berada. Statistika inferensial berusaha membuat berbagai inferensi terhadap sekumpulan data yang berasal dari suatu sampel. Tindakan inferensi dalam
penelitian ini yaitu melakukan perkiraan besaran populasi, uji hipotesis, forecasting,
membuat permodelan hubungan korelasi regresi ANOVA deret waktu dan sebagainya. Sebelum melakukan analisis regresi, penulis akan
melakukan uji prasarat sebagai berikut:
3.4.2.1 Uji Normalitas
Model regresi yang baik adalah data yang berdistribusi normal atau mendekati normal. Uji normalitas bertujuan menguji apakah dalam metode
regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak Ghozali, 2005. Dalam penelitian ini untuk mendeteksi apakah data
berdistribusi normal atau tidak mengunakan dua cara yaitu melalui analisis grafik dan analisis statistik.
3.4.2.2 Uji Linieritas
Uji ini digunakan untuk melihat apakah spesifikasi model yang digunakan sudah benar atau tidak. Apakah fungsi yang digunakan dalam suatu studi empiris
sebaiknya berbentuk linier, kuadrat, atau kubik. Dengan uji linieritas akan memperoleh informasi apakah model empiris sebaiknya linier, kuadrat atau kubik.
66
3.4.2.3 Pengujian Asumsi Klasik
Dalam menentukan ketepatan model perlu dilakukan pengujian atas beberapa asumsi klasik yang mendasari model regresi. Penyimpangam asumsi
klasik yang digunakan dalam penelitian ini meliputi uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi, yang secara rinci dapat dijelaskan
sebagai berikut:
3.4.2.3.1 Uji Multikolinearitas
Multikolinearitas terjadi jika ada hubungan linear yang sempurna atau hampir sempurna antara beberapa atau semua variabel independen dalam model
regresi. Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen Ghozali,
2009. Untuk menguji adanya multikolinearitas dapat dilakukan dengan menganalisis korelasi antar variabel dan perhitungan nilai tolerance serta variance
inflation factor VIF . Multikolinearitas terjadi jika nilai tolerance lebih kecil dari
0,1 yang berarti tidak ada korelasi antar variabel independen yang nilainya lebih dari 95 . Dan nilai VIF lebih besar dari 10, apabila VIF kurang dari 10 dapat
dikatakan bahwa variabel independen yang digunakan dalam model adalah dapat dipercaya dan objektif.
3.4.2.3.2 Uji Heteroskedastisitas
Menurut Ghozali 2005, uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual 1
pengamat ke pengamat yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut
67
Heteroskedastisitas. Untuk mengetahui ada tidaknya heteroskedastisitas dilihat melalui hasil uji statistik. Uji statistik yang dilakukan adalah dengan
menggunakan Uji Park. Uji Park dilakukan dengan meregresikan logaritma dari kuadrat residual
Ln i sebagai variabel dependen sedangkan variabel independen tetap. Apabila koefisien parameter beta dari persamaan regresi tersebut signifikan secara
statistik, maka dalam data model regresi terdapat heteroskedastisitas dan sebaliknya jika parameter beta tidak signifikan secara statistik, maka asumsi
homoskedastisitas pada model tersebut tidak dapat ditolak Ghozali, 2009.
3.4.2.3.3 Uji Autokorelsi
Tidak adanya korelasi antar residual satu observasi dengan observasi lain disebut autokorelasi. Uji autokorelasi digunakan untuk menguji apakah dalam
model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi
korelasi, maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk mengetahui adanya autokorelsi
dalam model regresi dilakukan melalui pengujian terhadap nilai uji Durbin- Watson dengan berbagai kriteria.
3.4.2.4 Analisis Regresi Berganda
Model regresi berganda adalah sebuah model regresi yang menggunakan lebih dari dua variabel. Variabel independen dalam penelitian ini adalah size,
leverage, profitabilitas, dan prosentase kepemilikan manajemen. Sedangkan variabel independennya adalah indeks pengungkapan CSR. Adapun persamaan
68
untuk menguji hipotesis secara keseluruhan pada penelitian ini adalah sebagai berikut :
Y = α
+ β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ ε
r
Keterangan : Y : Indeks pengungkapan CSR
α0 : Konstanta X1 : size
X2 : Laverage X3 : Profitabilitas
X4 : Prosentase Kepemilikan Manajemen β1...β4 : Koefisien X1...X4
εt : Error
Fahrizqi, 2010 : 9
3.4.2.5 Uji Hipotesis
Pengujian hipotesis dalam penelitian ini dilakukan dengan cara sebagai berikut :
3.4.2.5.1 Uji F Uji Simultan
Menurut Ghozali 2005 uji stastistik F pada dasarnya menunjukkan apakah semua variabel bebas yang dimaksudkan dalam model mempunyai
pengaruh secara simultan terhadap variabel dependen. Pengujian dilakukan dengan menggunakan significance level 0,05
α=5. Ketentuan peneriman atau
penolakan hipotesis adalah sebagi berikut :
69
1 Jika nilai signifikan 0,05 maka hipotesis diterima koefisien regresi tidak
signifikan. Ini berarti bahwa secara simultan keempat variabel independen tersebut tidak mempunyai pengaruh yang signifikan terhadap variabel
dependen.
2 Jika nilai signifikan ≤ 0,05 maka hipotesis ditolak koefisien regresi
signifikan. Ini berarti secara simultan keempat variabel independen tersebut
mempunyai pengaruh yang signifikan terhadap variabel dependen.
Rumus F dihubungkan dengan R
2
=
Rusdarti, 2007 : 34
3.4.2.5.2 Uji t Uji Parsial
Menurut Ghozali 2005 uji stastistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam
menerangkan variabel dependen. Pengujian dilakukan dengan menggunakan significance level
0,05 α=5. Penerimaan atau penolakan hipotesis dilakukan
dengan kriteria sebagai berikut : 1. Jika nilai signifikan 0,05 maka hipotesis ditolak koefisien regresi tidak
signifikan. Ini berarti bahwa secara parsial variabel independen tersebut tidak mempunyai pengaruh yang signifikan terhadap variabel dependen.
2. Jika nilai signifikan ≤ 0,05 maka hipotesis diterima koefisien regresi
signifikan. Ini berarti secara parsial variabel independen tersebut mempunyai pengaruh yang signifikan terhadap variabel dependen.
70
3.4.2.6 Koefisien Determinasi
Koefisien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Koefisien
determinasi digunakan untuk menguji seberapa besar pengaruh variabel independen terhadap variabel dependen. Nilai koefisien determinasi berada di
antara 0 dan 1. Nilai R
2
yang kecil berarti kemampuan variabel–variabel independen dalam menjelaskan variabel dependen amat terbatas. Nilai yang
mendekati 1 berarti variabel-varibel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen
Ghozali, 2005. Formulasi R² :
Nilai koefisien determinasi dihitung dengan rumus :
= ∑ XY − ∑ ∑
∑ − ∑
∑ − ∑
Sumber: Sudjana, 2002: 383
3.4.2.7 Koefisien Determinasi Parsial r
Kategori