BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk melihat gambaran dari data yang dipakai di dalam penelitian. Statistik deskriptif memberikan penjelasan mengenai
nilai minimum, nilai maksimum, nilai mean, nilai standart deviation, dan nilai variance dari setiap variabel yang digunakan dalam penelitian. Berikut tabel statistic
dari variabel-variabel yang digunakan:
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
Ukuran Dewan
Komisaris Proporsi
Komisaris Independen
Kepemilikan Institusional
Corporate Social Responsibility
Valid N listwise
N Statistic
75 75
75 75
75 Minimum
Statistic 2,00
,20 ,15
,06 Maximum
Statistic 10,00
,75 ,96
,53 Mean
Statistic 4,4667
,3993 ,6184
,2828 Std.
Error ,20298
,01327 ,02864
,01191 Std. Deviation
Statistic 1,75787
,11493 ,24801
,10316 Variance
Statistic 3,090
,013 ,062
,011
Dari Tabel 4.1 di atas dapat dijelaskan beberapa hal berikut
1. Variabel Ukuran Dewan Komisaris memiliki nilai minimum 2.00 dan nilai maksimum 10.00 dengan nilai rata-rata 4,4667 dan standar deviasi 1,75787
dengan jumlah pengamatan sebanyak 75 data. 2. Variabel Proporsi Komisaris Independen memiliki nilai minimum 0,20 dan
nilai maksimum 0,75 dengan nilai rata-rata 0,3993 dan standar deviasi 0,11493 dengan jumlah pengamatan sebanyak 75 data.
3. Variabel Kepemilikan Institusional memiliki nilai minimum 0,15 dan nilai maksimum 0,96 dengan nilai rata-rata 0,6184 dan standar deviasi 0,24801
dengan jumlah pengamatan sebanyak 75 data. 4. Variabel Corporate Social Responsibility memiliki nilai minimum 0,06 dan
nilai maksimum 0,53 dengan nilai rata-rata 0,2828 dan standar deviasi 0,10316 dengan jumlah pengamatan sebanyak 75 data.
4.2 Uji Asumsi Klasik
4.2.1 Uji Normalitas Data
Uji normalitas dilakukan untuk melihat tingkat kenormalan distribusi data yang digunakan oleh peneliti. Uji dilakukan dengan menggunakan uji
statistik non parametc Kolmogrov-Smirnov K-S, grafik histogram, dan grafik normal plot. Berikut hasil uji normalitas data peneliti dengan statistik
non parametic Kolmogrov-Smirnov K-S:
Tabel 4.2 Hasil Uji Normalitas One Sample Kolmogrov-Smirnov Test
Unstandardized Residual
N 75
Normal Parameters
a,b
Mean 0E-7
Std. Deviation ,09846787
Most Extreme Differences Absolute
,068 Positive
,068 Negative
-,058 Kolmogorov-Smirnov Z
,586 Asymp. Sig. 2-tailed
,882 a. Test distribution is Normal.
b. Calculated from data.
Hasil dari tes Kolmogrov-Smirnov di atas menunjukkan bahwa setiap variabel yang digunakan dalam penelitian memiliki data yang berdistribusi
normal. Hal ini dapat dilihat dari hasil pengujian memiliki nilai signifikansi 0,882 atau 0,05, sehingga data secara positif dapat dikategorikan normal.
Selain Tes Kolmogrov-Smirnov, grafik histogram dan grafik normal plot juga digunakan dalam menguji normalitas data. Berikut grafik histogram
dan normal plot:
Gambar 4.1 Grafik Histogram
Gambar 4.2 Normal P-Plot
Dari kedua grafik diatas dapat ditarik kesimpulan bahwa data yang digunakan peneliti berdistribusi normal. Grafik histogram menunjukkan
bahwa residual bergerak dengan skewness seperti lonceng, menandakan bahwa data berdistribusi nornal. Grafik normal plot menunjukkan bahwa data
uang dipakai peneliti berdistribusi di dekat garis diagonal yang ada pada grafik, menandakan bahwa data yang digunakan peneliti berdistribusi dengan
normal.
4.2.2 Uji Heterokedatisitas
Uji heteroskedastisitas dilakukan dengan cara melihat po;a penyebaran titik pada grafik scatterplot. Jika titik berkumpul dalam satu pola tertentu
maka terjadi indikasi heterokesdatisitas yang ditandai dengan titik yang menyebar tanpa membentuk suatu pola pada grafik scatterplot. Berikut hasil
uji heterokedastisitas dengan menggunakan grafik scatterplot:
Gambar 4.3 Diagram Scatterplot
Grafik scatterplot di atas menunjukkan bahwa tidak ada indikasi heterokedastisitas karena titik-titik yang terdapat pada grafik menyebar dan
tidak membentuk suatu pola.
4.2.3 Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk melihat ada atau tidaknya hubungan linear antara variabel independen satu dengan lainnya. Jika variabel
memiliki hubungan linear, maka model regresi tidak dapat dilakukan. Untuk menguji adanya indikasi multikolinearitas dapat dilakukan dengan cara
melihat nilai tolerance dan VIF dari variabel yang digunakan. Berikut hasil uji multikolinearitas dari variabel yang digunakan peneliti:
Tabel 4.3 Hasil Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
1 Constant
Ukuran Dewan Komisaris ,934
1,070 Proporsi Komisaris Independen
,876 1,141
Kepemilikan Institusional ,857
1,167
Tabel diatas menunjukkan bahwa tidak ada indikasi multikolinearitas. Nilai tolerance 0,1 dan VIF `0 menandakan bahwa tidak ada indikasi
multikolinearitas. Variabel Ukuran Dewan Komisaris memiliki nilai tolerance sebesar 0,934 dan VIF sebesar 1,070; variabel Proporsi Komisaris independen
memiliki nilai tolerance sebesar 0,876 dan VIF sebesar 1,141; Variabel
Kepemilikan Institusional memiliki nilai tolerance sebesar 0,857 dan VIF sebesar 1,167. Setiap variabel memenuhi syarat nilai tolerance dan VIF,
sehingga semua variabel indepenb tidak memiliki hubungan linear satu sama lain.
4.2.4 Uji Autokorelasi
Uji autokorelasi dilakukan untuk melihat adanya korelasi pada data dari suatu periode dengan periode lainnya. Indikasi autokorelasi terjadi pada
data yang memiliki time series. Data yang digunakan peneliti memiliki time series karena menggunakan data sekunder dari BEI pada periode 2011-2013.
Untuk menguji terjadinya indikasi autokorelasi, peneliti menggunakan pengujian Durbin Watson. Dalam model regresi tidak terjadi autokorelasi bila
nilai Durbin Watson du dw 4 –du. Berikut tabel hasil pengujian Durbin Watson:
Tabel 4.4 Uji Durbin-Watson
Model Summary
b
Model 1
R ,298
a
R Square ,089
Adjusted R Square ,050
Std. Error of the Estimate ,10053
Change Statistics R Square Change
,089 F Change
2,309 df1
3 df2
71
Sig. F Change ,084
Durbin-Watson 2,023
a. Predictors: Constant, Kepemilikan Institusional, Ukuran Dewan Komisaris, Proporsi Komisaris Independen
b. Dependent Variable: Corporate Social Responsibility
Hasil uji autokorelasi pada model regresi yang digunakan peneliti menunjukkan nilai Durbin Watson sebesar 2,023. Nilai ini dibandingkan
dengan nilai du pada tabel nilai signifikansi Durbin-Watson 5. Dari tabel kita peroleh batas bawah sebesar 1,732 sedangkan batas atas sebesar 2,268 4-
1,732. Dari uji ini dapat dilihat bahwa model regresi yang digunakan peneliti tidak terindikasi autokorelasi karena nilai Durbin-Watson memenuhi
persyaratan 1,732 2,111 2,268.
4.3 Analisis Regresi Linear Berganda
Data yang telah lolos uji asumsi klasik dapat digunakan dalam model regresi dan dianalisi. Berikut adalah hasil analisis regresi yang dilakukan peneliti:
Tabel 4.5 Analisis Linear Berganda
Model Unstandardized Coefficients
Standardized Coefficients
B Std. Error
Beta
1 Constant
,325 ,070
Ukuran Dewan Komisaris ,007
,007 ,112
Proporsi Komisaris Independen -,013
,109 -,015
Kepemilikan Institusional -,107
,051 -,257
Dari analisis regresi yang dilakukan, diperoleh koefisien setiap variabel untuk membentuk suatu persamaan regresi. Persamaan regresi yang dibentuk adalah sebagai
berikut: CSR = 0,325 + 0,007 Ukuran Dewan Komisaris + -0,013 Proporsi
Komisaris Independen + -0,107 Kepemilikan Institusional + e 1. A = 0,325
Nilai a sebesar 0,325 menunjukkan apabila setiap variabel UDK, PKI, KI tidak memiliki nilai atau 0, maka nilai CSR akan berubah sebesar
0,325. 2. b1 = 0,007
Nilai b1 sebesar 0,007 menunjukkan bahwa pengaruh yang diberikan variabel UDK bila variabel yang lain tetap adalah sebesar 0,7. Bila
variabel UDK naik sebesar 1 maka Variabel CSR naik sebesar 0,007 3. b2 = -0,013
Nilai b2 sebesar -0,013 menunjukkan bahwa pengaruh yang diberikan variabel PKI bila variabel yang lain tetap adalah sebesar -1,3. Bila
variabel PKI turun sebesar 1 maka variabel CSR turun sebesar -0,013 4. b3 = -0,107
nilai b3 sebesar -0,107 menunjukkan bahwa pengaruh yang diberikan variabel KI bila variabel yang lain tetap adalah sebesar -10,7. Bila
variabel KI turun sebesar 1 maka variabel CSR turun sebesar -0,107.
4.4 Uji Hipotesis