57 memiliki data ekstrim outlier yang berpotensi menganggu hasil analisis. Jika
setelah di z-score terdapat data yang bernilai ± 2,5 dari nilai z-score masing- masing variabel, maka data tersebut adalah data ekstrim outlier. Hasil
screening menunjukan bahwa terdapat sampel yang memiliki data ekstrim outlier sebanyak 6 perusahaan, sehingga harus dikeluarkan dari sampel. Jadi
jumlah sampel yang layak diobservasi adalah 17 perusahaan dalam jangka waktu 5 tahun, jadi total sampel yang digunakan dalam penelitian ini adalah
sebanyak 85 sampel. Tetapi untuk variabel earnings response coefficient dan pengungkapan corporate social responsibility dilakukan penanganan
tambahan yaitu dengan metode winsorized agar secara keseluruhan data-data penelitian dapat lolos uji normalitas.
B. Hasil Uji Instrumen Penelitian
1. Hasil Uji Asumsi Klasik
a. Hasil Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah data berdistribusi normal atau tidak. Model regresi yang baik memiliki data
yang berdistribusi normal. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafis dan
uji statistik Ghozali, 2015.
Uji normalitas dengan analisis grafik didalam penelitian ini menggunakan grafik histogram dan dengan menggunakan normal
probability plot. Hasil pengujian normalitas dalam penelitian ini dapat dilihat pada gambar 4.1 yang menunjukkan hasil uji normalitas
58 menggunakan grafik histogram dan gambar 4.2 yang menunjukkan
hasil uji normalitas menggunakan grafik normal probability plot.
Gambar 4.1 Grafik Histogram
Gambar 4.2 Grafik Normal Probability Plot Berdasarkan kedua grafik tersebut dapat dilihat bahwa grafik
histogram maupun grafik P-Plot memberikan pola distribusi data yang normal. Pada grafik histogram dapat dilihat bahwa grafik
menggambarkan bentuk lonceng serta pada grafik normal P-Plot titik
59 titik yang mewakili jumlah sampel dalam penelitian ini mendekati
garis diagonal. Uji normalitas dengan grafik dapat meyesatkan jika tidak hati-hati
secara visual kelihatan normal, padahal secara statistik bisa sebaliknya Ghozali, 2015. Maka dalam penelitian ini digunakan uji statistik
dengan menggunakan uji statistik non-parametrik Kolmogorov- Smirnov K-S untuk memperkuat hasil normalitas data. Jika nilai
Kolmogorov-Smirnov K-S memliki tingkat signifikansi diatas Asymp. Sig. 0,05 maka model regresi memenuhi asumsi normalitas Ghozali,
2015. Hasil pengujian normalitas data dengan menggunakan uji statistik non-parametrik Kolmogorov-Smirnov K-S disajikan pada
tabel 4.3.
Tabel 4. 3 Hasil Uji Normalitas: Kolmogorov Smirnov K-S 85 sampel
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 85
Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,74734741
Most Extreme Differences Absolute
,088 Positive
,059 Negative
-,088 Test Statistic
,088 Asymp. Sig. 2-tailed
,152
c
Sumber : Output SPSS yang diolah .
Nilai Asymp. Sig. 2-tailed pada hasil uji Kolmogorov-Smirnov adalah sebesar 0,152. Nilai tersebut di atas nilai signifikan yaitu 0,05.
60 Dengan demikian dapat disimpulkan bahwa data berdistribusi normal,
maka model regresi dapat digunakan untuk pengujian berikutnya.
b. Hasil Uji Multikolonieritas
Uji multikolonieritas dilakukan untuk melihat apakah terjadi korelasi antara variabel bebas atau satu sama lainnya. Jika nilai
Tolerance ≥ 0,1 dan VIF ≤ 10, maka dapat dikatakan tidak terjadi multikoloniaritas antar variabel bebas. Berikut tabel 4.4 yang
menunjukkan hasil dari uji multikolonieritas.
Tabel 4.4 Hasil Uji Multikoloniaritas dengan Uji VIF
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
SYR ,909
1,101 CSR
,979 1,021
SIA ,918
1,090
Sumber : Output SPSS yang diolah
Berdasarkan hasil uji multikolonieritas pada tabel 4.4 dapat dilihat bahwa variabel bebas dalam penelitian ini tidak saling berkorelasi,
karena nilai Tolerance ≥ 0,1 dan VIF ≤ 10. Maka dapat dikatakan tidak
terjadi gejala multikolonieritas antar variabel.
c. Hasil Uji Heteroskesdastisitas
Uji heteroskesdastisitas dilakukan untuk melihat apakah ada ketidaksamaan varians dalam fungsi regresi.
Data yang baik adalah data yang homoskesdastisitas atau data yang memiliki kesamaan varians dalam
fungsi regresi. Uji heteroskesdastisitas dalam penelitian ini menggunakan uji glejser yang dilakukan dengan cara meregresikan antara variabel
61
independen dengan nilai absolut residualnya. Jika nilai signifikansi antara variabel independen dengan absolut residual lebih dari 0,05 maka tidak
terjadi masalah
heteroskesdastisitas.
Berikut tabel
4.5 yang
menunjukkan hasil dari uji
heteroskesdastisitas
.
Tabel 4.5 Hasil Uji Heteroskesdastisitas dengan Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta Constant
,698 ,115
6,071 ,000
SIA ,002
,104 ,002
,015 ,988
SYR ,008
,038 ,023
,201 ,841
CSR -1,568
1,150 -,151
-1,363 ,177
Sumber : Output SPSS yang diolah
Pada tabel 4.5
terlihat bahwa nilai signifikansi antara semua variabel independen dengan absolut residual lebih dari 0,05 maka dapat
disimpulkan bahwa data dalam penelitian ini mempunyai kesamaan varians dalam fungsi regresi atau homoskesdastisitas atau tidak terjadi
heteroskesdastisitas. Hasil uji glejser ini konsisten dengan hasil uji grafik scatterplot
berikut ini:
Gambar 4.3 Hasil Uji Heteroskesdastisitas dengan Grafik Scatterplot
62
Berdasarkan grafik scatterplot yang ditunjukkan pada gambar 4.3 terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas
maupun dibawah angka 0 nol pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi yang dilakukan
pada penelitian ini.
d. Hasil Uji Autokorelasi
Menurut Ghozali 2015, uji autokorelasi bertujuan untuk menguji apakah dalam sebuah model regresi linier terdapat korelasi antara
kesalahan pengganggu pada periode t dengan kesalahan periode t-1 sebelumnya. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual tidak bebas dari satu observasi ke observasi lainnya.
Pengujian autokorelasi yang dilakukan dalam penelitian ini adalah dengan menggunakan uji Durbin-Watson. Hasil uji autokorelasi dapat
dilihat pada tabel 4.6.
Tabel 4.6 Hasil Uji Autokorelasi dengan Uji Durbin-Watson
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-Watson 1
,919
a
,844 ,838
,76106135 2,161
Sumber : Output SPSS yang diolah
Nilai Durbin-Watson dalam penelitian ini adalah sebesar 2,161. Jumlah sampel yang digunakan dalam penelitian ini adalah 85 sampel
dengan jumlah variabel independen yang diuji adalah 4 sehingga nilai dL dalam Durbin-Watson tabel adalah sebesar 1,575 dan nilai dU
adalah sebesar 4-1,575 yaitu sebesar 2,425. Nilai DW dalam penelitian
63 ini terletak di antara nilai dL dan dU yaitu 1,5752,1612,425. Hasil
tersebut menunjukan bahwa penelitian terbebas dari masalah autokorelasi.
2. Hasil Statistik Deskriptif