46
D. Metode Analisis Data
Metode analisis data dalam penelitian ini adalah dengan menggunakan teknik analisis kuantitatif. Analisis kuantitatif dilakukan dengan cara
menganalisis suatu permasalahan yang diwujudkan dengan kuantitatif. Dalam penelitian ini, analisis kuantitatif dilakukan dengan cara mengkuantifikasi
data-data penelitian sehingga menghasilkan informasi yang dibutuhkan dalam analisis.
Metode yang digunakan dalam penelitian ini adalah regresi logistik logistic regression dengan bantuan SPSS 17. Alasan penggunaan alat
analisis regresi logistik logistic regression adalah karena variabel dependen bersifat dummy mempublikasikan SR atau tidak mempublikasikan SR.
Asumsi multivariate normal distribution tidak dapat dipenuhi karena variabel bebas merupakan campuran antara variabel kontinyu metrik dan kategorial
non-metrik. Dalam hal ini dapat dianalisis dengan regresi logistik logistic regression karena tidak perlu asumsi normalitas data pada variabel bebasnya.
1.
Definisi Regresi Logistik
Regresi logistik adalah bentuk khusus dimana variabel dependennya terbagi menjadi dua bagian atau kelompok biner. Walaupun formulanya
dapat saja lebih dari dua kelompok. Regresi logistik adalah regresi yang digunakan untuk mencari persamaan regresi jika variabel dependennya
merupakan variabel yang berbentuk skala. Regresi logistik binari digunakan untuk menemukan persamaan regresi dimana variabel
47
dependennya bertipe kategorial dua pilihan seperti: ya atau tidak, atau lebih dari dua pilihan seperti: tidak setuju, setuju, sangat setuju.
2.
Tahapan Regresi Logistik
Tahapan dalam pengujian dengan menggunakan uji regresi logistik logistic regression adalah statistik deskriptif dan pengujian hipotesis
penelitian, adapun penjelasannya diuraikan dalam paragraf dibawah ini Ghozali, 2012:
a. Statistik Deskriptif
Statistik deskriptif digunakan untuk memberikan gambaran mengenai distribusi frekuensi variabel yang tercermin dalam nilai
maksimum, nilai minimum, nilai rata-rata mean, dan standar deviasi dari ROA, NPM, current ratio, debt to equity ratio, inventory
turnover, total aset, jumlah rapat komite audit dan dewan direksi. Hasil ini akan didapat berdasarkan data olahan SPSS.
Tipe industri dan keberadaaan governance committee tidak diikutsertakan dalam penghitungan statistik deskriptif karena kedua
variabel tersebut menggunakan skala nominal. Skala nominal adalah skala yang mengategorikan individu atau objek ke dalam kelompok
yang eksklusif dan lengkap secara bersama, dan memberikan informasi mendasar dan kategorikal mengenai variabel yang diteliti.
b. Pengujian Hipotesis Penelitian
Estimasi parameter menggunakan Maximum Likehood Estimation MLE.
48
Ho = b1 = b2 = b3 = ... = bi = 0 Ho ≠ b1 ≠ b2 ≠ b3 ≠ ... ≠ bi ≠ 0
Hipotesis nol menyatakan bahwa variabel independen x tidak mempunyai pengaruh terhadap variabel respon yang diperhatikan
dalam populasi. Pengujian terhadap hipotesis dilakukan dengan menggunakan α = 5. Nilai α dinyatakan sebagai besarnya tingkat
kesalahan yang dapat ditolerir. Umumnya, untuk ilmu sosial, termasuk ekonomi dan keuangan, besarnya α adalah 5 Nachrowi dan Usman,
2006:15. Kaidah pengambilan keputusan adalah: a
Jika nilai probabilitas sig. α = 5 maka hipotesis alternatif didukung.
b Jika nilai probabilitas sig. α = 5 maka hipotesis alternatif
tidak didukung.
1 Menilai Keseluruhan Model Overall Model Fit
Langkah pertama adalah menilai overall model fit terhadap data. Beberapa test statistik diberikan untuk menilai hal ini.
Hipotesis untuk menilai model fit adalah:
H0 : Model yang dihipotesiskan fit dengan data HA : Model yang dihipotesiskan tidak fit dengan data
Dari hipotesis ini kita tidak akan menolak hipotesis nol agar model fit dengan data. Statistik yang digunakan berdasarkan pada
fungsi likelihood. Likelihood L dari model adalah probabilitas
49
bahwa model yang dihipotesiskan menggambarkan data input. Untuk menguji hipotesis nol dan alternatif, L ditransformasikan
menjadi -2LogL. Penurunan likelihood -2LL menunjukkan model regresi yang lebih baik atau dengan kata lain model yang
dihipotesiskan fit dengan data.
2 Koefisien Determinasi Nagelkerke R Square
Cox dan Snell’s R Square merupakan ukuran yang mencoba meniru ukuran R
2
pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari 1
satu sehingga sulit diinterpretasikan. Nagelkerke’s R square
merupakan modifikasi dari koefisien Cox dan Snell untuk memastikan bahwa nilainya bervariasi dari 0 nol sampai 1
satu. Hal ini dilakukan dengan cara membagi nilai Cox dan Snell’s R
2
dengan nilai maksimumnya. Nilai Nagelkerke’s R
2
dapat diinterpretasikan seperti nilai R
2
pada multiple regression. Nilai yang kecil berarti kemampuan variabel-variabel independen
dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen
memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
3 Menguji Kelayakan Model Regresi
Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test. Hosmer and
50
Lemeshow’s Goodness of Fit Test menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model tidak ada
perbedaan antara model dengan data sehingga model dapat dikatakan fit. Jika nilai statistik
Hosmer and Lemeshow’s Goodness of Fit Test sama dengan atau kurang dari 0,05, maka
hipotesis nol ditolak yang berarti ada perbedaan signifikan antara model dengan nilai observasinya sehingga Goodness fit model
tidak baik karena model tidak dapat memprediksi nilai observasinya. Jika nilai statistik
Hosmer and Lemeshow’s Goodness of Fit Test lebih besar dari 0,05, maka hipotesis nol
tidak dapat ditolak dan berarti model mampu memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena
cocok dengan data observasinya.
4 Uji Multikolinieritas
Model regresi yang baik adalah regresi dengan tidak adanya gejala korelasi yang kuat di antara variabel bebasnya. Pengujian
ini menggunakan matrik korelasi antar variabel bebas untuk melihat besarnya korelasi antar variabel independen. Jika variabel
independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen sama
dengan nol.
51
5 Matriks Klasifikasi
Matriks klasifikasi menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan publikasi
sustainability report yang dilakukan oleh perusahaan.
6 Model Regresi Logistik yang Terbentuk
Analisis yang digunakan dalam penelitian ini adalah analisis regresi logistik logistic regression, yaitu dengan melihat
pengaruh karakteristik perusahaan profitabilitas, likuiditas, leverage, tipe industri, aktivitas, ukuran perusahaan dan
corporate governance komite audit, dewan direksi, governance committee terhadap publikasi sustainability report. Model
persamaan regresi dalam penelitian ini adalah:
Logit KODE = α + β1ROA + β2 NPM + β3CR + β3 DER + β4
TYPE + β5 IT + β6 LNTA + β7 JRKA + β8 JRDD + β9 GC
Penjelasan : Logit KODE = Variabel dummy, kategori perusahaan apakah
membuat sustainability report nilai 1 dan yang tidak nilai 0.
A = Konstanta ROA = Profitabilitas yang diproksikan melalui perhitungan
ROA.
52
NPM = Profitabilitas yang diproksikan melalui perhitungan NPM.
CR = Likuiditas yang diproksikan melalui perhitungan current ratio.
DER = Leverage yang diproksikan melalui perhitungan debt to equity ratio.
TYPE = Tipe Industri, high profile = 1, low profile = 0. IT = Aktivitas perusahaan yang diproksikan melalui
perhitungan inventory turnover. LNTA = Ukuran perusahaan yang diproksikan melalui log
natural jumlah asset perusahaan. JR KA = Komite audit yang diproksikan melalui jumlah rapat
antar anggota JR DD = Dewan direksi yang diproksikan melalui jumlah rapat
antar anggota GC = Variabel dummy, keberadaan governance committee
nilai 1 untuk perusahaan yang memiliki dan nilai 0 untuk yang tidak .
E. Operasionalisasi Variabel Penelitian