44
Semen Padang
√ ×
- -
×
45
Star Energy Geothermal Wayang
Windu Limited
√ ×
- -
×
46
Tambang Batubara Bukit Asem Persero
Tbk
√ √
√ √
9
47
Telekomunikasi Indonesia
√ √
√ √
10
48
Telekomunikasi Seluler
√ ×
- -
× 49
Telkomsel
√ ×
- -
× 50
Timah Persero Tbk
√ √
√ √
11
51
Tirta Investama
√ ×
- -
× 52
Unilever Indonesia Tbk
√ √
√ ×
× 53
United Tractors Tbk, PT
√ √
√ ×
× 54
Vale Indonesia Tbk
√ √
√ √
12
55
Wijaya Karya
√ √
√ √
13 Jumlah Perusahaan yang dijadikan Sampel
13
Sumber: Data yang diolah penulis
3.5 Jenis Data
Berdasarkan tipe penelitiannya, maka penelitian ini menggunakan jenis data kuantitatif. Sedangkan berdasarkan sumbernya, jenis data yang digunakan dalam
penelitian ini adalah data sekunder yang berupa data laporan tahunan Annual Report perusahaan yang terdaftar di BEI periode 2012
– 2014 dan Sustainability Report pada periode 2012 - 2014.
Universitas Sumatera Utara
3.6 Metode Pengumpulan Data
Metode pengumpulan data dalam penelitian ini adalah metode dokumentasi. Arikunto 2002, metode dokumentasi adalah penggunaan data atau subjek, objek,
atau dokumen yang sudah ada. Pengumpulan data berupa laporan tahunan Annual Report dan laporan keberlanjutan Sustainability Report diperoleh dari website PT.
Bursa Efek Indonesia www.idx.co.id dan website resmi masing – masing
perusahaan.
3.7 Teknik Analisis
3.7.1 Analisis Statistik Deskriptif
Analisis statistik deskriptif merupakan teknik deskriptif yang memberikan informasi mengenai data yang dimiliki dan tidak bermaksud
menguji hipotesis. Analisis ini hanya digunakan untuk menyajikan dan menganalisis data disertai dengan perhitungan agar dapat memperjelas
keadaan atau karakteristik data yang bersangkutan. Pengukuran yang digunakan statistik despkriptif ini meliputi jumlah sampel, nilai minimum,
nilai maksimum, nilai rata – rata mean, dan standar deviasi Ghozali,
2011.
3.7.2 Uji Asumsi Klasik
Pengolahan data akan dilakukan dengan menggunakan software SPSS Versi 20. Sebelum melakukan analisis regresi berganda, maka harus terlebih dahulu
Universitas Sumatera Utara
dilakukan uji asumsi klasik agar data yang dihasilkan bersifat BLUE Best, Linear, Unbiased, Estimator yang berarti di dalam model regresi tidak terdapat
multikolinearitas, heterokedastisitas, autokolerasi serta memastikan bahwa data yang dihasilkan terdistribusi normal.
3.7.2.1 Uji Normalitas
Uji Normalitas adalah pengujian tentang kenormalan distribusi Ashari dan Purbayu, 2005. Uji ini bertujuan untuk menguji apakah
dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan
bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel
kecil. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik
Ghozali, 2011 Pengujian normalitas dalam penelitian ini akan dilakukan
dengan keduanya. Dalam analisis grafik, ada dua metode yang dapat digunakan yakni melihat pada grafik histogram dan gfafik normal
probability plot. Dalam grafik histogram, jika data menyebar mengikuti arah grafik histogramnya dan tidak miring ke kiri maupun
ke kanan, maka model regresi memenuhi asumsi normalitas. Namun jika grafik histogramnya miring ke kiri maupun ke kanan, maka dapat
Universitas Sumatera Utara
diasumsikan bahwa nilai residual tidak terdistribusi secara normal. Sedangkan dalam grafik normal probability plot, distribusi normal
akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data
residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Ghozali 2011
Selanjutnya uji normalitas juga dilakukan dengan uji statistik karena uji normalitas dengan grafik dapat menyesatkan kalau tidak
hati – hati secara visual kelihatan normal, padahal secara statistik bisa
sebaliknya. Uji normalitas secara statistik dilakukan dengan uji kolmogorov
–smirnov. Dalam uji statistik kolmogorov-smirnov, data yang mempunyai asymp. Sig 2-tailed di bawah tingkat signifikan
sebesar 0,05 maka diartikan bahwa data tersebut memiliki distribusi tidak normal dan sebaliknya Ghozali, 2011.
3.7.2.2 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Untuk mendeteksi ada atau tidaknya multikolinearitas di
dalam model regresi dapat dilihat dari 1 nilai tolerance dan lawannya 2 Variance Inflation Factor VIF Ghozali, 2011.
Universitas Sumatera Utara
Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi
nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF=1tolerance. Nilai cut-off yang umum dipakai untuk
menunjukkan adanya multikolinearitas adalah nilai tolerance ≤ 0,10
atau sama dengan nilai VIF ≥ 10 Ghozali, 2011.
3.7.2.3 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah model regresi terjadi ketidaksamaan varians dari residual satu pengamatan
dengan pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut
Homokedastisitas dan jika berbeda disebut Heterokedastisitas. Model regresi yang baik adalah model yang tidak terjadi heteroskedastisitas
Ghozali, 2011. Salah
satu cara
mendeteksi ada
atau tidaknya
heteroskedastistitas dalam
suatu penelitian
adalah dengan
menggunakan uji grafik scatterplot. Jika ada pola tertentu, seperti titik
– titik yang ada membentuk pola tertentu yang teratur bergelombang,
melebar kemudian
menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas. Namun jika tidak ada pola yang jelas, serta titik
– titik menyebar di atas dan di bawah
Universitas Sumatera Utara
angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas Ghozali, 2011.
3.7.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan 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 Ghozali,
2011. Untuk lebih jelasnya, Purbayu dan Ashari mengungkapkan bahwa uji autokorelasi merupakan pengujian asumsi dalam regresi
dimana variabel dependen tidak berkorelasi dengan dirinya sendiri. Maksud korelasi dengan dirinya sendiri adalah bahwa nilai dari
variabel dependen tidak berhubungan dengan nilai variabel itu sendiri, baik nilai periode sebelumnya atau nilai periode sesudahnya
Purbayu dan Ashari, 2005. Uji autokorelasi dapat dilakukan dengan cara uji Durbin-
Watson DW test. Uji Durbin Watson hanya digunakan untuk autokorelasi tingkat satu dan mensyaratkan adanya intercept
konstanta dalam model regresi dan tidak ada variabel lagi di antara variabel independen Ghozali, 2011. Uji ini menghasilkan nilai DW
hitung d dan nilai DW table dL dan du. Aturan pengujiannya adalah :
Universitas Sumatera Utara
Tabel 3.2 Nilai Durbin-Watson
3.7.3 Analisis Regresi Linear Berganda
Penelitian ini menggunakan teknik analisis regresi berganda, dimana regresi tersebut digunakan untuk menganalisis bagaimana pengaruh
pengungkapan Sustainability Report terhadap kinerja perusahaan. Maka, model analisis dalam penelitian ini dapat dijabarkan sebagai berikut :
I. KP = α + β1EcDI + β2EnDI + β3SoDI
Keterangan : KP : Kinerja Perusahaan
α : Konstanta β : Koefisien Regresi EcDI : Economic Performance Disclosure Index
EnDI : Environmental Performance Disclosure Index SoDI : Sosial Performance Disclosure Index
Universitas Sumatera Utara
3.7.4 Uji Hipotesis 3.7.4.1 Uji R
2
Koefisien Determinasi
Nilai R
2
digunakan untuk mengukur tingkat kemampuan model dalam menerangkan variabel independen. Nilai R
2
terletak antara 0 sampai dengan 1 0 ≤ R
2
≤ 1. Nilai R
2
yang kecil berarti kemampuan variabel
– variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai R
2
yang mendekati satu berarti variabel independen memberikan hampir semua informasi
yang dibutuhkan untuk memprediksi variasi variabel dependen Ghozali, 2011.
R
2
mengandung kelemahan mendasar yaitu adanya bias terhadap jumlah variabel independen yang dimasukkan dalam model.
Oleh karena itu banyak peneliti menganjurkan untuk menggunakan nilai adjusted R
2
pada saat mengevaluasi mana model regresi terbaik. Besarnya nilai adjusted R
2
menunjukkan variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen,
sedangkan sisanya 1 - Nilai adjusted R
2
menjelaskan variabel lainnya yang tidak dimasukkan dalam model regresi Ghozali, 2011.
Universitas Sumatera Utara
3.7.4.2 Uji F Uji Signifikansi Simultan
Uji statistik F merupakan uji model yang menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam
model mempunyai pengaruh secara bersama – sama terhadap variabel
dependen Ghozali,
2011. Pengujian
dilakukan dengan
membandingkan nilai F hasil perhitungan dengan nilai F tabel. Bila nilai F hitung lebih besar daripada nilai F tabel berarti terdapat
hubungan yang simultan dan signifikan antara semua variabel independen dengan variabel dependen, berlaku juga sebaliknya.
Selain itu pengujian dapat juga menggunakan significance level 0,05 α = 5. Ketentuan penerimaan atau penolakan hipotesis adalah
sebagai berikut : 1. Jika nilai signifikansi F 0,05 maka hipotesis diterima koefisien
regresi tidak signifikan. Ini berarti bahwa secara simultan variabel independen tersebut tidak mempunyai pengaruh yang
signifikan terhadap variabel dependen. 2. Jika nilai signifikansi F
≤ 0,05 maka hipotesis ditolak koefisien regresi signifikan. Ini berarti secara simultan variabel
independen tersebut mempunyai pengaruh yang signifikan terhadap variabel dependen.
Universitas Sumatera Utara
3.7.4.3 Uji – t Uji Regresi Parsial
Pengujian ini pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam
menerangkan variabel dependen Ghozali 2011. Pengujian dilakukan dengan membandingkan nilai statistic t dengan titik kritis menurut
tabel. Apabila nilai statistik t hasil perhitungan lebih tinggi dibandingkan nilai t tabel, maka hipotesis alternative yang
menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel dependen layak untuk diterima. Selain itu
pengujian juga dapat dilakukan dengan menggunakan significance level
0,05 α = 5. Ketentuan penerimaan atau penolakan hipotesis dilakukan dengan kriteria sebagai berikut :
1. Jika nilai signifikansi t 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 signifikansi t ≤ 0,05 maka hipotesis diterima koefisien
regresi signifikan. Ini berarti secara parsial variabel independen tersebut mempunyai pengaruh yang signifikan terhadap variabel
dependen.
Universitas Sumatera Utara
Bab 4 ANALISIS HASIL PENELITIAN
4.1 Gambaran Umum
