Gambaran Umum Hasil Penelitian

Bab 4 ANALISIS HASIL PENELITIAN

4.1 Gambaran Umum

Perusahaan yang menjadi objek penelitian ini adalah perusahaan yang terdaftar di Bursa Efek Indonesia BEI dengan time series selama 3 tahun pengamatan pada periode 2012 – 2014. Dalam penelitian ini objek penelitian dipilih dengan metode purposive sampling dengan menggunakan kriteria – kriteria yang telah ditentukan. Objek penelitian dipilih bagi Perusahaan di Bursa Efek Indonesia secara terus – menerus listing pada tahun 2012 sampai tahun 2014, perusahaan yang menerbitkan laporan keuangan tahunan dan laporan keberlanjutan untuk periode yang berakhir 31 Desember selama tiga tahun berturut-turut yaitu tahun 2012, 2013, dan 2014. Perusahaan yang laporan keuangannya memiliki kelengkapan data yang diperlukan berdasarkan variabel penelitian yakni kinerja perusahaan sebagai variabel terikat dan pengungkapan sustainability report serta aspek – aspek kinerjanya sebagai variabel bebas. Data variabel secara keseluruhan dapat dilihat pada lampiran 6. Berikut ini adalah nama-nama perusahaan yang terpilih menjadi sampel penelitian: Universitas Sumatera Utara Tabel 4.1 Sampel Penelitian No Kode Nama Perusahaan 1 ANTM Aneka Tambang Persero Tbk 2 AALI Astra Agro Lestari Tbk 3 ASII Astra International Tbk 4 TAXI Express Transindo Utama Tbk 5 SMCB Holcim Indonesia Tbk 6 INTP Indocement Tunggal Prakasa Tbk 7 JSMR Jasa Marga Persero Tbk 8 SMGR Semen Indonesia Persero Tbk 9 PTBA Tambang Batubara Bukit Asem Persero Tbk 10 TLKM Telekomunikasi Indonesia 11 TINS Timah Persero Tbk 12 INCO Vale Indonesia Tbk 13 WIKA Wijaya Karya Sumber: Data yang diolah penulis

4.2 Hasil Penelitian

4.2.1 Analisis Statistik Deskriptif

Pada bagian ini akan digambarkan atau dideskripsikan data masing – masing variabel pada tahun 2012 – 2014 yang telah diolah dilihat dari nilai minimum, nilai maksimum, nilai rata-rata mean dan standar deviasi dari masing – masing variabel. Universitas Sumatera Utara Tabel 4.2 Statistik Deskriptif N Minimum Maximum Mean Std. Deviation ROA 39 -.0352 .2330 .099279 .0653630 SRDI 39 .1538 1.0000 .642041 .2789051 EcDI 39 .1111 1.0000 .740754 .2409299 EnDI 39 .0294 1.0000 .640326 .3304538 SoDI 39 .0833 1.0000 .624264 .2932594 Valid N listwise 39 Sumber : Output data yang diolah penulis dengan SPSS 20 Pada tabel 4.2 diatas menunjukkan bahwa jumlah data yang digunakan dalam penelitian ini sebanyak 39 sampel yang diteliti selama periode 2012 – 2014. Berikut ini adalah perincian data deskriptif yang telah diolah : 1. Variabel ROA mempunyai nilai minimum sebesar -0,0352 terdapat pada perusahaan Aneka Tambang Persero Tbk tahun 2014 dan nilai maksimum sebesar 0,2330 terdapat pada Indocement Tunggal Prakasa Tbk tahun 2012. Nilai rata-rata mean sebesar 0,099279 dan nilai standar deviasi sebesar 0,0653630. Universitas Sumatera Utara 2. Variabel SRDI memiliki nilai minimum sebesar 0,1538 terdapat pada perusahaan Tambang Batubara Bukit Asem Persero Tbk tahun 2014, nilai maksimum sebesar 1 terdapat pada perusahaan Aneka Tambang Persero Tbk, Timah Persero Tbk tahun 2012 dan perusahaan Indocement Tunggal Prakasa Tbk tahun 2012 dan 2013, nilai rata-rata mean sebesar 0,642041 , dan standar deviasi sebesar 0,2789051. 3. Variabel EcDI memiliki nilai minimum sebesar 0,1111 terdapat pada perusahaan Express Transindo Utama Tbk tahun 2014, nilai maksimum sebesar 1 terdapat pada perusahaan Aneka Tambang Persero Tbk, Astra Agro Lestari Tbk, Jasa Marga Persero Tbk, Semen Indonesia Persero Tbk, Tambang Batubara Bukit Asem Persero Tbk tahun 2012 dan perusahaan Indocement Tunggal Prakasa Tbk dan Timah Persero Tbk tahun 2012 dan 2013, nilai rata-rata mean sebesar 0,740754, dan standar deviasi sebesar 0,2409299. 4. Variabel EnDI memiliki nilai minimum sebesar 0,0294 terdapat pada perusahaan Astra International Tbk tahun 2014, nilai maksimum sebesar 1 terdapat pada perusahaan Aneka Tambang Persero Tbk, Jasa Marga Persero Tbk, Semen Indonesia Persero Tbk, Tambang Batubara Bukit Asem Persero Tbk tahun 2012 dan perusahaan Indocement Tunggal Prakasa Tbk dan Timah Persero Tbk tahun 2012 dan 2013, nilai rata- rata mean sebesar 0,640326, dan standar deviasi sebesar 0,3304538. Universitas Sumatera Utara 5. Variabel SoDI memiliki nilai minimum sebesar 0,0833 terdapat pada perusahaan Tambang Batubara Bukit Asem Persero Tbk tahun 2014, nilai maksimum sebesar 1 terdapat pada perusahaan Aneka Tambang Persero Tbk, Semen Indonesia Persero Tbk, Tambang Batubara Bukit Asem Persero Tbk, Timah Persero Tbk, Wijaya Karya tahun 2012 dan perusahaan Indocement Tunggal Prakasa Tbk tahun 2012 dan 2013, nilai rata-rata mean sebesar 0,624264, dan standar deviasi sebesar 0,2932594.

4.2.2 Uji Asumsi Klasik

Penelitian ini dilakukan dengan metode analisis regresi berganda. Sebelum melakukan uji hipotesis, maka peneliti akan melakukan uji asumsi klasik terlebih dahulu. Uji asumsi klasik dilakukan dengan tujuan untuk mendapatkan data yang BLUE Best, Linear, Unbias, Estimator dengan mengetahui apakah data yang digunakan telah normal dan bebas dari gejala multikolinearitas, heteroskedastisitas dan autokorelasi.

4.2.2.1 Uji Normalitas

Pengujian normalitas dilakukan untuk mengetahui normal tidaknya suatu distribusi data. Hal ini penting diketahui berkaitan dengan ketepatan pemilihan uji statistik yang akan digunakan. Cara mendeteksi normalitas dilakukan dengan cara analisis grafik dan uji statistik. Salah satu cara termudah untuk melihat normalitas residual Universitas Sumatera Utara adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Gambar 4.1 Grafik Histogram Data Asli Sumber: Output data yang diolah penulis dengan SPSS 20 Dari tampilan gambar tersebut dapat disimpulkan bahwa grafik histogram berada dalam pola distribusi normal karena berbentuk simetris tidak miring ke kiri maupun ke kanan. Universitas Sumatera Utara Namun dengan hanya melihat grafik histogram, hal ini dapat memberikan hasil yang meragukan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat Normal Probability Plot yang membandingkan distribusi kumulatif dari distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat Normal Probability Plot dapat dillihat pada gambar 4.2 berikut: Gambar 4.2 Grafik Normal Plot Sumber : Output data yang diolah penulis dengan SPSS 20 Universitas Sumatera Utara Berdasarkan tampilan gambar diatas, dapat disimpulkan bahwa pola grafik normal plot menunjukkan hasil yang normal. Titik- titik yang menyebar disekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal tersebut. Pengujian normalitas data secara analisis statistik dapat pula dilakukan dengan menggunakan Uji Kolmogorov – Smirnov. Data yang berdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0,05 Ghozali, 2011. Hasil pengujian normalitas pada pengujian terhadap 39 data terlihat dalam tabel 4.3 berikut: Tabel 4.3 Hasil Uji Normalitas dengan Kolmogorov-Smirnov Test ROA SRDI EcDI EnDI SoDI N 39 39 39 39 39 Normal Parameters a,b Mean 0.099279 0.64204 0.740754 0.64033 0.62426 Std. Deviation 0.065363 0.27891 0.2409299 0.33045 0.29326 Most Extreme Differences Absolute 0.139 0.13 0.176 0.138 0.152 Positive 0.139 0.1 0.141 0.138 0.15 Negative -0.078 -0.13 -0.176 -0.134 -0.152 Kolmogorov-Smirnov Z 0.867 0.812 1.102 0.863 0.95 Asymp. Sig. 2-tailed 0.44 0.526 0.176 0.446 0.328 a. Test distribution is Normal. b. Calculated from data. Sumber : Output data yang diolah penulis dengan SPSS 20 Universitas Sumatera Utara Berdasarkan hasil pada tabel di atas, data terdistribusi normal. Hal ini ditunjukkan dengan nilai signifikansi sebesar 0,328 dari 0,05 menyatakan bahwa distribusi data memenuhi asumsi normalitas sehingga dapat dilakukan analisis regresi berganda.

4.2.2.2 Uji Multikolinearitas

Pengujian multikolineritas dilakukan dalam rangka menguji apakah dalam model ganda ditemukan adanya korelasi antara variabel bebas. Untuk mengetahui terjadi multikolineritas diantara variabel bebas dalam suatu model regresi dilakukan dengan melihat atau menguji nilai VIF Variance Inflation Factor atau nilai Tol Tolerance. Kriteria pengujian untuk mengetahui terjadi atau tidaknya multikolineritas sebagai berikut. “Jika nilai Tol ൑ 0,1 atau nilai VIF ൒ 10, maka terjadi multikolineritas begitu sebaliknya”. Hasil uji mutikolinearitas dapat dilihat pada tabel berikut : Universitas Sumatera Utara Tabel 4.4 Hasil Uji Multikolinearitas Coefficients a Model Collinearity Statistics Tolerance VIF 1 Constant EcDI 0.589 1.697 EnDI 0.317 3.15 SoDI 0.362 2.766 Dependent Variable : ROA Sumber : Output data yang diolah penulis dengan SPSS 20 Dari tabel 4.4 diatas diketahui masing-masing nilai VIF sebagai berikut: a. Nilai VIF untuk variabel EcDI adalah 1,697 10 dan nilai tolerance variabel EcDI adalah 0,589 0,10 maka variabel EcDI dapat dinyatakan tidak terjadi gejala multikolinearitas. b. Nilai VIF untuk variabel EnDI adalah 3,150 10 dan nilai tolerance variabel EnDI adalah 0,317 0,10 maka variabel EnDI dapat dinyatakan tidak terjadi gejala multikolinearitas. c. Nilai VIF untuk variabel SoDI adalah 2.766 10 dan nilai tolerance variabel SoDI adalah 0,362 0,10 maka variabel SoDI dapat dinyatakan tidak terjadi gejala multikolinearitas. Universitas Sumatera Utara

4.2.2.3 Uji Heteroskedastisitas

Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika variance dari residual satu pengamatan ke pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplot, dengan dasar analisis Ghozali, 2011

1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola

tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.

2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan

di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot di tunjukkan pada gambar 4.5 berikut ini: Universitas Sumatera Utara Gambar 4.5 Grafik Scatterplot Sumber : Output data y ang diolah penulis dengan SPSS 20 Pada grafik scatterplot di atas, terlihat titik-titik menyebar secara acak serta tersebar, baik di atas maupun di bawah angka 0 pada sumbu Y dan tidak membentuk suatu pola tertentu sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model transformasi regresi yang digunakan.

4.2.2.4 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 Universitas Sumatera Utara Ghozali, 2011. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Untuk mengetahui adanya autokorelasi dalam suatu model regresi dilakukan melalui pengujian terhadap nilai uji Durbin- Watson Uji DW dengan kriteria sebagai berikut : Tabel 4.5 Nilai Durbin Watson Sumber: Imam Ghozali, 2011 Hasil uji autokorelasi dengan Durbin-Watson dapat dilihat pada tabel 4.6 berikut ini : Hipotesis Nol Keputusan Jika Tidak ada autokorelasi positif Tolak 0 d dl Tidak ada autokorelasi poitif No decision dl d du Tidak ada korelasi negatif Tolak 4 - dl d 4 Tidak ada korelasi negatif No Decision 4 - du d 4 – dl Tidak ada autokorelasi positif Tidak ditolak du d 4 – du atau negatif Universitas Sumatera Utara Tabel 4.6 Hasil Uji Autokorelasi dengan Durbin-Watson Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .323 a 0.104 0.027 0.0644655 1.774

a. Predictors: Constant, SoDI, EcDI, EnDI b. Dependent Variable: ROA

Sumber : Output data y ang diolah penulis dengan SPSS 20 Tabel diatas menunjukkan bahwa besarnya nilai Durbin Watson sebesar 1,774, nilai ini akan kita bandingkan dengan nilai tabel signifikansi 5, jumlah sampel 39 n dan jumlah variabel independen 4 K=4 Cari pada tabel durbin watson maka diperoleh nilai dl 1,2734 dan nilai du 1,7215. Oleh karena nilai DW hitung sebesar 1,774 lebih besar dari batas atas du yakni 1,7215 dan kurang dari 4-du 4-1,7215 = 2,2785 atau jika sesuaikan dengan tabel durbin watson maka akan terlihat sebagai berikut : du 1,7215 d 1,774 4-du 2,2785 maka dapat disimpulkan bahwa tidak ada autokorelasi positif atau negatif, sehingga keputusannya tidak ditolak yang berarti pengujian dapat dilanjutkan. Universitas Sumatera Utara

4.2.3 Uji Regresi Linear Berganda

Berdasarkan hasil pengujian asumsi klasik disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi persyaratan BLUE Best, Linear, Unbiased, Estimator, data yang digunakan telah normal dan bebas dari gejala multikolinearitas, heteroskedastisitas, autokorelasi dan layak dilakukan analisis regresi. Untuk menguji hipotesis, peneliti menggunakan analisis regresi linear berganda. Hasil regresi linear berganda pengaruh pengungkapan sustainability report SRDI, pengaruh pengungkapan aspek kinerja ekonomi EcDI, aspek kinerja lingkungan EnDI dan aspek kinerja sosial SoDI dalam sustainability report yang diperoleh melalui pengolahan data dengan menggunakan software SPSS 20 dapat dilihat pada tabel 4.7 berikut: Tabel 4.7 Hasil Analisis Regresi Berganda Coefficient a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 0.035 0.034 1.023 0.313 EcDI 0.081 0.057 0.298 1.431 0.161 EnDI 0.01 0.056 0.052 0.184 0.855 SoDI -0.004 0.059 -0.019 -0.07 0.945 a. Dependent Variable: ROA Sumber : Output data y ang diolah penulis dengan SPSS 20 Universitas Sumatera Utara Persamaan regresi dapat dilihat dari tabel hasil uji coefficients. Pada tabel coefficients yang dibaca adalah nilai dalam kolom B, baris pertama menunjukkan konstanta a dan baris selanjutnya menunjukkan konstanta variabel independen. Berdasarkan tabel 4.7 di atas maka model regresi yang dapat disusun adalah sebagai berikut: Y = 0,035 + 0,081 X 1 + 0,010 X 2 – 0,004 X 3 Dimana: Y : Kinerja Perusahaan KP X 1 : Economic Performance Disclosure Index EcDI X 2 : Environmental Performance Disclosure Index EnDI X 3 : Sosial Performance Disclosure Index SoDI Dari persamaan regresi tersebut diatas maka dapat dianalisis sebagai berikut: 1. Konstanta α sebesar 0,035 ini menunjukkan bahwa apabila tidak ada variabel EcDI, EnDI, dan SoDI maka kinerja perusahaan yang terbentuk adalah sebesar 0,035. 2. Koefisien regresi EcDI sebesar 0,081, artinya apabila terjadi penambahan variabel EcDI sebesar 1 akan menaikkan KP sebesar 0,081. 3. Koefisien regresi EnDI sebesar 0,010, artinya apabila terjadi penambahan variabel EnDI sebesar 1 akan menaikkan KP sebesar 0,010. Universitas Sumatera Utara 4. Koefisien regresi SoDI sebesar 0,004 , artinya apabila terjadi penambahan variabel SoDI sebesar 1 akan menurunkan KP sebesar 0,004. 4.2.4 Uji Hipotesis 4.2.4.1 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. Besarnya nilai koefisien determinasi dapat dijelaskan pada tabel 4.8 sebagai berikut : Tabel 4.8 Hasil Koefisien Determinasi Model Summary b

a. Predictors: Constant, SoDI, EcDI, EnDI b. Dependent Variable: ROA