58
pengamatan yang lain Ghozali, 2011. Unutk mendeteksi adanya heterosedastisitas dapat dilihat dari gambar scatterplots yang membentuk
pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit. Sebaliknya,
apabila gmabar scatterplots tidak menunjukkan ada pola yang jelas, serta titik-tiitik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka
heteroskedastisitas tidak terdeteksi.
3.5.2.4. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan penggangu pada
periode t dengan kesalahan penganggu periode t-1 Ghozali, 2006:95. Masalah ini timbul karena residual tidak bebas dari satu observasi ke
observasi lainnya. Hal ini sering ditemukan pada data runtut waktu time series.
Secara sederhana, suatu model dapat dinyatakan tidak terjadi gejala autokorelasi, jika probabilitas nilai Durbin Watson 0.05
Wibowo,2012:106.
3.5.3. Analisis Regresi
Data yang telah digunakan telah dikumpulkan dianalisis denga menggunakan alat analisis statistik yaitu regresi linear berganda multiple
regression analysis dengan model persamaan sebagai berikut: Y= α + β1 Media_Exp + β2 ROA + β3 SIZE + β4 PROPER + β5 LEV +
β6 PRKOM+ β7 UKDKOM+ e
Universitas Sumatera Utara
59
Dimana : Y
= Carbon Emission Disclosure α
= Konstanta β1 – β7
= Koefisien Regresi Media_Exp
= Media Exposure ROA
= Return on Asset Pengukuran untuk Profitability SIZE
= Ukuran Perusahaan PROPER
= Peringkat PROPER Pengukuran Kinerja Lingkungan
LEV = LeverageTotal DebtTotal Asset
PRKOM = Proporsi Dewan Komisaris Independen
UKDKOM = Ukuran Dewan Komisaris
e = Error
3.5.4. Pengujian Hipotesis
Analisis regresi merupakan studi mengenai ketergantungan variabel dependen dengan satu atau lebih veriabel independen, dengan tujuan untuk
mengestimasi danatau memprediksi rata-rata populasi atau nilai rata-rata variabel dependen berdasarkan nilai variabel yang diketahui Gujarati, 2003
dalam Ghozali, 2011. Ghozali 2011 menyatakan bahwa ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari Goodness of
fitnya. Secara statistik, setidak ini dapat diukur dari nilai koefisien determinasi, nilai statistik F dan nilai Statistik t. perhitungan statistik disebut signifikan
secara statistik apabila nilai uji statistiknya berada dalam daerah kritis daerah
Universitas Sumatera Utara
60
dimana H0 ditolak. Sebaliknya disebut tidak signifikan bila nilai diuji
statistiknya berada dalam daerah dimana H0 diterima.
a. Koefisien Determinasi R
2
Pengujian ini dilakukan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai ini berkisar diantara nol
dan satu. Nilai R
2
yang kecil berarti kemampuan variabel independen dalam menjelaskan variabel dependen amat terbatas. Nilai yang mendekati satu
berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi dependen Ghozali, 2011.
Kelemahan yang terdapatpada penggunaan koefisien determinasi adalah bias terhadap jumlah variabel yang dimasukkan kedalam model. Setiap
penambahan satu variabel, maka R
2
akan meningkat tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen.
Oleh karena itu, banyak peneliti menganjurkan untuk menggunakan nilai Adjusted R
2
pada saat mengevaluasi mana model regresi terbaik. Tidak seperti R
2
, nilai Adjusted R
2
dapat naik atau turun apabila satu variabel independen ditambah kedalam satu model.
b. Uji Signifikan Simultan Uji Statistik F
Uji F dapat juga dilakukan dengan melihat niali signifikan F pada output hasil regresi menggunakan SPSS dengan significant level 0,05 a = 5. Jika
nilai signifikansi lebih besar dari a maka hipotesis ditolak, yang berarti model regresi tidak fit. Jika nilai signifikan lebih kecil dari a maka hipotesis
diterima, yang berarti bahwa model regresi fit.
Universitas Sumatera Utara
61
c. Uji Signifikan Parsial Uji Statistik t
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas atau independen secara individual dalam menerangkan
variasi dari variabel independen. Pengujian ini dilakukan dengan menggunakan uji t dengan menguji tingkat signifikansi Carbon Emission
Disclosure. Apabila signifikansi 0,05 5 makan hipotesis ditolak. Hal tersebut berarti variabel independen secara individual tidak mempunyai
pengaruh yang signifikan terhadap variabel dependen namun apabila signifikansi 0,05 5 maka hipotesis tidak ditolak. Hal ini berarti variabel
independen secara individual mempunyai pengaruh yang signifikan terhadap variabel dependen.
Universitas Sumatera Utara
62
BAB 4 HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskripsi Objek Penelitian
Penelitian ini menggunakan populasi perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia BEI dengan periode dari tahun 2012 sampai
dengan tahun 2014 yang berjumlah 125 perusahaan. Berdasarkan populasi perusahaan manufaktur yang terdaftar di Bursa Efek
Indonesia BEI pada periode tahun 2012 sampai dengan tahun 2014, penelitian ini menggunakan beberapa sampel perusahaan manufaktur yang ditentukan
berdasarkan metode purposive sampling, yaitu penentuan sampel yang prinsipnya menggunakan kriteria-kriteria tertentu sehingga didapat sampel berjumlah 19
sampel penelitian. Adapun data yang digunakan adalah data sekunder yaitu laporan tahunan, laporan keberlanjutan dan laporan keuangan tahun 2012, 2013
dan 2014 yang didapat melalui situs resmi Bursa Efek Indonesia BEI
www.idx.co.id .
4.2. Hasil Uji Statistik Deskriptif
Berdasarkan data sekunder yang diperoleh melalui lama resmi Bursa Efek Indonesia BEI
www.idx.co.id periode tahun 2012-2014, dapat diperoleh data
yang digunakan dalam penelitian ini yaitu,Carbon Emission Disclosure, Media Exposure, Return On Asset ROA, ukuran perusahaan,Proper, Debt to Asset Ratio
DAR, Proporsi Komisaris Independen dan Ukuran Dewan Komisaris. Digunakan
Universitas Sumatera Utara
