48 Sumbe
r : diolah
penulis , 2015
D ari 31
populasi perusahaan perbankan diatas, maka sampel yang memenuhi uji kriteria sebanyak 10 perusahaan perbankan sehingga data penelitian secara keseluruhan
berjumlah 50 10 x 5 sampel.
3.4 Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah dokumentasi, yaitu peneliti melakukan pengumpulan data sekunder atau data yang
diperoleh secara tidak langsung atau melalui media perantara yaitu internet melalui situs Bursa Efek Indonesia dengan melihat laporan keuangan yang diterbitkan setiap
tahunnya baik dalam media cetak maupun data yang di download dari internet melalui www.idx.co.id.
3.5 Variabel Penelitian dan Definisi Operasional Variabel 3.5.1
Variabel penelitian 1.
Variabel bebas independent variable
27 MAYA
Bank Mayapada Internasional
- 28
MCOR Bank Windu
Kentjana International
- 29
MEGA Bank Mega
8
30 NISP
Bank OCBC NISP
9 31
PNBN Bank Pan
Indonesia
10
49 “Variabel independen yaitu variabel yang mempengaruhi atau yang
menjadi sebab perubahannya atau timbulnya variabel dependen” Sugiyono, 2008 : 59. Adapun variabel independen yang digunakan dalam
penelitian ini adalah sebagai berikut : a. Ukuran perusahaanX
1
merupakan variabel penduga yang banyak digunakan untuk menjelaskan variasi pengungkapan dalam laporan
tahunanperusahaan. Dalam penelitian ini ukuran perusahaan diukur dengan total aset perusahaan yang ditransformasikan dalam bentuk
logaritma natural. Total aset dipandang lebih mampu memperlihatkan ukuran perusahaan dan relatif stabil karena
perusahaan yang besar akan memiliki aset yang besar pula nilainya. b. Profitabilitas X
2
yang diukur dengan menggunakan rasio Return On AssetROA. Rasio ini dihitung sebagai berikut:
Return On Asset = Laba bersih setelah pajak
Total Aset c. Nilai perusahaan X
6
adalah persepsi investor terhadap perusahaan yang sering dikaitkan dengan harga saham yang tinggi dapat
membuat nilai perusahaan juga tinggi. Nilai Perusahaan dalam penelitian ini adalah nilai yang di dapat dengan menggunakan rasio
Tobin’s Q yang merupakan rasio dari nilai pasar asset perusahaan yang diukur oleh nilai pasar dari jumlah saham yang beredar dan
50 hutang enterprise value terhadap replacement cost dan aktiva
perusahaan. Tobin’s Q dapat dihitung dengan rumus: � =
EMV + D EBV + D
2. Variabel terikat dependent variable
“Variabel dependen adalah variabel yang dipengaruhi atau menjadi akibat karena adanya variabel bebas “Sugiyono, 2008 : 59. Dalam penelitian
ini, yang menjadi variabel dependen adalah corporate social responsibility CSR. Pengukuran CSR mengacu ada 78 item pengungkapan . Pengukuran
variabel ini dengan indeks pengungkapan sosial, selanjutnya ditulis CSR dengan membandingkan jumlah pengungkapan yang diharapkan.
Pengungkapan sosial merupakan data yang diungkap oleh perusahaan berkaitan dengan aktifitas sosialnya yang meliputi 13 item lingkungan, 7 item
energi, 8 item kesehatan dan keselamatan kerja, 29 item lain-lain tenaga kerja, 10 item produk, 9 item keterlibatan masyarakat, dan 2 item umum Dahlia dan
Siregar,2008. Perhitungan variabel ini dilakukan oleh peneliti dengan mengukur pengungkapan sosial laporan tahunan yang dilakukan dengan
pengamatan mengenai ada tidaknya suatu item informasi yang ditentukan dalam laporan tahunan dengan asumsi setiap yang diungkapkan pasti telah
dilakukan, apabila item informasi tidak ada dalam laporan keuangan maka diberi skor 0, dan jika item informasi yang ditentukan ada dalam laporan
51 tahunan maka diberi skor 1. Metode pengukuran ini dinamakan dengan
Checklist data. Pada variabel ini, perhitungan dilakukan oleh peneliti dengan
menggunakan rumus indeks informasi sosial untuk menghitung pengungkapan sosial perusahaan, yaitu :
Indeks Informasi Sosial = jumlah skor pengungkapan sosial
jumlah skor maksimal
3. Variabel Pemoderasi
Variabel pemoderasi adalah variabel yang mempunyai pengaruh ketergantungan contingent effect yang kuat dengan hubungan variabel
dependen dan variabel independen Sekaran, 2006. Variabel moderating merupakan variabel yang dapat memperkuat atau memperlemah hubungan
antara satu variabel dengan variabel lain. Variabel moderasi dalam penelitian ini adalah good corporate governance yang diproksikan dengan :
a. Ukuran dewan komisaris X
3
pada penelitian ini dihitung berdasarkan jumlah seluruh anggota dewan komisaris, baik yang berasal dari internal perusahaan
maupun dari eksternal perusahaan sampel. UDK = Jumlah total anggota dewan komisaris
b. Dewan direksi X
4
merupakan organ yang bertanggung jawab penuh atas kepengurusan perusahaan untuk kepentingan dan tujuan perusahaan serta
52 mewakili perusahaaan baik di dalam maupun di luar pengadilan. Variable
dewan direksi pada penelitian ini diukur berdasarkan komposisi atau jumlah dari seluruh dewan direksi pada perusahaan sampel.
c. Komite audit X
5
merupakan sekelompok orang yang dipilih untuk melaksanakan tugas tertentu yang memiliki tanggung jawab atas pengawasan
terhadap direksi dan pemegang saham serta membantu auditor dalam mempertahankan independensinya dari manajemen. Dalam penelitian ini
komite audit diukur dengan menggunakan jumlah anggota komite audit dalam suatu perusahaan.
3.5.2. Definisi operasional variabel
Operasional variabel penelitian ini dapat dilihat secara lebih lengkap pada tabel di bawah ini:
TABEL 3.2 Definisi operasional
Nama variabel
Definisi Operasional Parameter Yang Digunakan
Skala Ukuran
perusahaan Merupakan total aset
yang dimiliki perusahaan
Ln Total Aset Rasio
Profitabilitas ROA
Rasio profititabilas adalah rasio yang
menghubungkanlaba dari penjualan dan
investasi laba bersih setelah pajak
total a ���
Rasio
Ukuran Dewan
Komisaris organ penting dalam
pengimplementasian good corporate
UDK = Jumlah total anggota dewan komisaris
Rasio
53 governance di suatu
perusahaan yang mengawasi
kebijaksanaan direksi dalam menjalankan
perusahaan serta memberikan nasihat
kepada direksi
Dewan Direksi
organ perseroan yang berwenang dan
bertanggung jawab penuh atas pengurusan
perseroan untuk kepentingan perseroan
jumlah dari seluruh dewan direksi pada perusahaan sampel.
Rasio
Komite Audit
organ tambahan yang diperlukan dalam
melaksanakan Good Corporate Governance,
yang dibentuk oleh dewan komisaris untuk
membantu komisaris melakukan pemeriksaan
atau penelitian yang dianggap perlu terhadap
pelaksanaan fungsi direksi dalam
pengelolaan suatu perusahaan
jumlah anggota komite audit dalam suatu perusahaan
Rasio
Nilai Perusahaan
persepsi investor terhadap perusahaan
yang sering dikaitkan dengan harga saham
yang tinggi dapat membuat nilai
perusahaan juga tinggi
� = EMV + D
EBV + D Rasio
CSR Data yang diungkap
perusahaan berkaitan dengan aktivitas
sosialnya jumlah skor pengungkapan sosial
jumlah skor maksimal Indek
s
54 Sumber : diolah Penulis, 2015
3.6 Metode Analisis Data
Metode analisis data dalam penelitian ini menggunakan analisis statistik dengan menggunakan software SPSS 17.Tahap awal yang dilakukan sebelum melakukan
pengujian hipotesis yaitu uji asumsi klasik.Pengujian asumsi klasik yang dilakukan terdiri dari uji normalitas, uji multikolinieritas, uji heteroskedastisitas dan uji
autokorelasi.Untuk pengujian hipotesis, dilakukan analisis uji t dan uji F.
3.6.1. Pengujian asumsi klasik
Penggunaan analisis regresi dalam statistik harus bebas dari asumsi asumsi klasik.Adapun pengujian asumsi klasik yang digunakan dalam
penelitian ini adalah, uji normalitas, uji multikolinieritas, uji heteroskedastisitas dan uji autokorelasi.
1. Uji normalitas
“Uji normalitas bertujuan untuk menguji apakah variabel dalam model regresi variabel pengganggu atau residual memiliki distribusi normal” Ghozali,
2006 : 110. Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal.Histogram atau pola distribusi data normal dapat
digunakan untuk melihat normalitas data. Uji Kolmogrov Smirnov, dalam uji pedoman yang digunakan dalam pengambilan keputusan yaitu:
a. jika nilai signifikansi 0.05 maka distribusi data tidak normal, b. jika nilai signifikansi 0.05 maka distribusi data normal.
55 Menurut Ghozali 2006 : 112,“pada prinsipnya normalitas data dapat
dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya”. Dasar pengambilan
keputusan : 1 jika data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas,
2 jika data menyebar jauh dari diagonal dan atau tidak mengikuti arahgaris diagonal atau grafik histogram tidak menunjukkan pola distribusi normal,
maka model regresi tidak memenuhi asumsi normalitas.
2. Uji multikolinieritas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel independen.Model regresi yang
baik seharusnya tidak terjadi korelasi di antara variabel independen.
Erlina dan Mulyani 2007 : 107, menyatakan “Multikolinearitas merupakan kondisi dimana terjadi korelasi antar variabel - variabel
independen suatu penelitian atau dengan kata lain bersifat ortogonal”. Variabel - variabel independen yang bersifat ortogonal adalah variabel yang
memiliki nilai korelasi di antara sesamanya sama dengan nol. Jika terjadi korelasi sempurna diantara sesama variabel independen, maka
konsekuensinya adalah: a koefisien-koefisien regresi menjadi tidak dapat ditaksir
56 b nilaistandar error setiap koefisien regresi menjadi tak terhingga
Jika terjadi korelasi, maka terdapat problem multikolinearitas.Pengujian dilakukan dengan nilai VIF Variance Inflation
Factor dari model penelitian, jika nilai VIF di atas 2 maka dapat dikatakan bahwa telah terjadi gejala multikolinearitas dalam model penelitian. Di
samping itu, “suatu model dikatakan terdapat gejala multikolinearitas, jika korelasi di antara variabel independen lebih besar dari 0.9” Ghozali, 2005 :
91. Menurut Ghozali 2005, cara yang dapat dilakukan jika terjadi
multikolinearitas yaitu: 1. mengeluarkan salah satu atau lebih variabel independen yang
mempunyai korelasi tinggi dari model regresi dan indentifikasi variabel independen lainnya untuk membantu prediksi
2. menggabungkan data cross section dan time series pooling data 3. menambah data penelitian.
3. Uji heteroskedastisitas
Menurut Situmorang et al. 2009 : 63, “Heteroskedastisitas dapat dikatakan sebagai suatu situasi dimana dalam sebuah grup terdapat varians
yang tidak sama diantara sesama anggota grup tersebut”. Uji heteroskedastisitas digunakan untuk menguji apakah dalam suatu model regresi terjadi
ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual diantara pengamatan tersebut tetap, maka disebut
57 homokedastisitas.Cara yang digunakan untuk mendeteksi ada tidaknya
heteroskedastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot model tersebut. Analisis pada gambar Scatterplot yang menyatakan model
regresi linier berganda tidak terdapat heteroskedastisitas jika:
1. Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0 2. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja
3. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali
4. Penyebaran titik-titik data sebaiknya tidak berpola. Menurut Situmorang, et.al. 2009 : 76, ada dua cara perbaikan
heteroskedastisitas, yaitu : 1. Bila varians
�2� diketahui, maka metode yang digunakan adalah dengan cara kuadrat terkecil tertimbang yang meminimumkan
pentingnya observasi yang penting dengan memberikan bobot pada observasi tadi secara proporsional dengan kebalikan dari
variansnya. 2. Bila varians
�2� tidak diketahui, dimana pengetahuan mengenai �2� biasanya merupakan hal yang jarang dimiliki. Sebagai akibatnya,
orang biasanya membuat suatu asumsi yang masuk akal mentransformasikan data atau membuat gangguan disturbance
58 data yang telah ditransformasikan bersifat homokesdastisitas. Misal
model persamaannya: Y = b0 + b1X1 + b2X2 + b3X3+ b4Z
ditransformasikan menjadi: LogY = b0 + b1logX1 + b2logX2 + b3logX3 + b4logZ
4. Uji autokorelasi
“Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1 sebelumnya” Ghozali, 2006 : 95. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu
dengan yang lainnya.Hal ini sering ditemukan dalam time series.Ada beberapa cara untuk menguji adanya autokorelasi seperti metode grafik, uji LM, Uji Runs
dan lain-lain. Uji Durbin-Watson hanya digunakan untuk autokorelasi tingkat satu first autocorelation dan mensyaratkan adanya intercept konstanta dalam
model regresi dan tidak ada variabel lagi diantara variabel dependen. Kriteria untuk penilaian terjadinya autokorelasi yaitu:
1 angka D-Wdi bawah -2 berarti ada autokorelasi positif 2 angka D-Wdi antara-2 sampai+2 berarti tidak ada autokorelasi
3 angka D-Wdi atas +2 berarti ada autokorelasi negatif Menurut Situmorang et al.2009 : 78, Autokorelasi dapat di definisikan
sebagai suatu keadaan dimana adanya korelasi diantara anggota serangkaian observasi yang diurutkan menurut waktu time series atau ruang
59 crosssection. Autokorelasi muncul karena observasi yang berurutan sepanjang
waktu berkaitan satu sama lain. Masalah ini timbul dikarenakan residual atau kesalahan pengganggu tidak bebas dari satu observasi ke observasi
lainnya.Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Pada penelitian ini, uji autokorelasi dideteksi dengan uji Durbin- Watson,
karena uji ini yang umum digunakan. Uji ini hanya digunakan untuk autokorelasi tingkat pertama first order autokorelasi dan mensyaratkan
adanya intercept konstanta dalam model regresi.
3.7 Pengujian Hipotesis Penelitian
Pengujian hipotesis dalam penelitian ini dilakukan dengan analisis regresi berganda, uji sgnifikansi t-test serta uji signifikansi f-test. Menurut Rochaety, dkk
2007 : 107 “ …dengan uji hipotesis kita memusatkan perhatian pada peluang kita membuat keputusan yang salah. Hipotesis diterima atau ditolak berdasarkan
informasi yang terkandung dalam sampel tetapi menggambarkan keadaan populasi”.
3.7.1 Analisis regresiberganda
Model persamaan regresi yang akan diuji adalah sebagai berikut: Y= a + b1X1 + b2X2 + b3X3 + e
Y = a + b1X1+ b2X2 + b3X3 + b4Z + b5X1.Z + b6X2.Z + b7X3.Z + e Keterangan :
Y : CSR a : Konstanta
60 b1, b2, b3 : Koefisien regresi
X1 : ukuran perusahaan X2 : ROA
X3 : nilai perusahaan Z :good corporate governance
e : Error 3.7.2
Uji signifikansi parsial t-test
Menurut Ghozali 2006 : 84 “uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelasindependen secara individual
dalam menerangkan variabel dependen”. Uji t merupakan suatu cara untuk mengukur apakah suatu variabel independen bukan merupakan penjelas yang
signifikan terhadap variabel dependen. Dalam pengujian ini dilakukan dengan menghitung serta melihat nilai signifikansinya yaitu dengan ketentuan sebagai
berikut: Ho diterima jika signifikansi 0.05
Ha diterima jika signifikansi 0.05
3.7.3 Uji signifikasi simultan F-test
Uji F digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model memiliki pengaruh secara bersama-sama
terhadap variabel dependen.Uji ini digunakan untuk melihat pengaruh variabel independen yaituukuran perusahaan, ROA, ukuran dewan komisaris, dewan
61 direksi, komite audit, dan nilai perusahaan berpengaruh terhadap CSR secara
simultan. Bentuk pengujiannya adalah : Ho : b1 = 0, artinya suatu variabel independen secara simultan tidak
berpengaruh terhadap variabel dependen. Ha : b1
≠ 0, artinya suatu variabel independen secara simultan berpengaruh terhadap variabel dependen.
Kriteria pengambilan keputusan : Ho diterima jika signifikansi 0.05
Ha diterima jika signifikansi 0.05
3.7.4 Uji koefisien determinasi
Nilai Koefisien Korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen.
Koefisien korelasi dikatakan kuat apabila nilai R diatas 0,5 dan mendekati 1. Koefisien determinasi R square menunjukkan seberapa besar variabel
dependen. Nilai R square adalah nol sampai dengan satu, apabila nilai R square semakin mendekati satu, maka variabel – variabel independen
memberikan semua informasi yang dibutuhkan untuk memprediksi variasi- variabel dependen.
3.7.5 Analisis Regresi Moderasi Moderated Regression Analysis
Tujuan analisis ini untuk mengetahui apakah variabel moderating akan memperkuat atau memperlemah hubungan antara variabel independen dan
62 variabel dependen. Terdapat tiga model pengujian regresi dengan variabel
moderating, yaitu uji interaksi MRA, uji nilai selisih mutlak, dan uji residual. Dalam penelitian ini akan digunakan uji MRA, hipotesis moderating
diterima jika variabel pemoderasi good corporate governancemempunyai pengaruh signifikan terhadap CSR.
3.8 Jadwal Penelitian
Jadwal penelitian yang telah dirancang oleh peneliti adalah sebagai berikut
Tabel 3.3 Jadwal Penelitian
No Tahapan
Penelitian April
2015 Mei
2015 Juni
2015 Keterangan
1 Pengajuan proposal
skripsi 1 minggu
2 Bimbingan proposal
skripsi 1 minggu
3 Seminar proposal
1 minggu 3 Pengumpulan
data 1 minggu
4 Pengolahan data
1 minggu 5 Bimbingan
skripsi 1 minggu
6 Penyelesaian penulisan
laporan penelitian
2 minggu
7 Sidang skripsi 1 minggu
Sumber : diolah penulis, 2015
63
BAB IV ANALISIS HASIL PENELITIAN DAN PEMBAHASAN
4.1 Data Penelitian
Populasi yang diteliti dalam penelitian ini adalah perusahaan perbankan yang terdaftar di Bursa Efek Indonesia BEI selama tahun 2009 - 2013.Perusahaan yang
dijadikan sampel berjumlah 10 perusahaan, sehingga data penelitian secara keseluruhan berjumlah 50 10 x 5 sampel.Daftar perusahaan yang telah ditentukan
dapat dilihat pada lampiran.
4.2 Analisis Hasil Penelitian
4.2.1 Statistik deskriptif
Statistik deskriptif dalam penelitian ini hanya mendeskripsikan sampel dan tidak membuat kesimpulan yang berlaku untuk populasi dimana sampel
64 diambil. Menurut Ghozali 2006 : 78, “statistik deskriptif memberikan
gambaran atau deskripsi suatu data yang dapat dilihat dari rata-rata mean, standar deviasi, varian, maksimum, minimum, sum, range dan kemencengan
distribusi”. Statistik deskriptif akan dijelaskan dalam tabel berikut ini.
Tabel 4.1 Descriptive Statistics
N Minimum Maximum Mean
Std. Deviation
CSR 50
.14 .91
.4958 .21812
SIZE 50
28.58 34.22 32.0011
1.28404 ROA
50 -.1600
.0500 .011306 .0272703
FV 50
.70 1.41
.9472 .14898
UDK 50
2 9
6.22 1.776
Direksi 50
4 12
9.24 2.218
KA 50
3 6
4.22 1.148
Valid N listwise
50 Sumber :Output SPSS, diolah Penulis, 2015
Berdasarkan data dari tabel 4.1 dapat dijelaskan bahwa : a.
Variabel size X
1
memiliki sampel N sebanyak 50 dengan nilai minimum terkecil 28.58, nilai maksimum terbesar 34.22 dan
65 meannilai rata-rata 32.0011. Standar Deviationsimpangan baku
variabel ini adalah 1.28404. b.
Variabel ROA X
2
memiliki sampel N sebanyak 50 dengan nilai minimum terkecil -0.16, nilai maksimum terbesar 0.05 dan mean nilai
rata-rata 0.11306. Standar Deviationsimpangan baku variabel ini adalah 0.272703.
c. Variabel nilai perusahaan X
3
memiliki sampel N sebanyak 50 sampel dengan nilai minimum terkecil 0.70, nilai maksimum terbesar 1.41 dan
mean nilai rata-rata 0.9472. Standar Deviation simpangan baku variabel ini adalah 0.14898.
d. Variabel ukuran dewan komisaris Z
1
memiliki sampel N sebanyak 50 sampel dengan nilai minimum terkecil 2, nilai maksimum terbesar 9
dan mean nilai rata-rata 6.2. Standar Deviation simpangan baku variabel ini adalah 1.776.
e. Variabel dewan direksi Z
2
memiliki sampel N sebanyak 50 sampel dengan nilai minimum terkecil 4, nilai maksimum terbesar 12 dan
mean nilai rata-rata 9.24. Standar Deviation simpangan baku variabel ini adalah 2.218.
f. Variabel komite audit Z
3
memiliki sampel N sebanyak 50 sampel dengan nilai minimum terkecil 3, nilai maksimum terbesar 6 dan mean
nilai rata-rata 4.22. Standar Deviation simpangan baku variabel ini adalah 1.148.
66 g.
Variabel CSR Y memiliki sampel N sebanyak 50 dengan nilai minimum terkecil 0.14, nilai maksimum terbesar 0.91 dan meannilai
rata-rata 0.958. Standar Deviationsimpangan baku variabel ini adalah 0.21812.
h. Jumlah sampel yang ada sebanyak 50 sampel.
4.2.2 Uji asumsi klasik
Syarat yang menjadi dasar penggunaan model regresi berganda dengan metode estimasi Ordinary Least SquareOLS adalah dipenuhinya semua
asumsi klasik, agar hasil pengujian bersifat tidak bias dan efisien Best Linear Unbiased Estimator. Bestartinya yang terbaik, dalam arti garis regresi
merupakan estimasi atau ramalan yang baik dari suatu sebaran data. Garis regresi merupakan cara memahami pola hubungan antara dua seri data atau
lebih. Garis regresi adalah bestjika garis itu menghasilkan erroryang terkecil. Erroritu sendiri adalah perbedaan antara nilai observasi dan nilai yang
diramalkan oleh garis regresi. Jika best disertai sifat unbiased, maka estimator regresi disebut efisien. Estimator regresi akan disebut linear apabila, estimator
itu merupakan fungsi linear dari sampel. Pengujian asumsi klasik dalam penelitian ini dilakukan dengan bantuan program statistik.Menurut Ghozali
2006 : 123, asumsi klasik yang harus dipenuhi adalah: • Berdistribusi normal.
• Non-Multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara
sempurna ataupun mendekati sempurna.
67 • Non-Autokorelasi, artinya kesalahan pengganggu dalam model
regresi tidaksaling berkorelasi. • Non-Heterokedastisitas, artinya variance variabel independen dari
satu pengamatan ke pengamatan lain adalah konstan atau sama.
1. Uji normalitas
Uji data statistik dengan model Kolmogorov-Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak
. Ghozali
2006 : 115, memberikan pedoman pengambilan keputusan rentang data mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov
Smirnov yang dapat dilihat dari:
Tabel 4.2 One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 50
Normal Parameters
a
Mean .0000000
Std. Deviation .20168324
Most Extreme Differences
Absolute .124
Positive .124
Negative -.119
Kolmogorov-Smirnov Z .875
Asymp. Sig. 2-tailed .428
a. Test distribution is Normal. Sumber :Output SPSS, diolah Penulis, 2015
Dari tabel 4.2 diatas menunjukkan bahwa hasil pengujian statistik dengan menggunakan model Kolmogorov-Smirnov menunjukkan bahwa data telah
68 terdistribusi secara normal.Hal tersebut dapat dilihat dari hasil Asymp.Sig. 2-
tailed sebesar 0.428 yaitu lebih besar dari 0.05.Sesuai dengan ketentuan rentang data yang telah ditentukan diatas, maka data terdistribusi normal.
Berikut hasil uji normalitas dengan menggunakan Histogram:
Gambar 4.1 Uji Normalitas Data
Sumber : Output SPSS, diolah Penulis, 2015
Dengan melihat gambar 4.1 tampilan histogram, dapat disimpulkan bahwa grafik yang ditunjukkan dalam histogram membentuk pola yang simetris
69 artinya pola yang tidak mencondong ke kanan maupun ke kiri.Hal ini
menunjukkan bahwa data yang diperoleh dan diolah telah terdistribusi secara normal.
2. Uji multikolinieritas
Ada atau tidaknya multikolinieritas dalam model regresi, dapat dilihat dari nilai tolerance dan lawannya.nilai variance Inflatin Factor VIF.
Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen
lainnya.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 karenaVIF =1tolerance. Nilai cut off yang umum dipakai
untuk menunjukkan adanya mutikolineritas adalah nilai Tolerance 0,10 atau sama dengan VIF 10 Ghozali, 2006: 91.
Tabel 4.3 Hasil Uji Multikolinearitas
Coefficients
Model Collinearity Statistics
Tolerance VIF
1 Constant
SIZE .697
1.436 ROA
.726 1.377
FV .952
1.051 a. Dependent variable: CSR
Sumber : Output SPSS, diolah penulis, 2015 Pada penelitian ini, penulis menggunakan uji multikoliniearitas untuk
mendeteksi apakah terdapat gejala multikolinearitas dalam penelitian yaitu
70 dengan melihat besaran korelasi antar variabel independen dan besarnya tingkat
kolinearitas yang masih dapat ditoleransi. Berdasarkan tabel 4.3 diatas, dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas. Hasil
penelitian menunjukkan bahwa masing–masing variabel independen yang digunakan dalam penelitian, memiliki nilai Tolerance yang lebih besar dari 0.10
yaitu nilai tolerance SIZE sebesar 0.697, nilai tolerance ROA sebesar 0726, dan nilai tolerance FV sebesar 0.952. Perhitungan VIF juga menunjukkan hal yang
sama, dimana variabel independen memiliki nilai VIF yang kurang dari 10 yaitu nilai VIF untuk SIZE sebesar 1.436, nilai VIF untuk ROA sebesar 1.377,
dan nilai VIF untuk FV sebesar 1.051. Maka dari hasil tabel secara keseluruhan menunjukkan bahwa tidak terdapatnya multikolinearitas antar variabel
independen dalam model ini.
3. Uji Heterokedatisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah dalam model regresi terdapat ketidaksamaan variansdari residual satu pengamatan ke
pengamatan lainnya. Jika varians yang satu dengan pengamatan yang lain tetap maka disebut homokedastisitas dan jika varians nya berbeda maka disebut
heteroskedastisitas. Ghozali 2006 : 105 menyatakan bahwa “model regresi
yang baik adalah tidak terjadi heteroskedastisitas”.
Dalam penelitian ini, untuk mendetaksi ada atau tidaknya gejala heterokedastisitas adalah dengan melihat grafik plot yang dihasilkan dari
71 pengolahan data dengan menggunakan program SPSS. Dasar keputusannya
adalah : 1. Jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang
teratur bergelombang, melebar kemudian menyempit, maka mengidentifikasi telah terjadi heterokedastisitas
2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas
Berikut ini dilampirkan grafik scatterplot untuk menganalis apakah terjadi heterokedastisitas.
Gambar 4.3 Uji Heteroskedastisitas
Sumber :Output SPSS, diolah Penulis, 2015
72 Grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta
tersebar baik diatas maupun dibawah angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi. Alasan
mengapa titik–titik menyebar menjauh dari titik–titik yang lain dikarenakan data penelitian yang berbeda antara data yang satu dengan data yang lain.
4. Uji autokorelasi
Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi antara
residual pada satu observasi dengan observasi lain pada model regresi. Uji yang digunakan untuk mendeteksi ada atau tidaknya autokorelasi dalam
penelitian ini adalah dengan menggunakan uji Durbin-Watson. Uji Durbin- Watson hanya digunakan untuk autokorelasi tingkat satu first autocorection
dan mensyaratkan adanya intercept konstanta dalam model regersi dan tidak ada variabel lagi diantara variabel dependen. Kriteria untuk penilaian terjadinya
autokorelasi yaitu: 1 angka D-Wdi bawah -2 berarti ada autokorelasi positif
2 angka D-Wdi antara -2 sampai+2 berarti tidak ada autokorelasi 3 angka D-Wdi atas +2 berarti ada autokorelasi negative
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson
73 1
.381
a
.145 .089
.20816 2.303
a. Predictors: Constant, FV, ROA, SIZE b. Dependent Variable: CSR
Sumber: Output SPSS, diolah penulis,2015 Tabel 4.4 menunjukkan hasil dari uji autokorelasi variabel
penelitian.Berdasarkan dari hasil uji autokolerasi, dapat dilihat bahwa dalam variabel penelitian tidak terdapat autokolerasi yang ditunjukkan dari nilai Durbin
– Watson D-W sebesar 2.303. Angka D-W berada diatas +2, yang mengartikan bahwa terdapat autokorelasi negative.
4.2.3 Analisis Regresi Linier Berganda
a. Analisis regresi linier berganda
Berdasarkan hasil uji asumsi klasik, disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Best Linear
Unbiased Estimstor BLUE dan sudah layak untuk dilakukan analisis statistik selanjutnya yaitu melakukan pengujian hipotesis. Hasil pengolahan data dengan
analisis regresi adalah sebagai berikut :
Tabel 4.5 Hasil Analisis Regresi
Coefficient
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
-1.673 .862
-1.941 .058
SIZE .065
.028 .383
2.344 .023
74 ROA
-.369 1.279
-.046 -.289
.774 FV
.096 .205
.066 .471
.640 a. Dependent Variable: CSR
Sumber : Output SPSS, diolah penulis, 2015 Berdasarkan tabel 4.5 diatas, maka persamaan regresi linear berganda
sebagai berikut :
Y = a + b1X1 + b2X2 + b3X3 + e
CSR = -1.673 + 0.065 SIZE + -0.69 ROA + 0.096 FV + e
Keterangan : 1 Konstansta sebesar -1.673 menunjukkan bahwa apabila tidak ada variabel
independen X1 = 0, X2 = 0 dan seterusnya maka CSR sebesar -1.673, 2
Β
1
sebesar 0.065 menunjukkan bahwa setiap kenaikan Size sebesar 1 maka akan diikuti kenaikan CSR sebesar 0.065 dengan asumsi variabel lain tetap.
3 Β
2
sebesar -0.369 menunjukkan bahwa setiap kenaikan ROA sebesar 1 maka akan diikuti oleh penurunan CSR sebesar 0.369 dengan asumsi
variabel lain tetap. 4
Β
3
sebesar 0.096 menunjukkan bahwa setiap kenaikan nilai perusahaan sebesar 1 maka akan diikuti oleh kenaikan CSR sebesar 0.096 dengan
asumsi variabel lain tetap.
b. Analisis Koefisien determinasi