Pengaruh Corporate Social Responsibility Terhadap Nilai Perusahaan Dengan Profitabilitas Sebagai Variabel Moderating Pada Perusahaan Pertambangan Yang Terdaftar Di Bursa Efek Indonesia Chapter III V

BAB III
METODE PENELITIAN
3.1

Jenis Penelitian
Penelitian ini termasuk penelitian kausal yaitu penelitian dengan

karakteristik masalah berupa hubungan sebab-akibat antara dua variabel atau lebih
(Erlina, 2011:20). Tujuan penelitian ini untuk menguji pengaruh Corporate Social
Responsibility (CSR) terhadap nilai perusahaan dengan profitabilitas sebagai
variabel moderating.
3.2

Tempat dan Jadwal Penelitian
Penelitian ini dilaksanakan pada perusahaan pertambangan yang terdaftar

di Bursa Efek Indonesia pada tahun 2012 – 2014. Adapun jadwal bagi penulis
melakukan penelitian ini yaitu :

No

Kegiatan

1

Pengajuan Judul

2

Pembuatan Proposal

3

Bimbingan Proposal

4

Seminar Proposal

5

Pengumpulan Data
dan Pengerjaan
Skripsi

Tabel 3.1
Jadwal Penelitian
2015
Okt

Nov

Des

2016
Jan

Feb

Mar

32
Universitas Sumatera Utara

6

Bimbingan dan
Penyelesaian
Skripsi

7

Sidang Meja Hijau
Sumber : Diolah oleh peneliti

3.3

Definisi Operasional dan Pengukuran Variabel
Definisi

operasional

variabel

adalah

definisi-definisi

yang

akan

dipergunakan dalam penelitian ini dengan tujuan untuk memberikan arah dan
batasan dalam penyelesaian masalah. Pada penelitian ini, akan dijelaskan definisi
operasional variabel yang akan digunakan di dalam penelitian.
3.3.1

Variabel Independen

Variabel independen (variabel bebas) yaitu variabel yang dapat
mempengaruhi variabel yang lain. Menurut Sarwono dan Suhayati (2010:31),

variabel independen adalah variabel yang pengaruhnya diukur, dimanipulasi, atau
dipilih oleh peneliti untuk menentukan hubungannya dengan suatu gejala yang
berkaitan dengan variabel lain. Penelitian ini menggunakan Corporate Social
Responsibility (X1) sebagai variabel independen.
Pengukuran kinerja CSR yang dilakukan melalui laporan tahunan
memerlukan acuan informasi (information guideline). Acuan informasi laporan
CSR yang saat ini mendominasi adalah Sustainability Reporting Guidelines
(SRG), yang dikeluarkan oleh Global Reporting Initiative (GRI). Dalam SRG
tersebut terdapat 6 indikator kinerja, dengan SRG inilah pengungkapan informasi
CSR pada laporan tahunan perusahaan diukur melalui pemberian skor (Gunawan,
2009).

33
Universitas Sumatera Utara

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.
Penghitungan CSR dilakukan dengan cara sebagai berikut:

Score 0 : apabila item informasi tidak ada dalam laporan keuangan.
Score 1 : jika item informasi yang ditentukan ada dalam laporan
tahunan.
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 CSR =

3.3.2

�

�

�

Variabel Moderating

Variabel moderating adalah variabel yang memperkuat atau memperlemah

hubungan antara suatu variabel dengan variabel lain (Situmorang dan Lutfi,
2012:185). Variabel moderating dalam penelitian ini adalah profitabilitas, simbol
yang digunakan untuk variabel tersebut adalah X2. Profitabilitas diukur dengan
rasio return on asset (ROA) yang didapatkan dari laporan keuangan tahunan
perusahaan pertambangan di BEI selama periode penelitian. Dipilihnya ROA,

34
Universitas Sumatera Utara

menunjukkan perbandingan net income dan total assets perusahaan. Rumus
Profitabilitas :
ROA =

3.3.3

�

�

�

x 100%

Variabel Dependen

Variabel dependen (variabel terikat) merupakan sesuatu yang dipengaruhi
atau yang dihasilkan oleh variabel independen (variabel bebas). Menurut Sarwono
dan Suhayati (2010:32), variabel dependen adalah variabel yang keberadaannya
diamati dan diukur untuk menentukan pengaruh yang disebabkan oleh variabel
bebas. Maka dalam penelitian ini yang menjadi variabel dependennya adalah nilai
perusahaan (Y). Nilai perusahaan biasa diproksikan dengan PBV yaitu
membandingkan price (harga saham saat closing price) dengan nilai buku dengan
rumus sebagai berikut :
PBV = �

�

�

%

35
Universitas Sumatera Utara

Tabel 3.2
Definisi Operasional dan Skala Pengukuran Variabel
Variabel
Penelitian

Definisi
Operasional

Indikator Pengukuran Variabel

Tanggung jawab
sosial perusahaan
(Corporate Social Indeks CSR =
Corporate
Responsibility)
social

�
�
responsibility adalah kewajiban
�
manajemen untuk
membuat
keputusan dan
melakukan
tindakan yang
akan
meningkatkan
kesejahteraan dan
kepentingan
masyarakat serta
perusahaan.
Profitabilitas
Variabel
Moderating:
adalah
kemampuan

Profitabilitas
perusahaan untuk
�
ROA = �
x 100%
menghasilkan
�
laba berdasarkan
dari total asset
perusahaannya.

Skala

Variabel
Independen:

Variabel
Dependen:
Nilai
perusahaan

Diproksikan
dengan Price
Book Value
(PBV) yaitu
perbandingan
antara harga
saham dengan
nilai buku.

PBV =

�

�

�

Rasio

Rasio

% Rasio

Sumber: Diolah oleh peneliti

36
Universitas Sumatera Utara

3.4

Populasi dan Sampel Penelitian
3.4.1

Populasi

Menurut Erlina (2011:81) populasi merupakan sekelompok entitas yang
lengkap yang dapat berupa orang, kejadian, atau benda yang mempunyai
karakteristik tertentu, yang berada dalam suatu wilayah dan memenuhi syaratsyarat tertentu yang berkaitan dengan masalah penelitian.
Populasi dalam penelitian ini adalah perusahaan-perusahaan pertambangan
yang terdaftar di Bursa Efek Indonesia tahun 2012-2014. Jumlah populasi
perusahaan pertambangan yang terdaftar di BEI ada sebanyak 38 perusahaan.
3.4.2

Sampel

Menurut Erlina (2011:82) sampel merupakan bagian populasi yang
digunakan untuk memperkirakan karakteristik populasi. Sedangkan ukuran
sampel merupakan suatu langkah untuk menentukan besarnya sampel yang
diambil dalam melaksanakan suatu penelitian.
3.4.3

Teknik Sampling

Teknik pengambilan sampel dalam penelitian ini dilakukan dengan
pendekatan non probability sampling, khususnya metode purposive sampling
yaitu teknik sampling dengan metode pengambilan sampel secara tidak acak tetapi
berdasarkan atas tujuan dan pertimbangan atau kriteria tertentu. Adapun
pertimbangan pengambilan sampel dalam penelitian ini adalah :
1. Perusahaan pertambangan yang terdaftar di BEI yang menerbitkan
laporan tahunan berturut-turut tahun 2012, 2013, dan 2014.

37
Universitas Sumatera Utara

2. Perusahaan pertambangan yang mengungkapkan tanggung jawab
sosial perusahaan (corporate social responsibility) dalam laporan
tahunan berturut-turut dari tahun 2012, 2013, dan 2014.
3. Perusahaan pertambangan yang memiliki laba positif.
Dari 38 populasi perusahaan pertambangan yang terdaftar di BEI,
diperoleh 14 perusahaan pertambangan yang memenuhi kriteria diatas sebagai
sampel penelitian :

No

Kode

1
2
3

ADRO
ARII
ATPK

4

BORN

5
6
7
8
9
10
11
12
13
14
15
16
17
18

BRAU
BSSR
BUMI
BYAN
DEWA
DOID
GEMS
GTBO
HRUM
ITMG
KKGI
MBAP
MYOH
PKPK

19

PTBA

20
21

PTRO
SMMT

22

ARTI

Tabel 3.3
Populasi dan Sampel Penelitian Perusahaan Pertambangan
Kriteria
Nama Perusahaan
Sektor
1
2
3
Adaro Energy Tbk
Batubara
√
√
√
Atlas Resources Tbk
Batubara
√
×
×
ATPK Resources Tbk
Batubara
√
√
×
Borneo Lumbung
Batubara
×
×
√
Energy&Metal Tbk
Berau Coal Energy Tbk
Batubara
√
√
×
Baramulti Suksessarana Tbk
Batubara
×
√
√
Bumi Resources Tbk
Batubara
√
×
×
Bayan Resources Tbk
Batubara
√
√
√
Darma Henwa Tbk
Batubara
√
√
√
Delta Dunia Makmur Tbk
Batubara
×
√
√
Golden Energy Mines Tbk
Batubara
√
√
√
Garda Tujuh Buana Tbk
Batubara
√
×
×
Harum Energy Tbk
Batubara
√
√
√
Indo Tambangraya Megah Tbk
Batubara
√
√
√
Resource Alam Indonesia Tbk
Batubara
√
√
√
Mitrabara Adiperdana Tbk
Batubara
√
×
√
Samindo Resources Tbk
Batubara
√
√
×
Perdana Karya Perkasa Tbk
Batubara
√
×
√
Tambang Batubara Bukit Asam
Batubara
√
√
√
Tbk
Petrosea Tbk
Batubara
√
√
×
Golden Eagle Energy Tbk
Batubara
√
×
√
Ratu Prabu Energi Tbk

Minyak &
Gas Bumi

√

×

Sampel
1
×
×
×
×
×
×
×
×
×
2
×
3
4
5
×
×
×
6
×
×

√

×

38
Universitas Sumatera Utara

No

Kode

Nama Perusahaan

23

BIPI

Benakat Integra Tbk

24

ELSA

Elnusa Tbk

25

ENRG

Energi Mega Persada Tbk

26

ESSA

Surya Esa Perkas Tbk

27

MEDC

Medco Energi International Tbk

28

RUIS

Radiant Utama Interinsco Tbk

29

ANTM

Aneka Tambang Tbk

30

CITA

Cita Mineral Investindo Tbk

31

CKRA

Cakra Mineral Tbk

32

DKFT

Central Omega Resources Tbk

33

INCO

Vale Indonesia Tbk

34

PSAB

J Resources Asia Pasifik Tbk

35

SMRU

SMR Utama Tbk

36

TINS

Timah (Persero) Tbk

37

CTTH

Citatah Tbk

38

MITI

Mitra Investindo Tbk

Sektor
Minyak &
Gas Bumi
Minyak &
Gas Bumi
Minyak &
Gas Bumi
Minyak &
Gas Bumi
Minyak &
Gas Bumi
Minyak &
Gas Bumi
Logam &
Mineral
Lainnya
Logam &
Mineral
Lainnya
Logam &
Mineral
Lainnya
Logam &
Mineral
Lainnya
Logam &
Mineral
Lainnya
Logam &
Mineral
Lainnya
Logam &
Mineral
Lainnya
Logam &
Mineral
Lainnya
BatuBatuan
BatuBatuan

1

Kriteria
2
3

Sampel

√

×

×

×

√

√

√

7

√

√

√

8

√

√

√

9

√

√

×

×

√

√

√

10

√

√

×

×

√

×

√

×

√

×

×

×

√

×

√

×

√

√

√

11

√

√

×

×

√

√

×

×

√

√

√

12

√

√

√

13

√

√

√

14

Sumber : Diolah oleh peneliti

39
Universitas Sumatera Utara

3.5

Jenis dan Sumber
Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data

sekunder merupakan data yang diperoleh/dikumpulkan dan disatukan oleh studistudi sebelumnya, atau yang diterbitkan oleh berbagai instansi lain. Biasanya
sumber tidak langsung berupa data dokumentasi dan arsip-arsip resmi
(Situmorang dan Lutfi, 2012:3). Sifat data adalah data deret waktu (time series),
yaitu data yang merupakan hasil pengamatan dalam suatu rentang waktu tertentu.
Data sekunder yang digunakan dalam penelitian ini diperoleh dari laporan
tahunan yang dipublikasikan, diambil dari website Bursa Efek Indonesia
(www.idx.co.id) dan referensi dari jurnal ilmiah dan penelitian-penelitian
sebelumnya.
3.6

Metode Pengumpulan Data
Data yang digunakan pada penelitian ini adalah data eksternal, yaitu data

yang dilakukan dengan studi pustaka dan pengumpulan data sekunder yaitu
diperoleh dari media internet dengan cara mengunduh melalui website resmi
Bursa Efek Indonesia (www.idx.co.id) dan referensi dari peneliti sebelumnya.
3.7

Teknik Analisis Data
Data yang digunakan dalam penelitian ini antara lain adalah analisis

statistik deskriptif, uji asumsi klasik, dan pengujian hipotesis. Data yang siap
diolah akan dilakukan pengujian statistik dengan menggunakan program SPSS.
Untuk menguji hipotesis yang telah dirumuskan, maka dalam penelitian ini
digunakan metode analisis data sebagai berikut:

40
Universitas Sumatera Utara

3.7.1

Statistik Deskriptif

Statistik

deskriptif

berfungsi

sebagai

penganalisis

data

dengan

menggambarkan sampel data yang telah dikumpulkan. Penelitian ini menjabarkan
jumlah data, rata-rata, nilai minimum dan maksimum serta standar deviasi.
3.7.2

Uji Asumsi Klasik

Sebelum melakukan pengujian hipotesis dan uji analisis regresi linear
berganda, maka hal yang pertama dilakukan adalah uji asumsi klasik, yang
bertujuan untuk mendapatkan nilai estimasi yang diperoleh bersifat BLUE (Best,
Linear, Unbiased, and Estimator), yang artinya nilai estimator yang terbaik,
estimator yang linear, dan estimator yang tidak bias, maka data-data yang
digunakan dalam analisis regresi terlebih dahulu akan diuji normalitas, uji
multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.
3.7.2.1

Uji Normalitas

Tujuan uji normalitas adalah untuk mengetahui apakah distribusi
sebuah data mengikuti atau mendekati distribusi normal, yaitu distribusi
data dengan bentuk lonceng. Dalam model regresi, variabel pengganggu
atau residual memiliki distribusi normal. Uji ini berguna untuk tahap awal
dalam metode pemilihan analisis data.
Jika data normal, maka digunakan statistik parametrik, dan jika
data tidak normal maka digunakan statistik nonparametrik atau lakukan
treatment agar data normal. Data yang baik adalah data yang mempunyai
pola seperti distribusi normal (Erlina, 2011:101). Untuk melihat normalitas
dapat dilakukan dengan melihat histogram atau pola distribusi data

41
Universitas Sumatera Utara

normal. Normalitas dapat dideteksi dengan melihat penyebaran data (titik)
pada sumbu diagonal dari grafik atau dengan melihat histogram dari nilai
residualnya. Dasar pengambilan keputusannya adalah:
1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah
garis diagonal atau garis histogramnya menunjukkan pola
berdistribusi normal, maka model regresi memenuhi asumsi
normalitas.
2. Jika data menyebar jauh dari diagonal dan tidak mengikuti arah
garis diagonal atau grafik histogram tidak menunjukkan data
berdistribusi normal, maka model regresi tidak memenuhi
asumsi normalitas. Dalam penelitian ini, peneliti menggunakan
uji Kolmogorov-Smirnov (K-S) untuk menguji normalitas data.
Uji K-S dibuat dengan membuat hipotesis yaitu :
H0 : data residual berdistribusi normal, dan
Ha : data residual tidak berdistribusi normal.
3.7.2.2

Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk menguji apakah pada model
regresi ditemukan adanya korelasi antara variabel bebas (independen)
(Ghozali, 2009:91). Model regresi yang baik seharusnya tidak terjadi
korelasi diantara variabel independen. Multikolinieritas adalah situasi
adanya korelasi variabel-variabel independen antara yang satu dengan
yang lainnya. Jika terjadi korelasi sempurna diantara sesama variabel
bebas, maka konsekuensinya adalah:

42
Universitas Sumatera Utara

1. Koefisien-koefisien regresi menjadi tidak dapat ditaksir,
2. Nilai standar error setiap koefisien regresi menjadi tak
terhingga.
Ada tidaknya multikolinieritas dapat dideteksi dengan melihat nilai
tolerance dan variance inflation factor (VIF), serta dengan menganalisis
matriks korelasi variabel-variabel independen. Nilai cut off yang umum
dipakai untuk menunjukkan tidak adanya multikolinearitas adalah jika
nilai tolerance > 0,1 atau sama dengan nilai VIF < 10, maka model dapat
dikatakan terbebas dari multikolinearitas.
3.7.2.3

Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk melihat apakah didalam
model regresi terjadi ketidaksamaan variabel pengganggu dari satu
pengamatan dengan pengamatan yang lain. Menurut Ghozali (2009:125)
Model regresi yang baik adalah yang homoskesdatisitas atau tidak terjadi
heteroskedastisitas. Cara memprediksi ada tidaknya heteroskedastisitas
pada suatu model dapat dilihat dari pola gambar Scatterplot. Analisis pada
gambar Scatterplot yang menyatakan model regresi berganda tidak
terdapat heteroskedastisitas jika:
1. titik-titik data menyebar di atas, di bawah atau di sekitar angka
nol,
2. titik-titik data tidak mengumpul hanya di atas atau dibawah,

43
Universitas Sumatera Utara

3. penyebaran titik-titik data tidak boleh membentuk pola
bergelombang melebar kemudian menyempit dan melebar
kembali,
4. penyebaran titik-titik data sebaiknya tidak berpola.
3.7.2.4

Uji Autokorelasi

Uji ini bertujuan untuk melihat apakah dalam suatu model regresi
linear terdapat korelasi atau kesalahan pengganggu pada periode t dengan
kesalahan periode t-1. Jika terjadi autokorelasi, maka terdapat problem
autokorelasi.
Menurut Ghozali (2009:99) autokorelasi muncul karena observasi
yang berurutan sepanjang tahun yang berkaitan satu dengan lainnya. Hal
ini sering ditemukan pada data time series. Pada data cross section,
masalah autokorelasi relatif tidak terjadi. Uji yang digunakan dalam
penelitian untuk mendeteksi ada tidaknya autokorelasi adalah dengan
menggunakan uji Durbin-Watson (DW). Kriteria untuk penilaian
terjadinya autokorelasi yaitu:
1. nilai DW lebih kecil dari -2 berarti ada korelasi positif,
2. nilai DW di antara -2 sampai +2 berarti tidak ada autokorelasi,
3. nilai DW lebih besar dari +2 berarti ada autokorelasi negatif.
3.7.3

Analisis Regresi

Data yang telah dikumpulkan kemudian dianalisis dengan menggunakan
alatanalisis statistik yakni :
1. Analisis regresi linear sederhana (simple regression analysis).

44
Universitas Sumatera Utara

Y = α + β1X1 + e
2. Analisis regresi dengan variabel moderasi (Moderated Regression
Analysis).
Dalam penelitian ini, digunakan uji Moderated Regression Analysis
atau uji interaksi. Ghozali (2009:164) menyatakan Moderated
Regression Analysis (MRA) merupakan aplikasi khusus regresi
berganda linear dimana dalam persamaan regresinya mengandung
unsur interaksi (perkalian dua atau lebih variabel independen) dengan
rumus persamaan sebagai berikut :
Y = α + β1X1 + β2X2 + β3X1X2 + e
Keterangan :
Y = Nilai Perusahaan
α = Konstanta
β1-β3 = Koefisien Regresi
X1 = Corporate Social Responsibility
X2 = Profitabilitas
X1-X2 = Interaksi antara Corporate Social Responsibility dengan
Profitabilitas
E= Error Term, yaitu tingkat kesalahan penduga dalam penelitian
3.7.4

Uji Hipotesis
3.7.4.1

Uji Statistik t

Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu
variabel bebas secara parsial atau individual dalam menerangkan variasi

45
Universitas Sumatera Utara

variabel terikat. Tujuan dari uji t adalah untuk menguji koefisien regresi
secara individual. Dasar pengambilan keputusannya adalah :
1. Jika nilai -thitung > -ttabel atau thitung < ttabel, maka Ho diterima,
yang artinya tidak ada pengaruh antara variabel bebas dengan
variabel terikat.
2. Jika nilai thitung > ttabel atau -thitung < -ttabel, maka Ho ditolak, yang
artinya ada pengaruh variabel bebas dengan variabel terikat.
3. Tingkat signifikansi yang digunakan sebesar 5% atau 0,05,
dengan kata lain jika P>0,05 maka dinyatakan tidak signifikan,
dan sebaliknya jika P 0,05 maka distribusi data normal.
Hasil uji kolmogorov-Smirnov dapat dilihat pada tabel dibawah ini :
Tabel 4.2
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
CSR
N
Normal Parametersa,,b

PBV

42

42

42

.7157

8.3895

2.0026

.16506

7.60988

1.46423

Absolute

.323

.190

.161

Positive

.323

.190

.161

Negative

-.200

-.139

-.097

2.096

1.234

1.044

.104

.095

.226

Mean
Std. Deviation

Most Extreme Differences

ROA

Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
a. Test distribution is Normal.
b. Calculated from data.

Sumber : Diolah oleh peneliti, 2016

Dari hasil pengolahan data tersebut, besarnya nilai KolmogorovSmirnov adalah CSR 0.104, ROA (Return On Asset) 0.095, PBV 0.226,
maka disimpulkan data terdistribusi secara normal karena p > 0.05. Data
yang terdistribusi secara normal tersebut juga dapat dilihat melalui grafik
histogram dan grafik normal plot data berikut ini:

49
Universitas Sumatera Utara

Gambar 4.1
Histogram
Berdasarkan grafik diatas, dapat disimpulkan bahwa distribusi data
normal karena grafik histogram tersebut berbentuk lonceng yang artinya
menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng
(skewness) ke kiri ataupun ke kanan. Demikian pula dengan hasil uji
normalitas dengan menggunakan grafik p-plot dibawah ini :

Gambar 4.2
Grafik P-Plot

50
Universitas Sumatera Utara

Pada grafik normal p-plot, terlihat titik-titik menyebar disekitar
garis diagonal sehingga dapat disimpulkan bahwa data dalam model
regresi terdistribusi normal.
4.1.2.2 Uji Multikolinearitas
Uji multikolonearitas bertujuan untuk menguji apakah pada model
regresi ditemukan korelasi antara variabel independent. Jika terjadi
korelasi maka terdapat masalah multikolinearitas sehingga model regresi
tidak dapat digunakan. Mendeteksi Ada tidaknya multikolinieritas dapat
dideteksi dengan melihat nilai tolerance dan variance inflation factor
(VIF). Jika VIF > 10 maka terjadi multikolinearitas dan apabila VIF < 10
maka tidak terjadi multikolinearitas, atau nilai tolerance > 0,1 maka model
dapat dikatakan terbebas dari multikolinearitas. Berikut ini disajikan tabel
hasil pengujian multikolonearitas :
Tabel 4.3
Uji Multikolinearitas
Collinearity Statistics
Model
1

Tolerance

VIF

(Constant)
CSR

.999

1.001

ROA

.999

1.001

a Dependent Variable: Y

Sumber : Diolah oleh peneliti, 2016
Berdasarkan pada tabel 4.3 diatas,

dapat disimpulkan bahwa

dalam model regresi tidak terjadi multikolinearitas dengan dasar nilai VIF
untuk setiap variabel independen tidak ada yang melebihi 10 dan nilai

51
Universitas Sumatera Utara

tolerance tidak ada yang kurang dari 0.1. Nilai tolerance CSR adalah
0.999, ROA adalah 0,999. Nilai VIF dari kedua variabel independen juga
lebih kecil dari 10 yaitu untuk CSR sebesar 1.001, dan ROA sebesar
1.001.
4.1.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model
regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Model regresi yang baik adalah yang tidak terjadi
heteroskedastisitas.
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala
heteroskedastisitas adalah dengan melihat plot grafik yang dihasilkan dari
pengolahan data menggunakan program SPSS, dengan ketentuan :
1. Jika ada pola tertentu, seperti titik-titik yang teratur, maka telah
terjadi heterokedastisitas,
2. Jika tidak ada pola tertentu, serta titik-titik yang menyebar tidak
tertentu, maka tidak terjadi heterokedastisitas atau terjadi
homokedastisitas.
Berikut ini dilampirkan gambar scatterplot untuk menganalisis
apakah terjadi heteroskedastisitas atau terjadi homokedastisitas dengan
mengamati penyebaran titik-titik pada gambar berikut:

52
Universitas Sumatera Utara

Gambar 4.3
Hasil Uji Heteroskedastisitas

Dari gambar scatterplot terlihat bahwa titik-titik menyebar secara
acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y.
Hal ini dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada
model regresi sehingga model layak dipakai dalam penelitian ini.
4.1.2.4 Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi
linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1. Autokorelasi muncul karena observasi yang
berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal
ini sering ditemukan pada data time series. Cara yang dapat digunakan
untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai
uji Durbin Watson. Untuk uji Durbin Watson memiliki ketentuan sebagai
berikut:
1. nilai DW lebih kecil dari -2 berarti ada korelasi positif,

53
Universitas Sumatera Utara

2. nilai DW di antara -2 sampai +2 berarti tidak ada autokorelasi,
3. nilai DW lebih besar dari +2 berarti ada autokorelasi negatif.
Tabel 4.4
Uji Autokorelasi

Model

R

1

.651a

R Square

Adjusted R

Std. Error of the

Square

Estimate

.423

.394

1.14014

Durbin-Watson
1.353

Sumber : Diolah oleh peneliti, 2016
Tabel 4.4 memperlihatkan nilai statistik D-W sebesar 1.353 (d).
Nilai ini akan peneliti bandingkan dengan nilai ketentuan untuk uji
autokorelasi yaitu nilai 1.353 (DW) di antara -2 sampai +2 berarti tidak
ada autokorelasi. Berdasarkan pengamatan ini, dapat disimpulkan bahwa
tidak terjadi autokorelasi positif maupun autokorelasi negatif.
4.1.3

Analisis Regresi

Berdasarkan hasil pengujian asumsi klasik disimpulkan bahwa model
regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang
Best Linear Unbiased Estimator (BLUE) dan layak dilakukan analisis
regresi. Untuk menguji hipotesis, peneliti menggunakan analisis regresi berganda.
Berdasarkan hasil pengolahan data dengan program SPSS 18, maka diperoleh
hasil sebagai berikut :
4.1.3.1 Persamaan Regresi Sederhana
Dalam pengolahan data dengan menggunakan regresi linier
sederhana, dilakukan beberapa tahapan untuk mencari hubungan antara

54
Universitas Sumatera Utara

variabel independen dan variabel dependen, melalui pengaruh CSR
terhadap PBV. Berdasarkan hasil pengolahan data dengan program SPSS
Versi 18, maka diperoleh hasil sebagai berikut :
Tabel 4.5
Hasil Analisis Regresi
Standardized
Unstandardized Coefficients
Model
1

B
(Constant)
CSR

Std. Error
.170

.986

2.560

1.343

Coefficients
Beta

t

.289

Sig.
.173

.864

1.906

.064

a. Dependent Variable: PBV

Sumber : Diolah oleh peneliti, 2016
Berdasarkan tabel diatas didapatlah persamaan regresi sebagai berikut :
PBV = 0.170 + 2.560CSR
Keterangan :
1) Konstanta sebesar 0.170 menunjukkan bahwa apabila variabel
independen (X=0) maka nilai PBV sebesar 0.170. Artinya, Jika
nilai variabel X tetap atau tidak mengalami kenaikan, maka nilai
PBV sebesar 0.170.
2) β1 sebesar 2.560 menunjukkan bahwa setiap kenaikan CSR
sebesar 1% akan diikuti oleh peningkatan PBV sebesar 2.560
dengan asumsi variabel lain tetap. Artinya, jika variabel X
mengalami kenaikan 1 poin (1%), maka variabel Y mengalami
peningkatan.

55
Universitas Sumatera Utara

4.1.3.2 Analisis Regresi Dengan Variabel Moderating
Tabel 4.6
Hasil Regresi Variabel Moderating
Standardized
Unstandardized Coefficients
Model
1

B
(Constant)

Std. Error
-1.325

1.138

CSR

3.309

1.511

ROA

.175
-.085

Moderat

Coefficients
Beta

t

Sig.

-1.165

.251

.373

2.191

.035

.110

.908

1.588

.121

.146

-.338

-.582

.564

a. Dependent Variable: PBV

Sumber : Diolah oleh peneliti,2016
Tabel diatas dapat menunjukkan persamaan Moderated Regression
Analysis (MRA) atau uji interaksi yaitu:
PBV= -1.325 + 3.309 CSR + 0.175 ROA -0.085 CSR*ROA
Hasil tampilan output SPSS menunjukkan bahwa secara individu
variabel CSR memberikan nilai koefisien 3,309 dengan probabilitas
signifikansi 0,035. Hal ini mengindikasikan bahwa secara parsial variabel
CSR berpengaruh signifikan terhadap PBV, yaitu 0,035 < 0,05. Sedangkan
ROA bernilai 0,175 dengan signifikansi 0,121 mengartikan bahwa secara
parsial nilai ROA tidak berpengaruh terhadap PBV. Karena nilai
signifikansi variabel ROA tersebut 0,121 > 0,05. Demikian pula variabel
moderating

(x1x2)

tidak

berpengaruh

signifikan,

karena

nilai

probabilitasnya > 0,05 yaitu 0,564 > 0,05.

56
Universitas Sumatera Utara

4.1.3.3 Analisis Koefisien Regresi
Koefisien determinasi pada intinya digunakan untuk mengukur
kemampuan model dalam menerangkan variasi variabel dependen. Nilai
koefisien determinasi adalah antara nol dan satu. Nilai yang kecil berarti
kemampuan variabel-variabel independen dalam menjelaskan variasi
variabel dependen amat terbatas. Apabila nilai R Square semakin
mendekati 1, maka variabel-variabel independen mendekati semua
informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
Nilai R Square memiliki kelemahan yaitu nilai R Square akan meningkat
setiap ada penambahan satu variabel independen meskipun variabel
independen tersebut tidak berpengaruh signifikan terhadap variabel
dependen.
Tabel 4.7
Koefisien Determinasi
Std. Error of the
Model
1

R

R Square
.654a

Adjusted R Square

.428

.383

Estimate
1.14993

a. Predictors: (Constant), moderat, ROA, CSR

Sumber : Data diolah peneliti, 2016.
Hasil pengujian dengan menggunakan koefisien determinasi
menunjukkan bahwa nilai R = 0,654 berarti hubungan antara CSR, ROA,
terhadap PBV sebesar 65.4%. Artinya hubungannya erat, semakin besar
nilai R berarti hubungannya semakin erat. R Square sebesar 0,428 berarti
42.8% PBV dipengaruhi oleh CSR, ROA. Sisanya 57.2% dijelaskan oleh
variabel-variabel lainnya yang tidak masuk dalam model penelitian ini.

57
Universitas Sumatera Utara

Adjusted R Square sebesar 0,383 berarti 38.3% CSR, ROA
mempengaruhi PBV sementara sisanya 61.7% dijelaskan oleh variabel
lainnya yang tidak masuk dalam model penelitian ini.
4.1.4

Uji t (Uji Parsial)

Uji t digunakan untuk menguji signifikansi konstanta dan setiap variabel
independennya. Berdasarkan hasil pengolahan SPSS 18, diperoleh hasil sebagai
berikut :
Tabel 4.8
Hasil Uji t Coefficients
Standardized
Unstandardized Coefficients
Model
1

B
(Constant)

Std. Error
-1.325

1.138

CSR

3.309

1.511

ROA

.175
-.085

Moderat

Coefficients
Beta

t

Sig.

-1.165

.251

.373

2.191

.035

.110

.908

1.588

.121

.146

-.338

-.582

.564

a. Dependent Variable: PBV

Sumber : Diolah oleh peneliti, 2016
4.1.4.1 Pengaruh CSR Terhadap PBV
Dari tabel 4.8 dapat dilihat besarnya thitung untuk variabel CSR
sebesar 2.191 dengan nilai signifikan 0.035, sedangkan ttabel adalah 1.681,
sehingga th i t u n g > tt a b e l (2.191 > 1,681), maka CSR secara parsial
mempengaruhi PBV. Signifikansi penelitian juga menunjukkan angka
0,05 (0,120 > 0,05), maka
H0 diterima dan Ha ditolak, artinya variabel ROA tidak berpengaruh
signifikan terhadap hubungan CSR dengan PBV. Dari hasil penelitian
dapat dilihat bahwa nilai variabel moderating memiliki thitung -0.582
dengan nilai signifikan 0.564 yang artinya bahwa variabel ROA tidak
memperkuat hubungan antara variabel CSR dengan PBV.
4.2

Pembahasan Hasil Penelitian
Berdasarkan hasil penelitian yang telah dikemukakan, diketahui bahwa

CSR (Corporate Social Responsibility) berpengaruh signifikan terhadap PBV.
Dikarenakan sebagian perusahaan pertambangan telah banyak melakukan
pengungkapan tanggungjawab sosial perusahaan berturut-turut setiap tahunnya,
yang memberikan manfaat atau berdampak positif dalam jangka panjang untuk
perusahaan itu sendiri. Dimana hasilnya menunjukkan bahwa,

th i t u n g >

tt a b e l (2.191 > 1,681), maka CSR secara parsial mempengaruhi PBV. Signifikansi
penelitian juga menunjukkan angka < 0,05 yaitu (0,035 < 0,05), artinya CSR
berpengaruh signifikan terhadap PBV.
Kemudian,

untuk

hasil

penelitian

dengan

variabel

moderating

menunjukkan bahwa profitabilitas (ROA) tidak berpengaruh signifikan terhadap

59
Universitas Sumatera Utara

hubungan antara CSR dengan PBV. Dimana hasil analisis regresinya
menunjukkan bahwa, th i t u n g < tt a b e l (1.589 < 1.681), Signifikansi penelitian
menunjukkan angka > 0,05 yaitu (0,120 > 0,05), artinya variabel ROA tidak
berpengaruh signifikan terhadap hubungan CSR dengan PBV. Hasil penelitian ini
sesuai dengan hasil penelitian yang dilakukan oleh Kusumadilaga (2010), yang
menunjukkan bahwa pengungkapan CSR berpengaruh signifikan terhadap nilai
perusahaan, dan profitabilitas tidak dapat mempengaruhi hubungan pengungkapan
CSR dan nilai perusahaan.
Untuk nilai perusahaan itu sendiri, terdapat banyak faktor yang
mempengaruhi nilai perusahaan baik secara internal maupun secara eksternal.
Faktor internal bersifat controllable artinya dapat dikendalikan oleh perusahaan
seperti kinerja perusahaan, keputusan keuangan, struktur modal, biaya ekuitas,
dan faktor lainnya. Sedangkan faktor eksternal dapat berupa tingkat suku bunga,
fluktuasi nilai valas, dan keadaan pasar modal.

60
Universitas Sumatera Utara

BAB V
KESIMPULAN DAN SARAN
5.1

Kesimpulan
Berdasarkan hasil analisis penelitian pada bab sebelumnya, maka

kesimpulan yang dapat diambil dari penelitian ini adalah sebagai berikut:
1. CSR secara parsial memiliki pengaruh yang positif dan signifikan
terhadap nilai perusahaan. Artinya H1 dapat diterima, bahwa CSR
berpengaruh terhadap PBV. Hasil penelitian ini sejalan dengan penelitian
Kusumadilaga (2010), yang menyatakan pengungkapan CSR berpengaruh
signifikan terhadap nilai perusahaan.
2. Profitabilitas (ROA) sebagai variabel moderating, memiliki hubungan
negatif terhadap PBV dan tidak dapat mempengaruhi hubungan CSR
dengan nilai perusahaan, maka H2 pun ditolak. Hasil penelitian ini tidak
sejalan dengan penelitian sebelumnya Agustine (2014), yang menyatakan
bahwa ROA berpengaruh signifikan terhadap nilai perusahaan.
5.2

Saran
Berdasarkan hasil penelitian ini, beberapa saran yang dapat diberikan

berkaitan dengan hasil penelitian ini antara lain:
1. Perusahaan disarankan untuk lebih memaksimalkan lagi kegiatan CSR
nya, agar dapat meningkatkan kepercayaan masyarakat terhadap
perusahaan. Dari penelitian ini diketahui bahwa kegiatan CSR
berpengaruh terhadap PBV.

61
Universitas Sumatera Utara

2. Penelitian selanjutnya diharapkan dapat menambah jumlah variabel bebas
dalam pengaruhnya terhadap nilai perusahaan, dan juga peneliti sebaiknya
menggunakan sampel yang lebih banyak serta tahun pengamatan yang
lebih lama agar mendapatkan hasil yang lebih akurat.

62
Universitas Sumatera Utara