commit to user
A. Deskripsi Data
Data yang digunakan dalam penelitian ini adalah annual report, financial report dan sustainability report perusahaan; harga saham pada saat penutupan (closing price); serta jumlah saham yang diperjualbelikan pada periode tertentu yang diakses dari ICMD serta peringkat perusahaan dalam mengkuti program PROPER. Berdasarkan data yang diperoleh dari BEI dan press briefing PROPER, terdapat 60 perusahaan peserta PROPER yang terdaftar di BEI, namun penulis hanya dapat mengakses 35 annual report perusahaan untuk tahun 2008 dan 2009, sehingga sampel yang digunakan dalam penelitian ini sebanyak 70 data.
1. Seleksi Sampel
Penelitian ini menggunakan data sekunder berupa annual report tahun 2008-2009. Tabel 4.1 menjelaskan rincian sampel yang digunakan dalam penelitian.
Tabel 4.1 Rincian Sampel
Keterangan Jumlah Data
Data Peserta PROPER 2010 690
Data Peserta PROPER 2009 627
Perusahaan Peserta PROPER yang listing di BEI
(2 tahun berturut-turut) 120
Annual Report yang Penulis temukan (2 tahun) 90
Data Outlier (2 tahun) 20
Data yang digunakan (2 tahun) 70
2. Analisis Deskriptif
Tabel 4.2
commit to user
N Min. Max. Mean Std. Dev. Skewness Kurtosis
kinerja_lingk 70 2 7 4.80 1.05775 -0.342 -0.209 profitabilitas 70 -1.20 0.47 0.0716 0.19002 -4.289 29.231 leverage 70 0.18 0.91 0.5083 0.19872 0.077 -0.874 roa 70 -16.87 40.67 9.1146 10.46369 0.682 1.076 tato 70 0.12 11.65 1.2366 1.44201 5.656 40.049 environ_discl 70 5 16 9.2857 2.74069 0.378 -0.718 size 70 0.29 20.99 2.8576 4.18368 3.049 9.726 length_listing 70 1 33 15.30 6.97064 -0.353 0.482 firm_value 70 -0.27 0.78 0.2477 0.25715 0.088 -0.630
Sumber: Hasil Pengolahan Data
Skewness dan kurtosis merupakan ukuran untuk melihat apakah data terdistribusi secara normal. Skewness mengukur kemiringan data dan kurtosis mengukur puncak dari distribusi data. Data yang terdistribusi secara normal mempunyai nilai skewness dan kurtosis mendekati nol (Ghozali, 2006).
B. Uji Asumsi Klasik
a. Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik mengindikasikan tidak terjadi korelasi antar variabel independen (Ghozali, 2006).
Tabel 4.3
commit to user firm_ value size length_ listing tato kinerja_
lingk profitabilitas roa Leverage firm_ value 1.000 -0.036 -0.281 0.122 0.018 0.098 0.253 -0.720 size -0.036 1.000 0.126 0.092 -0.401 -0.137 -0.073 -0.192 length_listing -0.281 0.126 1.000 -0.154 -0.230 -0.043 -0.200 0.052 tato 0.122 0.092 -0.154 1.000 0.130 0.175 -0.228 -0.072 kinerja_lingk 0.018 -0.401 -0.230 0.130 1.000 0.121 -0.060 0.258 profitabilitas 0.098 -0.137 -0.043 0.175 0.121 1.000 -0.481 0.072 roa 0.253 -0.073 -0.200 -0.228 -0.060 -0.481 1.000 0.026 leverage -0.720 -0.192 0.052 -0.072 0.258 0.072 0.026 1.000 Sumber: Hasil Pengolahan Data
Melihat hasil besaran korelasi antar variabel independen pada tabel 4.3 di atas, tampak bahwa variabel firm_value mempunyai korelasi yang tinggi dengan variabel leverage dengan tingkat korelasi -0.720 atau 72%, variabel profitabitas mempunyai korelasi yang tinggi dengan variabel ROA dengan tingkat korelasi -0.481 atau 48.1%, serta variabel size mempunyai korelasi yang tinggi dengan variabel kinerja_lingkungan dengan tingkat korelasi -0.401 atau 40.1%, namun keseluruhan korelasi masih di bawah 95%, oleh karena itu dapat disimpulkan tidak terjadi multikolonieritas.
Seperti tampak pada tabel 4.4 di bawah ini, hasil perhitungan nilai tolerance diatas 0.10 menunjukkan tidak ada korelasi antar variabel independen yang nilainya lebih dari 95%. Hasil perhitungan nilai VIF (Variance Inflation Factor) kurang dari 10 menunjukkan tidak ada multikolonieritas antar variabel independen dalam model regresi ini.
commit to user
Hasil Pengujian Multikolonieritas
Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
Konstanta 3.701 1.948 1.900 0.062 kinerja_lingk 0.975 0.296 0.376 3.292 0.002 0.680 1.470 profitabilitas 1.669 1.832 0.116 0.911 0.366 0.551 1.814 leverage -2.829 2.491 -0.205 -1.135 0.261 0.273 3.668 roa 0.026 0.037 0.099 0.697 0.489 0.442 2.260 Tato -0.224 0.194 -0.118 -1.155 0.252 0.856 1.168 Size 0.121 0.070 0.184 1.720 0.090 0.778 1.286 length_listing 0.097 0.041 0.248 2.381 0.020 0.821 1.217 firm_value 1.725 2.019 0.162 0.854 0.396 0.248 4.035 Sumber: Hasil Pengolahan Data
b. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode (t-1) sebelumnya (Ghozali, 2006).
Pada tabel 4.5 di bawah ini tampak bahwa nilai DW sebesar 2.018. Dibandingkan dengan tabel Durbin-Watson (dengan signifikansi 5%), jumlah sampel 70 (n=70) dan jumlah variabel independen 8 (k=8), didapati du=1.873. Oleh karena nilai DW 2.018 lebih besar dari batas atas (du) 1.873 dan kurang dari 4-du (4-1.873), maka dapat disimpulkan tidak terdapat autokorelasi.
commit to user
Hasil Pengujian Durbin-Watson
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 0.676 0.457 0.386 2.14715 2.018
Sumber: Hasil Pengolahan Data
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas (Ghozali, 2006).
Gambar 4.1 Scatterplot
Dari grafik scatterplots pada gambar 4.1 di atas terlihat bahwa titik-titik menyebar secara acak dan tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Oleh karena itu dapat disimpulkan tidak terjadi heteroskedastisitas pada model regresi ini.
Tabel 4.6 Hasil Pengujian Glejser
commit to user Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta Konstanta 0.166 1.034 0.161 0.873 kinerja_lingk 0.225 0.157 0.208 1.432 0.157 profitabilitas 1.007 0.972 0.167 1.036 0.304 leverage 0.376 1.322 0.065 0.284 0.777 roa -0.029 0.020 -0.263 -1.460 0.149 tato -0.035 0.103 -0.044 -0.336 0.738 size -0.032 0.037 -0.117 -0.859 0.394 length_listing 0.037 0.022 0.223 1.688 0.096 firm_value -0.093 1.072 -0.021 -0.087 0.931
Sumber: Hasil Pengolahan Data
Hasil uji glejser pada tabel 4.6 di atas menunjukkan probabilitas signifikansinya di atas tingkat kepercayaan 5%. Hasil uji glejser pada tabel 4.6 konsisten dengan hasil uji scatterplots pada gambar 4.1 yang menunjukkan bahwa tidak terdapat heteroskedastisitas.
d. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal (Ghozali, 2006). Beberapa cara untuk mendeteksi adanya normalitas dengan uji Kolmogorov-Smirnov dan analisis grafik baik histogram maupun P-P Plot (Ghozali, 2006).
Tabel 4.7
commit to user
Unstandardized Residual
N 70
Normal Parameters Mean 0.0000000
Std. Deviation 2.01884852
Most Extreme Differences Absolute 0.064
Positive 0.064
Negative -0.053
Kolmogorov-Smirnov Z 0.535
Asymp. Sig. (2-tailed) 0.937
Nilai K-S dengan sig. > 0.05 menyatakan bahwa data terdistribusi secara normal. Besarnya nilai K-S pada tabel 4.7 adalah 0.535 dan signifikan pada 0.937, hal ini menunjukkan data residual terdistribusi normal.
Gambar 4.2 Histogram
Gambar 4.3 P-P Plot
commit to user
Hasil analisis grafik yang digambarkan melalui histogram pada gambar 4.2 dan PP plots pada gambar 4.3 konsisten dengan hasil uji K-S pada tabel 4.7. Histogram dan PP plots memberikan pola normal dan terlihat titik-titik tersebar di sekitar garis diagonal.
C. Hasil Uji Hipotesis dan Pembahasan
1. Uji Koefisien Determinasi
Koefisien determinasi ( ) mengukur seberapa jauh kemampuan
model dalam menerangkan variasi variabel independen. Nilai koefisien determinasi antara nol dan satu. Nilai yang mendekati nol menyatakan bahwa kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas, sedangkan nilai yang mendekati satu menyatakan bahwa variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel independen (Ghozali, 2006).
commit to user
Hasil Pengujian Koefisien Determinasi
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 0.676 0.457 0.386 2.14715 2.018
Sumber: Hasil Pengolahan Data
Dari tabel 4.8 di atas, dapat diketahui besarnya adjusted sebesar
0.386 yang berarti 38.6% variasi environmental disclosure dijelaskan oleh variasi dari kedelapan variabel independen, sedangkan 61.4% dijelaskan oleh sebab lain diluar model. SEE(Standar Eror of the Estimate)sebesar 2.14715, semakin kecil SEE akan membuat model regresi semakin tepat dalam memprediksi variabel dependen (Ghozali, 2006).
2. Uji Signifikansi Simultan (Uji Statistik F)
Uji signifikansi simultan atau biasa disebut uji statistik F menunjukkan apakah semua variabel independen yang dimasukkan ke dalam model mempunyai pengaruh secara simultan (bersama-sama berpengaruh) terhadap variabel dependen (Ghozali, 2006).
Tabel 4.9
Hasil Pengujian Koefisien Regresi Secara Simultan
Model
Sum of
Squares df Mean Square Sig.
Regression 237.059 8 29.632 6.427 0.000
Residual 281.227 61 4.610
Total 518.286 69
commit to user
Dari uji ANOVA atau F test pada tabel 4.9 di atas, diketahui nilai F sebesar 6.427 dengan probabilitas 0.000. Karena probabilitas kurang dari 0.05, maka dapat disimpulkan bahwa kedelapan variabel independen secara bersama-sama berpengaruh terhadap variabel dependen.
3. Uji Signifikansi Parsial (Uji Statistik t) Tabel 4.10
Hasil Pengujian Koefisien Regresi Secara Parsial
Model Koefisien t-statistik Sig.
konstanta 3.701 1.900 0.062 kinerja_lingk 0.975 3.292 0.002* profitabilitas 1.669 0.911 0.366 leverage -2.829 -1.135 0.261 roa 0.026 0.697 0.489 tato -0.224 -1.155 0.252 size 0.121 1.720 0.090** length_listing 0.097 2.381 0.020* firm_value 1.725 0.854 0.396 * secara statistik signifikan pada tingkat 5%
** secara statistik signifikan pada tingkat 10% Sumber: Hasil Pengolahan Data
Uji signifikansi parsial (uji statistik t) menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen (Ghozali, 2006).
Hasil analisis regresi pada tabel 4.10 di atas menunjukkan bahwa koefisien regresi kinerja lingkungan (environmental performance) sebesar
commit to user
0.975 dengan t-statistik sebesar 3.292 dan signifikansinya 0.002. Hasil analisis regresi tersebut mendukung hipotesis pertama yang menyatakan bahwa terdapat pengaruh antara environmental performance terhadap environmental disclosure. Hasil penelitian ini konsisten dengan penelitian Suratno dkk. (2006) dan penelitian Al-Tuwaijri dkk. (2003) yang menemukan pengaruh yang signifikan antara environmental performance terhadap environmental disclosure.
Hasil analisis regresi pada variabel profitabilitas menunjukkan koefisien regresi sebesar 1.669 dengan t-statistik 0.911 dan signifikansinya 0.366. Pengujian hipotesis kedua menunjukkan bahwa profitabilitas tidak berpengaruh terhadap environmental disclosure, hal ini tidak konsisten dengan penelitian Bowman dan Haire (1976) dan penelitian Hanifa dan Cooke (2005) namun konsisten dengan penelitian Hackston dan Milne (1996) yang menemukan bahwa tidak ada pengaruh yang signifikan antara tingkat profitabilitas dengan pengungkapan informasi sosial.
Hasil analisis regresi pada variabel leverage menunjukkan koefisien regresi sebesar -2.829 dengan t-statistik -1.135 dan signifikansinya 0.261. Pengujian hipotesis ketiga menunjukkan bahwa leverage tidak berpengaruh terhadap environmental disclosure, hal ini tidak konsisten dengan penelitian Jensen dan Meckling (1976) namun konsisten dengan penelitian Belkaoui dan Karpik (1989).
Hasil analisis regresi pada variabel ROA menunjukkan koefisien regresi sebesar 0.026 dengan t-statistik 0.697 dan signifikansinya 0.489. Pengujian hipotesis keempat menunjukkan bahwa ROA tidak berpengaruh
commit to user
terhadap environmental disclosure, hal ini konsisten dengan penelitian Suhardjanto dan Choiriyah (2010) yang menemukan tidak ada pengaruh signifikan antara ROA dengan environmental disclosure, namun tidak konsisten dengan penelitian Desiandwi (2006) yang menyatakan bahwa ROA berpengaruh signifikan tehadap tingkat pengungkapan informasi lingkungan hidup.
Hasil analisis regresi pada variabel TATO menunjukkan koefisien regresi sebesar -0.224 dengan t-statistik -1.155 dan signifikansinya 0.252. Pengujian hipotesis kelima menunjukkan bahwa TATO tidak berpengaruh terhadap environmental disclosure. Hasil penelitian ini tidak konsisten dengan penelitian Gray dkk. (1995) yang menemukan pengaruh turnover terhadap environmental disclosure.
Hasil analisis regresi pada variabel firm size menunjukkan koefisien regresi sebesar 0.121 dengan t-statistik 1.720 dan signifikansinya 0.090. Hipotesis keenam menunjukkan bahwa firm size tidak berpengaruh terhadap environmental disclosure pada tingkat signifikansi 5% namun berpengaruh terhadap environmental disclosure pada tingkat signifikansi 10%, hal ini konsisten dengan penelitian Freedman dan Jaggi (2005) dan penelitian Hanifa dan Cooke (2005) yang menyatakan semakin besar size perusahaan maka semakin besar pengungkapan informasi sosialnya dan tidak konsisten dengan penelitian Suhardjanto dan Choiriyah (2010) yang menyatakan bahwa firm size tidak berpengaruh signifikan terhadap environmental disclosure.
Hasil analisis regresi pada variabel length of listing menunjukkan koefisien regresi sebesar 0.097 dengan t-statistik 2.381 dan signifikansinya
commit to user
0.020. Pengujian hipotesis ketujuh menunjukkan bahwa length of listing BEI berpengaruh terhadap environmental disclosure, hal ini konsisten dengan penelitian Hanifa dan Cooke (2005) dan penelitian Barnes dan Walker (2006).
Hasil analisis regresi pada variabel firm value menunjukkan koefisien regresi sebesar 1.725 dengan t-statistik 0.854 dan signifikansinya 0.396. Pengujian hipotesis kedelapan menunjukkan bahwa firm value tidak berpengaruh terhadap environmental disclosure. Terdapat beberapa penelitian yang menguji pengaruh antara environmental disclosure terhadap firm value dan CSR (Corporate Social Responsibility) terhadap firm value, di antaranya penelitian Rustiarini (2010), Harjoto dan Jo (2011), serta penelitian Nurlela dan Islahudin (2008), namun sepanjang pengetahuan penulis belum ada penelitian sebelumnya yang meneliti pengaruh firm value terhadap environmental disclosure, oleh karena itu penelitian ini menjadi penelitian pertama yang menguji pengaruh firm value terhadap environmental disclosure.
Berdasarkan tabel 4.10 di atas, dari kedelapan variabel independen yang dimasukkan ke dalam model regresi, terdapat dua variabel yang berpengaruh signifikan pada tingkat signifikansi 5% dan satu variabel yang berpengaruh signifikan pada tingkat signifikansi 10% terhadap variabel dependen environ_dscl yaitu variabel kinerja_lingk, variabel length_listing, dan variabel size, dalam hal ini dapat dilihat dari probabilitas signifikansi kinerja.lingk 0.002 (kurang dari 0.05), probabilitas signifikansi length_listing 0.020 (kurang dari 0.05), dan probabilitas variabel size 0.090 (kurang dari 0.1). Variabel profitabilitas dengan probabilitas signifikansi 0.366, leverage dengan probabilitas signifikansi 0.261, ROA dengan probabilitas signifikansi 0.489,
commit to user
TATO dengan probabilitas signifikansi 0.252, dan firm value dengan probabilitas signifikansi 0.396 tidak berpengaruh signifikan terhadap variabel dependen environ_dscl, dalam hal ini dapat dilihat dari probabilitas signifikansi kelima variabel tersebut di atas 0.05.
Sebagai kesimpulan, environmental disclosure dipengaruhi oleh kinerja lingkungan (environmental performance), length of listing di BEI, dan firm size namun tidak dipengaruhi oleh profitabilitas, leverage, ROA, TATO, dan firm value.
BAB V