BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1.3. Analisis Data
a) Uji Normalitas
Pengujian normalitas data adalah untuk mengetahui apakah dalam model statistik variabel-variabel penelitian mempunyai distribusi data yang normal atau tidak normal.
Proses uji normalitas data dilakukan dengan memperhatikan grafik histrogram dan penyebaran data (titik-titik) pada normal P-Plot of Regression
Standardzed Residual dari variable-variabel independen dimana:
1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, atau grafik histrogramnya menunjukkan pola distibusi normal, maka model regresi memenuhi asumsi normalitas
2. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti garis diagonal, atau grafik histrogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Hasil uji normalitas dapat dilihat pada gambar 4.1 grafik histogram dan normal P-Plot of Regression standarzed residual sebagai berikut:
3 2 1 0 -1 -2 -3
Regression Standardized Residual
20 15 10 5 0 F re q u e n c y Mean = 3.62E-15 Std. Dev. = 0.981 N = 106 Dependent Variable: Y Histogram
Gambar 4.1: Grafik Histogram dan Normal P-Plot
Dari grafik histrogran dan normal P-Plot dapat disimpulkan bahwa grafik histrogram memberikan pola distribusi yang normal. Sedangkan grafik normal
P-Plot terlihat bahwa titik-titik menyebar di sekitar garis diagonal dan mengikuti
arah garis diagonal. Sehingga dapat disimpulkan dalam penelitian tidak terjadi gangguan normalitas, yang berarti data berdistribusi normal.
b) Uji Multikolonieritas
Uji Multikolinearitas digunakan untuk menunjukkan ada tidaknya hubungan linear diantara variabel-variabel independen dalam model regresi. Salah satu cara untuk mengetahui ada tidaknya multikolonieritas pada suatu model adalah dengan melihat nilai yang dipakai untuk menandai adanya faktor multikolonieritas. Nilai yang dipakai adalah nilai tolerance lebih kecil dari 0,10 atau nilai VIF kurang dari 10. Jika nilai nilai tolerance lebih dari 0.10 dan nilai VIF lebih dari 10 maka terjadi multikolonieritas.
Hasil uji multikolonieritas dapat dilihat pada tabel 4.2 berikut: Tabel 4.8 Uji Multikolonieritas
keterangan X1 X2 X3 X4
sampel 106 106 106 106
Tolerance 0.947 0.962 0.958 0.926
VIF 1.056 1.039 1.044 1.079
Sumber: data diolah
Dari tabel 4.8 hasil perhitungan nilai tolerance menunjukkan tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0.10 yang berarti tidak ada korelasi antar variabel independen yang nilainya lebih dari 95%. Hasil
perhitungan nilai variance inflation factor (VIF) juga menunjukkan hal yang sama tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel independen dalam regresi.
c) Uji Heteroskedastisitas
Heteroskedastisitas adalah adanya varians yang berbeda yang dapat membiaskan hasil yang telah dihitung, serta menimbulkan konsekuensi adanya model yang akan menaksir terlalu rendah varians yang sesungguhnya.
Salah satu cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan cara melihat grafik plot antara nilai prediksi variabel terikat (ZPRED) dengan nilai residualnya (SRESID)
Hal yang mendasari dalam pengambilan keputusan adalah :
1. Jika ada pola tertentu seperti titik-titik yang membentuk suatu pola teratur (gelombang, melebar kemudian menyempit) maka terjadi masalah Heterokedastisitas.
2. Jika tidak ada pola jelas seperti titik-titik yang menyebar diatas dan dibawah angka nol pada sumbu Y, maka tidak terjadi masalah heterokedastisitas. Hasil pengujian heterokedastisitas dapat dilihat pada penelitian dapat dilihat pada gambar 4.2 berikut ini:
5 4 3 2 1 0 -1 -2
Regression Standardized Predicted Value 3 2 1 0 -1 -2 -3 R e g re s s io n S tu d e n ti ze d R e s id u a l Dependent Variable: Y Scatterplot
Dari gambar 4.2 grafik scatterplots terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi luas pengungkapan sukarela berdasarkan masukan variabel ukuran perusahaan, leverage, profitabilitas dan likuiditas.
4.1.4 Analisis Regresi Berganda
Setelah terpenuhinya normalits data maka akan dilanjutkan dengan pengujian hipotesis. Pada penelitian ini hipotesis dikembangkan dengan menggunakan metode analisis regresi berganda.
Sumber: data diolah
Berdasarkan hasil penelitian dengan menggunakan program SPSS versi 12.0
for windows diperoleh output regresi linier berganda sebagai berikut:
Tabel 4.9 Regresi Berganda
a Dependent Variable: Y
sumber: data diolah
Dari tabel 4.9 dapat diketahuui bahwa persamaan regresi linier berganda pada penelitian ini adalah sebagai berikut:
Y= 6.41+0.012X1+0.025X2+0.030X3-0.0021X4
Dari hasil persamaan regresi linier berganda dapat dijelaskan bahwa:
1. α = konstanta sebesar 6.41 artinya apabila semua variabel independen (total
aktiva, leverage, profitabilitas, dan likuiditas) dianggap konstan (bernilai 0), maka nilai luas pengungkapan sukarela akan sebesar 6.41
2. Koefisien total aktiva (X1) sebesar 0.012 artinya apabila total aktiva mengalami kenaikan sebesar 1% sedangkan variabel lainnya (leverage, profitabilitas, likuiditas) dianggap konstan maka luas pengungkapan sukarela akan meningkat 0.012%. Demikian pula sebaliknya, apabila total aktiva mengalami penurunan sebesar 1% sedangkan variabel lainnya (leverage, profitabilitas, likuiditas) dianggap konstan maka luas pengungkapan sukarela akan menurun 0.012%.
3. Koefisien leverage (X2) sebesar 0.025 artinya apabila leverage mengalami kenaikan sebesar 1% sedangkan variabel lainnya (total aktiva, profitabilitas, Unstandardized B
Coefficients
(Constant) X1 X2 X3 X4
dan likuiditas) dianggap konstan maka luas pengungkapan sukarela akan meningkat 0.025%. Demikian pula sebaliknya, apabila leverage mengalami penurunan sebesar 1% sedangkan variabel lainnya (total aktiva, profitabilitas, dan likuiditas) dianggap konstan maka luas pengungkapan sukarela akan menurun 0.025%
4. Koefisien profitabilitas (X3) sebesar 0.030 artinya apabila profitabillitas mengalami kenaikan sebesar 1% sedangkan variabel lainnya (total aktiva,
leverage, dan likuiditas) dianggap konstan maka luas pengungkapan sukarela
akan meningkat 0.030%. Demikian pula sebaliknya, apabila profitabillitas mengalami penurunan sebesar 1% sedangkan variabel lainnya (total aktiva,
leverage, dan likuiditas) dianggap konstan maka luas pengungkapan sukarela
akan menurun 0.030%.
5. Koefisien likuiditas (X4) sebesar – 0.002 artinya apabila likuiditas mengalami penurunan sebesar 1% sedangkan variabel lainnya (total aktiva, leverage, dan profitabilitas) dianggap konstan maka luas pengungkapan sukarela akan meningkat – 0.002%. Demikian pula sebaliknya, apabila likuiditas mengalami kenaikan sebesar 1% sedangkan variabel lainnya (total aktiva, leverage, dan profitabilitas) dianggap konstan maka luas pengungkapan sukarela akan menurun – 0.002%.
a. Uji F (uji Simultan)
Uji F digunakan untuk memprediksi pengaruh variabel indpenden yaitu (total aktiva, leverage, profitabilitas dan likuiditas) secara simultan atau
bersama-sama terhadap variabel independen (luas pengungkapan sukarela). Berdasarkan pengujian dengan SPSS diperoleh output ANOVA pada tabel 4.4 berikut ini:
Tabel 4.10
Uji Hipotesis Simultan dengan menggunakan F test
Pada tabel 4.10 Hasil uji ANOVA total aktiva antara (X1), leverage (X2), Profitabilitas (X3) dan likuiditas (X4) terhadap luas pengungkapan sukarela (Y) diperoleh nilai signifikan F sebesar 0.000 < taraf signifikan 0.05%. Hal ini mengindikasikan bahwa secara simultan atau bersama-sama faktor X1, X2, X3 dan X4 berpengaruh positif terhadap luas pengungkapan sukarela.
b. Uji t (Uji Parsial)
Uji t dilakukan untuk memprediksi ada tidaknya pengaruh secara parsial variabel independen terhadap variabel dependen.
Dalam pengujian ini dilakukan dengan satu uji satu sisi dengan sisi derajat kebebasan sebesar 5% agar kemungkinan terjadinya gangguan lebih kecil. Dalam penelitian ini diperoleh sampel sebanyak 106 perusahaan.
ANOVAb .207 4 .052 9.814 .000a .533 101 .005 .740 105 Regression Residual Total Model 1 Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), X4, X3, X2, X1 a.
Dependent Variable: Y b.
Tabel 4.11 Uji t (Parsial)
Sumber: data diolah
1. Uji t antara ukuran perusahaan terhadap luas pengungkapan sukarela perusahaan
Berdasarkan tabel 4.3 hasil perhitungan dengan menggunakan SPSS 12.0 dapat diketahui bahwa nilai signifikasi 0.000 < lebih kecil taraf signifikasi α = 5%; maka dari hasil uji ini dinyatakan Ha diterima, yang artinya secara parsial total aktiva mempengaruhi tingginya luas pengungkapan sukarela 2. Uji t antara leverage terhadap luas pengungkapan sukarela perusahaan
Berdasarkan tabel 4.3 hasil perhitungan dengan SPSS 12.0 dapat diketahui bahwa nilai signifikansi sebesar 0,205 > tarif signifikasi α = 5% = 0,05 maka dari hasil uji ini dinyatakan Ho diterima yang artinya secara parsial leverage tidak mempengaruhi tingginya luas pengungkapan sukarela.
3. Uji t antara profitabilitas terhadap luas pengungkapan sukarela perusahaan berdasarkan tabel 4.3 hasil perhitungan dengan SPSS 12.0 dapat diketahui bahwa nilai signifikansi sebesar 0,018 < tarif signifikasi α = 5% = 0,05; maka dari hasil uji ini dinyatakan Ha diterima yang artinya secara parsial profitabilitas mempengaruhi tingginya luas pengungkapan sukarela.
4. Uji t antara likuiditas terhadap luas pengungkapan sukarela perusahaan
Berdasarkan tabel 4.3 hasil perhitungan SPSS 12.0 dapat diketahui bahwa nilai singnifikasi sebesar 0,680 > tarif singnifikasi α = 5% = 0,05; maka dari
(Constant) X1 X2 X3 X4
t 39.752 5.277 1.275 2.415 -.413
hasil uji ini menyatakan Ho diterima yang artinya secara parsial likuiditas tidak mempengaruhi tingginya luas pengungkapan sukarela.
c. Koefisien Determinasi
Koefisien determinasi menunjukkan seberapa besar prosentase variabel independen (ukuran perusahaan, leverage, profitabilitas dan likuiditas) secara bersama-sama menerangkan variasi variabel dependen, (luas pengungkapan sukarela. Tabel 4.12 Koefisien Determinasi (R2) Model Summary(b) Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .529(a) .280 .251 .07265 1.974 a Predictors: (Constant), X4, X3, X2, X1 b Dependent Variable: Y
sumber : data diolah
Dari tabel 4.12 hasil uji regresi diperoleh nilai koefisien determinasi (adjusted R square) sebesar 0.280. Hal ini berarti bahwa secara bersama-sama variabel ukuran perusahaan, leverage, profitabilitas dan likuiditas berpengaruh terhadap luas pengungkapan sukarela sebesar 28%, sedangkan sisanya 72.0% (100% - 28.0%) dijelaskan oleh variabel lain yang tidak diteliti dalam penelitian ini.
Untuk koefisien parsial yang mempunyai pengaruh terbesar dari variabel independen adalah ukuran perusahaan dengan kontribusi sebesar 20.98% (yang diperoleh dari 0.4582), lalu variabel profitabilitas dengan kontribusi sebesar 4.33% (yang diperoleh dari 0.2082), variabel leverage dengan kontribusi sebesar 1.21%
(yang diperoleh dari 0.1102), pengaruh yang paling kecil adalah variabel likuiditas dengan nilai 0.13% (yang diperoleh dari 0.036%).