BAB 4 HASIL DAN PEMBAHASAN
4.2 Analisis Hasil Penelitian
Statistik deskriptif (descriptive statistic) memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum,
range, kurtosis,dan skewness (Ghozali, 2006).Pengukuran yang digunakan dalam penelitian ini adalah nilai minimum, nilai maksimum, mean, dan standar deviasi.Berikut ini ditampilkan hasil analisis statistik deskriptif dari variabel corporate social responsibility, ROE, dan manajemen laba.
Tabel 4.1. Statistik Deskriptif
N Minimum Maximum Mean Std. Deviation
CSR 42 0,101 1,000 0,602 0,32829
ROE 42 0,036 0,478 0,222 0,10973
Manajemen Laba 42 0,030 1,478 0,569 0,37009
Valid N (listwise) 42
Sumber: Hasil analisis data (2016)
Dari pengujian statistik deskriptif yang tersaji pada Tabel 4.1.menunjukkan hasil sebagai berikut:
1. Variabel Corporate Social Responsibility (CSR) memiliki nilai terendah yaitu 0,101 dan nilai tertinggi 1,000 dengan nilai rata-rata 0,602 dan standar deviasi 0,32829.
2. Variabel kinerja keuangan (ROE) memiliki nilai terendah yaitu 0,036 dan nilai tertinggi 0,478 dengan nilai rata-rata 0,222 dan standar deviasi 0,10973.
3. Variabel manajemen laba memiliki nilai terendah yaitu 0,030 dan nilai tertinggi 1,478 dengan nilai rata-rata 0,569 dan standar deviasi 0,37009.
4.2.2. Pengujian Asumsi Klasik 1. Uji Normalitas
Uji normalitas dilakukan untuk menguji apakah dalam sebuah model regresi, residual atau variabel pengganggu berdistribusi normal atau tidak.Model regresi yang baik adalah yang memiliki distribusi normal atau mendekati normal.Metode yang digunakan adalah dengan menggunakan statistic Kolmogorov-Smirnov (K-S).Kriteria yang digunakan dalam tes ini adalah
dengan membandingkan antara tingkat signifikansi yang didapat dengan tingkat alpha yang digunakan, dimana data tersebut dikatakan terdistribusi normal bila sig. >alpha.Hasil uji normalitas regresi linier sederhana dan analisis regresi moderasi masing-masing dapat dilihat pada Tabel 4.2.
Tabel 4.2.
Hasil Pengujian Normalitas Model dengan One-Sample Unstandardized Residual
N 42
Normal Parametersa,b Mean 0,0000000
Std. Deviation 0,0704321
Most Extreme Differences Absolute 0,105
Positive 0,105
Negative -0,084
Kolmogorov-Smirnov Z 0,547
Asymp. Sig. (2-tailed) 0,946
Sumber: Hasil analisis data (2016)
Berdasarkan Tabel 4.2. hasil uji kolmogorov-Smirnov (K-S)yakni nilai signifikansi diatas 0,05 dengan nilai asymp. Sig (2-tailed) sebesar 0,946.Hal ini menunjukkan bahwa data penelitian berdistribusi normal.
2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji model regresi ditemukan adanya korelasi antar variabel bebas (independen).Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak orthogonal. Dalam mengetahui apakah terjadi multikolinearitas dapat dilihat
dari nilai tolerance diatas 0,1 dan nilai Variance Inflation Factor (VIF) variabel dibawah 10. Uji multikolinearitas dengan melihat nilai tolerance dan VIF menunjukkan hasil seperti pada Tabel 4.3.berikut:
Tabel 4.3.
Hasil Pengujian Multikolinearitas
Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error
Beta Tolerance VIF
(Constant) -0,064 0,026 -2,444 0,019
1 CSR 1,304 0,095 0,910 13,687 0,000 0,988 1,012 ManajemenLaba 0,000 0,003 0,010 0,148 0,883 0,988 1,012 Sumber: Hasil analisis data (2016)
Pada Tabel 4.3. menunjukkan masing-masing variabel independen memiliki nilai
tolerance yang lebih besar dari 0,1 yaitu variabel CSR dengan nilai tolerance 0,988 dan variabel manajemen laba dengan nilai tolerance 0,988. Dilihat dari nilai VIF masing-masing variabel independen memiliki nilai lebih kecil dari 10 yaitu untuk VIF CSR 1,012 ; dan VIF manajemen laba 1,012. Dengan demikian dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas. 3. Uji Autokorelasi
Uji autokorelasi digunakan untuk mengetahui ada tidaknya korelasi antara kesalahan pengganggu pada periode tertentu dengan kesalahan pengganggu periode sebelumnya.Model regresi yang baik adalah yang bebas dari autokorelasi.Uji autokorelasi dapat dilakukan dengan pengujian Durbin-Watson (DW). Hasil uji autokorelasi dapat dilihat pada Tabel 4.4.:
Tabel 4.4.
Hasil Pengujian Autokorelasi
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 0,622a 0,387 0,376 0,0582733 1,848
Sumber: Hasil analisis data (2016)
Pada Tabel 4.4. dapat diketahui bahwa nilai dari Durbin-Watson menunjukkan tidak terjadi autokorelasi, karena berada pada kisaran angka 1 sampai dengan 2. Nilai DW-statistik yang didapatkan sebesar 1,848. Dengan demikian dapat disimpulkan bahwa nilai dU<DW<4-dU atau 1,6061<1,848<2,3939. Hal ini menunjukkan tidak terjadi autokorelasi positif atau negatif pada model regresi yang digunakan.
4. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik heteroskedastisitas yaitu adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi.Metode pengujian yang digunakan adalah uji statistik Glejser. Model regresi tidak mengandung adanya heteroskedastisitas bila nilai signifikansi variabel bebasnya terhadap nilai absolute residual diatas α (0,05).
Tabel 4.5.
Hasil Pengujian Heteroskedastisitas
Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. 1 (Constant) 0,037 0,007 5,698 0,000 CSR 0,044 0,026 0,130 1,675 0,096 ManajemenLaba 0,006 0,018 0,386 0,357 0,722 Sumber: Hasil analisis data (2016)
Pada Tabel 4.5. dapat dilihat bahwa tingkat signifikansi semua variabel pada uji Glejser
diatas 5% atau 0,05 yaitu sebesar 0,096 dan 0,722. Hal ini menunjukkan bahwa tidak terjadi heteroskedastisitas.
4.2.3. Analisis Regresi Sederhana
Analisis regresi merupakan studi ketergantungan satu atau lebih veriabel bebas terhadap variabel terikat dengan maksud meramalkan nilai variabel terikat.Pada penelitian ini menggunakan regresi linier sederhana (simple regression analysis) untuk mengetahui pengaruh antara pengungkapan CSR pada kinerja keuangan yang diproksikan dengan Return on Equity
Tabel 4.6.
Hasil Analisis Regresi Linier Sederhana
Model
Unstandardized Coefficients
Standardized Coefficients
B Std. Error Beta t Sig.
1 (Constant) -0,035 0,011 -3,088 0,002
CSR 0,462 0,046 0,614 10,010 0,000
Sumber: Hasil analisis data (2016) ROE = -0,035 + 0,462 CSR + ε
Nilai konstanta sebesar -0,035 berarti bahwa jika nilai variabel bebas yaitu pengungkapan CSR (X) sama dengan nol (konstan), maka kinerja keuangan yang diproksikan dengan ROE (Y) sebesar -3,5 persen. Koefisien pengungkapan CSR (X) sebesar 0,462 berarti bahwa jika pengungkapan CSR (X) bertambah 1 kali, maka ROE (Y) akan meningkat sebesar 46,2 persen.
4.2.4. Analisis Regresi Variabel Moderating
Analisis regresi moderating atau moderasi merupakan analisis regresi linier yang digunakan untuk menganalisis model regresi yang dalam persamaannya terdapat unsur interaksi, yaitu perkalian antara dua atau lebih variabel independen. Pada penelitian ini analisis regresi moderasi digunakan untuk menguji pengaruh manajemen laba dalam memoderasi pengaruh pengungkapan CSR pada kinerja keuangan. Penyelesaian analisis regresi moderasi ini dilakukan dengan menggunakan program SPSS. Hasil dari analisis regresi moderasi dapat dilihat pada Tabel 4.7.berikut ini.
Tabel 4.7.
Hasil Analisis Regresi Moderasi
Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta T Sig. 1 (Constant) -0,038 0,012 -3,302 0,001 CSR 0,472 0,046 0,628 10,176 0,000 ManajemenLaba 0,049 0,031 1,350 1,574 0,117 CSR*ManajemenLaba -0,175 0,115 -1,304 -2,746 0,013 Sumber: Hasil analisis data (2016)
ROE = -0,038+0,472CSR+0,049ManajemenLaba – 0,175CSRManajemenLaba+ε
Nilai konstanta sebesar -0,038 memiliki arti jika nilai variabel bebas yaitu pengungkapan CSR (X) dan manajemen laba (Z) dianggap konstan, maka kinerja keuangan yang diproksikan dengan ROE (Y) adalah sebesar -3,8 persen. Koefisien pengungkapan CSR (X) dan manajemen laba (Z) sebesar -0,175 berarti bahwa jika pengungkapan CSR (X) dan manajemen laba (Z) bertambah 1 kali, maka kinerja keuangan perusahaan yang diproksikan dengan ROE (Y) akan menurun sebesar 17,5 persen.
4.2.5. Koefisien Determinasi (R2)
Koefisien korelasi R2 menunjukkan hubungan antara variabel independen dengan variabel dependen. Sedangkan penggunaan adjusted R2 (Adj. R2), atau koefisien determinasi yang telah disesuaikan untuk melihat seberapa jauh kemempuan model dalam menerangkan variasi variabel dependen bila dibandingkan dengan R2.
Berdasarkan Tabel 4.8. pada hasil pengujian autokorelasi analisis regresi linier sederhana, besarnya nilai koefisien determinasi ditunjukkan dengan nilai Adjusted R Square (R2) adalah 0,373. Hal ini berarti 37,3 persen kinerja keuangan perusahaan yang diproksikan dengan ROE pada perusahaan manufaktur di bursa efek Indonesia pada tahun 2013 – 2014 dipengaruhi oleh pengungkapan CSR dan sisanya 62,7 persen dipengaruhi oleh variabel-variabel lain di luar model regresi.
Tabel 4.8.
Hasil Pengujian Autokorelasi Analisis Regresi Linier Sederhana
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 0,562a 0,384 0,373 0,0595873 1,805
Sumber: Hasil analisis data (2016)
Berdasarkan Tabel 4.9. pada uji autokorelasi analisis regresi moderasi, besarnya nilai koefisien determinasi ditunjukkan dengan nilai Adjusted R Square (R2) adalah 0,376. Hasil ini berarti bahwa pengaruh manajemen laba pada pengungkapan CSR terhadap ROE sebesar 37,6 persen dan sisanya 62,4 persen dipengaruhi oleh variabel-variabel lain di luar model regresi.
Tabel 4.9.
Hasil Pengujian Autokorelasi Analisis Regresi Moderasi
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 0,622a 0,387 0,376 0,0582733 1,848
4.2.6. Uji Statistik Signifikansi (Uji Statistik F)
Uji F digunakan untuk menguji kelayakan model seluruh variabel bebas terhadap variabel terikat.Untuk menguji kebenaran koefisien regresi secara keseluruhan, nilai F hitung dibandingkan dengan tingkat signifikansi 5%. Berdasarkan Tabel 4.10. pada analisis regresi moderasi diperoleh nilai F sebesar 95,043 dengan signifikansi 0,000 yang nilainya lebih kecil dari 0,05. Ini menunjukkan bahwa model regresi yang terdiri dari manajemen laba, pengungkapan CSR layak digunakan untuk memprediksi ROE pada perusahaan manufaktur di bursa efek Indonesia pada tahun 2013 – 2014
Tabel 4.10
Hasil Pengujian Statistik F
Model Sum of Squares Df Mean Square F Sig. 1 Regression Residual Total 0,871 0,179 1,050 2 39 41 0,436 0,005 95,043 0,000b
Sumber: Hasil analisis data (2016)
4.2.7. Uji Statistik t
Pengujian statistik t pada dasarnya menunjukkan seberapa jauh kemampuan satu variabel independen secara individual dalam menerangkan variasi variabel dependen, dengan taraf signifikansi 0,05. Berdasarkan Tabel 4.6. pengujian pengaruh variabel CSR terhadap ROE diuji dengan nilai t dan diperoleh hasil sebesar 10,010 dengan tingkat signifikansi sebesar 0,000. Nilai signifikansi tersebut lebih rendah dari 0,05. Hal ini berarti bahwa variabel CSR memiliki
pengaruh yang positif terhadap kinerja keuangan perusahaan yang diproksikan dengan ROE dan terdukung secara signifikan.Oleh karena itu, dapat disimpulkan bahwa Hipotesis 1 diterima.
Berdasarkan Tabel 4.7. hasil uji t pengungkapan CSR dengan manajemen laba sebagai variabel pemoderasi sebesar -2,746 dengan nilai signifikansi 0,013 yang berada di bawah 0,05. Hal ini berarti bahwa variabel manajemen laba memiliki pengaruh yang negatif terhadap hubungan variabel CSR dengan ROE perusahaan dan terdukung secara signifikan.Oleh karena itu, dapat disimpulkan bahwa Hipotesis 2 diterima.