1. Uji Asumsi Klasik
Uji asumsi klasik bertujuan untuk memenuhi persyaratan dalam melakukan analisis regresi linear berganda. Persyaratan tersebut terdiri dari uji normalitas, multikolinearitas, heteroskedastisitas dan autokorelasi. Berikut hasil masing-masing dari uji asumsi klasik di dalam penelitian ini:
a. Uji Normalitas
Uji normalitas data dilakukan untuk mengetahui apakah dalam model regresi, data yang digunakan berdistribusi normal atau tidak. Pengujian ini dilakukan dengan uji One-Sample Kolmogorov-Smirnov. Berikut ini adalah hasil uji normalitas di dalam penelitian ini :
Tabel 4.4
Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov (K-S) Unstandardized
Residual
N 111
Normal Parametersa,b Mean ,0000000
Std. Deviation ,19547871 Most Extreme Differences Absolute ,079 Positive ,067 Negative -,079 Test Statistic ,079
Asymp. Sig. (2-tailed) ,086c
a. Test distribution is Normal. b. Calculated from data.
48
c. Lilliefors Significance Correction.
Sumber : Hasil olah data dengan SPSS, 2019
Berdasarkan Tabel 4.4 mengenai hasil uji normalitas menggunakan uji One-Sample Kolmogorov-Smirnov, menghasilkan nilai signifikansi (Asymp. Sig. (2-tailed)) sebesar 0,086 yang nilainya lebih besar dari 0,05 (0,086 - 0,05). Dengan demikian dapat disimpulkan bahwa data dalam penelitian ini telah terdistribusi dengan normal.
b. Uji Multikolinearitas
Uji multikolonieritas dilakukan untuk menguji apakah terdapat korelasi antar variabel independen. Uji multikolonieritas ini dilihat dari nilai tolerance (T) dan variance inflation factor (VIF). Berikut ini adalah tabel hasil pengujian uji multikolinearitas dalam penelitian ini :
Tabel 4.5
Hasil Uji Multikolinearitas
Model
Collinearity Statistics Tolerance VIF
1 Ukuran Perusahaan ,972 1,029
Tipe Industri ,972 1,029
a. Dependent Variable: Pengungkapan laporan tanggung jawab sosial Sumber : Hasil olah data dengan SPSS, 2019
Berdasarkan Tabel 4.5 mengenai hasil uji multikolonieritas di atas, terlihat bahwa variabel ukuran perusahaan (X1) memiliki nilai tolerance (T) sebesar 0,972 dan variance inflation factor (VIF) sebesar 1,029 dan variabel tipe industri (X2) juga memiliki nilai tolerance (T) sebesar 0,972 dan variance inflation factor (VIF) sebesar 1,029. Hal tersebut
49
menunjukkan tidak ada variabel independen yang memiliki nilai tolerance (T) kurang dari 0,10 dan tidak ada variabel independen yang memiliki nilai variance inflation factor (VIF) lebih dari 10. Berdasarkan hasil uji multikolonieritas tersebut maka dapat disimpulkan bahwa dalam model persamaan regresi penelitian ini tidak terdapat masalah multikolonieritas dan model persamaan regresi dapat digunakan pada penelitian ini.
c. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk mengetahui ada atau tidaknya penyimpangan atau ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Peneliti menggunakan uji Glejser untuk mendeteksi ada tidaknya masalah heteroskedastisitas. Tabel 4.6 menunjukkan hasil dari uji heteroskedastisitas dalam penelitian ini:
Tabel 4.6
Hasil Uji Heteroskedastisitas Glejser Coefficients Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) ,310 ,082 3,781 ,000 Ukuran Perusahaan -,005 ,003 -,155 -1,643 ,103 Tipe Industri -,043 ,022 -,183 -1,941 ,055 a. Dependent Variable: Res2
50
Berdasarkan Tabel 4.6 di atas, terlihat bahwa variabel ukuran perusahaan (X1) mempunyai nilai signifikansi sebesar 0,103 dan variabel tipe industri (X2) mempunyai nilai signifikansi sebesar 0,055. Nilai signifikansi pada kedua variabel independen menunjukkan nilai yang lebih besar dari α = 0,05 (Sig. - 0,05). Sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi sehingga memenuhi syarat pengujian regresi linear berganda.
2. Uji Hipotesis
a. Persamaan Regresi Linear Berganda
Berdasarkan hasil dari uji asumsi klasik yang sudah dilakukan dapat disimpulkan bahwa model regresi yang digunakan berdistribusi normal serta tidak terjadi heterokedastisitas, dan multikolinearitas. sehingga analisis regresi berganda dapat dilakukan. Tujuan analisis regresi berganda adalah untuk memperkirakan perubahan respon pada variabel dependen terhadap beberapa variabel independen. Hasil analisis regresi berganda disajikan dalam tabel berikut:
51
Tabel 4.7
Hasil Uji Regresi Berganda Coefficientsa\ Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -,018 ,140 -,131 ,896 Ukuran Perusahaan ,015 ,005 ,234 3,003 ,003 Tipe Industri ,253 ,038 ,517 6,639 ,000 a. Dependent Variable: Pengungkapan laporan tanggung jawab sosial Sumber : Hasil olah data dengan SPSS, 2019
Berdasarkan Tabel 4.7 di atas maka model persamaan regresi linear berganda yaitu sebagai berikut:
Y = -0,018 + 0,015X1 + 0,253X2 + e
Berdasarkan persamaan regresi linear berganda di atas dapat diinterpretasikan sebagai berikut:
1) Variabel ukuran perusahaan (X1) memiliki koefisien regresi sebesar 0,015. Nilai koefisien regresi positif menunjukkan bahwa jika setiap kenaikan satu satuan variabel ukuran perusahaan (X1), dengan asumsi variabel lain tetap maka akan menaikan pengungkapan laporan tanggung jawab sosial sebesar 0,015.
2) Variabel tipe industri (X2) memiliki koefisien regresi sebesar 0,253. Nilai koefisien regresi positif menunjukkan bahwa jika perusahaan tergolong dalam industri high profile, dengan asumsi variabel lain
52
tetap maka akan meningkatkan pengungkapan laporan tanggung jawab sosial sebesar 0,253.
b. Uji t (Hipotesis Parsial)
Uji t bertujuan untuk mengetahui pengaruh variabel independen yang terdiri dari ukuran perusahaan (X1) dan tipe industri (X2) secara parsial atau masing-masing terhadap pengungkapan laporan tanggung jawab sosial (Y). Uji t dilakukan pada tingkat signifikasi 0,05. Apabila nilai signifikansi uji t lebih besar dari 0,05 maka H0 diterima dan Ha ditolak, sebaliknya jika nilai signifikansi uji t lebih kecil daripada 0,05 maka H0 ditolak dan Ha diterima. Berdasarkan data olahan hasil SPSS di dapat sebagai berikut:
Tabel 4.8
Hasil Uji Hipotesis Parsial (Uji t) Coefficients Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -,018 ,140 -,131 ,896 Ukuran Perusahaan ,015 ,005 ,234 3,003 ,003 Tipe Industri ,253 ,038 ,517 6,639 ,000 a. Dependent Variable: Pengungkapan laporan tanggung jawab sosial Sumber : Hasil olah data dengan SPSS, 2019
Berdasarkan Tabel 4.8 mengenai hasil uji t menunjukkan bahwa dari kedua variabel independen yang dimasukkan ke dalam model regresi, keduanya berpengaruh signifikan terhadap pengungkapan laporan
53
tanggung jawab sosial. Berikut ini akan dijelaskan mengenai uji t pada Tabel 4.8 yaitu sebagai berikut:
1) Pengaruh Ukuran Perusahaan terhadap Pengungkapan Laporan Tanggung jawab Sosial
Berdasarkan Tabel 4.7 di atas, diketahui variabel ukuran perusahaan memiliki nilai t-hitung sebesar 3,003 dengan nilai signifikasi 0,003. Nilai signifikasi tersebut menunjukkan nilai yang lebih kecil dari 0,05 (0,003 - 0,05) yang berarti ukuran perusahaan berpengaruh signifikan terhadap pengungkapan laporan tanggung jawab sosial sehingga hipotesis pertama yang menyatakan “Ukuran perusahaan berpengaruh positif signifikan terhadap pengungkapan laporan tanggung jawab sosial” diterima.
2) Pengaruh Tipe Industri terhadap Pengungkapan Laporan Tanggung jawab Sosial
Berdasarkan Tabel 4.8 di atas, diketahui variabel tipe industri memiliki nilai t-hitung sebesar 6,639 dengan nilai signifikasi 0,000. Nilai signifikasi tersebut menunjukkan nilai yang lebih kecil dari 0,05 (0,000 - 0,05) yang berarti tipe industri berpengaruh signifikan terhadap pengungkapan laporan tanggung jawab sosial sehingga hipotesis kedua yang menyatakan “Tipe Industri berpengaruh signifikan terhadap pengungkapan laporan tanggung jawab sosial” diterima.
54
c. Uji F (Hipotesis Simultan)
Uji F bertujuan untuk mengetahui adanya pengaruh variabel independen yang terdiri dari ukuran perusahaan (X1) dan tipe industri (X2) secara simultan terhadap pengungkapan laporan tanggung jawab sosial (Y). Uji F dilakukan pada tingkat signifikasi 0,05. Apabila nilai signifikansi uji F lebih besar dari 0,05 maka H0 diterima dan Ha ditolak, sebaliknya jika nilai signifikansi uji F lebih kecil daripada 0,05 maka H0 ditolak dan Ha diterima. Berikut ini merupakan hasil uji signifikasi simultan (uji statistik F):
Tabel 4.9
Hasil Uji Hipotesis Simultan (Uji Statistik F) ANOVAa
Model Sum of Squares df Mean Square F Sig. 1 Regression 2,392 2 1,196 30,730 ,000b
Residual 4,203 108 ,039
Total 6,595 110
a. Dependent Variable: Pengungkapan Laporan tanggung jawab sosial b. Predictors: (Constant), Tipe Industri, Ukuran Perusahaan
Sumber : Hasil olah data dengan SPSS, 2019
Berdasarkan Tabel 4.9 mengenai hasil uji F dapat diketahui bahwa nilai F-hitung sebesar 30,730 dengan nilai signifikansi 0,000. Karena nilai signifikansi tersebut lebih kecil dari 0,05 (0,000 - 0,05) maka model persamaan regresi ini dapat digunakan untuk memprediksi pengungkapan pengungkapan laporan tanggung jawab sosial atau dapat dikatakan bahwa ukuran perusahaan dan tipe industri secara
55
sama atau simultan berpengaruh signifikan terhadap pengungkapan laporan tanggung jawab sosial.
d. Uji Koefisien Determinasi (Adjusted R2)
Uji koefisien determinasi (R-Square) merupakan pengujian yang dilakukan untuk mengetahui seberapa besar variabel independen mampu menjelaskan dan mempengaruhi variabel dependen. Berikut ini merupakan hasil uji determinasi:
Tabel 4.10
Hasil Uji Koefisien Determinasi (R2) Model Summary
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 ,602 ,363 ,351 ,19728
Sumber : Hasil olah data dengan SPSS, 2019
Berdasarkan Tabel 4.9 mengenai hasil uji koefisien determinasi (R2) besarnya nilai R-square adalah 0,363. Hal ini berarti 36,3% variabel pengungkapan laporan tanggung jawab sosial dipengaruhi oleh kedua variabel independen, yaitu ukuran perusahaan dan tipe industri. Sedangkan sisanya yaitu 63,7% (100% - 36,3%) dipengaruhi oleh variabel-variabel lain yang tidak dijelaskan dalam penelitian ini.
56
BAB V PEMBAHASAN
A. Pengaruh Ukuran Perusahaan Terhadap Pengungkapan Laporan Tanggung