HASIL PENELITIAN DAN PEMBAHASAN
4.1 Hasil penelitian
4.1.2 Deskripsi hasil penelitian
Variabel independen dalam penelitian ini adalah profitabilitas, likuiditas dan leverage. Sedangkan variabel terikatnya adalah Islamic Social Reporting (ISR). Adapun statistik deskriptif pada
variabel-62
variabel yang digunakan dalam riset ini disajikan dalam tabel berikut ini:
Tabel 4. 2
Hasil Statistik Deskriptif Descriptive Statistics
N Minimum Maximum Mean Std.
Deviation Profitabilitas 60 0,01 0,77 0,1705 0,17490
Likuiditas 60 0,60 4,60 1,8123 0,98957 Leverage 60 0,12 0,75 0,4452 0,14562
ISR 60 0,45 0,79 0,6218 0,08300
Valid N (listwise)
60
Sumber: data sekunder diolah, 2021
Berdasarkan tabel diatas dapat dilihat bahwa variabel profitabilitas memiliki nilai minimum sebesar 0,01 yang terdapat pada PT. Vale Indonesia Tbk (2017) dan PT. Bumi Serpong Damai Tbk (2018) sedangkan nilai maksimum sebesar 0,77 yang terdapat pada PT.
Indofood Sukses Makmur Tbk. (2018) sedangkan nilai rata-rata dalam variabel profitabilitas yaitu 0,1705.
Sedangkan variabel likuiditas memiliki nilai minimum sebesar 0,60 yang terdapat pada PT. Unilever Indonesia Tbk (2016) dan nilai maksimumnya sebesar 4,60 terdapat pada PT. Vale Indonesia Tbk.
(2017) adapun nilai rata-ratanya yaitu sebesar 1,8123.
Dan variabel leverage memiliki nilai minimum sebesar 0,12 terdapat pada PT. Vale Indonesia Tbk. (2019) sedangkan nilai maksimumnya sebesar 0,75 terdapat pada PT. Bumi Serpong Damai Tbk (2019) dan nilai rata-rata pada variabel leverage sebesar 0,4452.
Dan yang terakhir yaitu variabel ISR memiliki nilai minimum sebesar 0,45 terdapat pada PT. Unilever Indonesia Tbk (2018) dan nilai maksimumnya sebesar 0,79 terdapat pada PT. Semen Indonesia (persero) Tbk. (2017). Dan nilai rata-ratanya yaitu 0,6218.
63 4.1.3 Analisis Data
1. Uji Asumsi Klasik
Dalam riset ini uji asumsi klasik dilakukan untuk mengenali kelayakan model regresi. Uji asumsi klasik yang digunakan dalam riset ini meliputi uji normalitas, uji multikolinearitas, uji autokorelasi, serta yang terakhir ialah uji heteroskedastisitas.
a. Uji Normalitas
Tujuan dari uji normalitas yakni sebagai riset apakah model regresi, variabel pengganggu ataupun residual mempunyai distribusi wajar ataupun tidak. Dalam riset ini uji normalitas mempunyai dasar pengambilan keputusan selaku berikut:
1. Apabila nilai probabilitas (Asymp.sig) < 0,05 maka distribusi dinyatakan tidak normal.
2. Apabila nilai probabilitas (Asymp.sig) > 0,05 maka distribusi dinyatakan normal.
Tabel 4. 3
Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
a Test distribution is Normal.
b Calculated from data.
Sumber: data sekunder diolah, 2021
Unstandardize d Residual
N 60
Normal Parametersa,b
Mean 0,0000000
Std. Deviation 0,07679885
Most Extreme Differences
Absolute 0,080
Positive 0,067
Negative -0,080
Kolmogorov-Smirnov Z 0,621
Asymp. Sig. (2-tailed) 0,835
64
Berdasarkan tabel diatas dapat diketahui bahwa hasil pengujian uji normalitas One-Sample Kolmogorov-Smirnov Test bagian Asymp. Sig. menunjukkan angka 0,835 yang menunjukkan bahwa nilai tersebut lebih besar dari 0,05 maka dapat di tarik kesimpulan bahwa nilai residual berdistribusi normal atau sesuai dengan syarat pengujian normal.
Sedangkan hasil uji normalitas melalui uji histogram dan normal probability plot dijabarkan sebagai berikut:
65 Gambar 4. 1
Hasil Uji Normalitas-Histogram
Regression Standardized Residual
2 1
0 -1
-2 -3
Frequency
12.5
10.0
7.5
5.0
2.5
0.0
Histogram
Dependent Variable: Islamic Social Reporting (Y)
Mean =-3.92E-16 Std. Dev. =0.974
N =60
66 Gambar 4. 2
Hasil Uji Normalitas-Normal Probability
Berdasarkan grafik histogram diatas dapat dilihat bahwa residual memiliki distribusi yang normal yang berarti tidak melenceng kekiri ataupun ke kanan. Sedangkan grafik normal probability plot menunjukkan titik – titik menyebar disekitar daerah diagonal kemudian mengikuti arah diagonal, maka model residu sesuai dengan syarat asumsi normalitas dan dapat di simpulkan bahwa data tersebut diatas normal sehingga bisa dilakukan regresi dengan model linear berganda.
a. Uji Multikolinearitas
Tujuan dari uji multikolinearitas adalah untuk menguji apakah terdapat korelasi antara varibel-variabel bebas. Guna mengetahui apakah terdapat multikolinearitas dalam model regresi,hal tersebut dapat dilihat dari tolerance value dan
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Expected Cum Prob
1.0
0.8
0.6
0.4
0.2
0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Islamic Social Reporting (Y)
67
Variance Inflation Factor (VIF). Asumsi dasar pengambilan keputusan dari uji multikolinearitas adalah sbagai berikut : 1. Apabila nilai tolerance > 0,10 dan nilai VIF < 10,00 maka
dapat disimpulkan bahwa tidak ada multikolinearitas antar variable independen dalam model regresi.
2. Apabila nilai tolerance < 0,10 dan VIF > 10,00 maka dapat disimpulkan bahwa ada multikolinearitas antar variable independen dalam model regresi.
Tabel 4. 4
Hasil Uji Multikolinearitas
Coefficientsa
Collinearity Statistics
Model Tolerance VIF
Profitabilitas (X1) 0,613 1,632
Likuiditas (X2) 0,465 2,153
Leverage (X3) 0,416 2,401
a Dependent Variable: Islamic Social Reporting (Y) Sumber: data sekunder diolah, 2021
Berdasarkan tabel diatas maka dapat diperoleh nilai tolerance pada semua variabel bebas dengan model profitabilitas likuiditas dan leverage lebih besar dari 0,10 kemudian nilai VIF dalam tabel diatas pada semua variabel independen yaitu menunjukkan nilai lebih kecil dari 10,00 maka dapat disimpulkan bahwa semua variabel independen yang terdiri dari profitabilitas likuiditas dan leverage tidak terdapat gejala multikolinieritas.
b. Uji autokorelasi
Uji Autokorelasi dalam penelitian ini menggunakan uji Durbin Watson yang bertujuan untuk mengetahui apakah dalam penelitian ini terdapat autokorealitas. Uji Durbin Watson dapat diketahui melalui hasil uji regresi berganda. Uji perhitungan
68
Durbin Watson dapat diperoleh dengan menggunakan regresi yang dijabarkan seperti pada tabel 4.5 berikut ini :
Tabel 4. 5
Hasil Uji Autokorelasi
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of
the Estimate Durbin-Watson
1 0,668a 0,446 0,417 0,04709 2,107
a Predictors: (Constant), Leverage (X3), Profitabilitas (X1), Likuiditas (X2) b Dependent Variable: Islamic Social Reporting (Y)
Sumber: data sekunder diolah, 2021
Dari hasil output SPSS diatas telah menghasilkan nilai Durbin Watson sebesar 2,107. selanjutnya berdasarkan tabel Durbin Watson dibandingkan dengan nilai dU (1,6889) lebih kecil dari nilai DW (2,107) dan lebih kecil dari 4-dU(2,3111), maka asumsi tidak terjadi autokorelasi terpenuhi.
c. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah terjadi perbedaan varian dari residual satu penelitian ke penelitian lain di dalam model regresi. Jika varian residual antara penelitian satu ke penelitian yang lain tetap, maka disebut Homokedastisitas dan jika berbeda disebut heteroskedastisitas.
Untuk mengetahui terjadinya heteroskedastisitas dapat dilakukan dengan menggunakan uji Gletser. Hasil uji heteroskedastisitas dapat diketahui pada tabel berikut ini:
69
Tabel 4. 6
Hasil Uji Heteroskedastisitas
Coefficientsa Unstandardized
Coefficients
Standardized Coefficients
Model B Std.
Error
Beta t Sig.
1
(Constant) 0,025 0,039 0,640 0,525
Profitabilitas (X1) 0,074 0,043 0,277 1,721 0,091 Likuiditas (X2) 0,003 0,009 0,057 0,310 0,757 Leverage (X3) 0,041 0,062 0,127 0,652 0,517 a Dependent Variable: RES2
Sumber: data sekunder diolah, 2021
Berdasarkan hasil output SPSS diatas dapat ditarik kesimpulan bahwa variabel yang diuji tidak mengalami heteroskedastisitas, dikarenakan nilai signifikansinya lebih besar dari 0,05. Yang berarti tidak mengalami korelasi antara besarnya data dengan residual, sehingga apabila nilai data diperbesar maka tidak menyebabkan residual atau kesalahan yang semakin besar pula.
Sedangkan uji scatterplot aka dijabarkan sebagai berikut:
70 Gambar 4. 3
Hasil Uji Heteroskedastisitas-Scatterplot
Dari hasil uji scatter plots dapat dilihat bahwa data diatas tidak menghasilkan pola tertentu dan titik menyebar secara menyeluruh diatas dan di bawah titik 0 pada sumbu Y. Maka dari itu dapat disimpulkan bahwa model regresi bebas dari Heteroskedastisitas.