Penelitian ini menggunakan data sekunder yang diperoleh dari internet melalui sData yang digunakan merupakan data laporan auditor independen yang dipublikasikan oleh perusahaan manufaktur pada tahun 2010-2013.
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi berganda.Analisis data dimulai dengan mengolah data dengan menggunakan Microsoft Excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian menggunakan regresi berganda.Pengujian asumsi klasik dan regresi berganda digunakan dengan menggunakan software SPSS versi 18.Prosedur dimulai dengan memasukkan variabel-variabel penelitian ke program SPSS tersebut dan menghasilkan output-output sesuai metode analisis data yang ditentukan.
Teknik pengambilan sampel dilakukan dengan teknik purposive sampling berdasarkan kriteria yang telah ditetapkan, diperoleh 18 perusahaan yang memenuhi kriteria dan dijadikan sampel penelitian ini dan diamati selama periode 2010-2013, sehingga sampel amatan menjadi 18 x 4 tahun = 72 sampel. Proses pengambilan sampel dapat dilihat pada lampiran .
E. Analisis Hasil Penelitian
5. Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran mengenai nilai minimum, nilaimaksimum, nilai rata-rata, median, variance, serta standar deviasi data yangdigunakan dalam penelitian. Dimana komponen-komponen statistik deskriptifdapat dijabarkan sebagai berikut:
a. Nilai rata-rata adalah jumlah seluruh angka pada data yang dibagi denganjumlah data yang ada,
b. Median adalah nilai tengah setelah data diurutkan dari angka terkecil ke angka tertinggi.
c. Range adalah selisih dari nilai tertinggi dengan nilai terendah dalam suatukumpulan data.
d. Standard deviation adalah nilai simpangan baku. Semakin kecil nilainya,maka data yang digunakan mengelompok di sekitar nilai rata-rata,
e. Variance adalah jumlah selisih anatara data dengan rata-rata data dankemudian dibagi denngan jumlah data dikurangi 1 (n-1) atau nilai kuadratdari standard deviation.
Tabel 4.1
Statistik Deskriptif Variabel-Variabel Penelitian
Berdasarkan data dari table 4.1 dapat dijelaskan bahwa:
a. Variabel Corporate Social Responsibility yang diungkapkan (CSR) memiliki jumlah sampel (N) sebanyak 72, dengan nilai minimum 0, makimum 1, mean 0,76 dan standart deviation 0,428.
b. Variabel Nilai Perusahan memiliki jumlah sampel (N) sebanyak 72, dengan nilai minimum 1,79 nilai maximum 367,92 mean 95.8158 dan standart deviation 77.17831
c. Variabel Kualitas Audit memiliki jumlah sampel (N) sebanyak 72, dengan nilai minimum 0,00 nilai maximum 1,00 mean 0,56 dan standart deviation 0,500
d. VariabelProfitabilitas memiliki jumlah sampel (N) sebanyak 72, dengan nilai minimum 0,10, nilai maximum 51.70, mean 10.9606dan standart deviation 12.47283
e. Jumlah sampel yang digunakan adalah sebanyak 72.
Descriptive Statistics
N Range Minimum Maximum Mean Std. Deviation
CSR 72 1 0 1 .76 .428 Nilai_Perusahaa n 72 367.92 1.79 369.71 95.8158 77.17831 Kualitas_Audit 72 1 0 1 .56 .500 Profitabilitas 72 51.60 .10 51.70 10.9606 12.47283 Valid N (listwise) 72
6. Uji Asumsi Klasik e. Uji Normalitas
Pengujian normalitas data dalam penelitian ini menggunakan uji statistik non-parametrik Kolmogorov-Smirnov (K-S) dengan membuat hipotesis : H0 : Data residual berdistribusi normal
Ha : Data residual tidak berdistribusi normal
Apabila nilai signifikansinya lebih dari 0,05 maka H0 diterima sedangkan jika nilai signifikansinya labih kecil dari 0,05 maka H0 ditolak. Uji normalitas data bertujuan untuk menguji apakah variabel independen dan variabel dependen berdistribusi normal. Ada dua cara yang bisa digunakan untuk mendeteksi kenormalan residu dari model regresi. Cara pertama yaitu dengan analisis grafik dan yang kedua adalah uji statistik. Kedua cara tersebut akan digunakan dalam penelitian ini.
3) Analisis Grafik
Pada analisis grafik akan digunakan histogram dan NormalProbability Plot. Pada histogram, data distribusi nilai residu (error)menunjukkan distribusi normal apabila grafik berbentuk lonceng.
Pada Normal Probability Plot, nilai residu berdistribusi normal apabila sebaran error (berupa dot) masih berada disekitar garis diagonal.
Gambar 4.1
Uji Normalitas (1) : Histogram Sebelum Transformasi
Hasil pengolahan data menunjukkan besar nilai Kolmogorov-Smirnov adalah 3,083 dan signifikansi pada 0,000 maka disimpulkan data tidak terdistribusi secara normal karena p= 0,000 < 0,05
Gambar 4.2
Dari Uji normalitas dengan menggunakan grafik plot menunjukkan hasil yang sama dengan grafik histogram. Pada grafik plot, keliatan titik-titik menyebar di sekitar garis diagonal tetapi penyebarannya jauh dari garis diagonal sehingga disimpulkan bahwa data dalam model regresi tidak terdistribusi secara normal.Hasil uji normalitas dengan Kolmogorov-Smirnov, grafik histogram dan grafik normal plot menunjukkan data tidak terdistribusi secara normal.Oleh karena itu, penulis melakukan transformasi data ke bentuk lainnya untuk mengubah model regresi menjadi normal. Menurut Erlina (2008 : 104) ada beberapa cara yang dapat digunakan untuk mengatasi data yang outlier diantaranya :
a) Lakukan transformasi data ke bentuk lainnya. b) Lakukan trimming, yaitu membuang data outlier.
c) Lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu.
Dari ketiga cara tersebut, penulis memutuskan untuk melakukan transformasi data dengan jenis transformasi Inverse Square, agar variabel-variabel dalam penelitian ini memenuhi asumsi normalitas. Transformasi data ke dalam bentuk Inverse Square.Transformasi ini dilakukan dengan membalik nilai kuadrat, yaitu dengan rumus: 1/Square(Variabel). Selanjutnya, data diuji ulang berdasarkan asumsi normalitas. Berikut ini hasil pengujian setelah transformasi:
Gambar 4.3
Histogram (setelah data di transformasi)
Gambar 4.4
Dengan melihat tampilan histrogram yang berbentuk lonceng dan Normal Probability Plot yang menunjukkan bahwa dot tersebar disekitar garis diagonal, maka dapat disimpulkan bahwa model regresi memenuhi asumsi normalitas.
Analisis grafik bisa menimbulkan interpretasi yang berbeda antar pembaca satu dengan pembaca lainnya.Sehingga uji statistic diperlukan untuk memastikan kesalahan interpretasi pembacaangrafik tidak terjadi.
4) Uji Statistik
Salah satu pengujian statistik yang bisa dilakukan untuk memastikan bahwa error berdistribusi normal adalah dengan menggunakan uji kolmogrov-smirnov. Jika nilai signifikansi lebih besar dari 0,05 maka dapat disimpulkan bahwa error berdistribusi normal, dan sebaliknya. Hasil uji kolmogrov-smirnov dapat dilihat pada table 4.2:
Tabel 4.2
Hasil Uji Normalitas Sebelum Data Ditransformasi
Dari tabel diatas dapat terlihat bahwa nilai signifikansi variabel adalah 0,010 (lebih kecil dari 0,05). Maka dapat disimpulkan bahwa model regresitidak memenuhi asumsi normalitas.
Karena data tidak terdistribusi normal, maka peneliti melakukan perbaikan agar model regresi memenuhi asumsi normalitas.Dalam
One-Sample Kolmogorov-Smirnov Test
Profitabilitas
N 72
Normal Parametersa,b
Mean 10.9606
Std. Deviation 12.47283 Most Extreme Differences Absolute .192
Positive .190 Negative -.192
Kolmogorov-Smirnov Z 1.629
Asymp. Sig. (2-tailed) .010
a. Test distribution is Normal. b. Calculated from data.
penelitian ini peneliti melakukan transformasi data terhadap variable yang tidak terdistribusi normal.Kemudian data diuji ulang berdasarkan asumsi normalitas. Hasil uji normalitas setelah dilakukan transformasidata yang tidak normal tersebut adalah:
Tabel 4.3
Hasil Uji Normalitas Setelah Data di Transformasi
Hasil uji Kolmogorov Sminovpada tabel 4.3 menunjukkan Asymp. Sig. (2-tailed)sebesar 0,617 yanglebih besar dari signifikansi alpha yang telah ditetapkan (0,05). Dengandemikian, data pada penelitian ini terdistribusi normal dan dapatdigunakan untuk melakukan Uji-t dan Uji-F karena 0,055 > 0,05 (Haditerima).
One-Sample Kolmogorov-Smirnov Test
Profitabilitas
N 72
Normal Parametersa,b Mean 1.045985
Std. Deviation .0163833
Most Extreme Differences Absolute .089
Positive .078
Negative -.089
Kolmogorov-Smirnov Z .756
Asymp. Sig. (2-tailed) .617
a. Test distribution is Normal. b. Calculated from data.
f. Uji Multikolinearitas
Untuk melihat ada tidaknya gejala multikolinearitas, penelitimelihat besaran korelasi antar variabel independen dan besarnya tingkatkolinearitas yang masih dapat ditolerir yaitu : tolerance > 0,1 dan VIF(Variance Inflation Factor) < 10. Uji multikolinearitas dengan melihatnilai tolerance dan VIF menunjukkan hasil seperti pada tabel 4.4berikut:
Tabel 4.4 Hasil Uji Multikolinearitas
Tabel 4.4 menunjukkan bahwa penelitian ini bebas dari adanyagejala multikolinearitas.Hal ini dapat dilihat dengan membandingkan nilaitolerance dan VIF. Masing-masing variabel independen yang digunakandalam penelitian ini memiliki nilai tolerance yang lebih besar dari 0,1.Untuk CSR memiliki nilai tolerance 0,902; nilai
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) .926 .051 18.016 .000 CSR .005 .004 .134 1.272 .208 .902 1.108 Nilai_Perusahaa n .113 .046 .255 2.481 .016 .951 1.052 Kualitas_Audit -.017 .003 -.526 -5.118 .000 .948 1.055
perusahaan memiliki nilai tolerance 0,951; dan kualitas audit memiliki nilai tolerance0,948. Jika dilihat dari VIF, masing-masing variabel independen lebih kecildari 10 yaitu CSR memiliki VIF 1,108; nilai perusahaan memilikiVIF 1,052; dan kualitas audit memiliki VIF 1,055. Kesimpulan yangdiperoleh adalah tidak terjadi gejala multikolinearitas dalam variable independennya.
g. Uji Heteroskedastisisitas
Uji Heteroskedastisitas digunakan untuk menguji apakah dalam model regresi liner kesalahan pengganggu (errors) mempunyai varians yang sama atau tidak dari satu pengamatan ke pengamatan yang lain.
Pengujian heterokedatisitas di lakukan dengan Analisis grafik yaitu dengan melihat scatterplot.Apabila titik-titik (dots) menyebar dan tidak memperlihatkan sebuah pola tertentu (misalkan pola menaikkan ke kanan atas, atau pola menaik ke kiri bawah), maka dapat disimpulkan bahwa model regresi bebas dari masalah heteroskedastisitas.Pengujian heteroskedastisitas pada penelitian inimenggunakan dasar analitis sebagai berikut :
1) Jika ada pola tertentu, seperti titik-titik yang ada akan membentuk polatertentu yang teratur,maka mengindikasikan telah terjadiheteroskedastisitas.
2) Jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dandibawah angka 0 pada sumbu Y,
maka mengindikasikan tidak terjadiheteroskedastisitas.
Hasil dari uji heteroskedastisitas dapat ditunjukan pada gambar 4.5 berikut ini :
Gambar 4.5
Dari grafik scatterplot pada gambar 4.5 diatas terlihat bahwa titiktitikmenyebar secara acak baik di atas maupun di bawah angka 0 padasumbu Y tidak membentuk pola tertentu atau tidak teratur. Titik-titik yangmenyebar menjauh dari titik-titik yang lain mengindikasikan bahwa adanyadata observasi yang sangat berbeda dengan data penelitian lainnya. Makadapat di simpulkan bahwa tidak terjadi heteroskedastisitas pada modelregresi ini sehingga model ini layak untuk digunakan untuk melihatpengaruh kualitas audit, jenis opini audit, dan ukuran perusahaan terhadapProfitabilitas perusuahaan manufaktur yang terdaftar di BEIyang terdaftar di BursaEfek Indonesia.
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam modelregresi terjadi ketidaksamaan variance dari residual satu pengamatankepengamatan lainnya.Untuk mengetahui ada tidaknya heteroskedastisitasdapat dilihat dengan menggunakan uji glejser yang dapat lebih menjamin.
Tabel 4.5
Hasil Uji Heteroskedastisitas
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 8.626E-5 .000 .727 .470 CSR -4.357E-5 .000 -.080 -.645 .521 Nilai_perusahaan .001 .001 .085 .704 .484 Kualitas_Audit .000 .000 .239 1.981 .052
Pada tabel di atas dapat dilihat bahwa probabilitas signifikansinya dari hasilperhitungan menunujukkan hasil di atas 5 persen, maka model regresi yangdigunakan dalam penelitian disimpulkan tidak mengandung heteroskedatisitas.
h. Uji Autokorelasi
Pengujian autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada suatu periode dengan kesalahan pengganggu periode sebelumnya dalam model regresi.Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model regresi yang bebas dari autokorelasi.Cara yang dapat dilakukan untuk mendeteksi ada tidaknya autokorelasi adalah dengan melakukan pengujian Durbin Watson (DW). Dalam model regresi ini tidak terjadi autokorelasi apabila nilai du <dw< 4 – du.
Tabel 4.3 menyajikan hasil uji Durbin Watson dengan menggunakan program SPSS Versi 18.
Tabel 4.6
Table Uji Autokorelasi
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson dimension0 1 .566a .320 .290 .0138055 1.876
a. Predictors: (Constant), Kualitas_Audit, Nilai_Perusahaan, CSR b. Dependent Variable: Profitabilitas
Untuk menguji hasil output SPSS yang telah dilakukan terhadap uji autokorelasi, maka hasil tersebut akan disajikan dalam bentuk gambar sebagai berikut:
Gambar 4.6
Gambar Daerah Penerimaan Pada Uji Durbin_Watson
Berdasarkan tabel 4.6 di atas terlihat bahwa nilai D-W sebesar 1.876.Angka ini terletak diantara -2 dan +2, dari pengamatan ini dapat disimpulkan bahwa tidak terjadi autokorelasi positif maupun autokorelasi negatif dalam penelitian ini.Dapat dilihat bahwa pada gambar tersebut terlihat
bahwa nilai DW pada penelitian ini terletak pada zona No autocorrelation, sehingga dapat disimpulkan bahwa model regresi pada penelitian ini terbebas dari autokorelasi.
7. Analisis Regresi Linear Berganda
Pengolahan data dengan menggunakan regresi linear dilakukan dalam beberapa tahapan untuk mencari hubungan antara variabel independen dan variabel dependen, melalui pengaruh CSR, nilai perusahan, dan kualitas audit terhadap profitabilitas.
c. Persamaan Regresi
Hasil analisis regresi dapat dilihat pada : Tabel 4.7
Analisis Regresi Linear Berganda
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .926 .051 18.016 .000 CSR .005 .004 .134 1.272 .208 Nilai_Perusahaan .113 .046 .255 2.481 .016 Kualitas_Audit -.017 .003 -.526 -5.118 .000
a. Dependent Variable: Profitabilitas
Berdasarkan tabel di atas diperoleh persamaan regresi sebagai berikut : Profitabilitas = 0.926 +0,005 CSR +.113 NP − 0,17 KA + e
1) Konstanta sebesar 0.926satuan menyatakan bahwa jika tidak ada pengaruh atau perubahan X1, X2, X3, (CSR, NP dan KA) maka nilai Y (pengungkapanCSR ) nya sebesar 0.926.
2) Koefisien regresi untuk variabel X1 yaitu variabel CSRsebesar 0,005. Nilai koefisien tersebut menunjukkan bahwa CSR berpengaruh positif terhadap profitabilitas perusahaan. b1sebesar 0,005menunjukkan bahwa setiap kenaikan sebesar 1 satuan, maka akan meningkatkanProfitabilitas sebesar 0,005dengan asumsi variable lain tetap.
3) Koefisien regresi untuk variabel X2 yaitu variabel Nilai
Perusahaan sebesar 0.113.Nilai koefisien tersebut
menunjukkan bahwa Nilai Perusahaan berpengaruh positif terhadap profitabilitas perusahaan.b2 sebesar 0,113 menunjukkan bahwa setiap kenaikan sebesar 1 satuan, maka akan meningkatkan Profitabilitassebesar 0,113 dengan asumsi variable lain tetap.
4) Koefisien regresi untuk variabel X3 yaitu variabel Kualitas Auditsebesar 0.037. Nilai koefisien tersebut menunjukkan bahwa biaya Kualitas Audit berpengaruh negatif terhadap profitabilitasperusahaan. b3 sebesar-0,017 menunjukkan bahwa setiap kenaikan sebesar 1 satuan, maka akan
menurunkanProfitabilitassebesar 0,017 dengan asumsi variable lain tetap.
d. Analisis Koofisien Korelasi dan Koofisien Determinasi
Untuk menguji hipotesis, Peneliti menggunakan analisis regresi berganda.Nilai koefisien korelasi (R) menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen. Koefisien korelasi dikatakan kuat jika nilai R berada di atas 0,5 dan mendekati 1.
Koefisien determinasi (R square) menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah nol sampaidengan satu. Apabila nilai R square semakin mendekati satu, maka variabel-variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen, dan sebaliknya. Nilai R square memiliki kelemahan, yaitu nilai R square akan meningkat setiap ada penambahan satu variabel independen meskipun variabel independen tersebut tidak berpengaruh signifikan terhadap variabel dependen.
Tabel 4.8
Analisis Koofisien Korelasi dan Koofisien Determinasi
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson dimension0 1 .566a .320 .290 .0138055 1.876
a. Predictors: (Constant), Kualitas_Audit, Nilai_Perusahaan, CSR b. Dependent Variable: Profitabilitas
Tabel 4.14 menunjukkan bahwa nilai koefisien korelasi (R) sebesar 0.566yang berarti bahwa korelasi antara variabel dependen dengan variabel-variabel independennya adalah kuat dengan didasarkan pada nilai R yang berada di atas 0,5. Nilai Adjusted R Square atau koefisien determinasi adalah sebesar 0,290. Angka ini menunjukkan bahwa ketiga variabel independen dalam penelitian yaitu corporate social responsibility, nilai perusahaan, dan kualitas audit dapat menjelaskan 29,0% dari jumlah informasi yang diungkapkan, sedangkan sisanya sebesar 71% dijelaskan oleh sebab-sebab lain.
8. Pengujian Hipotesis
Pengujian hipotesis dilakukan untuk mengetahui pengaruh variable independen terhadap variabel dependen.Pengujian hipotesis secara statistik dilakukan dengan menggunakan analisis uji parsial (t-test) dan uji simultan (Ftest).
Uji t digunakan untuk mengetahui apakah variabel independen mempengaruhi variabel dependen secara parsial.Untuk menguji apakah hipotesis yang diajukan diterima atau ditolak digunkan statistik t (uji t).Jika t hitung < t tabel, maka H0 diterima atau Ha ditolak, sedangkan jika t hitung > t tabel, maka H0 ditolak dan Ha diterima. Jika tingkat signifikansi di bawah 0,05 maka H0 ditolak dan Ha diterima. Uji t dilakukan untuk menguji signifikansi konstanta dan setiap variabel independennya. Berdasarkan hasil pengolahan SPSS versi 18, diperoleh hasil seperti pada tabel 4,9 :
Tabel 4.9 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std.
Error Beta Tolerance VIF
1 (Constant) .926 .051 18.016 .000
Hasil Uji t
H1 :Corporate Social Responsibility (X1) berpengaruh terhadap profitabilitas(Y)pada perusahaan manufakturyang terdaftar diBEI.
Nilai t hitung variabel kualitas audit diperoleh sebesar 1,272dan nilaisignifikansi sebesar 0,208. Data t tabel df = jumlah sampel – jumlahvariabel yaitu 72-3 maka df = 69 pada tingkat signifikansi 5 %, makanilai t tabel adalah 1,9949. Nilai t hitung lebih kecil dari nilai t tableyang telah ditetapkan atau 1,272 <1,9949 dan nilai signifikansi untukuji t yang diperoleh sebesar 0,169 lebih besar dari tingkat signifikansialpha yang telah ditetapkan dibawah 5% (<0,05).
Maka dapat disimpulkan bahwa variabel corporate social responsibility berpengaruh secara negatif dan tidak signifikan terhadap profitabilitas pada perusahaan manufaktur yang terdaftar di BEI. Artinya, jika ditingkatkan variabel corporate social responsibility sebesar satu satuan maka profitabilitas (Y) akan meningkat sebesar 0,005 satuan.
H2 :Nilai perusahaan ( X2) berpengaruh terhadap profitabilitas(Y)pada perusahaan manufaktur yang terdaftar diBEI.
Nilai t hitung variabel kualitas audit diperoleh sebesar 2.481 dan nilaisignifikansi sebesar 0,016. Data t tabel df = jumlah sampel –
Nilai_Perusaha an
.113 .046 .255 2.481 .016 .951 1.052
Kualitas_Audit -.017 .003 -.526 -5.118 .000 .948 1.055
jumlahvariabel yaitu 72-3 maka df = 69 pada tingkat signifikansi 5 %, makanilai t tabel adalah 1,9949. Nilai t hitung lebih kecil dari nilai t tableyang telah ditetapkan atau 2,481 >1,9949 dan nilai signifikansi untukuji t yang diperoleh sebesar 0,016 lebih kecil dari tingkat signifikansialpha yang telah ditetapkan dibawah 5% (<0,05).
Maka dapat disimpulkan bahwa variable nilai perusahaan berpengaruh secara positif dan signifikan terhadap profitabilitaspada perusahaan manufaktur yang terdaftar di BEI. Artinya, jika ditingkatkan variabel nilai perusahaan sebesar satu satuan maka profitabilitas (Y) akan meningkat sebesar 0,113 satuan
H3 : Kualitas audit (X3) berpengaruh terhadap profitabilitas(Y) pada perusahaan manufaktur yang terdaftar diBEI.
Nilai t hitung variabel kualitas audit diperoleh sebesar -5.118dan nilaisignifikansi sebesar 0,000. Data t tabel df = jumlah sampel – jumlahvariabel yaitu 72-3 maka df = 69 pada tingkat signifikansi 5 %, makanilai t tabel adalah 1,9949. Nilai t hitung lebih kecil dari nilai t tableyang telah ditetapkan atau -5.118< 1,9949 dan nilai signifikansi untukuji t yang diperoleh sebesar 0,00 lebih kecil dari tingkat signifikansialpha yang telah ditetapkan dibawah 5% (< 0,05).
Maka dapat disimpulkan bahwa variabel kualitas audit berpengaruh secara negatif dan signifikan terhadap profitabilitas pada perusahaan manufaktur yang terdaftar di BEI. Artinya, jika ditingkatkan variabel
kualitas auditsebesar satu satuan maka profitabilitas (Y) akan meningkat sebesar -0,17 satuan
d. Uji Signifikansi Secara Serempak (Uji-F)
Uji-F dilakukan untuk mengetahui ada tidaknya pengaruh semua variabel bebas secara serentak terhadap variabel terikat. Uji-F dapat dilakukan dengan melihat nilai F hitung dari output SPSS 18.0 dan juga membandingkan hasil dari probability value. Jika F hitung > F tabel dan probability value dalam kolom sig < dari 0,05 maka dapat disimpulkan H1 diterima.
Tabel 4.10 Uji-F
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression .006 3 .002 10.663 .000a
Residual .013 68 .000
Total .019 71
a. Predictors: (Constant), Kualitas_Audit, Nilai_Perusahaan, CSR
H4 : Corporate Social Responsibility ( X1 ), Nilai Perusahaan ( X2 ), dan Kualitas audit( X3)berpengaruh secara bersama-sama terhadap profitabilitas ( Y ) pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.
Hasil uji F di atas mengungkapkan bahwa nilai F hitung adalah 10,663 dengan tingkat signifikansi 0,000.Jumlah pengamatan sebanyak 72 (n=72), variabel penelitian berjumlah 3 (k=3), maka dapat ditentukan F tabel dengan menggunakan derajat penyebut (df1) = k-1 dan derajat pembilang (df2) = n-k. Maka diperoleh df1 = 3 dan df2 = 72, sehingga nilai F-tabel adalah 2,73.
Oleh karena pada kedua perhitungan yaitu F hitung > F tabel dan tingkat signifikansinya (0,000 < 0,05), menunjukkan bahwa variabel independen (Corporate social responsibility, nilai perusahaan dan kualitas audit berpengaruh secara bersama-sama berpengaruh signifikan terhadap profitabilitas).
F. Pembahasan Hasil Penelitian Hasil penelitian ini menunjukkan bahwa:
1. Secara parsialcorporate social responsibility (X1)berpengaruh secara negatif dan tidak signifikan terhadap profitabilitas (Y) pada perusahaan manufaktur yang terdaftar di BEI.Hal ini dapat dilihat dari t-test pada tabel 4.6, dimana nilai t hitung variabel Corporate social responsibility diperoleh sebesar 1,272 dan nilai signifikansiya sebesar 0, 208.
Namun hasil penelitian ini tidak sejalan dengan penelitian Dewa Sancahya Nistantaya (2010) dimana hasil penelitian menunjukkan bahwa Corporate social responsibility yang diproksikan dengan ROA berpengaruh terhadap profitabilitas. Hal ini tidak sesuai dengan logika teori yang
dipaparkan , dimana perusahaan yang memiliki mengungkapkan corporate social responsibility secara lengkap akan memiliki profitabilitas tinggi.
2. Secara parsial nilai perusahaan (X2)berpengaruh secara positif dan signifikan terhadap profitabilitas (Y) pada perusahaan manufaktur yang terdaftar di BEI. Hal ini dapat dilihat dari t-test pada tabel 4.6, nilai t hitung variable Nilai perusahaan 2.481 dan nilai signifikansinya sebesar 0,016.
3. Secara parsial kualitas audit (X3) tidak berpengaruh secara negative dan signifikan terhadap profitabilitas (Y) pada perusahaan manufaktur yang terdaftar di BEI. Hal ini dapat dilihat dari t-test pada t4.6, dimana nilai t hitung variabel kualitas audit diperoleh sebesar-5.118dan nilai signifikansinya sebesar 0,000.
4. Berdasarkan Uji F, secara simultan corporate social responsibility (X1), nilai perusahaan(X2 ), dan kualitas audit (X3) berpengaruh secara simultanterhadap profitabilitas (Y) pada perusahaan manufaktur yang terdaftar di BEI. Uji F pada tabel 4.7 diperoleh nilai F sebesar10.663 dan nilai signifikan sebesar 0,000 yaitu lebih kecil dari 0,05.
BAB V
KESIMPULAN DAN SARAN