BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Hasil Penelitian
4.1.1 Analisis Statistik Deskriptif
Statistik deskriptif digunakan untuk menggambarkan variabel-variabel dalam penelitian ini. Alat analisis yang digunakan adalah rata-rata, maksimal, minimal dan standar deviasi untuk mendeskripsikan variabel penelitian. Analisis statistik deskriptif penelitian ini disajikan dalam tabel dibawah ini :
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
CSR 38 .5714 1.0000 .796992 .1354512 ROA 38 -.0836 .4604 .091005 .1140724 SIZE 38 16.3812 22.6242 19.830270 1.5843140 LEV 38 .1076 7.8666 1.174448 1.3936261 SKP 38 .0000 1.0000 .526316 .5060094 Valid N (listwise) 38
Sumber : SPSS 16, Data diolah 2014
Berikut ini adalah perincian deskriptif dari data yang telah diolah:
1. Variabel CSR memiliki nilai minimum kriteria pengungkapan tanggung jawab sosial perusahaan sebesar 0,5714 atau 57% karena hanya memenuhi empat kriteria, nilai maksimum kriteria pengungkapan tanggung jawab sosial perusahaan sebesar 1,0000 yang berarti 100% memenuhi ketujuh kriteria tanggung jawab sosial persuahaan. Mean sebesar 79% dan
2. Variabel ROA memiliki nilai minimum dalam kemampuan perusahaan dalam menghasilkan laba sebesar -8%, nilai maksimum perusahaan dalam menghasilkan laba adalah sebesar 46%, mean sebesar 9% dan standard deviation sebesar 0,1140724 dengan jumlah sampel 38.
3. Variabel SIZE memiliki nilai minimum total aktiva ukuran suatu perusahaan sebesar $16.381, nilai maksimum ukuran suatu perusahaan sebesar $22.624, mean sebesar $1.983 dan standard deviation sebesar 1,5843140 dengan jumlah sampel 38.
4. Variabel LEV memiliki arti tingkat ketergantungan perusahaan terhadap hutang dalam membiayai kegiatan operasinya. Nilai minimum ketergantungan perusahaan terhadap hutang dari sampel perusahaan adalah sebesar 10%, sedangkan nilai maksimumnya sebesar 786%, mean sebesar 117% dan standard deviation sebesar 1,3936261 dengan jumlah sampel 38.
5. Variabel SKP memiliki nilai minimum sebesar 0 yang menyatakan bahwa struktur kepemilikan perusahaan memusat atau tidak terdispersi, dan nilai maksimum sebesar 1 yang berarti struktur kepemilikan perusahaan tersebut menyebar atau terdispersi, mean sebesar 0,526316 dan standard deviation sebesar 0,5060094 dengan jumlah sampel 38.
4.1.2 Uji Asumsi Klasik
Pengujian yang dilakukan adalah uji normalitas, uji multikolineritas, uji autokorelasi, dan uji heteroskedastisitas.
4.1.2.1 Uji Normalitas
Ada dua cara untuk mendeteksi apakah distribusi data normal atau tidak, yaitu dengan analisis grafik dan uji statistik.
A. Analisis Grafik
Analisis grafik dapat dilihat dengan menggunakan grafik histogram dan grafik normal probability plot. Dalam grafik histogram. Distribusi data normal ditunjukkan oleh gambar kurva atau histogram yang tidak menceng ke kiri atau menceng ke kanan. Sedangkan pengujian menggunakan normalitas menggunakan P-P Plot, dengan kriteria, apabila titik-titik pada P-P Plot berada pada garis diagonal dan mengikuti arah diagonal, maka dapat dinyatakan bahwa distribusi data berasal dari populasi yang terdistribusi normal.
Sumber: SPSS 16, Data diolah 2014
Sumber: SPSS 16, Data diolah 2014
Gambar 4.2 Grafik Normal Probability Plot B. Uji Statistik (One-Sample Kolmogorov-Smirnov Test)
Untuk mendeteksi normalitas data, dapat pula dilakukan melalui analisis
One-Sample Kolmogorov-Smirnov Test (K-S). Dasar untuk pengambilan keputusan dalam uji K-S adalah sebagai berikut:
a. Apabila probabilitas nilai Z uji K-S signifikan secara statistik ditolak, yang berarti data terdistribusi tidak normal.
b. Apabila probabilitas nilai Z uji K-S tidak signifikan secara statistik diterima, maka berarti data terdistribusi secara normal.
Unstandardized Residual N 38 .0000000 38 .0000000 .13529400 .214 .214 -.141 1.316 .063 38 .0000000 .11747781 .097 .097 -.069 .599 .865 38 .0000000 .13516857 .202 .202 -.149 1.246 .090 38 .0000000 .13418555 .208 .208 -.127 1.284 .074
Normal Parametersa Mean
Std.
Deviation .11534832 Most Extreme Differences Absolute .118
Positive .118
Negative -.099
Kolmogorov-Smirnov Z .727
Asymp. Sig. (2-tailed)
.665
a. Test distribution is Normal
Sumber: SPSS 16, Data diolah 2014
.
Dari hasil pengolahan data tersebut, besar nilai Kolmogorov- Smirnov Z adalah 0,727 dan signifikan pada 0,665 maka disimpulkan data terdistribusi secara normal karena 0,665 > 0,05. Hal ini sejalan dengan hasil yang didapatkan dari analisis grafik.
4.1.2.2 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas (independen). Nilai toleransi dan Variance Inflacation Factor (VIF) digunakan untuk mendeteksi adanya multikolinearitas. Kriteria dinyatakan bahwa variabel bebas tidak saling intervensi satu sama lain ketika:
1. Jika nilai toleransi >10 persen dan nilai VIF <10, maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi.
2. Jika nilai tolerance <10 persen dan nilai VIF >10, maka dapat disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi.
Uji Multikolinearitas dapat dilihat pada tabel dibawah ini:
Tabel 4.3 Uji Multikolinearitas
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -.058 .258 -.225 .823 ROA -.038 .195 -.032 -.198 .845 .818 1.222 SIZE .043 .013 .508 3.362 .002 .963 1.039 LEV -.013 .016 -.131 -.778 .442 .781 1.281 SKP .024 .041 .088 .575 .569 .940 1.064 a. Dependent Variable: CSR
Sumber: SPSS 16, Data diolah 2014
Pada tabel hasil uji multikolinearitas diatas, diperoleh harga VIF tidak ada yang melebihi dari nilai 10 dan Tolerance >10 persen. Dengan demikian dapat disimpulkan bahwa model regresi tersebut tidak terdapat masalah multikolinearitas antar variabel independen dalam model regresi.
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengguna periode t dengan kesalahan periode t-1. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi ada karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Model regresi yang baik adalah regresi yang bebas autokorelasi. Data pada penelitian ini memiliki unsur waktu karena didapatkan antara tahun 2011-2012.
Keputusan ada atau tidaknya autokorelasi adalah:
1. Bila nilai DW (Durbin Watson) terletak antara batas atas (DU) dan 4 – DU, maka koefisien autokorelasi sama dengan nol artinya tidak ada korelasi.
2. Bila nilai DW < DL (batas bawah), maka koefisien autokorelasi lebih besar dari nol, maka autokorelasi positif.
3. Bila nilai DW > 4-DL, maka koefisien autokorelasi lebih kecil dari nol artinya ada autokorelasi negatif.
4. Bila nilai DW terletak antara DW dan DL atau DW terletak diantara 4- DU dan 4-DL, maka tidak ada kesimpulan.
Tabel 4.4 Uji Autokorelasi
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1
.524a .275 .187 .1221392 2.122
a. Predictors: (Constant), SKP, SIZE, ROA, LEV b. Dependent Variable: CSR
Sumber: SPSS 16, Data diolah 2014
Berdasarkan tabel diatas diketahui nilai statistik D-W sebesar 2,122. Nilai ini akan dibandingkan dengan nilai tabel DW dengan nilai signifikansinya 5%, jumlah sampel = 38 dan jumlah variabel independen 4 (k=4), maka akan diperoleh nilai DL pada tabel sebesar 1,2614 dan DU 1,7223. Nilai DW sebesar 2,122 terletak diantara batas atas (DU) yaitu 1,7723 dengan 4 - DU yaitu 2,2777. Maka dapat disimpulkan tidak terjadi autokorelasi.
4.1.2.4 Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari suatu pengamatan dengan pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heterokedastisitas.
Pada penelitian ini untuk mengetahui ada tidaknya problem heterokedastisitas digunakan scatter plot. Kriterianya adalah apabila titik-
maka dapat dinyatakan bahwa model regresi tidak terkendala heterokedastisitas.
Sumber: SPSS 16, Data diolah 2014
Gambar 4.3 Hasil Uji Grafik Scatterplot
Berdasarkan grafik scatter plot diatas dapat disimpulkan bahwa model regresi tidak terkendala heterokedastisitas, karena diagram pencar dan tidk membentuk pola tertentu.
4.1.3 Uji Hipotesis
4.1.3.1 Uji t (t-test)
Uji t digunakan untuk mengetahui signifikansi konstanta dari setiap variabel independennya.
Tabel 4.5 Uji T (t-test) Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) -.058 .258 -.225 .823 ROA -.038 .195 -.032 -.198 .845 SIZE .043 .013 .508 3.362 .002 LEV -.013 .016 -.131 -.778 .442 SKP .024 .041 .088 .575 .569 a. Dependent Variable: CSR
Sumber: SPSS 16, Data diolah 2014
Untuk variabel ROA, berdasarkan data tersebut dapat disimpulkan bahwa thitung = -0,198, sedangkan ttabel = 2,032 sehingga thitung < ttabel sehingga profitabilitas perusahaan secara parsial tidak berpengaruh terhadap variabel dependen. Signifikansi penelitian juga menunjukkan nilai signifikansi yang lebih besar dari 0,05 (0,845 > 0,05) maka H1 ditolak dan Ho diterima sehingga ROA tidak berpengaruh secara signifikan terhadap CSR.
Untuk variabel SIZE, berdasarkan data tersebut dapat disimpulkan bahwa thitung = 3,362, sedangkan ttabel = 2,032 sehingga thitung > ttabel maka SIZE secara parsial berpengaruh terhadap variabel dependen. Signifikansi penelitian juga menunjukkan nilai signifikansi yang lebih kecil dari 0,05 (0,02 < 0,05) maka H1 diterima dan Ho ditolak sehingga SIZE berpengaruh signifikan terhadap CSR.
Untuk variabel LEV berdasarkan data tersebut dapat disimpulkan bahwa thitung = -0,778, sedangkan ttabel = 2,032 sehingga thitung < ttabel maka LEV secara parsial tidak berpengaruh terhadap variabel dependen. Signifikansi penelitian juga menunjukkan nilai signifikansi yang lebih besar dari 0,05 (0,442 > 0,05) maka H1 ditolak dan Ho diterima sehingga LEV tidak berpengaruh signifikan terhadap CSR.
Untuk variabel SKP berdasarkan data tersebut maka dapat disimpulkan bahwa thitung = 0,575, sedangkan ttabel = 2,032 sehingga thitung < ttabel maka SKP secara parsial tidak berpengaruh terhadap variabel dependen. Signifikansi penelitian juga menunjukkan nilai signifikansi yang lebih besar dari 0,05 (0,569 > 0,05) maka H1 ditolak dan Ho diterima sehingga SKP tidak berpengaruh signifikan terhadap CSR.
4.1.3.2 Uji f (f-test)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel bebas yang dimaksudkan dalam model mempunyai pengaruh secara simultan terhadap variabel dependen. Pengujian dilakukan dengan menggunakan significance level 0,05 (α = 5%). Ketentuan penerimaan atau penolakan hipotesis adalah sebagai berikut:
1. Jika nilai signifikan > 0,05 maka hipotesis diterima (koefisien regresi tidak signifikan). Ini berarti bahwa secara simultan kalimat variabel independen tersebut tidak mempunyai pengaruh yang signifikan terhadap variabel dependen.
2. Jika nilai signifikan ≤ 0,05 maka hipotesis ditolak (koefisien regresi signifikan). Ini berarti secara simultan kelima variabel independen tersebut mempunyai pengaruh yang signifikan terhadap variabel dependen.
Tabel 4.6 Uji F (f-test) ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression .187 4 .047 3.126 .028a
Residual .492 33 .015
Total .679 37
a. Predictors: (Constant), SKP, SIZE, ROA, LEV b. Dependent Variable: CSR
Sumber: SPSS 16, Data diolah 2014
Pada tabel Anova dapat diketahui nilai Fhitung sebesar 3,126 dan
probabilitas value dalam penelitian ini adalah 0,028 (profitabilitas value
lebih kecil dari 0,05). Dengan demikian Ho ditolak yaitu ROA, SIZE, LEV, dan SKP tidak berpengaruh secara simultan terhadap CSR. Artinya, ROA, SIZE, LEV, dan SKP berpengaruh secara simultan terhadap pengungkapan CSR.
4.1.3.3 Analisis Regresi Linear Berganda
Analisis regresi linear berganda digunakan untuk menguji pengaruh variabel independen terhadap variabel dependen pengungkapan tanggung jawab sosial perusahaan. Dari pengujian asumsi klasik dapat disimpulkan
bahwa model regresi dapat digunakan dalam pengolahan data. Berdasarkan pengolahan data dengan SPSS 16, diperoleh hasil sebagai berikut:
Tabel 4.7 Uji Regresi
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) -.058 .258 -.225 .823 ROA -.038 .195 -.032 -.198 .845 SIZE .043 .013 .508 3.362 .002 LEV -.013 .016 -.131 -.778 .442 SKP .024 .041 .088 .575 .569 a. Dependent Variable: CSR
Sumber: SPSS 16, Data diolah 2014
Berdasarkan tabel diatas diperoleh persamaan regresi sebagai berikut:
CSR = -0,058 - 0,038ROA + 0,043SIZE – 0,013LEV + 0,024SKP + e
Maksud dari persamaan diatas adalah :
1. Konstanta sebesar -0,058 menunjukkan bahwa jika tidak ada variabel ROA, SIZE, LEV, dan SKP atau jika variabel independen bernilai konstan maka akan menurunkan nilai CSR sebesar 0,058.
2. Setiap terjadi penurunan pada variabel ROA maka akan menurunkan nilai CSR sebesar 0,038 dan variabel lainnya dianggap konstan.
3. Setiap terjadi kenaikan pada variabel SIZE atau ukuran perusahaan akan diikuti kenaikan pada variabel CSR sebesar 0,043 satuan dan variabel lainnya dianggap konstan.
4. Setiap terjadi penurunan tingkat leverage akan menurunkan nilai CSR sebesar 0,013 dan variabel lainnya dianggap konstan.
5. Setiap terjadi perubahan struktur kepemilikan menjadi lebih terdispersi maka akan menaikkan nilai CSR sebesar 0,024 dan variabel lainnya dianggap konstan.
