BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.2 Hasil Penelitian
analisis deskriptif. Analisis deskriptif ini meliputi nilai rata-rata, jumlah data, dan standard deviasi dari 2 variabel independen (CSP, Size) sebagai variabel yang mempengaruhi Return on Asset dan Return on Equity. Hasil analisis deskriptif akan ditunjukkan dalam Tabel 4.1 di bawah ini:
Tabel 4.1 Statistik Deskriptif Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
CSP 40 .21 .93 .6563 .23987 SIZE 40 9.59 11.59 10.5915 .57536 ROA 40 1.65 26.84 11.7590 7.82768 ROE 40 3.20 46.60 23.1268 9.27073 Valid N (listwise) 40
Sumber: Hasil Penelitian, 2015 (data diolah)
Berdasarkan Tabel 4.1 dapat dilihat bahwa dengan N = 40 waktu amatan, Coorporate Social Performance mempunyai nilai minimum 0,21% dan nilai maksimum 0,93%. Sementara nilai standar deviasi (standard deviation) sebesar 0,24% dan nilai rata-rata (mean) sebesar 0,66%. Nilai rata-rata (mean) yang lebih besar dibandingkan dengan standar deviasi (standard deviation) menunjukkkan banhwa data berdistribusi dengan baik.
Size mempunyai nilai minimum 9,59% dan nilai maksimum 11,59%. Sementara nilai standar deviasi (standard deviation) sebesar 0,58% dan nilai rata-
rata (mean) sebesar 10,59%. Nilai rata-rata (mean) yang lebih besar dibandingkan dengan standar deviasi (standard deviation) menunjukkkan banhwa data berdistribusi dengan baik.
Return on Asset mempunyai nilai minimum 1,65% dan nilai maksimum 26,84%. Sementara nilai standar deviasi (standard deviation) sebesar 7,83% dan nilai rata-rata (mean) sebesar 11,76%. Nilai rata-rata (mean) yang lebih besar dibandingkan dengan standar deviasi (standard deviation) menunjukkkan banhwa data berdistribusi dengan baik.
Return on Equity mempunyai nilai minimum 3,20% dan nilai maksimum 46,60%. Sementara nilai standar deviasi (standard deviation) sebesar 9,27% dan nilai rata-rata (mean) sebesar 23,13%. Nilai rata-rata (mean) yang lebih besar dibandingkan dengan standar deviasi (standard deviation) menunjukkkan banhwa data berdistribusi dengan baik.
4.2.2 Uji Asumsi Klasik
4.2.2.1 Uji Asumsi Klasik pada Regresi yang Pertama 1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Metode yang dapat dipakai untuk normalitas adalah Kolmogorov Smirnov. Uji Kolmogorov Smirnov dapat dilihat dalam Tabel 4.2 sebagai berikut:
Tabel 4.2
Hasil Uji Kolmogorov Smirnov One-Sample Kolmogorov-Smirnov Test
CSP ROA
N 40 40
Normal Parametersa,,b Mean .6563 11.7590
Std. Deviation .23987 7.82768
Most Extreme Differences Absolute .165 .184
Positive .127 .184
Negative -.165 -.111
Kolmogorov-Smirnov Z 1.046 1.165
Asymp. Sig. (2-tailed) .224 .132
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Penelitian, 2015 (data diolah)
Berdasarkan Tabel 4.2 dapat diketahui bahwa nilai K-S untuk CSP adalah 1,046 dengan signifikansi 0,224, ROA memiliki K-S sebesar 1,165 dengan signifikansi 0,132. Hal ini berarti bahwa CSP dan ROA berdistribusi secara normal karena memiliki nilai signifikansi diatas 0,05.
Metode lain untuk mengetahui normalitas adalah dengan menggunakan metode analisis grafik, baik dengan melihat grafik secara histrogram ataupun dengan melihat secara Normal Probability Plot. Normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya.
Berdasarkan tampilan grafik histogram (dapat dilihat pada Gambar 4.1), Uji normalitas dengan melihat grafik secara histogram dapat disimpulkan bahwa variabel residual berdistribusi normal karena data mengikuti arah garis grafik histogramnya.
Gambar 4.1 Grafik Histogram
Sedangkan berdasarkan grafik normal plot (Gambar 4.2), dapat dilihat bahwa titik-titik menyebar di sekitar garis diagonal. Hal ini mengindikasikan bahwa model regresi memenuhi asumsi normalitas.
2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk mengetahui apakah dalam model regressi ditemukan adanya korelasi antara variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen Berdasarkan Tabel 4.3 diperoleh hasil bahwa variabel CSP, ROA bebas dari multikolinearitas yang ditunjukkan dengan nilai tolerance > 0,10 dan nilai VIF < 10.
Tabel 4.3
Hasil Uji Multikolinearitas Coefficientsa Model Collinearity Statistics Tolerance VIF 1 (Constant) CSP 1.000 1.000
a. Dependent Variable: ROA
Sumber: Hasil Penelitian, 2015 (data diolah)
3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah sebuah grup mempunyai varians yang sama diantara anggota grup tersebut. Hasil dari uji heteroskedastisitas dapat dilihat pada Gambar 4.3 berikut :
Gambar 4.3 Normal Plot
Berdasarkan hasil scatterplot, terlihat titik-titik menyebar secara acak tidak membentuk suatu pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi.
4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan penggangggu pada periode t-1 (sebelumnya). Cara mengetahui adanya autokorelasi dapat dilakukan dengan uji Durbin Watson. Hasil dari uji autokorelasi dapat dilihat pada Tabel 4.4 berikut ini:
Tabel 4.4
Hasil Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .512a .262 .243 6.81220 2.043 a. Predictors: (Constant), CSP b. Dependent Variable: ROA
Sumber: Hasil Penelitian, 2015 (data diolah)
Berdasarkan uji autokorelasi pada Tabel 4.4 diperoleh hasil bahwa nilai Durbin Watson (DW) sebesar 2,043 dan nilai du sebesar 1,544. Penelitian ini berada antara du < d < 4-du (1,544 < 2,043 < 2,456). Hal ini berarti dalam penelitian ini tidak terjadi autokorelasi positif atau negatif.
4.2.3 Pengujian Hipotesis
1. Uji Hipotesis Secara Serempak (Uji F) pada Regresi yang Pertama
Uji F pada penelitian ini bertujuan untuk mengetahui apakah variabel independen (CSP) yang dimasukkan dalam model mempunyai pengaruh secara serempak terhadap variabel dependen (ROA). Hasil dari Uji F adalah sebagai berikut:
Tabel 4.5
Hasil Hipotesis Secara Serempak (Uji F) ANOVAb
Model
Sum of
Squares Df Mean Square F Sig.
1 Regression 626.199 1 626.199 13.494 .001a
Residual 1763.432 38 46.406
Total 2389.631 39
a. Predictors: (Constant), CSP b. Dependent Variable: ROA
Sumber: Hasil Penelitian, 2015 (data diolah)
Berdasarkan Tabel 4.5 diperoleh nilai Fhitung sebesar 13, 494 sedangkan Ftabel pada tingkat kepercayaan α = 5% adalah 4,10. Nilai Fhitung 13,494 > Ftabel 4,10 dengan tingkat signifikansi 0,001. Dengan demikian berarti H1 diterima dan H0 ditolak, atau dapat dinyatakan CSPberpengaruh signifikan terhadap ROA Perusahaan yang terdaftar di National Center forSustainability Reporting.
2. Uji Hipotesis Secara Parsial (Uji t) pada Regresi yang Pertama
Uji t dilakukan untuk mengetahui pengaruh masing-masing variabel independen (CSP) secara parsial terhadap ROA. Hasil uji t dapat kita lihat pada Tabel 4.6 berikut ini:
Tabel 4.6
Hasil Uji Hipotesis Secara Parsial (Uji t) Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) .796 3.173 .251 .803 CSP 16.705 4.548 .512 3.673 .001
a. Dependent Variable: ROA
Sumber: Hasil Penelitian, 2015 (data diolah)
Dari Tabel 4.6 dapat disusun persamaan regresi sebagai berikut: ROA = β0 + β1 CSP + €
Kriteria pengambilan keputusan menggunakan taraf nyata 5% untuk uji dua arah (α/2 = 0,05/2 = 0,025) dengan derajat bebas (df) = n – k = 40 – 2 = 38. Nilai t tabel dengan taraf nyata α/2 = 0,025 dan df = 38 adalah 2,024.
1. Pengujian CSP (X) terhadap ROA (Y) menunjukkan signifikansi (0,001) < α (0,05) dan thitung adalah 3,673 dimana thitung (3,673) > ttabel (2,024), maka H1 diterima dan H0 ditolak. Artinya karena tingkat signifikansi < 0,05 dan t hitung bertanda positif, maka secara parsial CSP berpengaruh positif dan signifikan terhadap ROA Perusahaan yang terdaftar di National Center forSustainability Reporting dan juga di Bursa Efek Indonesia.
3. Koefisien Determinasi
Koefisien determinasi digunakan untuk mengetahui keeratan hubungan antara variabel bebas dengan variabel terikat. Nilai R2 terletak antara 0 sampai dengan 1 (0 ≤ R 2 ≤ 1). Tujuan menghitung koefisien determinasi adalah untuk
mengetahui pengaruh variabel bebas terhadap variabel terikat. Dari hasil analisis data diperoleh hasil yang ditunjukkan pada Tabel 4.7 sebagai berikut:
Tabel 4.7
Hasil Koefisien Determinasi Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .512a .262 .243 6.81220
a. Predictors: (Constant), CSP b. Dependent Variable: ROA
Sumber: Hasil Penelitian, 2015 (data diolah)
Berdasarkan Tabel 4.7 dapat diketahui bahwa nilai adjusted R2 adalah 0,243. Hal ini menunjukkan bahwa sebesar 24,3% Return on Asset Perusahaan yang terdaftar di National Center forSustainability Reporting dan juga di Bursa Efek Indonesiadipengaruhi oleh variabel independen yang digunakan yaitu Corporate Social Performance Sedangkan sisanya sebesar 75,7% dipengaruhi oleh faktor-faktor lain yang tidak diteliti dalam penelitian ini.
4.2.2.2 Uji Asumsi Klasik pada Regresi yang Kedua 1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Metode yang dapat dipakai untuk normalitas adalah Kolmogorov Smirnov. Uji Kolmogorov Smirnov dapat dilihat dalam Tabel 4.8 sebagai berikut:
Tabel 4.8
Hasil Uji Kolmogorov Smirnov One-Sample Kolmogorov-Smirnov Test
CSP ROE
N 40 40
Normal Parametersa,,b Mean .6563 23.1268
Std. Deviation .23987 9.27073
Most Extreme Differences Absolute .165 .137
Positive .127 .137
Negative -.165 -.078
Kolmogorov-Smirnov Z 1.046 .865
Asymp. Sig. (2-tailed) .224 .443
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Penelitian, 2015 (data diolah)
Berdasarkan Tabel 4.8 dapat diketahui bahwa nilai K-S untuk CSP adalah 1,046 dengan signifikansi 0,224, ROE memiliki K-S sebesar 0,865 dengan signifikansi 0,443. Hal ini berarti bahwa CSP dan ROE berdistribusi secara normal karena memiliki nilai signifikansi diatas 0,05.
Metode lain untuk mengetahui normalitas adalah dengan menggunakan metode analisis grafik, baik dengan melihat grafik secara histrogram ataupun dengan melihat secara Normal Probability Plot. Normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya.
Berdasarkan tampilan grafik histogram (dapat dilihat pada Gambar 4.4), Uji normalitas dengan melihat grafik secara histogram dapat disimpulkan bahwa variabel residual berdistribusi normal karena data mengikuti arah garis grafik histogramnya.
Gambar 4.4 Grafik Histogram
Sedangkan berdasarkan grafik normal plot (dapat dilihat pada Gambar 4.5), dapat dilihat bahwa titik-titik menyebar di sekitar garis diagonal. Hal ini mengindikasikan bahwa model regresi memenuhi asumsi normalitas.
Gambar 4.5 Normal Plot 2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk mengetahui apakah dalam model regressi ditemukan adanya korelasi antara variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen
Berdasarkan Tabel 4.9 diperoleh hasil bahwa variabel CSP, ROE bebas dari multikolinearitas yang ditunjukkan dengan nilai tolerance > 0,10 dan nilai VIF < 10.
Tabel 4.9
Hasil Uji Multikolinearitas Coefficientsa Model Collinearity Statistics Tolerance VIF 1 (Constant) CSP 1.000 1.000
a. Dependent Variable: ROE
Sumber: Hasil Penelitian, 2015 (data diolah) 3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah sebuah grup mempunyai varians yang sama diantara anggota grup tersebut. Hasil dari uji heteroskedastisitas dapat dilihat pada Gambar 4.6 berikut :
Berdasarkan hasil scatterplot, terlihat titik-titik menyebar secara acak tidak membentuk suatu pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi.
4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan penggangggu pada periode t-1 (sebelumnya). Cara mengetahui adanya autokorelasi dapat dilakukan dengan uji Durbin Watson. Hasil dari uji autokorelasi dapat dilihat pada Tabel 4.10 berikut ini:
Tabel 4.10 Hasil Uji Autokorelasi
Model Summaryb Model R R Square
Adjusted R Square
Std. Error of
the Estimate Durbin-Watson
1 .391a .153 .131 8.64439 2.396
a. Predictors: (Constant), CSP b. Dependent Variable: ROE
Sumber: Hasil Penelitian, 2015 (data diolah)
Berdasarkan uji autokorelasi pada Tabel 4.10 diperoleh hasil bahwa nilai Durbin Watson (DW) sebesar 2,396 dan nilai du sebesar 1,544. Penelitian ini berada antara du < d < 4-du (1,544 < 2,396 < 2,456). Hal ini berarti dalam penelitian ini tidak terjadi autokorelasi positif atau negatif.
4.2.4 Pengujian Hipotesis
1. Uji Hipotesis Secara Serempak (Uji F) pada Regresi yang Kedua
Uji F pada penelitian ini bertujuan untuk mengetahui apakah variabel independen (CSP) yang dimasukkan dalam model mempunyai pengaruh secara serempak terhadap variabel dependen (ROE). Hasil dari Uji F adalah sebagai berikut:
Tabel 4.11
Hasil Hipotesis Secara Serempak (Uji F) ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 512.340 1 512.340 6.856 .013a
Residual 2839.568 38 74.725
Total 3351.908 39
a. Predictors: (Constant), CSP b. Dependent Variable: ROE
Sumber: Hasil Penelitian, 2015 (data diolah)
Berdasarkan Tabel 4.11 diperoleh nilai Fhitung sebesar 6,856 sedangkan Ftabel pada tingkat kepercayaan α = 5% adalah 4,10. Nilai Fhitung 6,856 > Ftabel 4,10 dengan tingkat signifikansi 0,013. Dengan demikian berarti H1 diterima dan H0 ditolak, atau dapat dinyatakan CSP berpengaruh signifikan terhadap ROE Perusahaan yang terdaftar di National Center forSustainability Reporting.