BAB III METODE PENELITIAN
D. Metode Analisis Data
Menurut Sugiyono (2017:244) analisis data merupakan sebuah proses untuk mencari dan menyusun data yang telah diperoleh secara sistematis, sehingga dapat dipahami dan temuannya dapat diinformasikan kepada orang lain. Data yang telah dikumpulkan kemudian diolah menggunakan software program SPSS (Statistical Package for Social Science) versi 25.
Metode analisis data yang digunakan dalam penelitian ini adalah analisis linier regresi berganda. Namun sebelum melakukan analisis linier regresi berganda, dilakukan terlebih dahulu dilakukan uji statistik deskriptif, uji asumsi klasik, dan uji signifikansi.
1. Analisis Statistik Deskriptif
Menurut Ghozali (2018:19), statistik deskriptif adalah teknik analisis yang dilakukan guna memberikan
gambaran atau mendeskripsikan suatu data yang dapat dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range, kurtosis, dan skewness (kemencengan distribusi). Statistik despkriptif hanya digunakan untuk memberikan gambaran fenomena terkait variabel yang diteliti, bukan untuk menguji hipotesis.
Pendekatan deskriptif yang digunakan dalam penelitian ini adalah nilai minimum, maksimum dan mean untuk mendapatkan gambaran yang jelas terkait dengan variabel yang diteliti, yaitu Ukuran Dewan Pengawas Syariah, Ukuran Dewan Komisaris, Ukuran Komite Audit, Profit Sharing Ratio (PSR), dan Pengungkapan Islamic Social Reporting.
2. Uji Asumsi Klasik
Sebelum melakukan uji hipotesis, pengujian yang harus dilakukan adalah uji asumsi klasik. Tujuan dari uji asumsi klasik adalah untuk mengetahui apakah data telah memenuhi asumsi klasik dan menjadi data yang dapat diterapkan dalam model regresi. Agar dapat memenuhi syarat asumsi klasik dalam sebuah penelitian, maka perlu dilakukan uji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.
a. Uji Normalitas
Uji normalitas adalah pengujian yang bertujuan untuk mengetahui apakah residual dalam model regresi berdistribusi normal atau tidak. Model regresi yang baik ialah model regresi yang berdistribusi normal atau mendekati normal (Ghozali, 2018:161).
Pengujian normalitas dalam penelitian ini menggunakan uji Kolmogorov smirnov. Metode ini dilakukan untuk menentukan normalitas data. Dasar pengambilan keputusan uji Kolmogorov smirnov dinilai dengan melihat hasil nilai signifikansi yang ada. Apabila data menunjukkan siginifikansi di atas 0,05, maka data residual terdistribusi normal. Sedangkan jika hasil uji menunjukkan signifikansi di bawah 0,05, maka data residual yang dimiliki penelitian ini tidak terdistribusi normal (Ghozali, 2018:161).
b. Uji Multikolonieritas
Uji multikolinieritas memiliki tujuan untuk mengetahui apakah antara variabel bebas (independen) terjadi multikolinier atau tidak, dan apakah pada regresi ditemukan adanya korelasi yang tinggi dan sempurna antar variabel bebas. Uji multikolonieritas dilihat dengan menggunakan nilai tolerance dan Variance Inflation
Factor (VIF). Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah jika nilai tolerance ≤ 0,10 atau sama dengan nilai VIF ≥ 10. Model regresi dikatakan baik jika tidak ada korelasi diantara variabel independen (Ghozali, 2018:107).
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terdapat heteroskedastisitas (Ghozali, 2018:137).
1. Uji Scatterplot
Salah satu cara yang dapat digunakan untuk mengetahui ada tidaknya gejala heterokedastisitas adalah dengan melihat grafik Scatterplot. Dasar analisisnya yaitu sebagai berikut:
a. Jika terdapat pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi
heteroskedastisitas.
b. Jika tidak terdapat pola yang jelas, serta titik-titik yang tersebar di atas dan di bawah angka 0 pada sumbu Y, maka mengindikasi tidak terjadi heteroskedastisitas (Ghozali, 2018).
2. Uji Glejser
Penelitian ini juga menggunakan uji glejser untuk mengetahui ada tidaknya gejala heterokedastisitas.
Uji glejser bertujuan untuk mengetahui apakah sebuah model regresi memiliki indikasi heteroskedastisitas dengan cara meregres nilai absolut residual. Dalam uji glejser, dasar pengambilan keputusannya yaitu (Ghozali, 2018):
a. Jika nilai signifikansi > 0,05 maka tidak terjadi heteroskedastisitas.
b. Jika nilai signifikansi < 0,05 maka terjadi heteroskedastisitas.
d. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier terdapat korelasi antara kesalahan penganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Model regresi yang baik adalah yang bebas dari autokorelasi (Ghozali, 2018:111).
Dalam penelitian ini uji autokorelasi dilakukan dengan uji Durbin Watson dan Runs Test. Berikut adalah pengertian dan dasar pengambilan keputusan dari kedua uji tersebut:
1. Uji Durbin Watson
Menurut Ghozali (2018) salah satu cara untuk mendeteksi ada tidaknya autokorelasi dapat dilakukan dengan melakukan uji Durbin Watson.
Berikut adalah tabel kriteria dasar pengambilan keputusan dalam uji Durbin Watson:
Tabel 3. 2
Kriteria Uji Autokorelasi (Uji Durbin Watson)
Hipotesis Nol Keputusan Jika Tidak ada auto
korelasi positif Tolak 0 ≤ d ≤ dl Tidak ada auto
korelasi positif
No Decision dl ≤ d ≤ du
Tidak ada auto korelasi negatif
Tolak 4 - dl ≤ d ≤ 4
Tidak ada auto korelasi negatif
No Decision 4 – du ≤ d ≤ 4 dl
Tidak ada auto korelasi negatif
Tidak Ditolak
du ≤ d ≤ 4 – du
Sumber: Ghozali (2018)
2. Uji Run Test
Uji run test adalah bagian dari statistik non parametik yang biasa digunakan untuk menguji apakah data residual terjadi secara random atau acak.
Jika diantara residual tidak ditemukan adanya hubungan korelasi, maka dapat dikatakan bahwa residual terjadi secara random atau acak (tidak sistematis). Uji run test dapat dilakukan dengan membuat hipotesis dasar:
a. H0 : Residual (res_1) random (acak)
b. HA : Residual (res_1) tidak random
Dari hipotesis dasar diatas, maka dasar pengambilan keputusan uji statistik dengan run test adalah (Ghozali, 2018:120):
1. Jika nilai Asymp. Sig. (2-tailed) kurang dari 0,05, maka H0 ditolak dan HA diterima. Hal ini berarti data residual terjadi secara sistematis (tidak random atau acak).
2. Jika nilai Asymp. Sig. (2-tailed) lebih dari 0,05, maka H0 diterima dan HA ditolak. Hal ini berarti data residual terjadi secara tidak sistematis
(random atau acak).
3. Analisis Regresi Berganda
Penelitian ini menggunakan analisis regresi berganda (multipple regression) karena memiliki lebih dari satu variabel independen. Menurut Ghozali, analisis regresi linear berganda digunakan untuk mengetahui arah dan seberapa besar pengaruh variabel independen terhadap variabel dependen. Hasil analisis regresi adalah berupa koefisien untuk masing-masing variabel independen.
Adapun koefisien ini diperoleh dengan cara memprediksi nilai variabel dependen dengan suatu persamaan (Ghozali, 2018:96).
Model persamaan yang digunakan dalam regresi linier berganda dalam penelitian ini yaitu:
Keterangan:
α = Konstanta
β0, β1, β2, β3, β4 = Koefisiensi regresi masing-masing variabel
ISR = Skor indeks Pengungkapan Islamic Social Reporting
DPS = Ukuran Dewan Pengawas Syariah
DK = Ukuran Dewan Komisaris
KA = Ukuran Komite Audit
PSR = Profit Sharing Ratio
e = Error
4. Uji Hipotesis
a. Uji Signifikansi Simultan (Uji Statistik F)
Uji statistik F menunjukkan apakah variabel independen dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen.
Apabila nilai probabilitas lebih kecil daripada 0,05, maka model regresi akan dapat digunakan untuk memprediksi pengaruh variabel independen terhadap variabel dependen (Ghozali, 2011). Selain dari nilai signifikansinya, model regresi tersebut layak digunakan dengan melihat nilai F, apabila nilai F lebih besar dari 4 maka semua variabel independen secara serentak dan signifikan mempengaruhi variabel dependen.
b. Uji Signifikansi Parsial (Uji Statistik t)
Uji hipotesis dilakukan dengan uji t. Uji statistik t digunakan untuk menguji signifikansi koefisien variabel independen dalam memprediksi variabel dependen. Pengujian ini menunjukkan
seberapa jauh satu variabel independen secara individual dalam menerangkan variabel dependen (Ghozali, 2011). Tingkat signifikansi yang digunakan dalam penelitian ini adalah 0,05 (α= 5%).
Penerimaan dan penolakan hipotesis akan dilakukan dengan kriteria sebagai berikut:
1. Jika nilai siginifikansi (sig) lebih besar dari 0,05 maka hipotesis ditolak.
2. Jika nilai signifikansi (sig) lebih kecil atau sama dengan 0,05 maka hipotesis diterima.
5. Uji Kelayakan Model
a. Uji Koefisien Determinasi (R2)
Koefisien determinasi (R2) digunakan untuk menggambarkan kemampuan model dalam menjelaskan variasi yang terjadi dalam variabel dependen. Nilai koefisien determinasi (R2) berkisar antara 0 < R2 < 1. Nilai koefisien determinasi yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variabel dependen terbatas. Nilai yang mendekati 1 berarti variabel-variabel independen hampir memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Ghozali, 2011).