METODE PENELITIAN
C. Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah
metode dokumenter, karena data yang dikumpulkan berupa data sekunder
yaitu annual report dan sustainability report perusahaan tahun 2007-2011.
Data tersebut diperoleh dari Indonesia Capital Market Directory (ICMD) dan
IDX Fact Book yang diterbitkan oleh BEI. Selain itu juga dilakukan
penelusuran berbagai jurnal, karya ilmiah, artikel, dan berbagai buku
referensi sebagai sumber data dan acuan dalam penelitian ini. Data penunjang
lainnya diperoleh melalui situs resmi Bursa Efek Indonesia di
46 D. Metode Analisis Data
Metode analisis data dalam penelitian ini adalah dengan menggunakan
teknik analisis kuantitatif. Analisis kuantitatif dilakukan dengan cara
menganalisis suatu permasalahan yang diwujudkan dengan kuantitatif. Dalam
penelitian ini, analisis kuantitatif dilakukan dengan cara mengkuantifikasi
data-data penelitian sehingga menghasilkan informasi yang dibutuhkan dalam
analisis.
Metode yang digunakan dalam penelitian ini adalah regresi logistik
(logistic regression) dengan bantuan SPSS 17. Alasan penggunaan alat
analisis regresi logistik (logistic regression) adalah karena variabel dependen
bersifat dummy (mempublikasikan SR atau tidak mempublikasikan SR).
Asumsi multivariate normal distribution tidak dapat dipenuhi karena variabel
bebas merupakan campuran antara variabel kontinyu (metrik) dan kategorial
(non-metrik). Dalam hal ini dapat dianalisis dengan regresi logistik (logistic
regression) karena tidak perlu asumsi normalitas data pada variabel bebasnya.
1. Definisi Regresi Logistik
Regresi logistik adalah bentuk khusus dimana variabel dependennya
terbagi menjadi dua bagian atau kelompok (biner). Walaupun formulanya
dapat saja lebih dari dua kelompok. Regresi logistik adalah regresi yang
digunakan untuk mencari persamaan regresi jika variabel dependennya
merupakan variabel yang berbentuk skala. Regresi logistik binari
47
dependennya bertipe kategorial dua pilihan seperti: ya atau tidak, atau
lebih dari dua pilihan seperti: tidak setuju, setuju, sangat setuju.
2. Tahapan Regresi Logistik
Tahapan dalam pengujian dengan menggunakan uji regresi logistik
(logistic regression) adalah statistik deskriptif dan pengujian hipotesis
penelitian, adapun penjelasannya diuraikan dalam paragraf dibawah ini
(Ghozali, 2012):
a. Statistik Deskriptif
Statistik deskriptif digunakan untuk memberikan gambaran
mengenai distribusi frekuensi variabel yang tercermin dalam nilai
maksimum, nilai minimum, nilai rata-rata (mean), dan standar deviasi
dari ROA, NPM, current ratio, debt to equity ratio, inventory
turnover, total aset, jumlah rapat komite audit dan dewan direksi.
Hasil ini akan didapat berdasarkan data olahan SPSS.
Tipe industri dan keberadaaan governance committee tidak
diikutsertakan dalam penghitungan statistik deskriptif karena kedua
variabel tersebut menggunakan skala nominal. Skala nominal adalah
skala yang mengategorikan individu atau objek ke dalam kelompok
yang eksklusif dan lengkap secara bersama, dan memberikan
informasi mendasar dan kategorikal mengenai variabel yang diteliti.
b. Pengujian Hipotesis Penelitian
Estimasi parameter menggunakan Maximum Likehood Estimation
48
Ho = b1 = b2 = b3 = ... = bi = 0 Ho ≠ b1 ≠ b2 ≠ b3 ≠ ... ≠ bi ≠ 0
Hipotesis nol menyatakan bahwa variabel independen (x) tidak
mempunyai pengaruh terhadap variabel respon yang diperhatikan
(dalam populasi). Pengujian terhadap hipotesis dilakukan dengan menggunakan α = 5%. Nilai α dinyatakan sebagai besarnya tingkat kesalahan yang dapat ditolerir. Umumnya, untuk ilmu sosial, termasuk ekonomi dan keuangan, besarnya α adalah 5% (Nachrowi dan Usman, 2006:15). Kaidah pengambilan keputusan adalah:
a) Jika nilai probabilitas (sig.) < α = 5% maka hipotesis alternatif didukung.
b) Jika nilai probabilitas (sig.) > α = 5% maka hipotesis alternatif tidak didukung.
1) Menilai Keseluruhan Model (Overall Model Fit)
Langkah pertama adalah menilai overall model fit terhadap
data. Beberapa test statistik diberikan untuk menilai hal ini.
Hipotesis untuk menilai model fit adalah:
H0 : Model yang dihipotesiskan fit dengan data
HA : Model yang dihipotesiskan tidak fit dengan data
Dari hipotesis ini kita tidak akan menolak hipotesis nol agar
model fit dengan data. Statistik yang digunakan berdasarkan pada
49
bahwa model yang dihipotesiskan menggambarkan data input.
Untuk menguji hipotesis nol dan alternatif, L ditransformasikan
menjadi -2LogL. Penurunan likelihood (-2LL) menunjukkan
model regresi yang lebih baik atau dengan kata lain model yang
dihipotesiskan fit dengan data.
2) Koefisien Determinasi (Nagelkerke R Square)
Cox dan Snell’s R Square merupakan ukuran yang mencoba meniru ukuran R2pada multiple regression yang didasarkan pada
teknik estimasi likelihood dengan nilai maksimum kurang dari 1
(satu) sehingga sulit diinterpretasikan. Nagelkerke’s R square
merupakan modifikasi dari koefisien Cox dan Snell untuk
memastikan bahwa nilainya bervariasi dari 0 (nol) sampai 1
(satu). Hal ini dilakukan dengan cara membagi nilai Cox dan Snell’s R2 dengan nilai maksimumnya. Nilai Nagelkerke’s R2 dapat diinterpretasikan seperti nilai R2 pada multiple regression. Nilai
yang kecil berarti kemampuan variabel-variabel independen
dalam menjelaskan variasi variabel dependen amat terbatas. Nilai
yang mendekati satu berarti variabel-variabel independen
memberikan hampir semua informasi yang dibutuhkan untuk
memprediksi variasi variabel dependen.
3) Menguji Kelayakan Model Regresi
Kelayakan model regresi dinilai dengan menggunakan
50 Lemeshow’s Goodness of Fit Test menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model (tidak ada
perbedaan antara model dengan data sehingga model dapat
dikatakan fit). Jika nilai statistik Hosmer and Lemeshow’s Goodness of Fit Test sama dengan atau kurang dari 0,05, maka
hipotesis nol ditolak yang berarti ada perbedaan signifikan antara
model dengan nilai observasinya sehingga Goodness fit model
tidak baik karena model tidak dapat memprediksi nilai
observasinya. Jika nilai statistik Hosmer and Lemeshow’s Goodness of Fit Test lebih besar dari 0,05, maka hipotesis nol
tidak dapat ditolak dan berarti model mampu memprediksi nilai
observasinya atau dapat dikatakan model dapat diterima karena
cocok dengan data observasinya.
4) Uji Multikolinieritas
Model regresi yang baik adalah regresi dengan tidak adanya
gejala korelasi yang kuat di antara variabel bebasnya. Pengujian
ini menggunakan matrik korelasi antar variabel bebas untuk
melihat besarnya korelasi antar variabel independen. Jika variabel
independen saling berkorelasi, maka variabel-variabel ini tidak
ortogonal. Variabel ortogonal adalah variabel independen sama
51 5) Matriks Klasifikasi
Matriks klasifikasi menunjukkan kekuatan prediksi dari
model regresi untuk memprediksi kemungkinan publikasi
sustainability report yang dilakukan oleh perusahaan.
6) Model Regresi Logistik yang Terbentuk
Analisis yang digunakan dalam penelitian ini adalah analisis
regresi logistik (logistic regression), yaitu dengan melihat
pengaruh karakteristik perusahaan (profitabilitas, likuiditas,
leverage, tipe industri, aktivitas, ukuran perusahaan) dan
corporate governance (komite audit, dewan direksi, governance
committee) terhadap publikasi sustainability report. Model
persamaan regresi dalam penelitian ini adalah:
Logit (KODE) = α + β1(ROA) + β2 (NPM) + β3(CR) + β3 (DER) + β4 (TYPE) + β5 (IT) + β6 (LNTA) + β7 (JRKA) + β8 (JRDD) + β9 (GC)
Penjelasan :
Logit (KODE) = Variabel dummy, kategori perusahaan apakah
membuat sustainability report (nilai 1) dan
yang tidak (nilai 0).
A = Konstanta
ROA = Profitabilitas yang diproksikan melalui perhitungan
52
NPM = Profitabilitas yang diproksikan melalui perhitungan
NPM.
CR = Likuiditas yang diproksikan melalui perhitungan
current ratio.
DER = Leverage yang diproksikan melalui perhitungan debt
to equity ratio.
TYPE = Tipe Industri, high profile = 1, low profile = 0.
IT = Aktivitas perusahaan yang diproksikan melalui
perhitungan inventory turnover.
LNTA = Ukuran perusahaan yang diproksikan melalui log
natural jumlah asset perusahaan.
JR KA = Komite audit yang diproksikan melalui jumlah rapat
antar anggota
JR DD = Dewan direksi yang diproksikan melalui jumlah rapat
antar anggota
GC = Variabel dummy, keberadaan governance committee
( nilai 1 untuk perusahaan yang memiliki dan
nilai 0 untuk yang tidak ).