BAB III METODE PENELITIAN
3.6 Metode Pengumpulan Data
Penelitian ini menggunakan metode dokumentasi sebagai metode untuk pengumpulan data. Metode dokumentasi dilakukan dengan cara mengumpulkan dan menganalisis data sekunder dengan dua tahap. Tahap pertama adalah melakukan studi pustaka dengan cara mengumpulkan jurnal, buku-buku, skripsi terdahulu, peraturan-peraturan dan bahan lain yang berhubungan dengan judul yang sedang diteliti. Tahap kedua adalah mengumpulkan dan menganalisis data sekunder atau data perusahaan berupa laporan tahunan perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia pada tahun 2016-2018 yang diperoleh dari situs www.idx.co.id.
46 3.7 Teknik Analisis Data
Teknik analisis data yang dilakukan dalam penelitian ini adalah menggunakan model regresi. Oleh karena itu, analisis ini menggunakan statistik deskriptif dan asumsi klasik. Teknik pengolahan data dilakukan dengan menggunakan program SPSS.
3.7.1 Analisis Statistik Deskriptif
Pengujian ini dilakukan untuk mempermudah memahami variabel- variabel yang digunakan dalam penelitian. Menurut Sugiyono (2016:147), “statistik deskriptif adalah statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi”. Analisis deskriptif memberikan gambaran (deskripsi) tentang suatu data yang dilihat dari nilai rata-rata (mean), median, standar deviasi, nilai minimum dan nilai maksimum.
3.7.2 Uji Asumsi Klasik
Penelitian ini menggunakan teknik analisis regresi linear berganda dengan menggunakan program SPSS. Kemungkinan munculnya masalah dalam analisis regresi cukup sering, sehingga diperlukan uji asumsi klasik. Uji ini dilakukan agar memberikan hasil yang Best Linear Unbiased Estimator (BLUE) yang artinya nilai estimator yang terbaik, estimator yang linear dan estimator yang tidak bias. Dalam penelitian ini, uji asumsi klasik dapat dinyatakan bahwa: memiliki distribusi
normal, tidak terjadi gejala multikolinearitas antar variabel independen, tidak terjadi gejala heteroskedastisitas, dan tidak terjadi gejala autokorelasi antar residual setiap variabel independen. Pengujian tersebut, meliputi uji normalitas, uji multikkolinieritas, uji heteroskedastisitas dan uji autokorelasi.
3.7.2.1 Uji Normalitas
Uji normalitas dalam suatu model regresi berguna untuk melihat apakah data yang diuji terdistribusi normal. Data yang normal atau mendekati normal adalah model regresi yang baik. Alat analisis yang digunakan dalam penelitian ini adalah Uji Kolmogorov-Smirnov (Uji K-S) dengan menggunakan bantuan program statistik. Pengambilan keputusannya, yaitu jika nilai probabilitas < 0,05 berarti distribusi data tidak normal, sebaliknya bila probabilitas > 0,05 berarti distribusi data normal.
3.7.2.2 Uji Multikolinieritas
Pengujian multikolinearitas bertujuan untuk menguji keberadaan korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independennya.
Ghozali (2005:44) menyatakan bahwa deteksi adanya multikolinearitas dapat dilihat dari besaran Variance Inflation Factor (VIF) dan tolerance, dengan ketentuan sebagai berikut.
a. Jika nilai tolerance < 0,1 dan VIF > 10, terjadi multikolinearitas.
b. Jika nilai tolerance > 0,1 dan VIF < 10, tidak terjadi multikolinearitas.
48 3.7.2.3 Uji Autokorelasi
Uji autokorelasi diperlukan untuk melakukan pendeteksian terhadap ada atau tidaknya masalah autokorelasi pada suatu model regresi yang dapat dikemukakan dengan memperhatikan nilai dari pengujian Durbin-Watson (DW).
Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Metode Durbin-Watson digunakan untuk menguji ada atau tidaknya autokorelasi dalam penelitian ini. Pengambilan keputusan pada uji Durbin-Watson adalah sebagai berikut.
1. DU < DW < 4-DU maka H o diterima, artinya tidak terjadi autokorelasi.
2. DW < DL atau DW > 4-DL maka H o ditolak, artinya terjadi autokorelasi.
3. DL < DW < DU atau 4-DU <DW <4-DL, artinya tidak ada kepastian atau kesimpulan yang pasti.
3.7.2.4 Uji Heteroskedastisitas
Model regresi ini diperlukan uji heteroskedastisitas. Langkah ini bertujuan untuk menguji apakah di dalam model regresi yang kita miliki mengandung perbedaan variansi residu dari kasus pengamatan satu ke kasus pengamatan yang lainnya. Jika variansi residu dari kasus pengamatan satu ke kasus pengamatan yang lainnya mempunyai nilai tetap maka disebut homokedastisitas dan jika mempunyai perbedaan maka disebut heteroskedastisitas. Model regresi yang baik adalah model regresi yang memiliki homokedastisitas dan bukan memiliki heteroskedastisitas.
Uji ini dapat dilakukan dengan melihat gambar plot antara nilai prediksi variabel
independen (ZPRED) dengan residualnya (SRESID). Dasar pengambilan keputusan menurut Ghozali (2013:139), sebagai berikut:
a. jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas,
b. jika tidak ada pola yang jelas, serta titik-titik menyebar di bawah angka 0 pada sumbu y, maka tidak terjadi heteroskedastisitas.
3.7.3 Analisis Regresi Linear Berganda
Metode analisis data menggunakan regresi berganda (multiple regression) untuk menguji pengaruh variabel-variabel independen terhadap variabel dependen.
Persamaan regresi yang digunakan adalah:
Y = ɑ + b 1 X 1 + b 2 X 2 + b 3 X 3 + b 4 X 4 + b 5 X 5 + e Dimana:
Y = Pengungkapan Tanggung Jawab Sosial Perusahaan X 1 = Ukuran Perusahaan
X 2 = Dewan Komisaris X 3 = Profitabilitas X 4 = Leverage X 5 = Tipe Industri a = Konstanta
b 1 , b 2 , b 3 , b 4 , b 5 = Koefisien regresi e = Error
50 3.7.4 Uji Hipotesis
Metode penelitian pengujian hipotesis (hypothesis testing) adalah metode penelitian yang bertujuan untuk menguji hipotesis dan umumnya merupakan penelitian yang menjelaskan fenomena dalam bentuk hubungan antar variabel.
Variabel diperoleh berdasarkan data dan fakta-fakta. penelitian ini dimaksudkan untuk mengetahui seberapa kontribusi variabel-variabel bebas terhadap variabel terikatnya serta arah hubungan itu terjadi. Pengujian hipotesis dilakukan dengan analisis regresi linear berganda, uji koefisien determinasi, uji F (simultan) dan uji t (parsial).
Uji hipotesis menggunakan dua jenis uji statistik untuk pengolahan data yaitu statistik parametrik dan statistik nonparametrik. Statistik parametrik berhubungan dengan inferensi statistik yang membahas parameter-parameter populasi; jenis data interval atau rasio; distribusi data normal atau mendekati normal. Statistik nonparametrik adalah inferensi statistik yang tidak membahas parameter-parameter populasi; jenis data nominal atau ordinal; distribusi data tidak diketahui atau tidak normal. Penelitian ini menggunakan uji statistik parametrik di mana data dalam penelitian sebagian besar variabel dependen menggunakan jenis data skala rasio dan variabel independen juga mengunakan skala rasio.
3.7.4.1 Uji Koefisien Determinasi (R2)
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Koefisien
determinasi ini digunakan karena dapat menjelaskan kebaikan dari model regresi dalam memprediksi variabel dependen. Semakin tinggi nilai koefisien determinasi maka akan semakin baik pula kemampuan variabel independen dalam menjelaskan variabel dependen (Ghozali, 2005:46).
3.7.4.2 Uji F (Simultan)
Uji F dilakukan bertujuan untuk menguji apakah hasil analisis regresi berganda modelnya sudah fix atau belum. Patokan yang digunakan dalam pengujian ini adalah membandingkan nilai sig yang diperoleh dengan derajat signifikansi pada level α = 0,05. Apabila nilai sig yang diperoleh lebih kecil dari derajat signifikansi maka model yang digunakan sudah fix.
3.7.4.3 Uji t (Parsial)
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen (Ghozali, 2005:49). Cara untuk mengetahuinya dilakukan dengan melihat p-value dari masing-masing variabel. Hipotesis diterima apabila p-value <5 % (Ghozali, 2005:22).
52 BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Gambaran Umum Penelitian
Jenis penelitian ini adalah asosiatif kausal dengan data penelitian data sekunder. Berdasarkan kriteria yang terdapat pada bab 3 maka dapat diketahui jumlah sampel penelitian. Sampel penelitian ini adalah 42 perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia pada tahun 2016-2018, sehingga jumlah pengamatan yang digunakan dalam penelitian ini sebanyak 126 laporan tahunan.
4.2 Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Statistik deskriptif akan memberikan gambaran umum tentang objek penelitian yang dijadikan sampel penelitian. Penjelasan data melalui statistik deskriptif diharapkan memberikan gambaran awal tentang masalah yang diteliti.
Jumlah sampel pada tiap tahunnya adalah berimbang, yaitu 42 perusahaan. Statistik deskriptif pada penelitian ini difokuskan kepada nilai minimum, maksimum, rata-rata (mean) dan nilai standar deviasi. Analisis statistik dalam penelitian ini berasal dari variabel Ukuran Perusahaan, Dewan Komisaris, Profitabilitas, Leverage, Tipe Industri dan Pengungkapan Tanggung Jawab Sosial Perusahaan yang dapat dilihat pada Tabel 4.1 berikut ini.
Tabel 4.1
Hasil Analisis Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
SIZE 126 25,7986101386 33,4737275008 28,7945792674 1,65673955854
DK 126 2 12 4,53 2,031
ROA 126 ,000281823764 ,920997195368 ,099033490752 ,110155950366 DER 126 ,083298977296 4,18971414856 ,786327401081 ,765243653308
PROFILE 126 0 1 ,74 ,441
CSRD 126 ,076923076923 1,00000000000 ,382871097157 ,287562618872 Valid N (listwise) 126
Sumber: data olahan SPSS versi 25, 2020
Berdasarkan tabel 4.1 tersebut, dapat diinterpretasikan bahwa dari 42 perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia dengan jumlah data sebanyak 126 pengamatan yang melakukan pengungkapan tanggung jawab sosial perusahaan diperoleh nilai rata-rata sebesar 0,382 yang artinya dari 42 perusahaan manufaktur yang dijadikan sampel rata-rata besarnya pengungkapan csr yang diproksikan dengan menggunakan total item yang diungkapkan oleh perusahaan adalah sebesar 0,382, sedangkan nilai standar deviasi 0,287 artinya ukuran dari penyebaran variabel CSRD adalah 0,287. Nilai maksimum sebesar 1 artinya pada keseluruhan perusahaan yang diteliti, pengungkapan CSR tertinggi adalah sebesar 1 yaitu oleh PT Merck Indonesia Tbk pada tahun 2017 dan 2018, sedangkan pengungkapan CSR terendah adalah sebesar 0,0769 yaitu oleh PT Lionmesh Prima Tbk pada tahun 2016 sampai 2018.
Variabel ukuran perusahaan diukur dengan logaritma natural dari total asset memiliki nilai minimum sebesar 25,798 dan nilai maksimum sebesar 33,473 , sementara nilai rata-rata sebesar 28,794 dan standar deviasi sebesar 1,6567.
54 Perusahaan yang memiliki nilai minimum ukuran perusahaan adalah PT Lionmesh Prima Tbk pada tahun 2018, sedangkan perusahaan yang memiliki nilai maksimum ukuran perusahaan adalah PT Astra International Tbk pada tahun 2018. Perusahaan yang memiliki nilai ukuran perusahaan di bawah rata-rata sebanyak 26 perusahaan, sedangkan perusahaan yang memiliki nilai ukuran perusahaan di atas rata-rata sebanyak 16 perusahaan.
Variabel Dewan Komisaris diukur dengan menghitung total dewan komisaris pada setiap perusahaan memiliki nilai minimum sebesar 2 dan nilai maksimum sebesar 12, sementara nilai rata-rata sebesar 4,53 dan standar deviasi sebesar 2,031. Perusahaan yang memiliki total dewan komisaris di bawah rata-rata sebanyak 23 perusahaan, sedangkan perusahaan yang memiliki nilai ukuran perusahaan di atas rata-rata sebanyak 19 perusahaan.
Variabel Profitabilitas memiliki nilai rata-rata sebesar 0,099 artinya dari 42 perusahaan yang diteliti selama periode penelitian, kemampuan rata-rata aktiva untuk menghasilkan laba adalah sebesar 0,099, sedangkan standar deviasi sebesar 0,110 artinya ukuran dari penyebaran variabel ROA adalah sebesar 0,110. Nilai maksimum sebesar 0,9209 oleh PT Merck Indonesia Tbk tahun 2018 yang dapat diartikan pada keseluruhan perusahaan yang diteliti kemampuan perusahaan yang tertinggi dalam menghasilkan laba adalah sebesar 0,9209 dari seluruh total aktivanya. Nilai minimum sebesar 0,00028 dimiliki oleh PT Buana Artha Graha Tbk tahun 2018 artinya kemampuan terendah aktiva perusahaan dalam menghasilkan laba adalah sebesar 0,00028.
Variabel Leverage (Debt to Equity Ratio) yang diukur dengan membandingkan Total kewajiban dengan Total ekuitas memiliki nilai rata-rata sebesar 0,7863 artinya dari 42 perusahaan manufaktur yang diteliti selama periode penelitian dengan 126 data yang digunakan, utang rata-rata perusahaan yang digunakan dalam membiayai perusahaan untuk menghasilkan laba adalah sebesar 0,7863 , sedangkan standar deviasi adalah sebesar 0,1101 artinya ukuran dari penyebaran variabel Debt to Equty Ratio adalah sebesar 0,1101 dari 126 data yang digunakan . Hasil analisis diperoleh nilai maksimum Debt to Equty Ratio adalah sebesar 4,1897 oleh PT Indal Aluminium Industry Tbk tahun 2016. Leverage terendah adalah sebesar 0,0832 yaitu oleh Industri Jamu dan Farmasi Sido Muncul Tbk tahun 2016.
Tabel 4.2 Hasil Uji Frekuensi
PROFILE
Frequency Percent Valid Percent Cumulative Percent
Valid 0 33 26,2 26,2 26,2
1 93 73,8 73,8 100,0
Total 126 100,0 100,0
Sumber: data olahan SPSS versi 25, 2020
Pada output tipe industri, nilai frekuensi high profile industry diperoleh sebesar 93 yang artinya ada 93 total sampel yang termasuk ke dalam tipe high profile industry, sedangkan frekuensi low profile industry diperoleh sebesar 33 yang artinya ada 33 total sampel yang termasuk ke dalam tipe low profile industry. Hal ini dapat disimpulkan bahwa perusahaan yang termasuk ke dalam tipe high profile
56 industry sebesar 73,8% sedangkan perusahaan yang termasuk ke dalam tipe low profile industry sebesar 26,2% dari 42 perusahaan yang ada.
Berdasarkan penelitian yang dilakukan Robert (1992), perusahaan yang termasuk ke dalam industri high-profile adalah perusahaan perminyakan dan pertambangan, kimia, hutan, kertas, otomotif, penerbangan, agribisnis, tembakau dan rokok, makanan dan minuman, media dan komunikasi, energy (listrik), engineering, kesehatan serta transportasi da pariwisata. Sedangkan perusahaan yang termasuk ke dalam industri low-profile adalah bangunan, keuangan dan perbankan, supplier peralatan medis, property, retailer, tekstil dan produk tekstil, produk personal dan produk rumah tangga.
4.2.2 Uji Asumsi Klasik
Kemungkinan munculnya masalah dalam analisis regresi cukup sering maka diperlukan uji asumsi klasik. Uji ini dilakukan agar memberikan hasil yang Best Linear Unbiased Estimator (BLUE), yang artinya mendapatkan nilai estimator yang terbaik, estimator yang linear dan estimator yang tidak bias. Uji asumsi klasik dalam penelitian ini dapat dinyatakan bahwa memiliki distribusi normal, tidak terjadi gejala multikolinearitas antar variabel independen, tidak terjadi gejala heteroskedastisitas, dan tidak terjadi gejala autokorelasi antar residual setiap variabel independen. Uji asumsi klasik yang digunakan dalam penelitian ini ada 4, meliputi uji normalitas, uji multikolinieritas, uji autokorelasi dan uji heteroskedastisitas.
4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan variabel independen mempunyai distribusi normal atau tidak. Uji normalitas dalam penelitian ini terhadap residual dengan menggunakan uji Kolmogorov-Smirnov. Tingkat signifikansi yang digunakan adalah 𝛼 = 0,05.
Dasar pengambilan keputusan adalah melihat nilai probabilitas dengan ketentuan jika nilai probabilitas 𝑝 ≥ 0,05, maka asumsi normalitas terpenuhi dan jika probabilitas < 0,05, maka asumsi normalitas tidak terpenuhi.
Tabel 4. 3
Normal Parametersa,b Mean ,0000000
Std.
Asymp. Sig. (2-tailed) ,10c
a. Test distribution is Normal.
b. Calculated from data.
Sumber: data olahan SPSS versi 25, 2020
Dalam tabel 4.3 tersebut menunjukkan bahwa nilai signifikansi atau Asymp.
Sig. (2-tailed) sebesar 0,10, dimana nilai signifikansi atau Asymp. Sig. (2-tailed) tersebut diatas 0,05 yang mengartikan bahwa data residual terdistribusi dengan normal, sehingga sampel tersebut memenuhi syarat untuk dilakukan penelitian
58 lebih lanjut. Dengan demikian, variabel independen tersebut dapat digunakan untuk memprediksi pengungkapan tanggung jawab sosial perusahaan. Peneliti melakukan uji grafik untuk mendukung hasil uji statistik Kolmogorov-Smirnov (K-S) dan hasilnya dapat dilihat pada gambar 4.1.
Sumber: data olahan SPSS versi 25, 2020
Gambar 4. 1 Normal Probability Plot
Berdasarkan gambar 4.1, dapat dilihat pada grafik normal P-P Plot bahwa titik-titik menyebar di sekitar garis diagonal yang menunjukkan penyebaran data berada di sekitar wilayah dan mengikuti arah garis diagonal. Hasil ini menunjukkan bahwa model regresi layak dipakai karena memenuhi asumsi normalitas.
4.2.2.2 Uji Multikolinearitas
Pengujian ini bertujuan untuk menguji apakah di dalam model regresi ditemukan adanya korelasi antara variabel independen (bebas). Model regresi yang
baik seharusnya tidak terjadi korelasi diantara variabel independennya, dan untuk mendeteksi ada atau tidaknya multikolinearitas dapat dilakukan dengan melihat toleransi variabel dan variance inflation factor (VIF). Ketentuan suatu model regresi tidak terdapat gejala multikolinearitas adalah jika nilai Variance Inflation Factor (VIF) < 10 dan tolerance > 0,1.
Tabel 4. 4
Hasil Uji Multikolinearitas
Coefficientsa
Model Collinearity Statistics Tolerance VIF
1 SIZE ,549 1,820
DK ,578 1,730
ROA ,892 1,122
DER ,998 1,002
PROFILE ,915 1,093
a. Dependent Variable: CSRD
Sumber: data olahan SPSS versi 25, 2020
Berdasarkan tabel 4.4 menunjukkan bahwa nilai tolerance dari variabel independent Ukuran Perusahaan (SIZE) senilai 0,549, Dewan Komisaris (DK) senilai 0,578, Profitabilitas (ROA) senilai 0,892, Leverage (DER) senilai 0,998, dan Tipe Industri (PROFILE) senilai 0,915, sedangkan nilai VIF dari variabel independen Ukuran Perusahaan (SIZE) senilai 1,820, Dewan Komisaris (DK) senilai 1,730, Profitabilitas (ROA) senilai 1,122, Leverage (DER) senilai 1,002, dan Tipe Industri (PROFILE) senilai 1,093, sehingga dapat disimpulkan bahwa seluruh variabel independen memiliki nilai tolerance > 0,10 dan nilai VIF < 10, sehingga data tersebut terbebas dari multikolonieritas.
60 4.2.2.3 Uji Autokorelasi
Uji Autokorelasi bertujuan untuk mengetahui apakah dalam suatu model regresi linier terdapat korelasi antara pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Alat analisis yang digunakan adalah uji Durbin-Watson Statistic dengan ketentuan sebagai berikut.
1. Bila nilai Durbin-Watson (DW) terletak antara batas atas atau Upper Bound (DU) dan 4 – DU, maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi.
2. Bila nilai DW lebih rendah daripada batas bawah atau Lower Bound (DL), maka koefisien autokorelasi lebih besar dari nol, berarti ada autokorelasi positif.
3. Bila nilai DW lebih besar daripada (4-DL), maka koefisien autokorelasi lebih kecil dari nol, berarti ada autokorelasi negatif.
4. Bila nila DW terletak diantara batas atas (DU) dan batas bawah (DL) atau DW terletak antara (4-DU) dan (4-DL), maka hasilnya tidak dapat disimpulkan.
Tabel 4. 5 Hasil Uji Autokorelasi
Model Summaryb Model R R Square Adjusted R
Square
Std. Error of the Estimate
Durbin-Watson
1 ,606a ,367 ,362 ,19239685 1,851
a. Predictors: (Constant), PROFILE, DER, DK, ROA, SIZE b. Dependent Variable: CSRD
Sumber: data olahan SPSS versi 25, 2020
Penelitian ini menggunakan n= 126 dan k=5,sehingga sesuai dengan tabel Durbin Watson pada level of significance 0,05 diketahui DL= 1,6276 DU=1,7923, (4 – DU) = 2,2077 dan (4 – DL) = 2,3724. Berdasarkan tabel 4.5, diperoleh nilai DW sebesar 1,851. Nilai ini kemudian dibandingkan dengan nilai DL dan DU pada tabel Durbin-Watson. DW terletak antara batas atas atau Upper Bound (DU) dan (4 – DU), yaitu 1,7923 < 1,851 < 2,2077, sehingga dapat disimpulkan bahwa tidak terdapat autokorelasi dalam data.
4.2.2.4 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah model regresi yang tidak terjadi gejala heteroskedastisitas. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatter plot antara SRESID pada sumbu Y dan ZPRED pada sumbu X, dimana Y adalah nilai residual dan X adalah nilai prediksi. Dasar analisis adalah jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik- titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas (Ghozali, 2013:139).
62
Sumber: data olahan SPSS versi 25, 2020
Gambar 4. 2 Uji Heterokedastisitas
Berdasarkan gambar 4.3, diketahui bahwa titik-titik tidak membentuk pola yang jelas. Titik-titik menyebar secara acak, di atas maupun di bawah angka 0 pada sumbu Regression Standardized Residual. Oleh karena itu, maka berdasarkan uji heteroskedastisitas dapat disimpulkan bahwa pada model regresi yang terbentuk tidak terjadi gejala heteroskedastisitas.
4.2.3 Analisis Regresi Linear Berganda
Teknik analisis yang digunakan dalam penelitian ini adalah analisis regresi linear berganda untuk mengetahui gambaran mengenai pengaruh ukuran perusahaan, dewan komisaris, profitabilitas, leverage dan tipe industri terhadap pengungkapan tanggung jawab sosial perusahaan. Hasil analisis regresi untuk penelitian ini dapat dilihat pada tabel 4.6 berikut.
Tabel 4. 6
Hasil Analisis Regresi Linear Berganda
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients t Sig.
B Std. Error Beta
1 (Constant) -,874 ,467 -1,871 ,064
SIZE ,038 ,018 ,218 2,120 ,036
DK ,001 ,014 ,005 ,054 ,957
ROA 1,077 ,211 ,413 5,105 ,000
DER -,002 ,029 -,004 -,059 ,953
PROFILE ,078 ,052 ,120 1,499 ,137
a. Dependent Variable: CSRD
Sumber: data olahan SPSS versi 25, 2020
Berdasarkan tabel 4.6 tersebut maka dapat disusun persamaan regresi untuk mengetahui pengaruh profitabilitas, leverage, ukuran perusahaan, kepemilikan saham publik, dan pengungkapan media terhadap pengungkapan tanggung jawab sosial perusahaan :
CSRD = -0,874 + 0,038 SIZE+ 0,001 DK+ 1,077ROA – 0,002DER + 0,078 PROFILE + e
Dari persamaan tersebut dapat dijelaskan sebagai berikut:
a. Dalam koefisien regresi diatas, nilai konstanta (a) adalah sebesar -0,784 menunjukkan bahwa jika variabel-variabel independen yaitu ukuran perusahaan, dewan komisaris, profitabilitas, leverage dan tipe industri diasumsikan nol maka nilai variabel dependen yaitu pengungkapan tanggung jawab sosial perusahaan adalah negatif senilai -0,784.
64 b. Nilai Koefisien X1 (b1) = 0,0358, menunjukkan bahwa variabel ukuran perusahaan (X1) memiliki pengaruh positif terhadap pengungkapan tanggung jawab sosial perusahaan (Y). Hal ini mengindikasikan bahwa setiap kenaikan Ukuran Perusahaan sebesar 1% maka besarnya pengungkapan tanggung jawab sosial perusahaan akan mengalami peningkatan sebesar 3,58% dengan asumsi bahwa variabel independen yang lainnya dianggap konstan (tetap).
c. Nilai Koefisien X2 (b2) = 0,001 menunjukkan bahwa variabel variabel dewan komisaris (X2) memiliki pengaruh positif terhadap pengungkapan tanggung jawab sosial perusahaan (Y). Hal ini mengindikasikan bahwa setiap kenaikan Dewan Komisaris sebesar 1% maka besarnya pengungkapan tanggung jawab sosial perusahaan akan mengalami peningkatan sebesar 1% dengan asumsi bahwa variabel independen yang lainnya dianggap konstan (tetap).
d. Nilai Koefisien X3 (b3) = 1,077 menunjukkan bahwa variabel profitabilitas X3
memiliki pengaruh positif terhadap pengungkapan tanggung jawab sosial perusahaan (Y). Hal ini mengindikasikan bahwa setiap kenaikan Profitabilitas sebesar 1% maka besarnya pengungkapan tanggung jawab sosial perusahaan akan mengalami peningkatan sebesar 107,7% dengan asumsi bahwa variabel independen yang lainnya dianggap konstan (tetap).
e. Nilai Koefisien regresi X4 (b4) = -0,002 menunjukkan bahwa variabel leverage (X4) memiliki pengaruh negatif terhadap pengungkapan tanggung jawab sosial perusahaan (Y). Hal ini mengindikasikan bahwa setiap kenaikan Leverage sebesar 1% maka besarnya pengungkapan tanggung jawab sosial
perusahaan akan mengalami penurunan sebesar 0,2% dengan asumsi bahwa variabel independen yang lainnya dianggap konstan (tetap).
f. Nilai Koefisien regresi X5 (b5) = 0,078, menunjukkan bahwa variabel tipe industri (X5) memiliki pengaruh positif terhadap pengungkapan tanggung jawab sosial perusahaan (Y). Hal ini mengindikasikan bahwa setiap kenaikan Tipe Industri sebesar 1% maka besarnya pengungkapan tanggung jawab sosial perusahaan akan mengalami peningkatan sebesar 7,8% dengan asumsi bahwa variabel independen yang lainnya dianggap konstan (tetap).
4.2.4 Uji Hipotesis
4.2.4.1 Uji Koefisien Determinasi (R2)
Pengukuran koefisien determinasi (Adjusted R2) dilakukan untuk mengetahui seberapa jauh kemampuan variabel independen dalam menerangkan variabel dependen. Hasil analisis koefisien determinasi dapat dilihat pada tabel 4.7 berikut.
Tabel 4. 7
Hasil Uji Koefisien Determinasi (R2)
Model Summaryb
Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 ,606a ,367 ,362 ,19239685
a. Predictors: (Constant), PROFILE, DER, DK, ROA, SIZE b. Dependent Variable: CSRD
Sumber: data olahan SPSS versi 25, 2020
Berdasarkan Tabel 4.7, diperoleh hasil analisis koefisien determinasi (Adjusted R2) sebesar 0,367. Hasil tersebut dapat disimpulkan bahwa besarnya variasi variabel independen yang terdiri dari ukuran perusahaan, dewan komisaris,
66 profitabilitas, leverage dan tipe industri dalam mempengaruhi pengungkapan tanggung jawab sosial perusahaan adalah sebesar 36,7 % dan sisanya sebesar 63,3
66 profitabilitas, leverage dan tipe industri dalam mempengaruhi pengungkapan tanggung jawab sosial perusahaan adalah sebesar 36,7 % dan sisanya sebesar 63,3