BAB 4 HASIL PENELITIAN DAN PEMBAHASAN
B. Analisis Data Penelitian
2. Pengujian Asumsi Klasik
Pengujian asumsi klasik dalam penelitian ini dilakukan dengan statistik normalitas data, autokorelasi, heterokedastisitas, dan asumsi klasik lainnya, agar hasil pengujian tidak bersifat bias dan efisien.
a. Uji normalitas data
Sebelum dilakukan analisis terhadap hasil regresi perlu dilakukan pengujian terhadap kenormalan data dari penelitian yang dilakukan untuk memenuhi syarat dari pengujian parametrik dimana data harus berdistribusi normal. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Uji statistik yang dapat digunakan untuk menguji apakah residual terdistribusi normal adalah uji statistik non parametrik Kolmogorov-Smirnov (K-S) dengan membuat hipotesis:
Ho : data residual berdistribusi normal Ha : data residual tidak berdistribusi normal
Apabila nilai signifikan > 0,05 maka Ho diterima dan Ha ditolak, dan sebaliknya, jika nilai signifikan < 0,05 maka Ho ditolak dan Ha diterima.
Tabel 4.3 Hasil uji normalitas
One-Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 60
Normal Parametersa Mean .0000000
Std. Deviation .15383703
Most Extreme Differences Absolute .148
Positive .148
Negative -.102
Kolmogorov-Smirnov Z 1.149
Asymp. Sig. (2-tailed) .143
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Pengolahan SPSS (2013)
Berdasarkan Tabel 4.3 terlihat bahwa nilai Signifikansi Kolmogorov- Smirnov berada diatas 0,05 yaitu sebesar 0,143 maka disimpulkan data terdistribusi secara normal. Hasil terakhir di atas juga didukung hasil analisis grafiknya, yaitu dari grafik histogram maupun grafik Normal P- plot data berikut ini :
Sumber: Hasil Pengolahan SPSS (2013)
Gambar 4.1 Grafik Histogram
Berdasarkan grafik histogram tersebut dapat disimpulkan bahwa data berdistribusi normal, karena bentuk kurva menunjukkan kemiringan garis diagonal yang cenderung seimbang, baik sisi kiri maupun kanan, atau tidak condong ke kiri maupun ke kanan, melainkan ke tengah dengan bentuk seperti lonceng (Lubis, 2007:29). Berikut hasil uji normalitas berdasarkan grafik p-plot.
Sumber: Hasil Pengolahan SPSS (2013)
Gambar 4.2 Normal P-Plot
Berdasarkan gambar 4.2 di atas terlihat titik-titik sebaran mendekati dan mengikuti garis normal sehingga asumsi normalitas terpenuhi.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas (independen) dalam suatu model regresi linear berganda. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Untuk mengetahui ada tidaknya multikolinearitas dapat dilihat dari nilai Variance Imflation Factor ( VIF ) dan nilai Tolerance, apabila
nilai VIF > 10 dan nilai Tolerance < 0,1 maka terjadi multikolinearitas dan apabila nilai VIF < 10 dan nilai Tolerance > 0,1 maka tidak terjadi multikolineraritas. Nilai VIF serta nilai tolerance dari variabel-variabel penelitian dapat dilihat pada tabel berikut ini.
Tabel 4.4
Hasil Uji Multikolinearitas
Coefficientsa Model Collinearity Statistics Tolerance VIF 1 (Constant) PROFITABILITAS .977 1.024 UKURAN PERUSAHAAN .977 1.024
a. Dependent Variable: PENGUNGKAPAN SOSIAL
Sumber: Hasil Pengolahan SPSS (2013)
Jika dilihat pada Tabel 4.4 di atas, semua variabel independen memiliki VIF kurang dari 10, atau VIF < 10. Selain itu nilai tolerance untuk setiap variabel independen lebih besar dari 0,1 atau tolerance > 0,1. Dengan demikian dapat disimpulkan bahwa tidak ada multikolinearitas dalam model regresi ini.
c. Uji heterokedastisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah terdapat ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang memenuhi persyaratan adalah di mana terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas dan jika varians yang berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heterokedastisitas. Untuk melihat ada
tidaknya heterokedastisitas dapat dilakukan dengan melihat grafik scatterpol antara standardized predicted value (ZPRED) dengan studentized residual (SRESID). Ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah residual (Y prediksi - Y sesungguhnya). Dasar pengambilan keputusan yaitu : c. Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola
tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka terjadi heteroskedastisitas.
d. Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Pola gambar Scatterplot pada model penelitian ini dapat dilihat pada Gambar 4.3 berikut. Berdasarkan grafik Scatterplot di bawah ini dapat disimpulkan bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, juga diketahui titik-titik data tidak mengumpul di suatu tempat dan tidak membentuk pola-pola tertentu, maka disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi.
Sumber: Hasil Pengolahan SPSS (2013)
Gambar 4.3 Grafik Scatterplot
d. Uji autokorelasi
Uji autokorelasi bertujuan untuk melihat apakah terjadi korelasi antara suatu periode saat ini (t) dengan periode sebelumnya (t -1). Jika terjadi korelasi, maka terdapat problem autokorelasi. Pengujian autokorelasi dilakukan dengan menggunakan uji Durbin-Watson (W). Menurut Santoso (2000), jika angka D-W diantara -2 sampai +2, berarti tidak ada autokorelasi. Berikut ini adalah kriteria untuk penilaian terjadinya autokorelasi.
1) angka D-W terletak di bawah -2 berarti ada korelasi positif,
2) angka D-W terletak di antara -2 sampai +2 berarti tidak ada autokorelasi, 3) angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.5
Hasil Uji Autokorelasi
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .325a .106 .074 .15651 1.470
a. Predictors: (Constant), UKURAN PERUSAHAAN, PROFITABILITAS b. Dependent Variable: PENGUNGKAPAN SOSIAL
Sumber: Hasil Pengolahan SPSS (2013)
Berdasarkan hasil tabel di atas diketahui bahwa nilai D-W yang didapat sebesar 1,470. Dengan melihat kriteria Durbin – Watson yaitu -2< DW <+2 maka dapat disimpulkan tidak terjadi autokorelasi.
3. Pengujian Hipotesis
a. Uji Koefisien Determinasi (R2)
Koefisien determinasi (R2) adalah perbandingan antara variasi Y (dependen) yang dijelaskan oleh x1 dan x2 (independen) secara bersama-sama dibanding dengan variasi variable dependen (Y). Koefisien korelasi dikatakan kuat jika nilai R berada di atas 0,5 dan mendekati 1. Adapun koefisien determinasi yang dinotasikan dengan R2 mencerminkan kemampuan model dalam menjelaskan variabel dependen. Jika R2 semakin besar atau mendekati 1, maka model makin tepat karena variable independen (X) memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variable dependen (Y). Sebaliknya, R2 semakin kecil (dibawah 0,5) maka dapat dikatakan kemampuan variable-variabel independen (X) dalam menjelaskan variable dependen (Y) amat terbatas.
Tabel 4.6
Koefisien Determinasi
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .325a .106 .074 .15651
a. Predictors: (Constant), UKURAN PERUSAHAAN, PROFITABILITAS b. Dependent Variable : PENGUNGKAPAN SOSIAL
Sumber: Hasil Pengolahan SPSS (2013)
Pada Tabel 4.6 di atas menunjukkan bahwa nilai koefisien korelasi (R) sebesar 0,325 yang berarti bahwa korelasi antara variabel dependen dengan variabel- variabel independennya amat terbatas dengan didasarkan pada nilai R2 yang berada dibawah 0,5. Hasil analisis regresi secara keseluruhan menunjukkan bahwa nilai koefisien determinasi (R Square) sebesar 0,106 dimana 10,6% variabel dependen luas pengungkapan sosialnya dijelaskan oleh variabel independen, sedangkan 89,4% dijelaskan oleh variabel diluar variabel independen yang digunakan dalam penelitian. Adapun interpretasi tingkat keeratan hubungan antara variabel X dengan Y (variabel bebas dengan variabel terikat), digunakan tabel interpretasi koefisien korelasi dalam Sugiyono (2000) sebagai berikut :
Tabel 4.7
Pedoman untuk memberikan interpretasi koefisien korelasi
Interval Koefisien Tingkat Hubungan
0,000 – 0,199 Sangat Rendah 0,200 – 0,399 Rendah 0,400 – 0,599 Sedang 0,600 – 0,799 Kuat 0,800 – 1,000 Sangat Kuat Sumber : Sugiyono (2000)
Dengan demikian, dalam penelitian ini variabel-variabel yang digunakan memiliki interpretasi yang sangat rendah untuk menjelaskan pengungkapan sosial perusahaan, seperti terlihat dalam tabel 4.7 bahwa nilai koefisien korelasi (R) sebesar 0,325 yang berarti berada pada interval koefisien 0,200 – 0,399 yaitu memiliki interpretasi rendah.
b. Uji Regresi Parsial (Uji t)
Uji Regresi Parsial (Uji t) dilakukan untuk mengetahui hubungan yang signifikan dari masing-masing variabel bebas terhadap variabel terikatnya. Pengujian melalui uji t dilakukan dengan membandingkan t-hitung dengan t-tabel. Kriteria uji t yang digunakan :
3. Apabila t-hitung < t-tabel, pada α > 0,05 maka hipotesis ditolak (koefisien regresi tidak signifikan) yang berarti bahwa secara parsial variabel independen tersebut tidak mempunyai pengaruh yang signifikan terhadap variabel dependen.
4. Apabila t-hitung > t-tabel, pada α < 0,05 maka hipotesis diterima (koefisien regresi signifikan) yang berarti bahwa secara parsial variabel independen tersebut mempunyai pengaruh yang signifikan terhadap
Hasil dari uji regresi parsial (uji t) dapat dilihat pada Tabel 4.8 di bawah ini.
Tabel 4.8
Hasil Uji Parsial (T-Test)
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) .276 .162 1.703 .094 PROFITABILITAS .003 .002 .176 1.386 .171 UKURAN PERUSAHAAN .022 .011 .248 1.958 .055
a. Dependent Variable: PENGUNGKAPAN SOSIAL
Sumber: Hasil Pengolahan SPSS (2013)
Hasil pengujian statistik t pada Tabel 4.8 dapat dijelaskan sebagai berikut. 1. Pengaruh profitabilitas terhadap pengungkapan sosial
Nilai t-hitung untuk variabel profitabilitas adalah sebesar 1,386 dan t-tabel untuk df (n-2) = 58 dengan α = 5% diketahui sebesar 2,0017. Dengan demikian t -hitung lebih kecil dari t-tabel (1,386< 2,0017) dan nilai signifikansi sebesar 0,171 (lebih besar dari 0,05) artinya H1 ditolak, bahwa profitabilitas secara parsial tidak berpengaruh secara signifikan terhadap pengungkapan sosial.
2. Pengaruh ukuran perusahaan terhadap pengungkapan sosial
Nilai hitung untuk variabel ukuran perusahaan adalah sebesar 1,958 dan t-tabel untuk df (n-2) = 58 dengan α = 5% diketahui sebesar 2,0017. Dengan
demikian t-hitung lebih kecil dari t-tabel (1,958 < 2,0017) dan nilai signifikansi sebesar 0,55 (lebih besar dari 0,05) artinya H2 ditolak, bahwa ukuran perusahaan secara parsial tidak berpengaruh secara signifikan terhadap pengungkapan sosial.
Berdasarkan hasil uji-t tersebut dapat disimpulkan bahwa pengungkapan sosial dipengaruhi oleh variabel profitabilitas dan ukuran perusahaan dengan persamaan matematis sebagai berikut:
Y=0,276+0,003X1+0,022X2+ e
1) koefisien konstanta adalah 0,276 menyatakan bahwa jika X1 dan X2 adalah 0, maka indeks pengungkapan sosial adalah 0,276.
2) koefisien regresi b1 sebesar 0,003 menunjukkan bahwa setiap penambahan satu kali variabel profitabilitas, maka akan menambah indeks pengungkapan sosial sebesar 0,003 dengan asumsi variabel lain tetap.
3) koefisien regresi b2 sebesar 0,022 menunjukkan bahwa setiap penambahan satu kali variabel ukuran perusahaan, maka akan menambah pula indeks pengungkapan sosial sebesar 0,022 dengan asumsi variabel lain tetap.
c. Uji regresi simultan (Uji f)
Uji Regresi Simultan (uji F) pada dasarnya menunjukkan apakah semua variable bebas yang dimaksudkan dalam model mempunyai pengaruh secara simultan terhadap variable dependen. Berikut kriteria uji F yang digunakan.
1. jika F-hitung > F-tabel pada α < 0,05, maka H1 diterima 2. jika F-hitung < F-tabel pada α > 0,05, maka H1 ditolak
Tabel 4.9
Hasil Uji Simultan (Uji F)
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression .165 2 .083 3.371 .041a
Residual 1.396 57 .024
Total 1.561 59
a. Predictors: (Constant), SIZE, PROFITABILITAS b. Dependent Variable: PENGUNGKAPANSOSIAL
Dari hasil uji di atas dapat dilihat bahwa F-hitung sebesar 3,371 dengan nilai signifikansi 0,041. Hasil uji tersebut menunjukkan bahwa nilai F-hitung lebih besar dari F-tabel (3,371 > 3,158), sedangkan nilai signifikansi lebih kecil dari 0,05 (0,041 < 0,05). Hal ini menunjukkan bahwa secara simultan variabel ukuran perusahaan dan profitabilitas mempengaruhi pengungkapan sosial.