TINJAUAN PUSTAKA
METODE PENELITIAN
3. Kepemilikan Institusional
3.5 Metode Analisis
3.5.1. Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range, kurtoses dan skewness (kemencengan distribusi). Analisis statistik deskriptif digunakan untuk mengetahui gambaran mengenai mekanisme corporate
governance, earnings management dan pengungkapan CSR pada perusahaan
manufaktur yang terdaftar di Bursa Efek Indonesia. 3.5.2. Uji Asumsi Klasik
Sebelum dilakukan perhitungan statistik regresi berganda untuk mengetahui pengaruh variabel independen terhadap variabel dependen secara bersama-sama, maka diadakan pengujian asumsi klasik. Menurut Ghozali (2009) uji asumsi klasik terdiri dari:
54 3.5.2. 1. Uji Normalitas
Uji normalitas ini bertujuan untuk menguji apakah dalam model regresi, variabel bebas dan variabel terikat keduanya memiliki distribusi normal atau tidak (Ghozali, 2009). Model regresi yang baik adalah memiliki data berdistribusi normal. Untuk menguji apakah terdapat distribusi yang normal atau tidak dalam model regresi maka digunakanlah uji Kolmogorof Smirnov dan analisis grafik.
Dasar pengambilan keputusan analisis statistik dengan Kolmogorov-Smirnov Z (1-Sample K-S) adalah (Ghozali, 2009):
1. Apabila nilai Asymp. Sig. (2-tailed) kurang dari 0,05, maka Ho ditolak. Hal ini berarti data residual terdistribusi tidak normal.
2. Apabila nilai Asymp. Sig. (2-tailed) lebih besar dari 0,05, maka Ho diterima. Hal ini berarti data residual terdistribusi normal.
Dasar pengambilan keputusan dengan analisis grafik adalah (Ghozali, 2006):
1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
2. Jika data menyebar jauh dari diagonal dan/atau tidak mengikuti arah garis diagonal atau grafik histogramnya tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
3.5.2. 2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang
55
baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variable independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesame variabel independen sama dengan nol.
Untuk mendeteksi ada atau tidaknya multikolonieritas di dalam model regresi adalah sebagai berikut (Ghozali, 2009) :
1. Multikolonieritas dapat dilihat dari nilai Tolerance dan Variance
Inflation Factor (VIF), dengan dasar pengambilan keputusan sebagai
berikut:
1) Jika nilai tolerance di atas 0,1 dan nilai VIF di bawah 10, maka tidak terjadi masalah multikolinearitas, artinya model regresi tersebut baik. 2) Jika nilai tolerance lebih kecil dari 0,1 dan nilai VIF di atas 10, maka terjadi masalah multikolinearitas, artinya model regresi tersebut tidak baik. 3.5.2. 3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi tidak terjadi kesamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Dalam penelitian ini, metode yang digunakan untuk mengetahui ada atau tidaknya heteroskedastisitas pada penelitian ini diuji dengan melihat grafik scatterplot antara nilai prediksi variabel dependen (ZPRED) dengan
56
nilai residualnya (SRESID). Dasar pengambilan keputusan sebagai berikut (Ghozali, 2009) :
1. Jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka) pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Dalam menguji adanya heterokedastisitas dipergunakan pula uji statistik guna mendapatkan hasil yang lebih akurat. Penelitian ini menggunakan Uji Glejser untuk memperkuat hasil scatter plot dalam mendeteksi ada tidaknya heterokedastisitas.
3.5.2. 4. Uji Autokorelasi
Uji ini bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Salah satu cara yang digunakan untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan Uji Durbin Watson (DW Test). Uji ini hanya digunakan untuk autokorelasi tingkat satu (first order
autocorrelation) dan mensyaratkan adanya intercept (konstanta) dalam model
regresi dan tidak ada variabel lagi diantara variabel bebas. 3.5.3. Analisis Regresi Berganda
Analisis regresi berganda dimaksudkan untuk menguji pengaruh simultan dari beberapa variabel bebas terhadap satu variabel terikat. Analisis regresi
57
digunakan oleh peneliti apabila peneliti bermaksud meramalkan bagaimana keadaan (naik-turunnya) variabel dependen, dan apabila dua atau lebih variabel independen sebagai prediktor dimanipulasi atau dinaik turunkan nilainya (Sugiyono, 2007). Analisis regresi dapat memberikan jawaban mengenai besarnya pengaruh setiap variabel independen terhadap variabel dependennya.
Dalam penelitian ini model regresi berganda yang akan dikembangkan adalah sebagai berikut :
CSRDit = α0 + α1DAit + α2 SIZEit + α3LEVit + α4ROAit + e...(1)
CSRDit = α0 + α1DAit + α2INKOMit + α3RADITit + α4KEPINSit + α5DA*INKOMit + α6DA*RADITit + α7DA*KEPINSit + α8SIZEit + α9LEVit + α10ROAit + e...(2)
Keterangan :
CSRDit = Corporate Social Responsibility disclosure α0 = Konstanta
α1-α7 = Koefisien
DAit = Manajemen laba diproksi dengan discretionary accrual (DA).
INKOMit = Proporsi dewan komisaris independen RADITit = Jumlah rapat komite audit
KEPINSit = Kepemilikan Institusional
SIZEit = Ukuran perusahaan dihitung dengan log total aset LEVit = Rasio Leverage (Debt to Asset Ratio)
58 3.5.4. Uji Hipotesis
Pengujian terhadap masing-masing hipotesis yang diajukan dapat dilakukan dengan cara sebagai berikut: Uji signifikansi (pengaruh nyata) variabel independen (X) terhadap variabel dependen (Y) secara parsial dilakukan dengan menggunakan uji-t sementara pengujian secara bersama-sama dilakukan dengan uji-F pada level 5% (α = 0,05) (Ghozali, 2009).
3.5.4. 1. Uji Statistik F
Uji F digunakan untuk menguji signifikasi koefisien regresi secara keseluruhan dan pengaruh variabel bebas secara bersama-sama.
a. Apabila F hitung < F tabel maka Ha diterima dan Ho ditolak artinya tidak ada pengaruh antara variabel bebas secara simultan terhadap variabel terikat.
b. Apabila F hitung > F tabel maka Ha diterima dan Ho ditolak artinya ada pengaruh antara variabel bebas secara simultan terhadap variabel terikat. Uji F dapat dilakukan hanya dengan melihat nilai signifikansi F yang terdapat pada output hasil analisis regresi yang menggunakan versi 17.0. jika angka signifikansi F lebih kecil dari α (0,05) maka dapat dikatakan bahwa ada pengaruh yang signifikan antara variabel bebas terhadap variabel terikat secara simultan.
3.5.4. 2. Uji Statistik t
Uji t digunakan untuk mengetahui ada tidaknya pengaruh secara linier antara variabel bebas dan variabel terikat.
59
a. Jika t hitung < t tabel maka Ho ditolak dan menerima Ha, artinya tidak ada pengaruh antara variabel bebas secara parsial terhadap variabel terikat. b. Jika t hitung > t tabel maka Ho ditolak dan menerima Ha, artinya ada
pengaruh antara variabel bebas secara parsial terhadap variabel terikat. Uji t dapat dilakukan hanya dengan melihat nilai signifikansi t masing-masing variabel yang terdapat pada output hasil analisis regresi yang menggunakan versi 17.0. jika angka signifikansi t lebih kecil dari α (0,05) maka dapat dikatakan bahwa ada pengaruh yang signifikan antara variable bebas terhadap variabel terikat.
3.5.4. 3. Koefisien Determinasi (R2)
Koefisien determinasi (R2) ini digunakan untuk menggambarkan kemampuan model menjelaskan variasi yang terjadi dalam variabel dependen (Ghozali, 2009). Koefisien determinasi (R2) dinyatakan dalam persentase. Nilai koefisien korelasi (R2) ini berkisar antara 0 < R2 < 1. Nilai R2 yang kecil berarti kemampuan variabel variabel independen dalam menjelaskan variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Ghozali, 2009).