BAB III METODE PENELITIAN
D. Variabel Penelitian
4. Teknik Analisis Data
Data sekunder yang diperoleh dalam penelitian ini dianalisis dengan
berbagai pengujian statistik. Analisis data tidak hanya digunakan untuk
menguji hipotesis tetapi juga untuk pengujian statistik lainnya.
1. Uji Asumsi Klasik
Berdasarkan perumusan masalah yang dibahas sebelumnya, maka
untuk mencapai tujuan penelitian, analisa data dilakukan melalui
model regresi linier berganda. Hal ini dilakukan untuk membuktikan
apakah ada hubungan antara variabel independen terhadap variabel-
vareabel dependen. Analisis regresi dapat digunakan terutama untuk
tujuan peramalan, dimana dalam model tersebut terdapat dua buah
variabel dependen dan satu variabel independen. Dalam regresi linier
commit to user
27 diperoleh hasil analisis yang valid. Berikut uji-uji yang dapat
dilakukan:
a. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah penelitian
berasal dari populasi yang didistribusikan secara normal atau tidak.
Distribusi normal merupakan distribusi teoritis dari variabel
random yang kontinyu. Kurva yang menggambarkan distribusi
normal adalah kurva normal yang berbentuk simetris/berbentuk bel
(lonceng). Bentuk ini menunjukkan bahwa frkuensi dalam suatu
distribusi normal terpusat pada bagian pusat dari distribusi normal
dan nilai-nilai diatas dan dibawah rata-rata adalah sama dengan
distribusinya. Untuk menguji normalitas data, peneliti
menggunakan Kolmogorov-Smirnov. Pengujian ini dilakukan untuk mengetahui apakah nilai dua sampel yang diamati terdistribusi
secara normal. Kriteria pengujian dengan pengujian dua arah (two- tailed test) yaitu dengan membandingkan probabilitas yang diperoleh dengan taraf signifikansi 5%. Data dikatakan
berdistribusi normal jika nilai signifikansi (Sig hitung) > 0,05
(Ghozali, 2001).
b.Uji Heterokedastisitas
Menurut Ernawati, dkk, (2005) dalam Anggraini (2006),
kebanyakan cross-sectional study mengandung situasi heterokedastisitas karena data yang diperoleh merupakan
commit to user
28 himpunan data yang memiliki berbagai ukuran (kecil, sedang, dan
besar). Situasi heterokedastisitas akan menyebabkan penaksiran
koefisien-koefisien regresi menjadi tidak efisien karena hasil
taksiran dapat menjadi kurang dari yang semestinya.
Uji heterokedastisitas bertujuan untuk menguji apakah dalam
model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan lainnya. Jika variance dari pengamatan satu ke pengamatan lainnya tetap, maka tidak terjadi
heterokedastisitas, atau terjadi homokedastisitas (Ghozali, 2001).
Metode yang digunakan untuk menguji heterokedastisitas adalah
dengan membuat grafik plot. Deteksi ada tidaknya
heterokedastisitas dapat dilakukan dengan melihat ada tidaknya
pola tertentu pada grafik scatterplot, jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur
(bergelombang, melebar kemudian menyempit) maka
mengindikasikan telah terjadi heterokedastisitas. Jika tidak ada
pola yang jelas dan titik-titik menyebar di atas dan di bawah angka
0 pada sumbu Y, maka tidak terjadi heterokedastisitas (Ghozali,
2001). Metode yang digunakan untuk menguji heteroskedastisitas
dalam penelitian ini adalah metode Glejser. Ada tidaknya
heteroskedastisitas dilihat dari signifikabsib >0,05 maka tidak
terjadi heteroskedastisitas.
commit to user
29 Ghozali (2001) mendefinisikan multikolinearitas sebagai suatu
situasi adanya korelasi variabel-variabel independen diantara satu
dan yang lainnya. Model regresi yang baik seharusnya tidak terjadi
korelasi di antara variabel independen. Jika variabel independen
saling berkolerasi, maka variabel ini tidak ortogonal. Variabel
independen yang bersifat ortogonal adalah variabel independen
yang nilai korelasi di antara semuanya sama dengan nol. Jika
terdapat korelasi yang sempurna di antara sesama variabel
independen sehingga nilai koefisien korelasi diantara sesama
variabel independen sama dengan satu, maka konsekuensinya
adalah sebagai berikut :
a) Koefisien-koefisien regresi menjadi tidak dapat diperkirakan.
b) Nilai standar eror setiap koefisien regresi menjadi tidak
terhingga.
Ada tidaknya multikolinearitas antarvariabel independen dilihat
dari nilai tolerance dan lawannya variance inflation factor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen
manakah yang dijelaskan variabel independen lainnya. Tolerance
mengukur variabilitas variabel independen yang terpilih yang tidak
dijelaskan variabel independen lainnya. Nilai cutoff untuk menunjukkan adanya multikolinearitas adalah nilai tolerance < 0.10 atau sama dengan nilai VIF > 10 (Ghozali, 2001).
commit to user
30 Menurut Ghozali (2001), uji autokolerasi bertujuan untuk menguji
apakah dalam model regresi linear ada kolerasi antara kesalahan
pengganggu pada periode t dengan kesalahan pengganggu pada
periode t-1 (sebelumnya). Model regresi yang baik adalah regresi
yang bebas dari autokorelasi. Jenis pengujian yang digunakan
untuk mengetahui adanya autokorelasi adalah uji Durbin-Watson.
Langkah-langkah yang dilakukan dalam uji Durbin-Watson adalah sebagai berikut :
1) regresi untuk mendapatkan nilai d,
2) mencari nilai kritis dL dan dU,
3) ada atau tidaknya autokorelasi dapat dilihat dengan cara :
jika d < dL : terjadi autokorelasi positif.
jika d > 4-dL : terjadi autokorelasi negatif.
jika dU < d < 4-dU : tidak terjadi autokorelasi.
jika dL £ d £ dU atau 1-dU £ d £ 4-dL : berarti tidak dapat ditarik
commit to user
31
2. Uji Hipotesis
Hipotesis dalam penelitian ini diuji dengan model regresi linear
berganda dengan persamaan berikut ini :
CSR disclosure = (Environmental performance + Variabel Kontrol)
) 1 ( ... 4 3 2 1 0 a a a a e a + + + + + = EvP Size IS BC CSRI
Economic Performance = (Environmental performance + Variabel Kontrol) ) 2 ( ... 3 2 1 0 b b b e b + + + + = EvP GO Lv EcP Keterangan:
EcP = Economic performance (kinerja ekonomi yang dicapai)
EvP = Environmental performance (kinerja lingkungan yang dicapai perusahaan).
CSRI = CSR disclosure (pengungkapan CSR oleh perusahaan dalam laporan tahunan)
GO = Growth opportunities (peluang untuk tumbuh dimasa depan).
SIZE = Ukuran perusahaan
commit to user
32 IS = Industry Sensitivity (sensitivitas perusahaan
terhadap lingkungan)
BC = Board Composition (komposisi dewan komisaris)
b
a
0 0 = intercept (parameter)b
a
1...n 1...n= koefisien regresi
a. Uji koefisien determinasi (R
2
)
Nilai R
2
digunakan untuk mengukur tingkat kemampuan model dalam
menerangkan variabel independen. Tapi, karena R
2
mengandung
kelemahan mendasar di mana adanya bias terhadap jumlah variabel
independen yang dimasukkan dalam model. Oleh karena itu, pada
penelitian ini yang digunakan adjusted R2 berkisar antar nol dan satu.
Jika nilai adjusted R
2
makin mendekati satu maka makin baik
kemampuan model tersebut dalam menjelaskan variabel dependen dan
sebaliknya.
b. Uji Regresi Simultan (Uji F)
Pengujian ini bertujuan untuk mengetahui pengaruh variabel
independen secara bersama-sama terhadap variabel dependen dengan
melihat nilai signifikansi F. Jika nilai signifikansi F lebih kecil dari
commit to user
33 variabel independen secara statistis mempengaruhi variabel dependen
secara bersama-sama
c. Uji Regresi Parsial (Uji t)
Pengujian ini bertujuan untuk mengetahui hubungan yang signifikan
dari masing-masing variabel bebas terhadap variabel terikatnya.
Apabila tingkat signifikansi yang diperoleh (p-value) lebih kecil dari 0,05 maka H0 dapat ditolak atau dengan
= 5% variabel independen tersebut berhubungan secara statistis
terhadap variabel dependennya. Dasar pengambilan keputusan dalam
pengujian ini adalah jika probabilitas < 0,05 maka dapat diambil
kesimpulan bahwa karakteristik perusahaan berpengaruh signifikan
terhadap pengungkapan sosial perusahaan (yaitu pengalaman
internasional perusahaan, size, industri afiliasi, pengungkapan media,
leverage, profitabilitas dan konsentrasi kepemilikan). Dan sebaliknya
jika probabilitas > 0,05 maka dapat diambil kesimpulan bahwa
karakteristik perusahaan berpengaruh signifikan terhadap
pengungkapan sosial (yaitu pengalaman internasional perusahaan,
size, industri afiliasi, pengungkapan media, leverage, profitabilitas dan
commit to user
34