BAB III METODE PENELITIAN
3.7 Teknik Analisis
Dalam penelitian ini, data dianalisis dengan menggunakan statistik deskriptif. 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 (Sugiyono, 2008:169). Data dianalisis dengan menggunakan SPSS 19.0. Analisis statistik yang digunakan adalah analisis regresi berganda dengan melakukan uji asumsi klasik terlebih dahulu.
3.7.1 Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk menguji apakah model regresi benar-benar menunjukkan hubungan yang signifikan dan representatif. Dalam penelitian ini menggunakan Uji Normalitas, Uji Multikolinearitas, Uji Heteroskedastisitas dan Uji Autokorelasi yang secara rinci dapat dijelaskan sebagai berikut:
Responsibility yang dilakukan oleh perusahaan atau informasi pengungkapan lingkungan yang ada dalam laporan tahunan perusahaan.
3.7.1.1 Uji Normalitas
Uji normalitas digunakan untuk menguji apakah data yang digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal probability plot. Uji normalitas dalam penelitian ini dilakukan dengan cara analisis grafik. Normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik pada Normal P- Plot of Regression Standardized atau dengan melihat histogram dari residualnya, selain itu juga dilengkapi dengan uji statistik. Uji statistik yang dapat digunakan untuk menguji normalitas adalah uji statistik Kolmogorov-Smirnov.
Menurut (Ghozali, 2007:112) terdapat beberapa kriteria dengan menggunakan uji Kolmogorov-smirnov antara lain:
1. Bila nilai signifikansi uji kolmogorov-smirnov bernilai dibawah 0.05 maka data tidak berdistribusi normal.
2. Bila nilai signifikansi uji kolmogorov-smirnov bernilai diatas 0.05 maka data berdistribusi normal.
3.7.1.2. Uji Multikolinearitas
Uji Multikolinearitas merupakan keadaan dimana terjadi hubungan linier yang sempurna atau mendekati sempurna antar variabel independen dalam model regresi. Uji multikolinearitas digunakan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model regresi. Prasyarat yang
harus terpenuhi dalam model regresi adalah tidak adanya multikolinearitas.
Untuk mendeteksi ada atau tidaknya multikolinearitas yang tinggi antar variabel independen dapat dideteksi dengan cara melihat nilai tolerance dan variance inflation factor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Sebagai dasar acuannya dapat disimpulkan:
1. Jika nilai tolerance > 0,10 dan nilai VIF < 10, maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi.
2. Jika nilai tolerance < 0,10 dan nilai VIF > 10, maka dapat disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi.
3.7.1.3 Uji Heteroskedastisitas
Uji heteroskedastisitas ditujukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dan residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastis dan jika berbeda disebut heteroskedastisitas sebagaimana dikutip oleh Hernawati dalam Ghozali (2001: 69). Model regresi yang baik adalah yang homoskedastisitas atau tidak
terjadi heteroskedastisitas. Cara untuk mendeteksi ada atau heteroskedastisitas dapat diketahui dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara nilai prediksi variabel terikat (ZPRED) dengan residualnya (SRESID). Dasar analisis dari uji heteroskedastis melalui grafik plot adalah sebagai berikut (Ghozali, 2009: 37):
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 atas dan di bawah angka 0 pada sumbu Y secara acak, maka tidak terjadi heteroskedastisitas.
3.7.1.4 Uji Autokorelasi
Uji autokorelasi dilakukan untuk menguji apakah dalam sebuah model regresi terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengaganggu pada periode t-1 atau sebelumnya (Ghozali, 2005). Jika terjadi korelasi dinamakan ada masalah autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi, penulis menggunakan Durbin - Watson (DW test) (Ghozali, 2006). Uji Durbin – Watson digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensyaratkan adanya
intercept (konstan) dalam model regresi dan tidak ada variabel lag diantara variabel bebas.
Nilai Durbin – Watson yang dihasilkan dari pengolahan data secara statistik dengan menggunakan SPSS yaitu (d) akan dibandingkan dengan nilai table Durbin – Watson dengan menggunakan nilai signifikansi sebesar 5 % jumlah sampel (n sampel) dan jumlah variabel bebas (k variabel bebas). Dari pengamatan table Durbin – Watson dengan jumlah sampel, jumlah variabel bebas dan tingkat signifikansi tertentu tersebut diperoleh bilai batas atas (du). Keputusan tidak bisa menolak H0 (tidak ada autokorelasi baik positif maupun negatif) terjadi apabila nilai du < d< 4 – du. Menurut Makridakis (1983) untuk mendeteksi ada atau tidaknya autokorelasi maka dilakukan pengujian Durbin-Watson (DW) dengan ketentuan sebagai berikut (Sulaiman, 2004: 89):
a. 1,65 < DW < 2,35 berarti tidak terjadi autokorelasi.
b. 1,21 < DW < 1,65 atau 2,35 < DW < 2,79 berarti tidak dapat disimpulkan.
c. DW < 1,21 atau DW > 2,79 berarti terjadi autokorelasi.
3.7.2 Model Regresi Berganda
Analisis regresi dilakukan untuk mengestimasi atau memprediksi rata-rata populasi atau nilai rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui (Gujarati, 2003). Hasil dari analisis
regresi adalah berupa koefisien untuk masing-masing variabel independen. Koefisien ini diperoleh dengan cara memprediksi nilai variabel dependen dengan suatu persamaan. Data yang telah dikumpulkan dalam penelitian, diolah dengan menggunakan aplikasi pengolahan data statistik yaitu software SPSS versi 19.0.
Penelitian ini menggunakan model analisis regresi berganda dengan untuk menganalisis pengaruh Nilai Perusahaan dan Profitabilitas yang diproksikan kedalam Return on Asset (ROA), Return on Equity (ROE) dan Net Profit Margin (NPM) terhadap Corporate Social Responsibility dengan model dasar sebagai berikut :
Y= a + b1X1 + b2X2 + b3X3 + b4X4 + e Keterangan :
Y = Corporate Social Responsibility (CSR) a = Konstanta
X1 = Firm Value
X2 = Return On Asset (ROA) X3 = Return on Equity (ROE) X4 = Net Profit Margin (NPM) e = error term
3.7.3 Uji Hipotesis
Untuk menguji hipotesis yang dalam penelitian ini maka dilakukan uji koefisien determinasi (R2 ), uji signifikansi parameter individual (Uji t) dan uji signifikansi simultan F (uji F).
3.7.3.1 Uji Determinasi (��)
Koefisien determinasi ini digunakan untuk menggambarkan kemampuan model menjelaskan variasi yang terjadi dalam variabel dependen (Ghozali, 2005). Koefisien determinasi (R2 ) dinyatakan dalam persentase. Nilai koefisien korelasi (R2 ) ini berkisar antara 0 < R2 < 1. Nilai yang mendekati satu berarti variabel independen memberikan hampir semua informasi yang dibutuhakan untuk memprediksi variasi variabel dependen (Ghozali, 2005).
3.7.3.2. Uji Signifikansi Parameter Individual ( Uji t )
Uji t digunakan untuk melihat signifikansi masing-masing variabel bila terbukti � = 0, maka koefisiesn tidak berpengaruh signifikan terhadap variabel dependen. Sebaliknya bila hasil pengujian menunjukkan � ≠0, maka koefisien tidak mempunyai pengaruh terhadap variabel dependen. Cara lain yang dapat digunakan untuk melihat signifikansi dari setiap variabel adalah dengan membandingkan nilai sig pada hasil output SPSS 19.0 dengan tingkat keyakinan yang digunakan dalam penelitian (misal a = 5%) (Ghozali 2009). Terdapat beberapa dasar pengambilan keputusan yaitu:
Jika sig > 0.05, maka Hο ditolak Jika sig < 0.05, maka Hο diterima
3.7.3.3. Uji Signifikansi Simultan F (Uji F)
Uji signifikansi simultan (uji f) digunakan untuk melihat pengaruh seluruh variabel independen terhadap variabel dependen dengan tingkat kesalahan sebesar 5% (a = 5%).
1. Jika sig f-hitung < 0.05 maka Ha diterima. Dalam hal ini berarti variabel independen secara keseluruhan atau bersama-sama mempengaruhi variabel dependen.
2. Jika sig f-hitung > 0.05 maka Ha ditolak, dalam hal ini berarti variabel independen secara keseluruhan atau bersama-sama tidak mempengaruhi variabel dependen.