METODE PENELITIAN 3.1 Jenis Penelitian
3.7 Teknik Analisis
Teknik analisis data yang dilakukan pada penelitian ini adalah analisis statistik deskriptif. Statistik deskriptif merupakan proses transformasi data penelitian dalam bentuk tabulasi, sehingga mudah dipahami dan diintepretasikan (Erlina, 2011 : 88). Analisis statistik deskriptif dilakukan dengan melakukan uji asumsi klasik, pengujian hipotesis, dan analisis regresi berganda.
3.7.1 Uji Statistik Deskriptif
Analisis deskriptif adalah merupakan bentuk analisis data penelitian untuk menguji generalisasi hasil penelitian berdasarkan satu sample. Analisa deskriptif ini dilakukan dengan pengujian hipotesis deskriptif. Hasil analisisnya adalah apakah hipotesis penelitian dapat digeneralisasikan atau tidak. Jika hipotesis nol (H0) diterima, berarti hasil penelitian dapat digeneralisasikan. Analisis deskriptif ini menggunakan satu variabel atau lebih tapi bersifat mandiri, oleh karena itu analisis ini tidak berbentuk perbandingan atau hubungan.
3.7.2 Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk menguji layak tidaknya model regresi dalam penelitian. Uji asumsi klasik yang digunakan antara lain : uji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.
3.7.2.1 Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal (Erlina, 2011). Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak. Yang pertama adalah analisis grafik. Dengan melihat grafik histogram dan
grafik normal plot, normalitas distribusi residual dapat ditentukan. Apabila grafik histogram membentuk lonceng yang tidak mencong ke kiri, maka pola menunjukkan distribusi normal. Analisis grafik normal plot dilakukan dengan melihat penyebaran titik-titik pada grafik. Apabila penyebaran titik-titik tidak melenceng jauh dari garis diagonal dan mengikuti arah garis diagonal, maka pola menunjukkan distribusi normal. Apabila kedua analisa menunjukkan pola distribusi normal, maka model regresi telah memenuhi asumsi normalitas. Cara yang kedua adalah dengan analisis statistik Kolmogorof-Smirnov. Cara ini dilakukan dengan melihat nilai signifikansinya. Apabila nilai signifikansi < 0,05 maka data berdistribusi normal.
3.7.2.2 Uji Multikolinearitas
Uji ini bertujuan untuk meguji apakah model regresi ditemukan adanya korelasi di antara variabel independen. Uji multikolinearitas dilakukan dengan melihat nilai Variance Inflation Factor (VIF) dan tolerance value. Apabila tolerance value > 0,10 dan nilai VIF < 10, maka suatu model regresi dapat diasumsikan tidak ada multikolinearitas antar variabel independen. Apabila tolerance value < 0,10 dan nilai VIF > 10, maka dapat diasumsikan ada multikolinearitas antar variabel independen dalam model regresi.
3.7.2.3 Uji Heteroskedastisitas
Uji ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual suatu pengamatan ke pengamatan yang lain (Erlina, 2011). Model regresi yang baik adalah model regresi yang memiliki persamaan varians residual suatu pengamatan ke pengamatan yang lain atau
disebut juga sebagai homokedasitisitas. Salah satu cara uji heterokedastisitas Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplot antara nilai prediksi variabel dependen, yaitu ZPRED dengan residualnya SRESID. Penelitian dikatakan tidak terjadi heteroskedastisitas apabila :
1. Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0.
2. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja.
3. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
4. Penyebaran titik-titik data sebaiknya tidak berpola.
3.7.2.4 Uji Autokorelasi
Uji ini bertujuan utuk melihat apakah dalam suatu model regresi liniear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (Erlina, 2011). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya (Erlina, 2011 ). Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah autokorelasi di antaranya dengan uji Durbin-Watson.
3.7.3 Analisis Regresi Linier Berganda
Analisis regresi berganda digunakan untuk meramalkan bagaimana tingkat signifikan paling tinggi diantara variabel – variabel tersebut. Persamaan regresi linier berganda yang digunakan dalam penelitian ini adalah sebagai berikut :
Y = a + + + e Keterangan :
Y = Kualitas Laba a = Konstanta
b = Koefisien Regresi
= Pengungkapan CSR
= Risiko Sistematis e = Standard Error
3.7.4 Pengujian Hipotesis
3.7.4.1 Uji Koefisien Determinasi
Tujuan uji koefisien determinasi adalah untuk mengukur seberapa jauh kemampuan sebuah model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara 0 sampai 1. Nilai adjusted R² yang kecil berarti variasi variabel dependen yang sangat terbatas dan yang mendekati 1 menunjukkan bahwa kemampuan variabel independen dalam memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
3.7.4.2 Uji F
Uji statistik F menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Berdasarkan nilai F hitung dengan F tabel, cara pengujian statistik F adalah sebagai berikut :
1. Jika F-hitung < F-tabel, maka variabel independen secara simultan tidak berpengaruh terhadap variabel dependen.
2. Jika F-hitung > F-tabel, maka variabel independen secara simultan berpengaruh terhadap variabel dependen.
Berdasarkan nilai signifikansi output SPSS, cara pengujian statistik F adalah sebagai berikut :
1. Jika nilai Sig. < 0,05 maka variabel independen secara simultan berpengaruh signifikan terhadap variabel dependen.
2. Jika nilai Sig. > 0,05 maka variabel independen secara simultan tidak berpengaruh signifikan terhadap variabel dependen.
3.7.4.3 Uji t
Uji t digunakan untuk mengetahui pengaruh masing-masing variabel independen terhadap variabel dependen. Berdasarkan nilai t hitung dengan t tabel, cara pengujian statistik t adalah sebagai berikut :
1. Jika t-hitung < t-tabel, maka variabel independen secara individual tidak berpengaruh terhadap variabel dependen.
2. Jika t-hitung > t-tabel, maka variabel independen secara individual berpengaruh terhadap variabel dependen.
Berdasarkan nilai signifikansi output SPSS, cara pengujian statistik t adalah sebagai berikut :
1. Jika nilai Sig. < 0,05 maka variabel independen berpengaruh signifikan terhadap variabel dependen.
2. Jika nilai Sig. > 0,05 maka variabel independen tidak berpengaruh signifikan terhadap variabel dependen.
BAB IV