METODE PENELITIAN
D. Teknik Analisis
2. Uji Asumsi Klasik
Tahapan dalam pengujian dengan menggunakan uji regresi berganda menggunakan beberapa asumsi klasik yang harus dipenuhi meliputi: uji normalitas, uji multikolinearitas, uji heterokendastisitas, dan uji autokorelasi yang secara rinci dapat dijelaskan sebagai berikut:
a. Uji Normalitas
Uji normalitas dilakukan untuk menguji apakah dalam model regresi, variabel penggangu (residual) mempunyai distribusi yang normal (Ghozali, 2011). Sedangkan menurut Winarno (2009) model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal. Untuk menguji normalitas data dalam penelitian ini menggunakan uji
54 Kolmogorov-Smirnov (K-S). Data dikatakan berdistribusi normal yaitu nilai K-S memiliki nilai probabilitasnya di bawah α = 5%.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji ada tidaknya korelasi antar variabel independen dalam suatu model regresi. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi pada penelitian ini dengan menghitung koefisien korelasi antar variabel independen, apabila koefisiennya rendah, maka tidak terdapat multikolinieritas (Winarno, 2009).
Lain halnya menurut Ghozali (2011) uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik adalah tidak terjadi korelasi diantara variabel independen. Multikolinearitas dapat dilihat dari nilai toleransi dan lawannya yaitu Variance Inflation Factor (VIF). Untuk pengambilan keputusan dalam menentukan ada atau tidaknya multikolinearitas yaitu dengan kriteria sebagai berikut:
1) Jika nilai VIF > 10 atau jika nilai tolerance < 0, 1 maka ada multikolinearitas dalam model regresi.
2) Jika nilai VIF < 10 atau jika nilai tolerance > 0, 1 maka tidak ada multikolinearitas dalam model regresi.
55 c. Uji Heterokendastisitas
Menurut Ghozali (2011) uji heterokedastisitas bertujuan untuk menguji apakah model regresi terjadi kesamaan varians dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas. Namun, dalam penelitian ini dapat dideteksi dengan melihat Grafik Plot antara nilai prediksi variabel terikat (dependen) yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat 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) yang telah di-studentized. Dasar analisis:
1) Jika ada pola tertentu, seperti titik-titik yang ada 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 diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
d. Hasil Uji Autokorelasi
Hasil uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antar kesalahan pengganggu beda periode t
56 dengan tingkat kesalahan pada periode t-1 (sebelumnya). Deteksi adanya autokorelasi dapat dilihat dari angka DW (Durbin-Watson).
Namun demikian, menurut Winarno (2011) menyatakan bahwa secara umum biasanya bisa diambil patokan dengan beberapa kriteria sebagai berikut:
1) Angka Durbin Watson di bawah -2 berarti ada autokorelasi positif. 2) Angka Durbin Watson di atas +2 berarti ada autokorelasi negatif. 3) Angka Durbin Watson diantara -2 sampai +2, berarti tidak ada
autokorelasi 3. Pengujian Hipotesis
Menurut Kuncoro (2001), pengujian hipotesis digunakan untuk mengukur ketepatan fungsi regresi sampel dalam menaksir aktual secara statistik hal ini dapat diukur dari koefisien determinasi (R2), uji statistik t, uji statistik f, dan analisis regresi berganda.
a. Uji Koefisien Determinasi (R2)
Koefisien Deteminasi (R2)digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen sangat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel dependen (Ghazali, 2011).
57 Tetapi karena R2 mengandung kelemahan mendasar, yaitu bias terhadap jumlah variabel independen yang dimasukkan ke dalam model, maka penelitian ini menggunakan adjusted R2 berkisar antara nol dan satu. Jika nilai adjusted R2 semakin mendekati satu maka makin baik kemampuan model tersebut dalam menjelaskan variabel dependen (Winarno, 2009). b. Uji Signifikansi Paramater Individual (Uji t)
Menurut Ghozali (2011), tujuan pengujian ini adalah untuk mengetahui seberapa jauh pengaruh variabel penjelasan (independen) secara individual dalam menjelaskan variasi variabel dependen. Membandingkan antara p value dengan tingkat signifikansi 0,05, maka dapat ditentukan apakah Ho ditolak atau diterima (Ho diterima apabila p value > 0,05, Ho ditolak apabila p value < 0,05). Kriteria signifikansi hipotesis adalah:
1. Jika signifikansi > 0,05 maka H0 diterima 2. Jika signifikansi < 0,05 maka H0 ditolak c. Uji Signifikansi Simultan (Uji Statistik F)
Menurut Ghozali (2011), uji F pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Kriteria signifikansi simultan adalah:
1. Jika signifikansi > 0,05 maka H0 diterima 2. Jika signifikansi < 0,05 maka H0 ditolak
58 d. Analisis Regresi Berganda yang Terbentuk
Regresi berganda merupakan metode analisis yang tepat ketika penelitian melibatkan satu variabel terikat yang diperkirakan berhubungan dengan satu atau lebih variabel bebas. Tujuan analisis regresi berganda adalah memperkirakan perubahan respons pada variabel terikat terhadap beberapa variabel bebas. Analisis regresi ialah sebuah pendekatan yang digunakan untuk mendefinisikan hubungan matematis antara variabel dependen (Y) dengan satu atau beberapa variabel independen (X). Hubungan matematis digunakan sebagai suatu model regresi yang digunakan untuk meramalkan atau memprediksi nilai (Y) berdasarkan nilai (X) tertentu. Dengan menggunakan analisis regresi akan diketahui variabel independen yang benar-benar signifikan yang mempengaruhi variabel dependen dan dengan variabel yang signifikan dapat digunakan untuk memprediksi nilai variabel dependen dalam suatu penelitian (Hair, Anderson dan Tatham, 1995).
Analisis yang digunakan dalam penelitian ini adalah analisis regresi berganda (multiple regression), yaitu dengan melihat tipe industri, ukuran perusahaan, profitabilitas dan leverage terhadap variabel dependen, yaitu pengungkapan Corporate Social Responsibility (CSR). Model yang digunakan dalam penelitian ini terdapat pada halaman selanjutnya.
59
Y = α + β1 X1 + β2 X2 + β3 X3 + β4 X4 +e
Dimana:
Y = pengungkapan Corporate Social Responsibility α = konstanta β = koefisien regresi X1 = tipe industri X2 = ukuranperusahaan X3= profitabilitas X4 = leverage e = eror