BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.2 Analisis Data Penelitian
4.2.2 Pengujian Asumsi Klasik
4.2.2.1 Uji Normalitas Data
Uji Normalitas digunakan untuk mengetahui apakah variabel dependen, independen atau keduanya berdistribusi normal, mendekati normal atau tidak. Model regresi yang baik hendaknya berdistribusi normal atau mendekati normal (Umar, 2008:181). Uji statistik yang dapat digunakan untuk menguji apakah residual terdistribusi normal adalah uji statistik non parametrik
Kolmogorov-Smirnov (K-S) dengan membuat hipotesis:
Ho : data residual berdistribusi normal Ha : data residual tidak berdistribusi normal
Apabila nilai signifikan > 0,05 maka Ho diterima dan Ha ditolak, dan sebaliknya, jika nilai signifikan < 0,05 maka Ho ditolak dan Ha diterima (Ghozali, 2005:115).
Berdasarkan hasil uji statistik dengan model kolmogorov-smirnov seperti yang terdapat dalam Tabel 4.2 dapat disimpulkan bahwa data berdistribusi normal. Hal ini dapat dilihat dari nilai signifikansi diatas 0,05 yaitu sebesar 0,686.
Tabel 4.2 Hasil uji normalitas One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 72
Normal Parametersa,b Mean 0E-7
Std. Deviation ,14981817
Most Extreme Differences
Absolute ,084
Positive ,081
Negative -,084
Kolmogorov-Smirnov Z ,715
Asymp. Sig. (2-tailed) ,686
a. Test distribution is Normal.
b. Calculated from data.
Data yang berdistribusi normal tersebut juga dapat dilihat melalui grafik histrogram dan grafik normal p-plot data berikut ini.
Gambar 4.1 Grafik Histogram
Berdasarkan grafik histogram di atas dapat disimpulkan bahwa data berdistribusi normal, karena grafik histogram menunjukkan kemiringan garis diagonal yang cenderung seimbang, baik sisi kiri maupun kanan. Berikut hasil uji normalitas berdasarkan grafik p-plot.
Gambar 4.2 Normal P-Plot
Grafik P-Plot di atas menunujukkan bahwa titik-titik menyebar di sekitar garis diagonal dan penyebarannya mengikuti garis diagonal, sehingga kondisi demikian menunjukkan bahwa data tersebut terdistribusi secara normal.
4.2.2.2 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk mengetahui apakah pada model regresi ditemukan adanya korelasi antarvariabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Uji multikolinearitas dilakukan dengan melihat nilai tolerance dan lawannya
tolerance < 0,10 (Umar,2008). Nilai VIF serta nilai tolerance dari
variabel-variabel penelitian dapat dilihat pada tabel berikut ini.
Tabel 4.3
Hasil Uji Multikolinearitas Coefficientsa
Model Collinearity Statistics
Tolerance VIF 1 UKURAN PERUSAHAAN ,292 3,424 UKURAN DEWAN KOMISARIS ,297 3,368 LEVERAGE ,823 1,215 PROFITABILITAS ,628 1,591 KEPEMILIKAN MANAJEMEN ,948 1,055 UMUR PERUSAHAAN ,670 1,492
a. Dependent Variable: INFORMASI SOSIAL
Jika dilihat pada Tabel 4.3 di atas, semua variabel independen memiliki VIF kurang dari 10, atau VIF < 10. Selain itu nilai tolerance untuk setiap variabel independen lebih besar dari 0,1 atau tolerance > 0,1. Dengan demikian dapat disimpulkan bahwa tidak ada multikolinearitas dalam model regresi ini.
4.2.2.3 Uji heterokedastisitas
Uji heterokedastisitas melihat apakah didalam model regresi terjadi ketidaksamaan variable dari residual satu pengamatan kepengamatan yang lain. Jika varians dari residual dari suatu pengamatan ke pengamatan lainnya tetap, maka disebut Homokedastisitas, sementara itu, untuk varians yang berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heterokedastisitas. Cara memprediksi ada tidaknya heteroskedastisitas pada suatu
model dapat dilihat dari pola gambar Scatterplot (Umar,2008). Analisis pada gambar Scatterplot yang menyatakan model regresi linier berganda tidak terdapat heteroskedastisitas jika:
1) titik-titik data menyebar di atas, di bawah atau di sekitar angka 0, 2) titik-titik data tidak mengumpul hanya di atas dan dibawah 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 (Marpaung, 2010).
Gambar 4.3 Grafik Scatterplot
Pola gambar Scatterplot pada model penelitian ini dapat dilihat pada Gambar 4.3 di atas. Grafik Scatterplot menunjukkan bahwa terjadi heteroskedastisitas pada model regresi. Hal ini dikarenakan penyebaran titik-titik data yang berpola. Maka dari itu, peneliti mentransformasikan data variabel ke dalam bentuk Logaritma natural (Ln) supaya model regresi linier berganda tidak terdapat heteroskedastisitas, sehingga diperoleh grafik Scatterplot sebagai berikut.
Gambar 4.4 Grafik Scatterplot II
Uji heterokedastisitas juga dapat dilakukan uji Glejser. Gujarati (2006) menyatakan bahwa,” The Glejser test is similiar in spirit to the Park test. After
absolute values of ei, on the X variable that is thought to be closely associated with the heteroscedastic variance.” Menurutnya uji Glejser dilakukan dengan cara
meregresikan antara variabel independen dengan nilai absolut residualnya. Jika nilai signifikansi antara variabel independen dengan absolut residual lebih dari 0,05 maka tidak terjadi masalah heteroskedastisitas. Berikut ini adalah tabel hasil uji heterokedastisitas berdasarkan uji Glejser.
Tabel 4.4 Hasil Uji Glejser Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) ,116 ,465 ,250 ,804 Ln_TA -,030 ,022 -,429 -1,355 ,185 Ln_UDK ,052 ,113 ,142 ,458 ,650 Ln_LEVERAGE ,008 ,038 ,056 ,220 ,827 LN_PROFITABILITA S ,017 ,029 ,146 ,604 ,550 LN_KEPEMILIKANM AN -,013 ,011 -,286 -1,154 ,257 LN_UMUR ,115 ,148 ,144 ,780 ,441
a. Dependent Variable: ABS_RES
Pada Tabel 4.4 di atas dapat diketahui bahwa nilai signifikansi dari kelima variabel independen lebih dari 0,05. Dengan demikian dapat disimpulkan bahwa tidak terjadi masalah heteroskedastisitas pada model regresi.
4.2.2.4Uji autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada periode saat ini (t)
dengan kesalahan pengganggu sebelumnya (t-1). Jika terjadi korelasi, maka terdapat problem autokorelasi. Kriteria untuk penilaian terjadinya autokorelasi yaitu:
1) angka D-W terletak di bawah -2 berarti ada korelasi positif,
2) angka D-W terletak di antara -2 sampai +2 berarti tidak ada autokorelasi, 3) angka D-W di atas +2 berarti ada autokorelasi negative (Santoso, 2000).
Tabel 4.5
Hasil Uji Autokorelasi
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson
1 ,494a ,244 ,175 ,15658 1,864
a. Predictors: (Constant), UMUR PERUSAHAAN, LEVERAGE, UKURAN DEWAN KOMISARIS, KEPEMILIKAN MANAJEMEN, PROFITABILITAS, UKURAN PERUSAHAAN
b. Dependent Variable: INFORMASI SOSIAL
Berdasarkan hasil tabel di atas diketahui bahwa nilai D-W yang didapat sebesar 1,864 sehingga dapat disimpulkan bahwa model regresi bebas dari masalah autokorelasi.
4.2.3 Pengujian Hipotesis
4.2.3.1 Uji Koefisien Determinasi (R2)
Koefisien determinasi digunakan untuk mengukur tingkat kemampuan model dalam menerangkan variabel independen. Jika nilai R2 mendekati satu, maka dapat dikatakan bahwa variable independen (X) memberikan hampir semua
informasi yang dibutuhkan untuk memprediksi variasi variable dependen (Y) (Ghozali,2005).
Pada Tabel 4.6 di bawah ini, hasil analisis regresi secara keseluruhan menunjukkan bahwa nilai koefisien determinasi (R Square) sebesar 0,259 dimana 25,9% variabel dependen luas pengungkapan sosialnya dijelaskan oleh variabel independen, sedangkan 74,1% dijelaskan oleh variabel diluar variabel independen yang digunakan dalam penelitian.
Tabel 4.6
Koefisien Determinasi
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 ,509a ,259 ,191 ,15503
a. Predictors: (Constant), UMUR PERUSAHAAN, KEPEMILIKAN MANAJEMEN, LEVERAGE, UKURAN DEWAN KOMISARIS, PROFITABILITAS, LN_UKURANPERUSAHAAN
b. Dependent Variabel: INFORMASI SOSIAL
Tabel 4.7
Pedoman untuk memberikan interpretasi koefisien korelasi
Interval Koefisien Tingkat Hubungan
0,000 – 0,199 Sangat Rendah 0,200 – 0,399 Rendah 0,400 – 0,599 Sedang 0,600 – 0,799 Kuat 0,800 – 1,000 Sangat Kuat Sumber: Sugiyono (2006:183)
4.2.3.2Uji regresi simultan (Uji f)
Uji Regresi Simultan (uji F) pada dasarnya menunjukkan apakah semua variable bebas yang dimaksudkan dalam model mempunyai pengaruh secara simultan terhadap variable dependen. Berikut kriteria uji F yang digunakan.
jika F-hitung > F-tabel pada α < 0,05, maka H1 diterima
jika F-hitung < F-tabel pada α > 0,05, maka H1 ditolak (Ghozali, 2005).
Tabel 4.8
Hasil Uji Simultan (Uji F)
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1
Regression ,547 6 ,091 3,794 ,003b
Residual 1,562 65 ,024
Total 2,109 71
a. Dependent Variable: INFORMASI SOSIAL
b. Predictors: (Constant), UMUR PERUSAHAAN, KEPEMILIKAN MANAJEMEN, LEVERAGE, UKURAN DEWAN KOMISARIS, PROFITABILITAS, LN_UKURANPERUSAHAAN
Dari hasil uji di atas dapat dilihat bahwa F-hitung sebesar 3,794 dengan nilai signifikansi 0,003. Hasil uji tersebut menunjukkan bahwa nilai F-hitung lebih besar dari F-tabel (3,794 > 2,242), sedangkan nilai signifikansi lebih kecil dari 0,05 (0,003 < 0,05). Hal ini menunjukkan bahwa secara simultan variabel ukuran perusahaan, ukuran dewan komisaris, leverage, profitabilitas, kepemilikan manajemen dan umur perusahaan mempengaruhi pengungkapan sosial.
4.2.3.3 Uji Regresi Parsial (Uji t)
Uji parsial (uji t) dilakukan untuk mengetahui apakah variable independen dalam model regresi secara parsial memiliki pengaruh signifikan terhadap variable dependen. Nilai dari uji t dapat dilihat dengan membandingkan hitung dan t-tabel. Kriteria uji t yang digunakan :
jika t hitung < t 66aria pada α > 0,05, maka Hi ditolak (Hayati, 2010) Hasil dari uji regresi parsial (uji t) dapat dilihat pada Tabel 4.9 di bawah ini.
Tabel 4.9
Hasil Uji Parsial (T-Test)
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) ,089 ,184 ,486 ,629 LN_UKURANPERUSA HAAN ,025 ,017 ,273 1,450 ,152 UKURAN DEWAN KOMISARIS ,001 ,016 -,001 -,009 ,993 LEVERAGE -1,550E-005 ,000 -,008 -,070 ,944 PROFITABILITAS ,004 ,002 ,235 1,735 ,008 KEPEMILIKAN MANAJEMEN ,003 ,003 ,114 ,941 ,350 UMUR PERUSAHAAN ,008 ,006 ,165 1,161 ,250
a. Dependent Variable: INFORMASI SOSIAL
Hasil pengujian variabel berdasarkan T-Test pada Tabel 4.9 dapat dijelaskan sebagai berikut.
1. Pengaruh ukuran perusahaan terhadap pengungkapan sosial
Nilai hitung untuk variabel ukuran perusahaan adalah sebesar 1,450 dan t-tabel untuk df (n-2) = 70 dengan α = 5% diketahui sebesar 1,66691. Dengan demikian t-hitung lebih kecil dari t-tabel (1,450 < 1,66691) dan nilai signifikansi sebesar 0,152 (lebih besar dari 0,05) artinya H1 ditolak, bahwa ukuran perusahaan
secara parsial tidak berpengaruh secara signifikan terhadap pengungkapan sosial pada perusahaan manufaktur pada tingkat kepercayaan 95%.
2. Pengaruh ukuran dewan komisaris terhadap pengungkapan sosial
Nilai t-hitung untuk variabel ukuran dewan komisaris adalah sebesar -0,009 dan t-tabel untuk df (n-2) = 70 dengan α = 5% diketahui sebesar 1,66691. Dengan demikian t-hitung lebih kecil dari t-tabel (-0,009 < 1,66691) dan nilai signifikansi sebesar 0,993 (lebih besar dari 0,05) artinya H2 ditolak, bahwa ukuran dewan komisaris secara parsial tidak berpengaruh secara signifikan terhadap pengungkapan sosial pada perusahaan manufaktur pada tingkat kepercayaan 95%. 3. Pengaruh leverage (Debt To Equity) terhadap pengungkapan sosial
Nilai t-hitung untuk variabel leverage (Debt To Equity) adalah sebesar -0,70 dan t-tabel untuk df (n-2) = 70 dengan α = 5% diketahui sebesar 1,66691. Dengan demikian t-hitung lebih kecil dari t-tabel (-0,70 < 1,66691) dan nilai signifikansi sebesar 0,944 (lebih besar dari 0,05) artinya H3 ditolak, bahwa leverage (Debt To
Equity) secara parsial tidak berpengaruh secara signifikan terhadap pengungkapan
sosail pada perusahaan manufaktur pada tingkat kepercayaan 95%. 4. Pengaruh profitabilitas (ROA) terhadap pengungkapan sosial
Nilai t-hitung untuk variabel profitabilitas adalah sebesar 1,735 dan t-tabel untuk df (n-2) = 70 dengan α = 5% diketahui sebesar 1,66691. Dengan demikian t-hitung lebih besar dari t-tabel (1,735 > 1,66691) dan nilai signifikansi sebesar 0,008 (lebih kecil dari 0,05) artinya H4 diterima, bahwa profitabilitas (ROA) secara parsial berpengaruh secara signifikan terhadap pengungkapan sosial pada perusahaan manufaktur pada tingkat kepercayaan 95%.
5. Pengaruh kepemilikan manajemen terhadap pengungkapan sosial
Nilai t-hitung untuk variabel kepemilikan manajemen adalah sebesar 0,941 dan t-tabel untuk df (n-2) = 70 dengan α = 5% diketahui sebesar 1,66691. Dengan demikian t-hitung lebih kecil dari t-tabel (0,941 < 1,66691) dan nilai signifikansi sebesar 0,350 (lebih besar dari 0,05) artinya H5 ditolak, bahwa kepemilikan manajemen secara parsial tidak berpengaruh secara signifikan terhadap pengungkapan sosial pada perusahaan manufaktur pada tingkat kepercayaan 95%. 6. Pengaruh umur perusahaan terhadap pengungkapan sosial
Nilai hitung untuk variabel umur perusahaan adalah sebesar 1,161 dan t-tabel untuk df (n-2) = 70 dengan α = 5% diketahui sebesar 1,66691. Dengan demikian t-hitung lebih kecil dari t-tabel (1,161 < 1,66691) dan nilai signifikansi sebesar 0,250 (lebih besar dari 0,05) artinya H6 ditolak, bahwa umur perusahaan secara parsial tidak berpengaruh secara signifikan terhadap pengungkapan sosial pada perusahaan manufaktur pada tingkat kepercayaan 95%.
Berdasarkan hasil uji-t tersebut dapat disimpulkan bahwa pengungkapan sosial dipengaruhi oleh variabel ukuran perusahaan, ukuran dewan komisaris,
leverage, profitabilitas, kepemilikan manajemen dan umur perusahaan dengan
persamaan matematis sebagai berikut:
Y=0,089+0,025X1+0,001X2–0,0000155X3+0,004X4+0,003X5+0,008X6+ e
1) koefisien konstanta adalah 0,089, menyatakan bahwa jika X1, X2, X3, X4,X5, dan X6 adalah 0, maka variabel indeks pengungkapan adalah 0,089,
2) koefisien regresi b1 sebesar 0,025 menunjukkan bahwa setiap penambahan satu kali variabel ukuran perusahaan, maka akan menambah variabel indeks pengungkapan sebesar 0,025 dengan asumsi variabel lain tetap,
3) koefisien regresi b2 sebesar 0,001 menunjukkan bahwa setiap penambahan satu kali variabel ukuran dewan komisaris, maka akan menambah pula indeks pengungkapan variabel sebesar 0,001 dengan asumsi variabel lain tetap,
4) koefisien regresi b3 sebesar -0,0000155 menunjukkan bahwa setiap penambahan satu kali variabel leverage, maka akan mengurangi variabel indeks pengungkapan sebesar 0,0000155 dengan asumsi variabel lain tetap,
5) koefisien regresi b4 sebesar 0,004 menunjukkan bahwa setiap penambahan satu kali variabel profitabilitas, maka akan menambah pula indeks pengungkapan sebesar 0,004 dengan asumsi variabel lain tetap,
6) koefisien regresi b5 sebesar 0,003 menunjukkan bahwa setiap penambahan satu kali variabel kepemilikan manajemen, maka akan menambah pula indeks pengungkapan variabel sebesar 0,003 dengan asumsi variabel lain tetap,
7) koefisien regresi b6 sebesar 0,008 menunjukkan bahwa setiap penambahan satu kali variabel umur perusahaan, maka akan menambah pula indeks pengungkapan sebesar 0,008 dengan asumsi variabel lain tetap.
