38
Menurut Acep (2018), tipe penyelidikan dalam penelitian dikategorikan menjadi dua, yakni:
1. Deskriptif
Merupakan penyelidikan yang bertujuan yntuk memperoleh gambaran / kondisi yang terjadi tanpa melakukan pengujian. 2. Verifikatif
Merupakan penyelidikan yang bertujuan untuk mengetahui pengaruh antarvariabel dengan menggunakan rancangan hipotesis yang dikembangkan dari teori-teori dasar yang digunakan dalam kerangka pikir. Jenis investigasi verifikatif dikategorikan menjadi: a. Kausalitas, merupakan pernyataan sebab akibat.
b. Korelasi, merupakan hubungan timbal balik antarvariabel. Dengan demikian, penelitian ini menggunakan jenis investigasi verifikatif dengan hubungan kausalitas.
4.2 Tempat dan Waktu Penelitian
Penelitian ini dilakukan pada Bursa Efek Indonesia (BEI), melalui
website-nya, yakni www.idx.co.id. Penelitian ini dilakukan pada April sampai Juli 2019.
4.3 Data dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder adalah data yang dikumpulkan dari laporan yang telah dipublikasikan oleh lembaga atau perusahaan yang berupa laporan, dokumen, publikasi pemerintah, media masa, internet, dan lainnya (Acep : 2018). Data untuk penelitian ini diperoleh Bursa Efek Indonesia (BEI), lewat website-nya yaitu www.idx.co.id. Adapun data yang digunakan adalah data biaya produksi,
biaya corporate social responsibility, dan laba bersih dari perusahaan manufaktur sektor industri dasar dan kimia yang terdaftar di BEI pada periode 2015-2018.
4.4 Metode Pengumpulan Data
Menurut Acep (2018), metode pengumpulan data dibagi menjadi dua, yakni:
1. Monitoring
Monitoring merupakan metode pengumpulan data dengan cara mencatat, mentabulasi, dan merangkum perubahan-perubahan yang ada dalam unit analisis, mulai dari awal hingga akhir kegiatan.
2. Wawancara
Wawancara merupakan metode pengumpulan data, di mana caranya ialah melakukan tatap muka dengan responden dengan menggunakan daftar perntanyaan.
Dengan demikian, metode pengumpulan data dalam penelitian ini ialah dengan melakukan monitoring terhadap data biaya produksi, biaya corporate social responsibility, dan laba bersih pada perusahaan manufaktur sektor industri dasar dan kimia yang terdaftar di BEI pada periode 2015-2018.
4.5 Instrumen Penelitian
Menurut Suharsimi Arikunto dalam Zakky (2018) instrumen penelitian adalah alat bantu yang digunakan oleh peneliti dalam mengumpulkan data. Adapun instrumen yang digunakan dalam penelitian ini adalah buku catatan dan software Microsoft Excel, yang digunakan untuk mendokumentasi atau mencatat data-data penelitian.
4.6 Teknik Analisis Data
Teknik yang digunakan untuk menguji dan menganalisis data dalam penelitian ini dengan menggunakan analisis deskriptif dan analisis statistik parametrik. Menurut Acep (2018), analisis deskriptif adalah analisis yang bertujuan untuk menggambarkan atau menjelaskan karakteristik, keadaan, atau kondisi dari objek dengan nilai-nilai, frekuensi, dan alat pengukuran lainnya. Sementara itu, analisis statistik parametrik digunakan untuk menguji populasi
yang besar (berdistribusi normal) yang bertujuan menghasilkan kesimpulan yang sifatnya general, sehingga hasil penelitian dapat diimplementasikan juga secara general.
Adapun pengolahan data dalam penelitian ini menggunakan bantuan
Microsoft Excel untuk analisis deskriptif dan software E-Views 8 untuk analisis statistik parametrik.
4.7 Keabsahan Data
Untuk menilai keabsahan data, maka dilakukan penentuan model estimasi data panel, uji outlier dan uji asumsi klasik.
4.7.1. Penentuan Model Estimasi Data Panel
4.7.1.1. Common Effect Model atau Pooled Least Square
Menurut Statistikian.com (2014), Pooled Least Square (PLS) merupakan pendekatan model data panel yang paling sederhana karena hanya mengombinasikan data time series dan cross section dengan tidak memperhatikan dimensi waktu maupun individu, sehingga diasumsikan bahwa perilaku data perusahaan sama dalam berbagai kurun waktu. Metode ini bisa menggunakan pendekatan Ordinary Least Square (OLS) atau teknik kuadrat terkecil untuk mengestimasi model data panel.
4.7.1.2. Fixed Effect Model
Menurut Statistikian.com (2014), fixed effect model merupakan model yang mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari perbedaan intersepnya. Untuk mengestimasi data panel model fixed effects menggunakan teknik variable dummy untuk menangkap perbedaan intersep antar perusahaan. Perbedaan intersep bisa terjadi karena perbedaan budaya kerja, manajerial, dan insentif. Namun demikian slopnya sama antar perusahaan. Model estimasi ini sering juga disebut dengan teknik Least Squares Dummy Variable (LSDV).
4.7.1.3. Random Effect Model
Menurut Statistikian.com (2014), random effect model merupakan model yang akan mengestimasi data panel, di mana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu. Pada model random effect
perbedaan intersep diakomodasi oleh error terms masing-masing perusahaan.
Keuntungan menggunkan model random effect yakni
menghilangkan heteroskedastisitas. Model ini juga disebut dengan Error
Component Model (ECM) atau teknik Generalized Least Square (GLS).
4.7.1.4. Chow Test
Menurut Sharingid.com (2017), Chow test adalah sebuah pengujian untuk menentukan apakah common effect model (CEM) yang tepat dijadikan metode analisis, ataukah fixed effect model (FEM). Dengan hipotesis sebagai berikut:
H0 = Jika Chi Suare > 0,05 , maka yang diterima adalah CEM.
H1 = Jika Chi Square < 0,05, maka tolak H0 dan menerima FEM. Tabel 4.1
Uji Chow
Sumber: Software E-views 8
Berdasarkan hasil Chow test di atas, terdapat hasil yaitu Cross-section Chi Square sebesar 0,0000. Karena hasil Cross-section Chi Square lebih kecil dari 5%, maka model estimasi data panel yang digunakan adalah Fixed Effect Model.
4.7.1.5. Lagrange Multiplier Test
Menurut Sharingid.com (2017), Lagrange multiplier test adalah sebuah pengujian untuk menentukan metode mana yang paling tepat, apakah common effect model (CEM) ataukah random effect model (REM). Dengan hipotesis sebagai berikut:
H0 = Jika Chi Suare > 0,05, maka terima H0 yaitu CEM lebih tepat. H1 = Jika Chi Square < 0,05, maka Tolak H0, yaitu REM lebih tepat.
Karena hasil uji sebelumnya (Chow Test) menyimpulkan bahwa model
estimasi data yang dipilih adalah Fixed Effect Model, maka Lagrange Multiplier Test tidak perlu dilakukan.
4.7.1.6. Hausman Test
Menurut Sharingid.com (2017), Hausman test adalah sebuah pengujian untuk menentukan apakah random effect model (REM) yang tepat dijadikan metode analisis, ataukah fixed effect model (FEM). Dengan hipotesis sebagai berikut:
H0 = Jika Chi Square > 0,05, maka terima H0 yaitu REM lebih tepat. H1 = Jika Chi Square < 0,05, maka Tolak H0, yaitu FEM lebih tepat.
Tabel 4.2
Uji Hausman
Sumber: Software E-views 8
Berdasarkan hasil dari Hausman test diatas, dapat diperoleh hasil
Cross-section Random sebesar 0,0348. Karena hasil Cross-section Random lebih kecil dari 5%, maka model estimasi data panel yang digunakan adalah Fixed Effect Model.
4.7.2. Uji Outlier
Pengertian dari outlier adalah data observasi yang muncul dengan nilai-nilai ekstrim, baik secara univariat ataupun multivariat, Di mana, nilai-nilai ekstrim dalam observasi adalah nilai yang jauh atau beda sama sekali dengan sebagian besar nilai lain dalam kelompoknya. Dalam penelitian, nilai ekstrim ini harus mendapatkan perlakuan khusus, karena dapat menyebabkan terjadinya bias pada hasil penelitian.
Jika tujuan penelitian adalah untuk generalisasi, terutama untuk menentukan sebuah model prediksi seperti dalam regresi linear, maka data tersebut harus mendapatkan perlakuan khusus, yakni dengan melakukan transformasi data jika nilai ekstrim masih bisa dikurangi jaraknya dengan kelompok yang lainnya. Akan tetapi, jika terlalu jauh, maka data yang menyimpang tersebut dapat dikeluarkan dari penelitian (Anwar : 2014).
Berdasarkan hasil uji outlier yang dilakukan pada aplikasi E-views, terdapat tiga buah data dari empat puluh delapan data sampel yang mengandung nilai ekstrim. Dengan demikian, ketiga data ekstrim tersebut dihilangkan, dan jumlah sampel yang digunakakan menjadi 48 buah data sampel.
4.7.3. Uji Asumsi Klasik 4.7.3.1. Uji Normalitas
Menurut Ghozali dan Dwi (2013), tujuan dari uji normalitas ialah: “Menguji apakah dalam model regresi, variabel pengganggu atau residual mempunyai distribusi normal.”
Uji normalitas digunakan untuk mengetahui sifat distribusi data untuk mengetahui apakah sampel yang diambil memiliki bersifat normal atau tidak. Untuk melakukan pengujian normalitas, menurut Ghozali dan Dwi (2013), yang umumnya digunakan ialah uji Jarque-Bera (JB), dengan rumus :
n = besarnya sampel
S = koefisien Skewness
K = koefisien Kurtosisi
Menurut Ghozali dan Dwi (2013), untuk menguji normalitas suatu data dapat dilihat nilai probabilitas nilai Chi-Square. Jika probabilitas nilai Chi-Square < 0,05 artinya data berdistribusi tidak normal. Sebaliknya, jika probabilitas nilai Chi-Square > 0,05 artinya data berdistribusi normal.
Grafik 4.1
Uji Normalitas
Sumber: Software E-views 8
Berdasarkan uji normalitas di atas, data dikatakan berdistribusi normal karena memiliki probabilitas 0,180248, di mana nilai probabilitasnya lebih besar dari 0,05.
4.7.3.2. Uji Multikolinieritas
Ghozali dan Dwi (2013), mengatakan bahwa tujuan dari diadakannya uji multikolinearitas adalah untuk menemukan adanya korelasi yang sempurna antarvariabel independen. Jika antarvariabel independen terjadi multikolinearitas yang sempurna, maka koefisien regresi variabel X tidak dapat ditentukan dan standar error bernilai tak hingga. Akan tetapi, jika multikolinearitas antarvariabel
independen tidak sempurna tetapi tinggi,maka koefisien regresi variabel X dapat ditentukan tetapi nilai standar error tinggi dan berarti bahwa koefisien regresi tidak dapat diestimasi dengan tepat.
Ghozali dan Dwi (2013), menyatakan bahwa multikolinearitas antarvariabel independen dapat dideteksi dengan:
1. Hanya sedikit, bahkan tidak ada variabel independen yang
siginifikan walaupun nilai R2 tinggi. Jika nilai R2di atas 0,08. Maka uji F pada sebagian besar kasus akan menolak bahwa hipotesis yang menyatakan bahwa koefisien slope parsial secara simultan sama dengan nol, tetapi uji t individual menunjukkan sangat sedikit koefisien slope parsial yang secara statistik berbeda dengan nol.
2. Korelasi antarvariabel independen lebih dari 0,08.
3. Multikolinearitas dapat dilihat juga melalui nilai tolerance dannilai
Variance Inflation Factor (VIF). Keduanya menunjukkan variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengkur variabilitas variabel independen yang tidak dijelaskan oleh variabel lainnya. Hubungan antara tolerance dengan nilai VIF adalah:
Umumnya, batas nilai yang digunakan untuk menunjukkan adanya multikolinearitas adalah tolerance < 0,10 atau VIF ≥ 10.
Tabel 4.3
Uji Multikolinearitas
Sumber: Software E-views 8
Berdasarkan hasil uji multikoleniaritas tersebut, diketahui bahwa nilai dari Variance Inflation Factors untuk variabel X1 dan X2 sebesar 1,15 (nilai VIF <
10). Hal ini menandakan bahwa model terbebas dari masalah multikolinieritas.
4.7.3.3. Uji Heteroskedaktisitas
Menurut Ghozali dan Dwi (2013), asumsi klasik selanjutnya ialah nilai residual atau error dalam model regresi memiliki varian yang sama atau biasa disebut homoskedaktisitas (homo = sama ; scedacticity = sebaran). Dengan kata lain, dalam penelitian, uji heteroskedaktisitas digunakan untuk menguji adanya ketidaksamaan varian. Masalah heteroskedaktisitas biasanya lebih sering terjadi pada data cross-section daripada time series.
Menurut Ghozali dan Dwi (2013), pendeteksian adanya masalah heteroskedaktisitas salah satunya dapat dilakukan dengan Uji White. Uji White
dilakukan dengan meregres residual kuadrat (U2i) dengan variabel independen. Jika nilai koefisien dari variabel independen signifikan secara statistik, maka terdapat indikasi heteroskedaktisitas dalam model. Jika nilai Obs*R-squared < 0,05 dan memiliki nilai probabilitas Chi-square yang signifikan (p=0,000), maka
hipotesis (Ha) adanya heteroskedaktisitas dalam model diterima atau dengan kata lain terdapat indikasi heteroskedaktisitas.
Tabel 4.4
Uji Heteroskedaktisitas
Sumber: Software E-views 8
Berdasarkan tabel tersebut diketahui bahwa nilai prob. Chi-square
sebesar 0,3467. Hal ini menunjukkan bahwa model terbebas dari masalah heteroskedastisitas, sebab besarnya nilai prob. Chi-square > α (0,3467 > 0,05).
4.7.3.4. Uji Autokorelasi
Menurut Gujarati (2006), istilah otokorelasi (autokorelasi) berarti bahwa:
“Korelasi di antara anggota observasi yang diurut menurut waktu (seperti data deret berkala) atau ruang (seperti data lintas sektoral).” Tujuan dari diadakannya uji autokorelasi adalah untuk menguji apakah dalam model regresi linier terdapat korelasi antarkesalahan residual pada periode t dengan periode sebelumnya (Ghozali dan Dwi : 2013). Menurut Ghozali dan Dwi (2013), salah satu cara untuk mendeteksi adanya autokorelasi dalam model regresi adalah dengan uji Durbin-Watson (DW test).
Menurut Gujarati (2006) uji Durbin-Watson adalah:
“Rasio jumlah selisih kuadrat dalam residu berurutan terhadap RSS.” Gujarati (2006) merumuskan definisi tersebut menjadi:
Keterangan:
n = besarnya sampel et = nilai residual tahun t
e(t-1) = nilai residual tahun sebelumnya
Adapun dasar keputusan untuk menentukan adanya autokorelasi dalam model ialah sebagai berikut:
Tabel 4.5
Tabel keputusan DW test
Hipotesis Nol Keputusan Jika
Tidak ada autokorelasi positif Tolak 0 < d < dL
Tidak ada autokorelasi positif No decision dL ≤ d ≤ dU
Tidak ada autokorelasi negatif Tolak 4-dL < d < 4
Tidak ada autokorelasi negatif No decision 4-dU ≤ d ≤ 4-dL
Tidak ada autokorelasi positif atau negatif Tidak ditolak dU < d < 4-dU
Sumber : Ghozali dan Dwi (2013)
Tabel 4.6
Uji Autokorelasi
Sumber: Software E-views 8
Berdasarkan tabel tersebut, didapatkan hasil nilai Durbin-Watson (DW) sebesar 2,059402. Sementara itu, jika dilihat dalam Tabel Durbin-Watson, besarnya nilai dL = 1,4298 dan dU = 1,6148, di mana besarnya nilai 4-dU = 2,3852. Dengan demikian, model memenuhi kondisi dU < d < 4-dU (1,6148 < 2,059402 < 2,3852), yang berarti bahwa tidak ada masalah autokorelasi.
4.8 Prosedur Penelitian
4.8.1. Menentukan Operasionalisasi Variabel
Menurut Nuryaman dan Veronica (2015), variabel adalah karakteristik yang melekat pada orang, benda, atau subjek lainya (unit analisis), yang jika
diukur karakteristik tersebut nilainya dapat bervariasi atau dapat berbeda antara subjek satu dengan yang lainnya. Sementara itu, menurut Acep (2018), operasional variabel merupakan suatu cara pengoperasian suatu variabel untuk memperoleh nilai dan gambaran nyata atas variabel tersebut.
Uma dan Roger (2017), menyebutkan bahwa dalam penelitian terdapat empat jenis variabel, yakni variabel bebas / independent variable,variabel terikat /
dependent variable, variabel moderator / moderating variable, dan variabel perantara / intervening variable. Dalam penelitian ini, variabel yang digunakan ialah:
1. Variabel Independen (X)
Menurut Nuryaman dan Veronica (2015) variabel independen atau sering disebut variabel bebas adalah variabel yang dapat mempengaruhi variabel dependen. Dengan kata lain, perubahan nilai (variance) pada variabel independen dapat menyebabkan perubahan nilai variabel dependen. Variabel independen yang digunakan dalam penelitian ini adalah biaya produksi (X1) dan
biaya corporate social responsibility (X2).
2. Variabel Dependen (Y)
Nuryaman dan Christina (2015) menyatakan bahwa variabel dependen atau sering disebut variabel terikat adalah variabel yang dipengaruhi oleh variabel independen. Dengan kata lain, besaran nilai variabel dependen dipengaruhi oleh perubahan nilai variabel independen. Variabel dependen dinamakan juga sebagai variabel konsekuensi (consequent variable). Variabel dependen dalam penelitian ini adalah laba bersih.
Menurut Acep (2018), agar dapat diukur, variabel penelitian harus dioperasionalkan ke dalam bentuk nilai. Menurut Uma dan Roger (2017), salah satu teknik untuk mengukur variabel ialah dengan menguraikan konsep abstrak menjadi perilaku atau karakteristik yang dapat diamati. Dalam penelitian ini, konsep dari operasional variabel akan dirangkum dalam tabel berikut ini:
Tabel 4.7
Operasionalisasi Variabel
Variabel Konsep Indikator Skala
Biaya Produksi
Biaya produksi adalah biaya yang digunakan dalam proses produksi yang terdiri dari bahan baku langsung, tenaga kerja langsung, dan biaya overhead pabrik. (Bustami dan Nurlela : 2009) Jumlah biaya produksi yang bersumber dari Laporan Keuangan Tahunan perusahaan manufaktur sektor industri dasar dan
kimia yang terdaftar di BEI tahun 2015-2018. Rasio Biaya Corporate Social Resposibility
The costs associated with CSR can be measured by identifying the activities associated with CSR, as well as the activities the
company was unable to
undertake due to engaging in CSR activities. (Geoffrey dan Maines : 2010) Jumlah biaya corporate social responsibility, yaitu biaya kesejahteraan karyawan, biaya bina lingkungan, dan biaya kemitraan, yang bersumber dari Laporan Tahunan perusahaan manufaktur sektor industri dasar dan
kimia yang
terdaftar di BEI tahun 2015-2018.
Rasio
Laba Bersih Kelebihan dari kekurangan
pendapatan dibandingkan
dengan biaya yang telah habis
masa berlakunya serta
keuntungan dan kerugian bagi
perusahaan dari penjualan,
pertukaran, atau konversi
lainnya dari aktiva. (Riahi dan Belkaoui : 2006)
Jumlah laba bersih
yang bersumber dari Laporan Keuangan Tahunan perusahaan manufaktur sektor industri dasar dan
kimia yang
terdaftar di BEI tahun 2015-2018.
4.8.2. Menentukan Populasi dan Sampel 4.8.2.1. Populasi
Menurut Uma dan Roger (2017), populasi adalah keseluruhan orang, kejadian, atau hal-hal menarik yang akan diinvestigasi oleh peneliti. Populasi dalam penelitian ini adalah data laba bersih, biaya produksi, dan biaya corporate social responsibility perusahaan manufaktur subsektor industri dasar dan kimia yang terdaftar di Bursa Efek Indonesia (BEI) pada tahun 2015-2018.
4.8.2.2. Sampel
Sampel adalah sebagian dari populasi yang akan diteliti (Uma dan Roger, 2017). Metode penarikan sampel yang digunakan adalah nonprobability sampling, di mana tidak semua unsur atau elemen populasi memiliki kesempatan yang sama untuk bisa dipilih menjadi objek sampel (Nuryaman dan Veronica, 2015). Teknik nonprobability sampling yang digunakan adalah purposive sampling, di mana sampel hanya akan diambil jika memiliki informasi dan karakteristik yang sesuai dengan keperluan penelitian (Nuryaman dan Veronica, 2015).
Berdasarkan penjelasan di atas, maka sampel dari penelitian ini adalah perusahaan manufaktur subsektor industri dasar dan kimia yang terdaftar di Bursa Efek Indonesia (BEI) tahun 2015-2018, dengan kriteria sampel sebagai berikut:
1. Perusahaan manufaktur subsektor industri dasar dan kimia yang terdaftar di Bursa Efek Indonesia (BEI) tahun 2015-2018.
2. Perusahaan manufaktur subsektor industri dasar dan kimia yang menggunakan satuan mata uang rupiah pada laporan keuangannya. 3. Perusahaan manufaktur subsektor industri dasar dan kimia yang
laporan keuangannya tersedia lengkap beserta informasi biaya produksinya di website BEI tahun 2015-2018.
4. Perusahaan manufaktur subsektor industri dasar dan kimia yang selalu memperoleh laba.
5. Perusahaan manufaktur subsektor industri dasar dan kimia yang melaksanakan, melaporkan, dan mencantumkan besar biaya kegiatan CSR tahun 2015-2018.
Tabel 4.8
Hasil Pengambilan Sampel
No Keterangan Jumlah
1 Perusahaan manufaktur subsektor industri dasar dan kimia yang
terdaftar di Bursa Efek Indonesia (BEI) tahun 2015-2018. 71
2 Perusahaan manufaktur subsektor industri dasar dan kimia yang tidak menggunakan satuan mata uang rupiah pada laporan keuangannya.
(10)
3 Perusahaan manufaktur subsektor industri dasar dan kimia yang laporan keuangannya tersedia lengkap beserta informasi biaya produksinya di website BEI tahun 2015-2018.
(24)
4 Perusahaan manufaktur subsektor industri dasar dan kimia yang
selalu memperoleh laba. (22)
5 Perusahaan manufaktur subsektor industri dasar dan kimia yang melaksanakan, melaporkan, dan mencantumkan besar biaya kegiatan CSR tahun 2015-2018.
(3)
Jumlah Sampel 12
Sumber : idx.co.id (data telah diolah kembali)
Berdasarkan kriteria di atas, maka 12 perusahaan yang memenuhi seluruh kriteria untuk digunakan sebagai sampel penelitian. Perusahaan – perusahaan tersebut disajikan dalam tabel sebagai berikut:
Tabel 4.9 Sampel Penelitian
No Kode Perusahaan Nama Perusahaan
2 ARNA Arwana Citramulia Tbk.
3 CPIN Charoen Pokphand Indonesia Tbk.
4 EKAD Ekadharma International Tbk.
5 IMPC Impack Pratama Industri Tbk.
6 INTP Indocement Tunggal Prakarsa Tbk.
7 ISSP Steel Pipe Industry of Indonesia Tbk.
8 JPFA Japfa Comfeed Indonesia Tbk.
9 KDSI Kedawung Setia Industrial Tbk.
10 SMGR Semen Indonesia (Persero) Tbk.
11 TOTO Surya Toto Indonesia Tbk.
12 WSBP Waskita Beton Precast Tbk.
Sumber : idx.co.id (data telah diolah kembali)
4.8.3. Analisis Deskriptif
Analisis deskriptif dilakukan dengan menghitung nilai rata-rata, nilai terendah, dan nilai tertinggi dari setiap variabel yang diuji, dengan dibantu dengan aplikasi Microsoft Excel.
4.8.4. Analisis Regresi Linier Berganda
Definisi dari analisis regresi linier berganda menurut Riduwan (2014) adalah:
“Uji regresi ganda adalah alat analisis peramalan nilai pengaruh dua variabel bebas atau lebih terhadap satu variabel terikat (untuk membuktikan ada atau tidaknya hubungan fungsional atau hubungan kausal antara dua variabel bebas atau lebih dengan satu variabel terikat).”
Menurut Ghozali dan Dwi (2013), regresi linier berganda biasa digunakan untuk menguji pengaruh dari dua atau lebih variabel bebas terhadap satu variabel terikat, yang dinyatakan dalam model persamaan ordinary least square (OLS) sebagai berikut:
Dalam penelitian ini, analisis regresi linier berganda dinyatakan dalam persamaan: Laba Bersih = Keterangan: α = konstanta β = koefisien regresi µ = error 4.8.5. Goodness of Fit
4.8.5.1. Pengujian Hipotesis Parsial (Uji T)
Pengujian parsial digunakan untuk mengetahui apakah suatu parameter dalam regresi telah sesuai dengan hipotesis (Doddy : 2012). Menurut Zulganef (2008), langkah-langkah untuk melakukan pengujian hipotesis parsial adalah:
1. Menentukan hipotesis penelitian secara parsial Hipotesis pertama:
H0 ; r1 = 0, Biaya Produksi tidak berpengaruh terhadap Laba
Bersih
Ha ; r1 ≠ 0, Biaya Produksi berpengaruh terhadap Laba Bersih
Hipotesis kedua:
H0 ; r2 = 0, Biaya Corporate Social Responsibility tidak
berpengaruh terhadap Laba Bersih
Ha ; r2 ≠0, Biaya Corporate Social Responsibility berpengaruh
terhadap Laba Bersih
2. Menentukan tingkat signifikansi (α)
Tingkat signifikansi merupakan tingkat kesalahan dalam penelitian (Sugiyono : 2008). Tingkat signifikansi sebesar 1%, artinya jika penelitian menggunakan 100 sampel, maka akan terdapat satu kesimpulan yang salah (Sugiyono : 2008).
Pada penelitian ini, tingkat signifikansi yang digunakan ialah 5%, di mana tingkat kesalahan sebesar 5%, dan probabilitas atau taraf kepercayaannya sebesar 95%. Namun demikian, penelitian ini menggunakan uji dua arah, sehingga besarnya tingkat signifikansi dalam menentukan besarnya ttabel adalah sebesar atau sebesar 2,5%.
3. Menghitung nilai thitung
Menurut Riduwan (2014), untuk menghitung nilai thitungdapat
digunakan rumus sebagai berikut:
Keterangan:
r = nilai korelasi X1 dan X2
n = jumlah sampel
dan = rata-rata sampel ke-1dan ke-2
dan = varians sampel ke-1dan ke-2
dan = standar deviasi sampel ke-1 dan ke-2
Dalam penelitian ini, perhitungan nilai dari thitung dibantu oleh softwareE-Views 8.
1. Pengambilan keputusan
Berdasarkan perhitungan thitung, maka hasilnya akan dibandingkan
dengan ttabel. Jika -ttabel ≤ thitung ≤ ttabel, maka H0 diterima.
Sementara jika thitung ≥ ttabel atau thitung ≤ -ttabel, maka H0 ditolak.
Adapun daerah penolakan dan penerimaan H0 dijelaskan dalam
Daerah Penolakan H0Daerah Penolakan H0
Daerah Penerimaan H0
-ttabel 0 ttabel
Gambar 4.1. Daerah Penerimaan dan Penolakan H0
Sumber : Johanes (2009)
4.8.5.2. Pengujian Hipotesis Simultan (Uji F)
Pengujian simultan digunakan untuk mengetahui apakah beberapa parameter dalam regresi secara bersamaan telah sesuai dengan hipotesis (Doddy : 2012). Pengujian hipotesis simultan dalam penelitian ini dilakukan dengan
Analysis of Variance (ANOVA) satu jalur, di mana menurut Zulganef (2008), tujuan ANOVA adalah sebagai berikut:
“Tujuan analisis varians (ANOVA) adalah menentukan kontribusi relatif dari masing-masing komponen dependen variabel terhadap variasi yang terdapat pada variabel dependen tersebut.”
Zulganef (2008) menyebutkan pula bahwa konsep utama dari analisis varians adalah varians total dibagi menjadi dua, yakni variance between (varians yang mencerminkan perbedaan antar kelompok) dan variance within (varians yang terdapat pada masing-masing kelompok). Variance between memiliki rumus derajat kebebasan sebesar df = k-1 dan variance within memiliki derajat kebebasan sebesar df = k(n-1) (Johanes : 2009).
Menurut Zulganef (2008), langkah-langkah untuk melakukan pengujian hipotesis parsial adalah:
1. Menentukan hipotesis penelitian secara parsial Hipotesis pertama:
H0 ; r1,2 = 0, Biaya Produksi dan Biaya Corporate Social Responsibility tidak berpengaruh terhadap Laba Bersih
Ha ; r1,2 ≠ 0, Biaya Produksi dan Biaya Corporate Social Responsibility berpengaruh terhadap Laba Bersih
2. Menentukan tingkat signifikansi (α)
Tingkat signifikansi merupakan tingkat kesalahan dalam penelitian (Sugiyono : 2008). Tingkat signifikansi sebesar 1%, artinya jika penelitian menggunakan 100 sampel, maka akan terdapat satu kesimpulan yang salah (Sugiyono : 2008).
Pada penelitian ini, tingkat signifikansi yang digunakan ialah 5%, di mana tingkat kesalahan sebesar 5%, dan probabilitas atau taraf kepercayaannya sebesar 95%.
3. Menghitung nilai fhitung
Menurut Johanes (2009), untuk menghitung nilai fhitungdapat
digunakan rumus sebagai berikut:
Di mana:
Dalam penelitian ini, perhitungan nilai dari fhitung dibantu oleh softwareE-Views 8.
4. Pengambilan keputusan
Berdasarkan perhitungan fhitung, maka hasilnya akan dibandingkan
dengan ftabel. Jikafhitung≥ ftabel maka H0 ditolak. Sementara jika
fhitung ≤ ftabel, maka H0 diterima (Johanes : 2009). Adapun daerah
penolakan dan penerimaan H0 dijelaskan dalam gambar berikut
Daerah α Penerimaan H0
ftabelfhitung
Daerah Penolakan H0
Gambar 4.2 Daerah Penerimaan dan Penolakan H0
Sumber : Johanes (2009)
4.8.5.3. Koefisien Determinasi
Menurut Uma dan Roger (2017), pengertian koefisien determinasi adalah :
“Koefisien determinasi adalah ukuran statistik seberapa baik garis regresi mendekati poin data sebenarnya.”
Menurut Uma dan Roger (2017), koefisien determinasi, memberikan informasi mengenai kesesuaian ketepatan model regresi. Menurut Gujarati (2006), koefisien determinasi dilambangkan dengan r2, digunakan untuk mengukur bagian total variasi dalam Y yang dijelaskan dalam model regresi, di mana r2 memiliki 2 sifat, yakni:
1. r2 merupakan besaran nonnegatif.
2. Batas dari r2 adalah 0 ≤r2≤1. Jika nilai r2 sama dengan 1, berarti ada kecocokan sempurna antara variabel bebas dengan variabel terikat. Sementara itu, jika r2 sama dengan 0, maka tidak ada hubungan antara variabel bebas dengan variabel terikat.
Menurut Riduwan (2014), rumus koefisien determinasi dapat ditulis sebagai berikut:
Keterangan :
Kd = Nilai koefisien determinasi r2 = Koefisien korelasi
