21 BAB III
METODE PENELITIAN A. Jenis Penelitian
Penelitian ini menggunakan jenis penelitian asosiatif dengan tujuan untuk mengetahui hubungan atau pengaruh antar variabel. Penelitian asosiatif merupakan penelitian yang bertujuan untuk mengetahui hubungan antara dua variabel atau lebih, sehingga dapat dibangun suatu teori yang dapat berfungsi untuk menjelaskan, meramalkan dan mengontrol suatu gejala. Dalam penelitian ini terdapat dua variabel bebas (independen variable), yaitu green accounting dan environmental performance, serta satu variabel terikat (dependen variable), yaitu profitabilitas. Variabel bebas adalah variabel yang mempengaruhi atau yang menjadi sebab terjadinya perubahan kearah positif maupun negatif pada variabel terikat. Sedangkan variabel terikat adalah variabel yang dipengaruhi atau yang menjadi akibat dari adanya variabel bebas. Jadi, penelitian ini bertujuan untuk mengetahui hubungan atau pengaruh green accounting dan environmental performance terhadap profitabilitas.
B. Populasi dan Sampel Penelitian 1. Populasi Penelitian
Populasi merupakan sekumpulan objek yang memiliki kesamaan dalam satu atau beberapa hal, serta mempunyai kualitas dan karakteristik tertentu yang telah ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya. Penelitian ini menggunakan populasi perusahaan sektor bahan baku berdasarkan Indonesia Stock Exchange Industrial Classification
(IDX-IC) per tanggal 19 Januari 2021 yang memperoleh peringkat pada PROPER KLHK berjumlah 14 perusahaan.
2. Sampel Penelitian
Sampel adalah bagian dari populasi yang dapat dijangkau oleh peneliti serta memiliki kualitas dan karakteristik yang sama dengan populasi. Dengan adanya sampel, peneliti lebih mudah dalam mempelajari dan menarik kesimpulan. Penentuan sampel penelitian ini menggunakan teknik non probability sampling melalui sensus (sampling jenuh) dimana populasi dijadikan sebagai sampel.
C. Definisi Operasional dan Pengukuran Variabel 1. Green Accounting
Green accounting (akuntansi hijau) mengacu pada akuntansi yang berupaya memasukkan faktor biaya lingkungan ke dalam hasil keuangan dari operasi perusahaan. Salah satu biaya yang timbul dari adanya aktivitas perusahaan yang melibatkan peran lingkungan dalam setiap operasi bisnisnya, yaitu biaya lingkungan. Pada penelitian ini, metode dummy diterapkan sebagai alat untuk mengukur penerapan variabel green acconting.
Ada tiga indikator yang ditetapkan peneliti untuk mengukur penerapan green accounting pada perusahaan sebagai berikut:
Tabel 3.1 Indikator Pengukuran Penerapan Green Accounting Indikator Pengukuran Score Penilaian
No. Ada Tidak Ada
1. Pengungkapan laporan keberlanjutan
(suistainability report) 1 0
2. Pengungkapan biaya lingkungan 1 0
3. Pengungkapan pengelolaan lingkungan 1 0
Berdasarkan indikator diatas, jika suatu perusahaan telah memenuhi minimal 2 indikator maka akan diberi score 1 yang artinya telah menerapkan green accounting. Sebaliknya score 0 diberikan jika perusahaan hanya memenuhi 1 indikator atau tidak sama sekali memenuhi indikator tersebut yang artinya belum menerapkan green accounting.
2. Environmental Performance
Environmental performance (kinerja lingkungan) merupakan hasil kerja perusahaan terhadap lingkungan dalam upaya melestarikan lingkungan yang mengacu pada seberapa besar dampak dan kerusakan yang telah disebabkan oleh perusahaan atas kegiatan bisnis yang dilakukan. Menurut (Cahyani & Bahri, 2016) variabel kinerja lingkungan dapat diukur menggunakan Program Penilaian Peringkat Kinerja Perusahaan (PROPER) dalam Pengelolaan Lingkungan Hidup yang merupakan sebuah instrumen dari Kementerian Lingkungan Hidup dan Kehutanan (KLHK) sebagai suatu cara untuk menilai kemampuan perusahaan di dalam manajemen lingkungan.
Berdasarkan klasifikasi warna pada Program Penilaian Peringkat Kinerja Perusahaan (PROPER) dapat digunakan skala likert untuk mengukur tingkat environmental performance perusahaan sebagai berikut:
Tabel 3.2 Skala Penilaian Environmental Performance
Peringkat Keterangan Skor
Emas Sangat Baik 5
Hijau Lebih Baik 4
Biru Baik 3
Merah Cukup Baik 2
Hitam Buruk 1
Berdasarkan skala diatas, peneliti menetapkan standar environmental performance perusahaan dapat dikatakan baik jika minimal tergolong kedalam klasifikasi warna biru. Sebaliknya, environmental performance perusahaan dinilai buruk apabila tergolong kedalam klasifikasi warna hitam atau merah.
3. Profitabilitas
Profitabilitas sebagai variabel terikat (dependen variable) didefinisikan sebagai kemampuan perusahaan dalam memperoleh laba melalui pemanfaatan sumber daya yang ada. Variabel profitabilitas dalam penelitian ini digunakan sebagai tolak ukur yang relevan untuk mengukur dan menganalisa kinerja keuangan perusahaan yang diproyeksikan dengan menggunakan rasio Return on Assets (RoA) sebagai berikut:
𝑹𝒆𝒕𝒖𝒓𝒏 𝒐𝒏 𝑨𝒔𝒔𝒆𝒕𝒔 (𝐑𝐨𝐀) =Laba Bersih Setelah Pajak
Total Aset/Aktiva × 100%
Standar profitabilitas perusahaan dinilai baik apabila rasio Return on Assets (RoA) sama atau lebih dari rata-rata industri sejenis. Sebaliknya, profitabilitas perusahaan dinilai buruk apabila rasio Return on Assets (RoA) dibawah rata- rata industri sejenis.
D. Jenis Data dan Sumber Data
Jenis data yang digunakan dalam penelitian ini, yaitu berupa data sekunder. Data sekunder adalah sumber data yang diperoleh dengan cara membaca, mempelajari dan memahami melalui media lain yang bersumber dari literatur, buku-buku, serta dokumen. Sumber data yang digunakan dalam penelitian ini diperoleh dari laporan keuangan (financial statements) dan/atau
laporan tahunan (annual report) perusahaan sektor bahan baku tahun 2018- 2020; laporan keberlanjutan (sustainability report) perusahaan sektor bahan baku tahun 2018-2020; serta surat keputusan Kementrian Lingkungan Hidup dan Kehutanan (KLHK) tentang hasil penilaian kinerja perusahaan dalam pengelolaan lingkungan hidup atau pengumuman Program Penilaian Peringkat Kinerja Perusahaan (PROPER) tahun 2018-2020.
E. Teknik Perolehan Data
Teknik perolehan data yang digunakan dalam penelitian ini menggunakan teknik dokumentasi dengan cara mengunduh dokumen dari halaman website. Dokumentasi adalah teknik untuk mencari data mengenai variabel yang berupa catatan, transkrip, buku, dan sebagainya. Data dalam penelitian ini diperoleh dari halaman website resmi Bursa Efek Indonesia (idx.co.id), halaman website resmi masing-masing perusahaan sektor bahan baku, dan halaman website resmi Program Penilaian Peringkat Kinerja Perusahaan (PROPER) Kementrian Lingkungan Hidup dan Kehutanan (proper.menlhk.go.id).
F. Teknik Analisis Data
Teknik analisis data dalam penelitian ini menggunakan analisis statistik deskriptif dan analisis regresi data panel yang diolah dengan menggunakan bantuan alat statistik berupa Stata/MP 16.0.
a. Analisis Statistik Deskriptif
Analisis statistik deskriptif adalah jenis analisis data yang menggambarkan atau menunjukkan ringkasan data. Sederhananya, analisis deskriptif didefinisikan sebagai teknik analisis data dengan cara
mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum. Dalam penelitian ini data-data yang telah diperoleh digambarkan dalam bentuk analisis kalimat berdasarkan temuan-temuan yang sesungguhnya, sehingga akan diperoleh gambaran secara fakta mengenai keadaan objek penelitian.
b. Analisis Regresi Data Panel
Analisis regresi data panel merupakan salah satu jenis analisis data dari gabungan antara data time series yang merupakan data dari waktu ke waktu atau dalam kurun waktu tertentu dan data cross section yang merupakan data yang berfokus pada satu titik waktu yang sama. Jadi, analisis regresi data panel adalah analisis data yang sama diukur pada kurun waktu tertentu. Analisis menggunakan teknik regresi data panel terdapat empat tahapan sebagai berikut dengan taraf signifikansi (α) yang ditentukan oleh peneliti sebesar 0,05:
Gambar 3.1 Tahapan Analisis Regresi Data Panel
Interpretasi
R-squared Adjusted R-squared Uji Simultan Uji Parsial Pengujian Asumsi
Normalitas Multikolinearitas Heteroskedastisitas Autokorelasi Metode Untuk Menentukan Model Estimasi
Chow Test Lagrange Multiplier Test Durbin-Wu-Hausman Test Penentuan Model Estimasi
Common Effect Model Fixed Effect Model Random Effect Model
a. Penentuan Model Estimasi
Penentuan model estimasi untuk memilih salah satu model estimasi yang tepat dari tiga jenis model estimasi sebagai berikut:
1) Common Effect Model (CEM) atau Pooled Least Square (PLS) Common Effect Model (CEM) merupakan model penentuan estimasi yang mengkombinasikan data time series dan data cross section dengan mengabaikan dimensi waktu dan individu, sehingga perilaku data dapat diasumsikan sama. Asumsi sama tersebut menjadikan kelemahan model ini, karena tidak sesuai dengan keadaan yang sesungguhnya. Model ini dapat juga disebut dengan istilah Pooled Least Square (PLS), karena menggunakan prinsip kuadrat terkecil (Ordinary Least Square/OLS).
2) Fixed Effect Model (FEM) atau Least Squares Dummy Variable (LSDV)
Fixed Effect Model (FEM) merupakan salah satu model penentuan estimasi yang memperlakukan dimensi waktu dan setiap individu memiliki koefisien yang tetap, sehingga dapat diasumsikan dapat mengakomodasi perbedaan. Estimasi pada model ini dapat menggunakan variabel dummy yang mana setiap individu menjadi variabel dummy, sehingga dapat juga disebut dengan istilah Least Squares Dummy Variable (LSDV).
3) Random Effect Model (REM) atau Error Component Model (ECM) Random Effect Model (REM) berbeda Fixed Effect Model (FEM) walaupun keduanya dapat mengatasi permasalahan heterogenitas antar individu, namun secara spesifik dapat juga
digunakan untuk mengatasi masalah heterogenitas pada masing-masing individu. Model ini menggunakan pendekatan Generalized Least Square (GLS) yang merupakan teknik untuk memperkirakan parameter yang tidak diketahui ketika ada tingkat korelasi tertentu antara residual, sehingga tidak memerlukan uji autokorelasi maupun uji heteroskedastisitas dan dapat juga disebut dengan istilah Error Component Model (ECM).
b. Metode Untuk Menentukan Model Estimasi
Metode estimasi diperlukan untuk menentukan model estimasi yang tepat dalam regresi data panel. Adapun metode estimasi regresi data panel sebagai berikut:
1) Chow Test
Chow test digunakan untuk menentukan antara Common Effect Model (CEM) atau Fixed Effect Model (FEM) yang dilihat dari output Fixed Effect Model (FEM) dengan asumsi sebagai berikut:
a) H0 diterima jika nilai (Prob>F) > α, maka model estimasi yang terpilih adalah Common Effect Model (CEM).
b) H1 diterima jika nilai (Prob>F) < α, maka model estimasi yang terpilih adalah Fixed Effect Model (FEM).
2) Durbin-Wu-Hausman Test
Durbin-Wu-Hausman test digunakan untuk menentukan antara Fixed Effect Model (FEM) atau Random Effect Model (REM) yang dilihat dari output Durbin-Wu-Hausman test dengan asumsi sebagai berikut:
a) H0 diterima jika nilai (Prob>Chi2) > α, maka model estimasi yang terpilih adalah Random Effect Model (REM).
b) H1 diterima jika nilai (Prob>Chi2) < α, maka model estimasi yang terpilih adalah Fixed Effect Model (FEM).
3) Lagrange Multiplier Test
Lagrange multiplier test digunakan untuk menentukan antara Common Effect Model (CEM) atau Random Effect Model (REM) dilihat dari output Lagrange Multiplier Test dengan asumsi sebagai berikut:
a) H0 diterima jika nilai (Prob>Chibar2) > α, maka model estimasi yang terpilih adalah Common Effect Model (CEM).
b) H1 diterima jika nilai (Prob>Chibar2) < α, maka model estimasi yang terpilih adalah Random Effect Model (REM).
Ketiga metode untuk menentukan model estimasi diatas dapat digambarkan kedalam bentuk diagram sebagai berikut:
Gambar 3.2 Diagram Penentuan Model Estimasi Regresi Data Panel
c. Pengujian Asumsi
Pengujian asumsi untuk menilai apakah di dalam sebuah model persamaan regresi yang perhitungannya menggunakan metode Ordinary
Common Effect Model (CEM)
Random Effect Model (REM) Fixed Effect Model
(FEM) Chow Test
H0: CEM H1: FEM
Lagrange Multiplier Test
H0: CEM H1: REM Durbin-Wu-
Hausman Test H0: REM H1: FEM
Least Square (OLS) terdapat masalah-masalah asumsi klasik, sehingga ada beberapa syarat yang harus dipenuhi agar peramalan yang dibuat menjadi valid sebagai berikut:
1) Uji Normalitas
Uji normalitas dilakukan untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Pengujian normalitas pada penelitian ini menggunakan metode Skewness-Kurtosis tests dengan asumsi sebagai berikut:
a) Jika nilai (Prob>chi2) > α, artinya nilai residual telah terdistribusi normal.
b) Jika nilai (Prob>chi2) < α, artinya nilai residual tidak terdistribusi normal.
2) Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas terhadap variabel terikat. Jika ada korelasi yang tinggi, maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu. Pengujian multikolinearitas pada penelitian ini menggunakan nilai Variance Inflation Factor (VIF) dengan asumsi sebagai berikut:
a) Jika nilai Variance Inflation Factor (VIF) > 10, artinya terjadi masalah multikolinearitas.
b) Jika nilai Variance Inflation Factor (VIF) < 10, artinya terbebas dari masalah multikolinearitas.
3) Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk melihat apakah terdapat ketidaksamaan varian dari residual agar model regresi dinyatakan valid.
Untuk mengetahui terjadi atau tidaknya masalah heteroskedastisitas disasumsikan sebagai berikut:
a) Jika nilai (Prob>chi2) > α, artinya tidak ada masalah heteroskedastisitas.
b) Jika nilai (Prob>chi2) < α, artinya ada masalah heteroskedastisitas.
4) Uji Autokorelasi
Uji autokorelasi dilakukan untuk melihat apakah terjadi korelasi antar periode atau pengaruh antara variabel bebas terhadap variabel terikat. Model regresi yang baik tidak boleh ada korelasi antar data observasi. Berikut asumsi nntuk mengetahui terjadi atau tidaknya masalah autokorelasi:
a) Jika nilai (Prob>chi2) > α, artinya tidak ada masalah autokorelasi.
b) Jika nilai (Prob>chi2) < α, artinya ada masalah autokorelasi.
d. Interpretasi
Interpretasi adalah pengambilan keputusan yang didasarkan dari analisis data dari percobaan yang dilakukan. Berikut interpretasi hasil pengujian statistik regresi data panel:
1) R-squared
R-squared menunjukkan seberapa baik kesesuaian model pada variasi variabel terikat yang dijelaskan oleh variabel bebas atau disebut goodnes of fit.
2) Adjusted R-squared
Adjusted R-squared menunjukkan proporsi variasi variabel terikat yang diterangkan oleh variabel bebas setelah terkoreksi dengan standar error yang diasumsikan sebagai berikut:
a) Model Estimasi Common Effect Model (CEM) dan Fixed Effect Model (FEM)
Jika adjusted R-square mendekati angka 1, artinya variabel- variabel bebas semakin baik dalam memberikan informasi yang dibutuhkan untuk menjelaskan variasi variabel terikat.
b) Model Estimasi Random Effect Model (REM)
Jika adjusted R-square mendekati angka 0, artinya variabel- variabel bebas semakin baik dalam memberikan informasi yang dibutuhkan untuk menjelaskan variasi variabel terikat.
3) Uji Simultan
Uji simultan digunakan untuk mengetahui apakah semua variabel bebas mempunyai pengaruh secara bersama-sama terhadap variabel terikat dengan asumsi sebagai berikut:
a) Model Estimasi Common Effect Model (CEM) dan Fixed Effect Model (FEM)
Jika nilai (Prob>F) > α maka semua variabel bebas tidak berpengaruh terhadap variabel terikat. Sebaliknya, jika nilai (Prob>F) < α maka semua variabel bebas berpengaruh terhadap variabel terikat.
b) Model Estimasi Random Effect Model (REM)
Jika nilai (Prob>Chi2) > α, maka semua variabel bebas tidak berpengaruh terhadap variabel terikat. Sebaliknya, jika nilai
(Prob>Chi2) < α maka semua variabel bebas berpengaruh terhadap variabel terikat.
4) Uji Parsial
Uji parsial digunakan untuk mengetahui seberapa besar pengaruh satu variabel bebas dalam variasi variabel terikat dengan asumsi sebagai berikut:
a) Model Estimasi Common Effect Model (CEM) dan Fixed Effect Model (FEM)
Jika nilai (P>|t|) > α maka secara parsial variabel bebas tidak berpengaruh terhadap variabel terikat. Sebaliknya, jika nilai (P>|t|) < α maka secara parsial variabel bebas berpengaruh terhadap variabel terikat.
b) Model Estimasi Random Effect Model (REM)
Jika nilai (P>|z|) > α maka secara parsial variabel bebas tidak berpengaruh terhadap variabel terikat. Sebaliknya, jika nilai (P>|z|) < α maka secara parsial variabel bebas berpengaruh terhadap variabel terikat.
