BAB 3 METODE PENELITIAN
3.5 Metode Analisis Data
Teknik analisis data penelitian secara deskriptif dilakukan melalui statistika deskriptif, yaitu statistic yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat generalisasi hasil penelitian.
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata, standar deviasi, varian, maksimum, dan minimum.
3.5.2 Uji Asumsi Klasik
Untuk menguji kelayakan model regresi yang digunakan, maka harus terlebih dahulu memenuhi uji asumsi klasik. Uji asumsi klasik yang digunakan dalam peneliian ini ada empat, yaitu uji normalitas, uji multikolinieritas, uji autokorelasi, dan uji heteroskedastisitas.
3.5.2.1 Uji Normalitas
Uji normalitas data bertujuan untuk menguji apakah dalam model regresi, variabel dependen maupun independen mempunyai distribusi normal atau tidak (Bangkit Nugroho, 2011). Model regresi yang baik adalah data yang berdistribusi normal atau mendekati normal. Uji F mengasumsi bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar maka uji statistik menjadi lebih valid. Untuk mengetahui apakah residual berdistribusi normal atau tidak yaitu dengan One Sample Kolmogorow Smirnov. Pada pengujian ini data di uji normalitasnya dan dibandingakan dengan data normal baku dengan nilai signifikan sebagai berikut (Ghozali, 2011).
a) Jika nilai signifikan ≥ 0,05 maka data terdistribusi normal b) Jika nilai signifikan ≤ 0,05 maka data tidak terdistribusi normal.
3.5.2.2 Uji Multikolinieritas
Multikolinearitas terjadi jika ada hubungan linear yang sempurna atau hampir sempurna antara beberapa atau semua variabel independen dalam
model regresi. Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara veriabel bebas (Ghozali, 2005). Untuk menguji adanya multikolinearitas dapat dilakukan dengan menganalisisi korelasi antar variabel dan perhitungan nilai torelance serta Variance Inlfation Factor (VIF). Multikolinearitas terjadi jika nilai tolerance lebih kecil dari 0,1 yang berarti tidak ada korelasi antar variabel independen yang nilainya lebih dari 95%. Dan nilai VIF lebih besar dari 10, apabila VIF kurang dari 10 dapat dikatakan bahwa variabel independen yang digunakan dalam model adalah dapat dipercaya dan objektif.
3.5.2.3 Uji Autokorelasi
Digunakan uji statistik dari Durbin Watson untuk mendetaksi apakah ada serial korelasi atau tidak dalam data time series yang digunakan. Rumus yang digunakan yaitu sebagai berikut:
a) Untuk pengujian dua arah maka:
1) Jika d < d1 atau (4-d) < d1 maka d nyata (signifikan) dan autokorelasi (positif atau negatif);
2) Jika d < du atau (4-d) < du maka d tidak nyata dan tidak ada autokorelasi;
3) Selain kedua hal di atas maka tidak ada kesimpulan.
b) Jika tabel d Durbil-Watson digunakan untuk mencari nilai du dan d1 maka taraf nyata (α) untuk pengujian dua arah harus dikali duakan dari taraf nyata untuk pengujian satu arah.
3.5.2.4 Uji Heteroskedasitas
Menurut Wahyuni Wijaya (2013) uji heteroskedasitas merupakan suatu varian pengganggu yang tidak mempunyai varian yang sama untuk setiapobservasi. Uji heteroskedasitas bertujuan untuk mengetahui apakah
𝑑 = ∑( en − en−1)2
∑ e2 𝑛
dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan yang lain. Jika varian residual dari satu pengamatan ke pengamatan lain itu berbeda maka disebut sebagai heteroskedasitas. Dasar analisis menggunakan scatterplot sebagai berikut:
a. Jika ada pola tertentu, seperti titik-titik yang menumpuk teratur akan mengidentifikasi telah terjadi heteroskedastisitas
b. Jika tidak ada pola yang jelas, serta titik-titik penyebaran di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
3.5.3 Uji Hipotesis
Untuk menguji hipotesis dalam penelitian ini, digunakan metode regresi linear berganda, uji signifikansi parameter individual (uji statistik t), uji signifikansi simultan (uji statistik F), dan koefisiensi determinasi.
3.5.3.1 Metode Regresi Linear Berganda
Metode regresi linear bergadan adalah metode yang digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap variabel dependen dengan skala pengukur atau rasio dalam suatu persamaan linear (Indriantoro dan Supomo, 2002). Variabel independen dalam penelitian ini adalah size, profitabilitas, dan leverage. Sedangkan variabel dependennya adalah Islamic Social Reporting. Adapun persamaan untuk menguji hipotesis secara keseluruhan pada penelitian ini adalah sebagai berikut:
Keterangan:
ISR : Islamic Social Reporting β0 : Konstanta
β1, β2, β3 : Koefisien Regresi X1, X2, X3 : Variabel Independen E : Error
3.5.3.2 Uji Signifikansi Parameter Individual (uji statistik t) ISR = β0 + β1 X1– β2 X2+ β3 X3 + e
Menurut ghozali (2005) uji statistik pada dasarnya menunjukkan seberapa jauh pengaruh variabel satu independen secara individual dalam menerangkan variabel dependen. Pengujian dilakukan dengan menggunakan significance level 0,05 (α=5%). Penerimaan atau penolakan hipotesis dilakukan dengan krietria sebagai berikut:
a) Jika nilai signifikan > 0,05 maka hipotesis ditolak (koefisien regresi tidak signifikan). Ini berarti bahwa secara parsial variabel independen tersebut tidak mempunyai pengaruh yang signifikan terhadap variabel dependen.
b) Jika nilai signifikan < 0,05 maka hipotesis diterima (koefisien regresi signifikan). Ini berarti secara parsial variabel independen tersebut mempunyai pengaruh yang signifikan terhadap variabel dependen.
3.5.3.3 uji statistik F
Pengujian ini bertujuan untuk menguji apakah model regresi yang kita buat signifikan atau tidak signifikan. Jika model signifikan maka model bisa digunakan untuk prediksi atau peramalan. Perhitungan dapat dirumuskan sebagai berikut
a. Fhitung > Ftabel atau nilai kolom signifikan (%) < Alpha maka model signifikan.
b. Fhitung< Ftabel atau nilai kolom signifikan (%) > Alpha maka model tidak signifikan.
3.5.3.4 Koefisien Determinasi
Koefisien deteminasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi berada di antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi dependen (Ghozali, 2005).
Data dalam penelitian ini akan diolah dengan menggunakan program Statistical Package for Social Scienses (SPSS) 21. Hipotesis dalam penelitian
ini dipengaruhi oleh nilai signifikansi koefisiensi variabel yang bersangkutan setelah dilakukan pengujian. Kesimpulan hipotesis dilakukan berdasarkan t- test dan F-test untuk menguji signifikansi variabel-variabel independen terhadap variabel dependen.