Uji Hipotesis

(Bagian dari Bab 3)

Uji Asumsi Klasik

Uji asumsi klasik digunakan untuk mengukur tingkat keeratan hubungan/pengaruh antar variabel
bebas dan variabel terikat melalui besaran koefisien korelasi. Semakin koefisien korelasi
mendekati angka 1, berarti hubungan/pengaruh antar variabel bebas dan variabel terikat semakin
kuat (Lind, 2008:64). Uji asumsi klasik juga digunakan sebagai syarat pendahulu bagi semua uji
yang diperlukan, termasuk uji heteroskedasititas dan analisis regresi. Uji ini sekaligus juga akan
menguji kelayakan tiap model regresi dan memastikan tidak ada penyimpangan dalam model
regresi (Susilo dan Aris Mulyono, 2002:238).

Uji Heteroskedastisitas

Uji heteroskedastisitas digunakan untuk menguji apakah dalam model regresi terjadi
ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Keadaan dalam
uji heteroskedastisitas dibagi menjadi 2: Pertama, keadaan di mana varians dari residual tetap,
yang disebut dengan homoskedastisitas. Kedua, keadaan di mana varians dari residual berbeda,
berfluktuasi, atau menyimpang. Keadaan ini dinamakan dengan heteroskedastisitas (Srivastava,
1990:111). Model yang ideal adalah homoskedastisitas.

Uji heteroskedastisitas dapat dilakukan dengan melihat pola titik-titik pada scatterplot regresi
pada variabel terikat (Standardized Predicted Value ZPRED) dengan residualnya (Studentized
Residual SRESID). Deteksi ada tidaknya pola tertentu pada grafik scatterplot antara SRESID
dan ZPRED dimana sumbu Y adalah Y prediksi dan sumbu X adalah residual yang telah di-
studentized. Adapun kriteria pengujian untuk menjawab hipotesis adalah:

H0: Tidak ada gejala heteroskedastisitas apabila tidak ada sebaran titik-titik sekitar atas
atau bawah angka nol dari sumbu Y.
 HA: Ada gejala heteroskedastisitas apabila ada sebaran titik-titik sekitar atas atau bawah
angka nol dari sumbu Y.

Uji normalitas

Uji normalitas dimaksudkan untuk memperlihatkan bahwa data sampel berasal dari populasi
yang berdistribusi normal. Normalitas dapat dideteksi dengan melihat penyebaran titik pada
sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Uji normalitas juga
menggunakan uji Kolmogorov-Smirnov (K-S). Dalam uji K-S ini, variabel akan dibagi menjadi
dua grup yang dinyatakan dalam S1(X) dan S2(X). di mana kriteria pengujian hipotesis
dipaparkan sebagai berikut:

H0: Sampel berasal dari populasi yang berdistribusi normal.

HA: Sampel tidak berasal dari populasi yang berdistribusi normal.

Alternatifnya, cara untuk mendeteksi normalitas menggunakan uji K-S juga dapat
membandingkan angka K-S hitung dan K-S tabel. Jika K-S hitung lebih besar atau sama dengan
K-S tabel, maka hipotesis nol (H0) diterima. Sebaliknya, jika K-S hitung yang lebih kecil, maka
hipotesis nol (H0) ditolak (Santoso, 2006:59).

Statistik Deskriptif

Statistik deskriptif digunakan untuk mengetahui tingkat Corporate Social Responsibility (CSR)
perusahaan dan profitabilitas perusahaan. Pengukuran yang digunakan dalam penelitian ini
adalah mean, modus dan standar deviasi.

Analisis Regresi

Data yang telah dikumpulkan dianalisis dengan menggunakan alat analisis statistik yakni :

1. Analisis regresi linear sederhana (simple regression analysis).

Y = + X + e

2. Analisis regresi linear berganda (multiple regression analysis).

Y = + X + X + e
Keterangan :

Y= Nilai Perusahaan

=Konstanta

- 2=Koefisien Regresi

X=Corporate Social Responsibility

X=Profitabilitas

XX=Interaksi antara Corporate Social Responsibility dengan Profitabilitas

E=Error Term, yaitu tingkat kesalahan penduga dalam penelitian

PENGUJIAN HIPOTESIS

Menurut Wahana Komputer (2009:93), analisis regresi merupakan suatu analisis yang
menjelaskan tentang akibat dan besarnya akibat yang ditimbulkan oleh satu atau lebih variabel
bebas terhadap variabel terikat. Artinya, analisis regresi bertujuan untuk memprediksi rata-rata
populasi atau nilai rata-rata variabel dependen berdasarkan nilai variabel yang diketahui.
Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari Goodness of
fitnya (Ghozali, 2006:11). Ketepatan fungsi regresi sampel secara statistik dapat diukur dengan
koefisien determinasi, nilai statistik F dan nilai statistik t.

a) Koefisien Determinasi (R2)

Koefisien determinasi (R) pada intinya mengukur seberapa jauh kemampuan model dalam
menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu.
Nilai R yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi
variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen
memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel
dependen. (Lind, 2008:64).

b) Uji Statistik F
Uji statistik F digunakan untuk pengujian dengan dua atau lebih sampel (Santoso, 2006:227).
Kegunaan uji F adalah untuk menganalisis ada tidaknya perbedaan rata-rata atau nilai tengah
suatu data (Baroroh, 2008:79). Artinya, uji F ini digunakan untuk menguji apakah model regresi
yang digunakan fit. Untuk menerima H0, F-hitung perlu sama dengan atau lebih besar daripada
F-tabel. Jika F-hitung lebih kecil daripada F-tabel, maka H0 ditolak.

Uji statistik F juga dapat digunakan dengan cara melihat tingkat signifikansinya. Tingkat
signifikansi default adalah 0,05 atau = 5%. Menurut Simamora (2008:182), tingkat signifikansi
0,05 umumnya diterima sebagai batas maksimal tingkat kesalahan. Dasar pengambilan
keputusannya, untuk menyatakan model regresi fit, maka nilai signifikansi harus lebih kecil dari
. Jika tidak, maka model regresi tidak fit.

c) Uji Signifikansi Parameter Individual (Uji Statistik t)

Uji statistik t bertujuan untuk menguji pengaruh variabel independen secara individual dalam
menerangkan variasi variabel dependen (Komputer, 2009:83). Ada dua macam cara menguji
statistik t. Cara pertama, yakni menggunakan dasar keputusan sebagai berikut:

1. Jika t-hitung < t-tabel, maka variabel independen secara individual tidak berpengaruh terhadap
variabel dependen (hipotesis ditolak).

2. Jika t-hitung > t-tabel, maka variabel independen secara individual berpengaruh terhadap
variabel dependen (hipotesis diterima).

Cara kedua adalah melihat tingkat signifikansi. Seperti yang sudah disebutkan, tingkat
signifikansi yang digunakan adalah = 5% atau 0,05. Jika nilai signifikansi lebih besar dari ,
maka hipotesis ditolak (koefisien regresi tidak signifikan). Sebaliknya, jika nilai signifikansi
lebih kecil, maka hipotesis diterima dan koefisien regresi signifikan. Artinya, variabel
independen mempunyai pengaruh signifikan terhadap variabel dependen.