Penelitian ini menggunakan sampel perusahaan manufaktur dan jasa yang terdaftar di
Bursa Efek Indonesia (BEI) dengan periode pengamatan tahun 2017 – 2019. Hasil pemilihan
sampel menggunakan metode purposive sampling dimana sampel yang digunakan dalam
penelitian ini merupakan sampel yang memenuhi kriteria tertentu sesuai dengan tujuan dari
penelitian ini. Selama periode pengamatan tahun 2017 – 2019 diperoleh jumlah sampel sebanyak
585 sampel yang berasal dari perusahaan manufaktur dan jasa di Bursa Efek Indonesia. Adapun
ringkasan prosedur pemilihan sampel disajikan pada tabel 4.1 sebagai berikut :
Tabel 4.1
Pengambilan Sampel dengan Purposive Sampling
Keterangan Jumlah
Perusahaan manufaktur dan jasa yang terdaftar di Bursa Efek 585
Indonesia selama periode tahun 2017 – 2019
Perusahaan manufaktur dan jasa yang tidak melaporkan (539)
Sustainability Report selama periode tahun 2017 – 2019
Perusahaan manufaktur dan jasa yang menyajikan laporan (7)
keuangannya tidak dengan satuan rupiah selama periode tahun 2017
– 2019
Perusahaan sektor manufaktur dan jasa dengan nilai saldo laba dan (4)
ekuitas tidak bernilai positif selama tahun 2017 – 2019
Jumlah sampel perusahaan dalam satu periode 35
Jumlah tahun sampel 3
Jumlah keseluruhan sampel penelitian (3x35) 105
Data Outlier (2)
Jumlah sampel selama penelitian setelah outlier 103
Sumber : Data diolah
Tabel 4.2
Statistik Deskriptif
Std.
N Minimum Maximum Mean Deviation
ROA 103 0.001 0.527 0.06758 0.097886
DER 103 0.180 14.750 3.41505 3.061069
INST 103 0.307 1.000 0.91867 0.127480
TOBINSQ 103 0.860 23.290 2.28010 3.603981
SR 103 -2.60177 1.86419 0.1505317 0.83605601
Dalam penelitian ini proses analisis data melingkupi pengujian asumsi klasik dan pengujian
hipotesis penelitian. Pengujian asusmsi klasik dilakukan guna mengetahui dan menguji kelayakan
atas model regresi yang digunakan dalam penelitian ini. Dalam penelitian ini dilakukan 4
pengujian asumsi klasik, yaitu uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji
autokorelasi. Pengujian hipotesa dalam penelitian ini menggunakan analisis regresi berganda
dengan Moderated Regression Analysis (MRA), dikarenakan variabel independen pada penelitian
ini lebih dari satu. Analisis ini guna mengetahui pengaruh variabel independen terhadapa variabel
dependen dengan terdapatnya variabel moderasi.
Berdasarkan Tabel 4.3 di atas, diketahui bahwa uji Kolmogorov-Smirnov Test memiliki nilai
signifikansi asymp.sig (2-tailed) sebesar 0,200 lebih besar dari 0,05. Menunjukkan bahwa sebaran
nilai residual pada model persamaan regresi dinyatakan berdistribusi normal, sehingga dapat
disimpulkan model regresi dapat dilakukan pengujian lebih lanjut untuk mengetahui pengaruh dari
masing – masing variabel independen terhadap variabel dependen.
Untuk lebih memastikan apakah data memiliki sebaran data yang normal atau tidak, maka
dilakukan pengujian normalitas kedua yaitu dengan melihat grafik Normal P-P plot, seperti gambar
dibawah ini.
Gambar 4.1
Normal Probability plot charts
Berdasarkan hasil pengujian normalitas di atas diketahui bahwa terlihat titik – titik menyebar
disekitar garis diagonal, serta arah penyebarannya mengikuti arah garis diagonal. Sehingga dapat
disimpulkan bahwa model regresi ini layak dipakai karena memenuhi asumsi normalitas.
Uji normalitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya
korelasi antar variabel independen dengan menganalisis besaran VIF (Varians Inflation Factor),
dimana bila nilai VIF kurang dari 10 dan nilai Tolerance diatas 0,10, maka tidak terdapat gejala
multikolinearitas. Model yang baik seharusnya tidak terjadi korelasi yang tinggi diantara variabel
independen. Dari hasil pengolahan data statistik diperoleh hasil sebagai berikut :
Tabel 4.4
Hasil Uji Multikolinearitas
Variabel Tolerance VIF Keputusan
ROA 0,129 7,722 Tidak terjadi multikolinearitas
DER 0,537 1,861 Tidak terjadi multikolinearitas
INST 0,936 1,068 Tidak terjadi multikolinearitas
TOBINSQ 0,132 7,583 Tidak terjadi multikolinearitas
KI 0,586 1,705 Tidak terjadi multikolinearitas
Sumber : hasil olah SPSS
Tabel 4.4 menjelaskan bahwa model yang digunakan pada keseluruhan variabel independen
memiliki nilai VIF kurang dari 10 dan tolerance lebih besar dari 0,1. Sehingga H0 diterima, yang
berarti keseluruhan variabel independen yang digunakan menunjukkan tidak adanya gejala
colinearity atau dengan kata lain tidak ada hubungan yang sangat kuat antara variabel independen.
Dengan demikian dapat disimpulkan bahwa model regresi yang digunakan terhindar dari masalah
multikolinearitas.
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi
ketidaksamaan varians dan residual satu pengamatan ke pengamatan yang lain. Jika varians dari
residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika
berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau
tidak terjadi heteroskedastisitas. Dalam penelitian ini, uji heteroskedastisitas diuji menggunakan
Scatter plot dan uji Glejser. Hasil pengujian yang diperoleh adalah sebagai berikut :
Gambar 4.2
Hasil Uji Heteroskedastisitas
Sumber : Hasil olah data SPSS 25
Hasil uji heteroskedastisitas di atas menunjukkan bahwa titik – titik tersebar diatas dan
dibawah angka nol. Titik – titik tersebut menyebar dan tidak membentuk pola tertentu yang teratur
sehingga dapat disimpulkan bahwa dalam model regresi tidak terjadi heteroskedastisitas.
Pengujian kedua dilakukan menggunakan uji Glejser, berikut hasil yang diperoleh :
Tabel 4.5
Hasil Pengujian Heteroskedastisitas
Variabel Sig. Keputusan
ROA 0,162 Tidak terjadi heteroskedastisitas
DER 0,965 Tidak terjadi heteroskedastisitas
INST 0,933 Tidak terjadi heteroskedastisitas
TOBINSQ 0,703 Tidak terjadi heteroskedastisitas
ROA_TOBINSQ 0,733 Tidak terjadi heteroskedastisitas
DER_TOBINSQ 0,972 Tidak terjadi heteroskedastisitas
INST_TOBINSQ 0,808 Tidak terjadi heteroskedastisitas
KI 0,087 Tidak terjadi heteroskedastisitas
Sumber : Hasil olah data SPSS 25
Berdasarkan tabel di atas, diketahui bahwa seluruh variabel independen yang digunakan
dalam penelitian ini memiliki nilai sig. > 0,05. Maka H0 gagal ditolak, artinya varians error
dinyatakan homogen. Selanjutnya disimpulkan tidak terdapat permasalahan heterokedastisitas.
Dengan demikian asumsi atas heterokedastisitas pada model persamaan regresi telah terpenuhi.
Uji Autokorelasi dilakukan dengan tujuan untuk menunjukkan bahwa ada korelasi antara error
dengan error periode sebelumnya dimana pada asumsi klasik hal ini tidak boleh terjadi. Uji
autokorelasi dilakukan dengan menggunakan Durbin Watson (D-W). Adapun Dasar
pengambilan keputusan uji autokorelasi lebih jelasnya ditampilkan pada tabel 4.7 berikut ini:
Tabel 4.6
Keputusan Autokorelasi
Hipotesa Nol (H0) Keputusan Kriteria
Dari hasil pengolahan data statistik diperoleh tabel pengujian autokorelasi sebagai berikut :
Tabel 4.7
Hasil Uji Autokorelasi
dL dU DW 4 - dU 4-dL Keputusan
1,6196 1,7392 1,985 2,2608 2,3804 Tidak ada autokorelasi
Sumber : Hasil olah data SPSS 25
Uji autokorelasi merupakan pengujian asumsi dalam regresi dimana variabel dependen
tidak berkorelasi dengan dirinya sendiri. Berdasarkan tabel di atas diketahui bahwa nilai Durbin
Watson (DW) adalah 1,985. Pada tabel DW untuk jumlah observasi (n)=103, K’=3 dan signifikansi
5% diperoleh nilai dL sebesar 1,6196 dan dU sebesar 1,7392, sehingga pada model persamaan
regresi nilai DW berada pada dU< d < 4-dU. Maka H0 diterima artinya nilai DW berada pada kriteria
tidak ada autokorelasi.Dengan demikian asumsi atas autokorelasi pada model persamaan regresi
telah terpenuhi.
Koefisien Determinasi (R2) digunakan untuk mengukur seberapa jauh kemampuan model
dalam menerangkan variabel dependen. Nilai keofisien determinasi adalah antara nol dan satu (0
< R2 < 1). Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam mejelaskan
variabel dependen sangat terbatas. Jika koefisien determinasi sama dengan nol, maka variabel
independen tidak berpengaruh terhadap variabel dependen. Jika besarnya koefisien determinasi
mendekati angka 1, maka variabel independen berpengaruh sempurna terhadap variabel dependen.
Hasil uji koefisien determinasi dapat dilihat pada tabel di bawah ini.
Tabel 4.8
Independen Adjusted R2 SR
Uji F atau Analysis of Variance (ANOVA) pada dasarnya digunakan untuk mengetahui
apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara
bersama-sama (simultan) terhadap variabel dependennya. Adapun hasil uji F (ANOVA) dapat
dilihat pada tabel di bawah ini:
Tabel 4.9
Hasil Uji F (Simultan)
Uji ini dapat dilihat pada hasil output tabel ANOVA. Dari tabel di atas, diketahui bahwa
F-hitung sebesar 2,800 dengan nilai signifikansi 0,008 yang lebih kecil dari 0,05, yang artinya H 0
ditolak dan H1 diterima . Sehingga dapat diambil kesimpulan bahwa terdapat pengaruh secara
bersama – sama dari variabel independen ROA, DER, INST, ROA*TOBINS’Q, DER*TOBINS’Q
dan INST*TOBINS’Q terhadap Sustainability Report (SR).
Uji statistik t atau uji parsial dilakukan untuk menggambarkan seberapa jauh pengaruh
parsial variabel independen secara individual dalam menerangkan variable dependen pada tingkat
signifikansi 0,05. Adapun hasil uji t dapat dilihat pada tabel sebagai berikut.
Tabel 4.10
Hasil Uji t (Uji Parsial)
Variabel Dependen Sustainability Report
Sig.
Prediksi Beta t-stat Keputusan
(1-tailed)
Constant 1,673 0,762 0,224
ROA + 12,081 2,114 0,019 H1 diterima
DER - 0,189 1,645 0,052 H2ditolak
INST + -2,404 -1,030 0,153 H3 ditolak
TOBINSQ + -3,554 -1,781 0,039
ROA_TOBINS’Q + -0,303 -0,571 0,285 H4 ditolak
DER_TOBINS’Q - -0,067 -0,580 0,282 H5 ditolak
INST_TOBINS’Q + 3,399 1,695 0,047 H6 diterima
Sumber : Hasil olah data SPSS 25
4.3.5 Pengaruh Leverage terhadap Sustainability Report dengan Nilai Perusahaan sebagai
variabel moderasi
Pada pengujian hipotesis ke - 5 bahwa nilai perusahaan memoderasi pengaruh leverage
terhadap nilai perusahaan memberikan hasil negatif tidak signifikan sehingga hipotesis ditolak.
Hal ini membuktikan bahwa nilai perusahaan tidak mampu memoderasi pengaruh leverage
terhadap sustainability report. Menurut Septiani dan Wulandari (2017) perusahaan dengan tingkat
leverage yang tinggi akan sedikit mengungkapkan informasi tanggung jawab sosial agar dapat
melaporkan laba sekarang yang tinggi (mengurangi biaya pengungkapan).