40 BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistic yang menggunakan persamaan regresi berganda. Analisis data dimulai dengan mengolah data dengan menggunakan Microsoft Excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian menggunakan regresi berganda. Pengujian akan dilakukan dengan menggunakan software SPSS versi 21. Prosedur dimulai dengan memasukkan variabel- variabel penelitian ke program SPSS tersebut dan menghasilkan output- output sesuai metode analisis data yang telah ditentukan. Metode pengambilan sampel dilakukan dengan teknik purposing sampling. Objek penelitian ini adalah perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia periode tahun 2012-2014. Setelah data terkumpul, seluruh perusahaan yang termasuk dalam populasi diseleksi berdasarkan kriteria yang telah ditentukan. Berdasarkan penyeleksian tersebut, maka diperoleh 16 sampel perusahaan yang dijadikan penelitian selama 3 tahun periode pengamatan. B. Hasil Penelitian 1. Analisis Deskriptif Statistik deskriptif berfungsi untuk memberikan gambaran mengenai deskripsi dan karakteristik data penelitian yang dapat dilihat dari
41 nilai rata-rata (mean), standar deviasi, nilai minimum, nilai maksimum. Untuk variabel numerik dilakukan statistik deskriptif berupa nilai rata-rata, nilai maksimum dan nilai minimum serta standar deviasi. Untuk variabel kategori dilakukan statistik deskriptif berupa distribusi frekuensi. Tabel 4.1 Statistik Deskriptif Data Descriptive Statistics N Minimum Maximum Mean Std. Deviation CAR 48 -,236 2,949,03194,434558 UE 48-1,033,599 -,00627,196588 CSR 48,088,495,16721,095202 SIZE 48 25,701 32,033 28,46788 1,629873 Valid N (listwise) 48 Sumber : Data diolah Commulative Abnormal Return (CAR) pada perusahaan pertambangan pada periode tahun 2012 sampai dengan tahun 2014 bergerak dari minimal -236 yang dimiliki oleh PT Garda Tujuh Buana Tbk pada periode tahun 2013, hingga nilai maksimal 2,949 yang dimiliki oleh PT Mitra Investindo Tbk pada periode tahun 2012. Nilai standar deviasi sebesar 0.434558 lebih besar dari nilai rata-rata sebesar 0.03194. Hal ini menunjukkan bahwa sebaran data CAR adalah tidak merata, artinya perbedaan data satu dengan yang lainnya tinggi. Unexpected Earnings (UE) pada perusahaan pertambangan pada periode tahun 2012 sampai dengan tahun 2014 bergerak dari nilai minimal -1.033 yang dimiliki oleh PT Mitra Investindo Tbk pada periode tahun 2014, hingga nilai maksimal 0.599 yang dimiliki oleh PT Garda Tujuh
42 Buana Tbk pada periode tahun 2012. Nilai standar deviasi sebesar 0.196588 lebih besar dari nilai rata-rata sebesar -0.00627. Hal ini menunjukkan bahwa sebaran data UE adalah tidak merata, artinya perbedaan data satu dengan yang lainnya tinggi. Corporate Social Responsibility (CSR) pada perusahaan pertambangan pada periode tahun 2012 sampai dengan tahun 2014 bergerak dari nilai minimal 0.088 yang dimiliki oleh PT ATPK Resources Tbk pada periode tahun 2013 dan 2014, PT Bayan Resources Tbk pada periode tahun 2013, hingga nilai maksimal 0.495 yang dimiliki oleh PT Bharinto Ekatama Tbk pada periode tahun 2013. Nilai standar deviasi sebesar 0.095202 lebih kecil dari nilai rata-rata sebesar 0.16721. Hal ini menunjukkan bahwa sebaran data CSR adalah merata, artinya perbedaan data satu dengan yang lainnya tidak terlalu tinggi. Ukuran Perusahaan (SIZE) pada perusahaan pertambangan pada periode tahun 2012 sampai dengan tahun 2014 bergerak dari nilai minimal 25,701 yang dimiliki oleh PT ATPK Resources Tbk pada periode tahun 2012, hingga nilai maksimal 32,033 yang dimiliki oleh PT Adaro Energy Tbk pada periode tahun 2013. Nilai standar deviasi sebesar 1,629873 lebih kecil dari nilai rata-rata sebesar 28,46788. Hal ini menunjukkan bahwa sebaran data SIZE adalah merata, artinya perbedaan data satu dengan yang lainnya tidak terlalu tinggi.
43 2. Uji Asumsi dan Kualitas Instrumen Penelitian a. Uji Normalitas Pengujian normalitas dapat dilakukan dengan menggunakan Kolmogorov Smirnov, dengan melihat perbandingan nilai signifikansi. Apabila nilai signifikansi yang dihasilkan > 0,05 maka distribusi datanya dapat dikatakan normal. Sebaliknya, jika nilai signifikansi yang dihasilkan < 0,05 maka data tidak terdistribusi dengan normal (Ghozali, 2011). Hasil uji normalitas pada pengujian terhadap 48 data sampel dapat terlihat pada table berikut: Tabel 4.2 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 48 Normal Parameters a,b Mean,0000000 Std. Deviation,15630845 Most Extreme Differences Absolute,130 Positive,096 Negative -,130 Kolmogorov-Smirnov Z,900 Asymp. Sig. (2-tailed),393 a. Test distribution is Normal. b. Calculated from data. Berdasarkan tabel di atas, terlihat bahwa hasil uji normalitas menunjukkan level signifikansi lebih besar dari α (α =
44 0.05) yaitu 0.393 > 0.05 yang berarti bahwa data terdistribusi dengan normal. b. Uji Heteroskedastisitas Uji ini bertujuan untuk menguji apakah model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heterokedatisitas. Model regresi yang diharapkan adalah model yang homoskedastisitaas atau tidak terjadi heterokedatisitas (Ghozali, 2011). Uji heteroskedastisitas dapat diuji dengan menggunakan uji glejser. Hasil pengujian heteroskedastisitas dapat ditunjukkan pada grafik scatterplot, titik-titik yang berbentuk harus menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu y. Gambar 4.1 Grafik Scatterplot
45 Dari grafik Scatterplot 4.1 diatas, dapat diketahui terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. c. Uji Multikolinieritas Gejala multikolonieritas ditandai dengan adanya hubungan yang kuat diantara variabel independen (bebas) dalam suatu persamaan regresi. Apabila dalam suatu persamaan regresi terdapat gejala multikolonieritas, maka akan menyebabkan ketidakpastian estimasi, sehingga kesimpulan yang diambil tidak tepat. Model regresi yang dinyatakan bebas dari multikolinearitas apabila nilai Tolerance > 0.10 dan nilai VIF < 10. Hasil pengujian asumsi multikolinearitas untuk variabel penelitian ini dapat dilihat berdasarkan nilai VIF dan nilai Tolerance sebagai berikut:
46 Tabel 4.3 Hasil Uji Multikolinieritas Coefficients a Model Collinearity Statistics Tolerance VIF (Constant) UE,001 1310,413 1 CSR,571 1,751 SIZE,542 1,846 UE*CSR,534 1,872 UE*SIZE,001 1288,869 a. Dependent Variable: CAR Tabel 4.3 menunjukkan bahwa variabel UE dan UE*SIZE tidak lulus uji multikolinearitas karena adanya efek kombinasi dua variabel independen. Dalam regresi linier berganda dengan model interaksi, multikolinieritas sulit untuk dihindari karena variabel bebasnya harus diinteraksikan dalam pengujian ( Wulandari dan Wirajaya, 2014). d. Uji Autokorelasi Uji ini dimaksudkan untuk mengatahui apakah model regresi yang dihasilkan dapat digunakan untuk menduga nilai
47 variabel terikat dari nilai variabel bebas. Pengujian yang digunakan untuk mengetahui autokorelasi adalah dengan uji Durbin Watson. Tabel 4.4 Hasil Uji Autokorelasi Model Summary b Model Durbin-Watson 1 1.958 a. Predictors: (Constant), UESIZE, SIZE, UECSR, CSR, UE b. Dependent Variable: CAR Hasil Durbin- Watson menunjukkan 1.958 menunjukkan bahwa tidak terjadi karena Angka DW diantara -2 sampai dengan +2 berarti tidak ada autokorelasi. C. Pengujian Hipotesis 1. Analisis Regresi Linier Berganda a. Uji Koefisien Determinasi (Uji Adjusted R-Square) Menurut Ghozali (2011), uji koefisien determinasi Adjusted R-Square) dugunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variabel-variabel independen. Nilai koefisien determinasi adalah antara 0 (nol) dan 1 (satu). Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variabel dependen sangat terbatas. Nilai yang mendekati 1 (satu) berarti variabel-veriabel independen memberikan hampir semua informasi yang dibutuhkan untuk
48 memprediksi variabel dependen. Hasil uji koefisien determinasi dapat dilihat pada tabel berikut: Tabel 4.5 Hasil Uji Koefisien Determinasi (Adjusted R-Square) Model R R Square Adjusted R Std. Error of the Square Estimate 1.933 a.871.855.165351 a. Predictors: (Constant), UE*SIZE, SIZE, UE*CSR, CSR, UE b. Dependent Variable: CAR Berdasarkan tabel 4.7 tampak bahwa hasil uji diperoleh nilai koefisien determinasi (adjusted R-square) sebesar 0.855 atau 85.5%. Hal ini menunjukkan bahwa besarnya pengaruh variabel independen yaitu Unexpected Earnings (UE), Corporate Social Responsibility (CSR), UE*CSR, dan UE*SIZE terhadap variabel dependen yaitu Cumulative Abnormal Return (CAR) dapat dijelaskan oleh persamaan ini sebesar 85.5%. Sedangkan sisanya yaitu 14.5% dijelaskan oleh faktor-faktor lain atau variabel lain diluar model yang secara bersama-sama mempengaruhi cumulative abnormal return (CAR) b. Uji Pengaruh Simultan (Uji F) Pada dasarnya uji statistik F digunakan untuk menguji apakah semua variabel-variabel independen atau bebas yang dimasukkan ke dalam model mempunyai pengaruh secara keseluruhan terhadap variabel dependen atau terikat yaitu
49 cumulative abnormal return (CAR). Hasil pengolahan data untuk perhitungan uji F dapat dilihat sebagai berikut: Tabel 4.8 Hasil Uji F ANOVA a Model Sum of Squares Df Mean Square F Sig. 1 Regression 7,727 5 1.545 56.525.000 b Residual 1,148 42.027 Total 8,876 47 a. Dependent Variable: CAR b. Predictors: (Constant), UE*SIZE, SIZE, UE*CSR, CSR, UE Berdasarkan tabel 4.8 diatas dapat dilihat nilai F sebesar 56.525 dengan probabilitas 0.000. Karena probabilitas lebih kecil dari 0.05 atau 5%, maka terdapat pengaruh yang signifikan antara variabel independen yaitu Unexpected Earnings (UE), Corporate Social Responsibility (CSR) dan Ukuran Perusahaan (SIZE), UE*CSR dan UE*SIZE secara bersama-sama terhadap variabel dependen Cumulative Abnormal Return (CAR). Sehingga dapat disimpulkan bahwa bahwa pengungkapan CSR mampu mempengaruhi hubungan return/earnings (ERC).
50 c. Uji Signifikansi Parameter Individual (Uji t) Menurut Ghazali (2011), uji statistfik t digunakan untuk menguji seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Bentuk model persamaan regresi yang digunakan dalam penelitian ini untuk mengetahui pengaruh variabel independen Unexpecteed Earnings (UE), Corporate Social Responsibility (CSR), Ukuran Perusahaan (SIZE), UE*CSR, dan UE*SIZE terhadap variabel dependen Earnings Response Coefficient (ERC) adalah sebagai berikut: CARit = α + β1 (UEit) + β2 (CSRit) + β3 (SIZEit) + β4 (UEit)*(CSRit) +β5 (UEit)*(SIZEit) + εit Untuk menjawab rumusan masalah, mencapai tujuan, dan membuktikan hipotesis serta untuk mengetahui apakah variabel independen secara parsial berpengaruh terhadap variabel dependen, maka perlu dilakukan uji t. Adapun hasil pengujian dengan uji t adalah sebagai berikut:
51 Tabel 4.8 Hasil Uji t Statistik Coefficients a Model Unstandardized Standardized t Sig. a. D Coefficients Coefficients 1 e p e n d e n t B Std. Error Beta (Constant),971,541 1,794,080 UE 60,756 4,441 27,485 13,680,000 CSR -,163,335 -,036 -,486,629 SIZE -,037,020 -,137-1,818,076 UE*CSR,087,008,874 11,505,000 UE*SIZE -2,192,163-26,710-13,405,000 Variable: CAR Berdasarkan hasil uji t pada tabel 4.9 dapat disusun persamaan regresi linier berganda sebagai berikut: CAR = 0.971 + 60.756 UE+ -0.163 CSR+ -0.037 SIZE+ 0.087 UE*CSR+ -2.192 UE*SIZE Berdasarkan hasil olahan data pada tabel 4.9, maka dapat hasil analisis regresi linier berganda dengan model interaksi, yang dapat diuraikan pengaruh variabel independen secara parsial terhadap variabel dependen adalah sebagai berikut: sebagai berikut:
52 1. Unexpected Earning (UE) berpengaruh positif terhadap Cumulative Abnormal Return (CAR) Hal ini ditunjukkan dengan hasil perhitungan uji secara parsial diperoleh nilai koefisien regresi untuk variabel UE sebesar 60.756 dengan nilai signifikasi sebesar 0.000. Dengan nilai signifikan yang lebih kecil dari 0.05 menunjukkan bahwa UE berpengaruh positif dan signifikan. 2. Corporate Social Responsibility (CSR) berpengaruh positif terhadap Comulative Abnormal Return (CAR) Hal ini ditunjukkan dengan hasil perhitungan uji secara parsial diperoleh nilai koefisien regresi untuk variabel CSR berpengaruh negatif sebesar -0.163 dengan nilai signifikasi sebesar 0.629. Dengan nilai signifikan yang lebih besar dari 0.05 menunjukkan bahwa CSR berpengaruh negatif tetapi tidak signifikan. 3. Ukuran Perusahaan (SIZE) berpengaruh negatif terhadap Comulative Abnormal Return (CAR) Hal ini ditunjukkan dengan hasil perhitungan secara parsial diperoleh nilai koefisien -0.037 dengan nilai signifikasi lebih dari 0.05 yaitu sebesar 0.076 menunjukkan bahwa SIZE berpengaruh negatif dan tidak signifikan.
53 D. Pembahasan 1. Pengaruh Unexpected Earning (UE) terhadap Cumulative Abnormal Return (CAR) Pengaruh antara UE terhadap CAR menunjukkan besarnya nilai Earnings Response Coefficient (ERC), yang dapat dari nilai koefisien regresi (β) UE. Berdasarkan Tabel 4.7 nilai koefisien regresi UE adalah 60.756 dengan nilai signifikansi sebesar 0.000. Hal ini berarti bahwa nilai Earnings Response Coefficient (ERC) perusahaan sampel selama tahun 2012-2014 adalah 60.756 dengan signifikasi sebesar 0.000 menunjukkan bahwa variabel UE berpengaruh positif dan signifikan terhadap CAR, sehingga semakin besar UE maka semakin besar pula CAR. Penelitian Ball dan Brown (1968) juga menemukan adanya hubungan yang signifikan antara perubahan harga saham dengan pengumuman laba perusahaan. Dengan demikian hipotesis (H1) yang menyatakan bahwa adanya pengaruh perubahan harga saham ketika laba perusahaan diumumkan, diterima. 1. Pengaruh Pengungkapan Corporate Social Responsibility (CSR) terhadap Earnings Response Coefficient (ERC) Tabel 4.8 menunjukkan bahwa nilai signifikansi untuk variabel UE*CSR adalah 0.000. CSR berpengaruh positif dan signifikan terhadap ERC. Dalam penelitian ini diperoleh hasil bahwa CSR berpengaruh terhadap ERC. Dengan demikian hipotesis (H2) yang menyatakan bahwa CSR berpengaruh positif terhadap ERC, diterima. Murwaningsari (2007)
54 meneliti pengaruh leverage, disclosure, size, dan ketepatan waktu pelaporan keuangan terhadap ERC. Sampel penelitian adalah perusahaan manufaktur yang terdaftar di BEI periode 2003-2006. Penelitian ini menunjukkan bahwa leverage dan size perusahaan berpengaruh negatif terhadap ERC, sedangkan disclosure sebagai proksi pengungkapan sukarela dan ketepatan waktu pelaporan keuangan berpengaruh positif signifikan terhadap ERC. Berbeda dengan hasil penelitian Hidayati dan Murni (2009) hasil penelitian yang menunjukkan bahwa UE*CSR tidak berpengaruh terhadap CAR mengindikasikan bahwa pengungkapan CSR tidak mampu mempengaruhi hubungan return/earnings (ERC). Hal ini menunjukkan bahwa investor masih kurang percaya dengan informasi CSR yang diungkapkan oleh investor dan investor lebih berorientasi pada kinerja jangka pendek, sedangkan CSR tersebut lebih berorientasi pada kinerja jangka panjang, sehingga pengungkapan CSR tidak direspon dan tidak digunakan investor dalam proses pengambilan keputusan investasi. Berbeda juga dengan hasil penelitian Sayekti dan Wondabio (2007) serta Hidayati dan Murni (2009), yang menemukan adanya pengaruh negatif dan signifikan antara pengungkapan CSR dengan ERC. 2. Pengaruh Ukuran Perusahaan (Size) terhadap Earnings Response Coefficient (ERC) Variabel Kontrol ukuran perusahaan (UE*SIZE) memiliki koefisien regresi -2.192 dengan nilai signifikansi 0.000, menunjukkan adanya pengaruh negatif antara UE*SIZE dengan CAR secara signifikan. Hal ini
55 menunjukkan bahwa variabel kontrol ukuran perusahaan mampu memperkecil pengaruh UE terhadap CAR atau dapat dikatakan bahwa semakin besar ukuran perusahaan maka nilai ERC akan semakin menurun. Dengan demikian hipotesis (H3) yang menyatakan ukuran Perusahaan (SIZE) memiliki pengaruh terhadap Earning Response Coefficient (ERC), ditolak. Murwaningsari (2008) dan Kurniawati (2012) juga menemukan bahwa ukuran perusahaan berpengaruh negatif terhadap ERC. Kurniawati (2012) menjelaskan pengaruh negatif disebabkan karena ukuran perusahaan tidak mencerminkan informasi, tetapi mencerminkan faktor lain seperti prospek perusahaan. Informasi tentang perusahaan besar yang tersedia di pasar lebih banyak dibandingkan dengan perusahaan kecil. Informasi tersebut dapat dijadikan sebagai alat untuk memprediksi arus kas dan mengurangi ketidakpastian. Sejalan dengan hal tersebut, Sayekti dan Wondabio (2007) mengatakan bahwa semakin tinggi ketidakpastian prospek perusahaan di masa mendatang, maka ERC akan semakin tinggi. Pengungkapan informasi dalam laporan tahunan perusahaan diharapkan dapat mengurangi ketidakpastian tersebut, sehingga dapat menurunkan nilai ERC. Dengan demikian, hasil penelitian ini menunjukkan semakin besar ukuran suatu perusahaan, maka nilai ERC akan semakin kecil. Hasil ini tidak sesuai dengan penelitian Jang, dkk (2007) yang menemukan adanya pengaruh positif antara ukuran perusahaan dengan ERC.