3.4.

1 Statistik Deskriptif
Statistik deskriptif menyampaikan gambaran mengenai distribusi antar variabel penelitian
melalui nilai maksimum, nilai minimum, rata-rata (mean), dan standar deviasi yang digunakan
sebagai pengambilan keputusan (Ghozali, 2013:19). Analisis statistik deskriptif figunakan untuk
menganalisis data kuantitatif yang diolah sesuai perhitungan dalam variabel penelitian yang mampu
memberikan gambaran mengenai karakteristik data.

Descriptive Statistics
N Minimum Maximum Mean Std. Deviation

CSR 90 ,2000 ,5690 ,385611 ,0802270

EP 90 ,40 1,00 ,6067 ,09692

KA 90 -3579994000000,00 6874243000000,00 404144725200,0000 1377240994000,00000

CSR.KA 90 -1734308204000,00 3269084449000,00 155433790500,0000 584329223400,00000

EP.KA 90 -2863995200000,00 4124545800000,00 221417412900,0000 853371827500,00000

EPS 90 1,44 2468,00 277,5913 458,59612

MBV 90 -3066,94 2423,60 126,5774 541,94591

PER 90 -599,00 20010,22 983,2388 4044,91850

EBIT 90 19926070000,00 16111000000000,00 3113104514000,0000 4195818588000,00000

NPM 90 ,00 ,39 ,1077 ,08534

AR 90 -,03708 ,03025 -,0065543 ,01272765

Valid N (listwise) 90
3.4.2 Uji Asumsi Klasik
3.4.2.1 Uji Normalitas
Uji normalitas dilakukan untuk menguji apakah data variabel kontrol dan variabel dependen
terdistribusi normal atau tidak. Model regresi yang baik apabila model tersebut terdistribusi secara
normal atau mendekati normal. Tujuan melakukan pengujian normalitas ini untuk menguji apakah
variabel terikat dan variabel bebas terdistribusi secara normal atau tidak dalam sebuah model
regresi.
Dalam penelitian ini, pengujian yang dilakukan menggunakan One Sample Kolmogorov-
Smirnov Test. Dengan pengujian hipotesis normalitas yaitu:
 Ho : Data terdistribusi dengan normal
 Ha : Data tidak terdistribusi dengan normal
Tingkat signifikan yang digunakan dalam penelitian ini adalah 0,05. Dengan keputusan yang
akan diambil sebagai berikut:
 Apabila sig < 0,05 maka Ha diterima, Ho ditolak
 Apabila sig > 0,05 maka Ha ditolak, Ho diterima

One-Sample Kolmogorov-Smirnov Test

Unstandardized

Residual

N 90
a,b
Normal Parameters Mean ,0000000

Std. Deviation ,01104939

Most Extreme Differences Absolute ,078

Positive ,059

Negative -,078

Test Statistic ,078

Asymp. Sig. (2-tailed) ,200c,d

a. Test distribution is Normal.

b. Calculated from data.

c. Lilliefors Significance Correction.

d. This is a lower bound of the true significance.

3.4.2.2 Uji Multikolinieritas
Uji multikolinieritas dilakukan guna menguji apakah terdapat korelasi antara variabel
independen dalam model regresi. Tidak terdapatnya hubungan antara masing-masing variabel
independen merupakan model regresi yang baik. Mendeteksi multikolinearitas menggunakan nilai
unstandardized coefficient beta dengan cara melihat nilai beta dan Std. Error, apabila ditemukan
terdapat rentang yang cukup sempit maka tidak terdeteksi multikolinearitas.
Pengujian multikolinieritas memiliki hipotesis sebagai berikut:
 Ho : tidak terdapat multikolinieritas
 Ha : terdapat multikolinieritas
Nilai Variance Inflation Factor (VIF) menjadi pendeteksi apakah terdapat multikolinieritas
dalam sebuah model regresi. Oleh karena itu, keputusan yang akan diambil dalam pengujian ini
yaitu:
 Jika VIF >10, maka terdapat multikolinieritas (Ho ditolak, Ha diterima)
 Jika VIF <10, maka tidak terdapat multikolinieritas (Ho diterima, Ha ditolak)

a
Coefficients
Standardized

Unstandardized Coefficients Coefficients Collinearity Statistics

Model B Std. Error Beta t Sig. Tolerance VIF

1 (Constant) -,021 ,010 -2,108 ,038

CSR ,046 ,017 ,291 2,677 ,009 ,821 1,217

EP -,006 ,014 -,047 -,429 ,669 ,824 1,214

EPS 1,688E-6 ,000 ,061 ,463 ,644 ,565 1,770

MBV -5,955E-7 ,000 -,025 -,239 ,812 ,862 1,160

PER 1,212E-6 ,000 ,385 3,407 ,001 ,762 1,313

EBIT -7,661E-16 ,000 -,253 -2,012 ,048 ,617 1,620

NPM ,015 ,016 ,101 ,911 ,365 ,798 1,253

a. Dependent Variable: AR
3.4.2.3 Uji Autokorelasi
Uji autokorelasi memiliki tujuan untuk menguji apakah terdapat atau tidak terdapatnya
korelasi antara kesalahan pada periode ini dengan kesalahan pada periode sebelumnya. Autokorelasi
timbul karena disebabkan oleh observasi yang berurutan sepanjang waktu. Pengujian ini dilakukan
apabila data yang digunakan merupaka data berdasarkan urutan waktu. Uji autokorelasi dalam
penelitian ini menggunakan Durbin-Watson Test.
Pengujian autokorelasi memiliki hipotesis sebagai berikut:
 Ho : tidak ada autokorelasi
 Ha : ada autokorelasi
Tabel 3.3
Keputusan Uji Autokorelasi
Hipotesa Nol (Ho) Keputusan Kriteria
Tidak ada autokorelasi positif Ditolak
Tidak ada autokorelasi positif Tidak ada keputusan
Tidak ada autokorelasi, positif Diterima
atau negatif
Tidak ada autokorelasi negatif Tidak ada keputusan
Tidak ada autokorelasi negatif Ditolak

Gambar 3.1
Uji Autokorelasi
Autokorelasi Autokorelasi
Positif Inconclusive Tidak Ada Inconclusive Negatif
Autokorelasi

0 2 4- 4- 4

b
Model Summary
Std. Error of the

Model R R Square Adjusted R Square Estimate Durbin-Watson

a
1 ,496 ,246 ,162 ,01165435 1,900

a. Predictors: (Constant), NPM, PER, MBV, CSR, CSR.KA, EP, EBIT, EPS, EP.KA

b. Dependent Variable: AR

DW = 1,900
Du untuk k = 9 dan n = 90 adalah 1,8813
4 – du = 4 – 1,8813 = 2,1187
Karena du < DW < 4 – du atau 1,8813 < 1,900 < 2,1187, maka Tidak ada autokorelasi, positif
atau negatif
3.4.2.4 Uji Heterokedastisitas
Uji heterokedastisitas dilakukan guna memastikan apakah terdapat variance dari suatu
residual ke pengamatan lainnya. Jika variance dari suatu residul ke pengamatan laonnya konsisten
maka disebut homoskedastisitas, jika berbeda disebut heterokedastisitas. Model regresi yang baik
adalah model regresi yang terbebas dari heterokedastisitas. Uji heteroskedeastisitas menggunakan
Gletsjer Test melalui regresi antara absolute dari setiap variabel independen. Uji heterokedastisitas
memiliki hipotesis sebagai berikut:
 Ho : tidak adanya heterokedastisitas
 Ha : adanya heterokedastisitas
Keputusan yang akan diambil dari pengujian ini yaitu:
 Apabila t < 0,05 maka ditemukan adanya heterokedastisitas (Ho ditolak)
 Apabila t > 0,05 maka tidak ditemukan adanya heterokedastisitas (Ho diterima)

a
Coefficients
Standardized

Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) ,005 ,007 ,707 ,482

CSR ,005 ,012 ,054 ,407 ,685

EP ,004 ,009 ,057 ,466 ,643

CSR.KA 2,577E-16 ,000 ,021 ,029 ,977

EP.KA -1,017E-15 ,000 -,119 -,169 ,866

EPS 8,381E-7 ,000 ,053 ,343 ,732

MBV -1,039E-6 ,000 -,077 -,655 ,515

PER -1,438E-7 ,000 -,080 -,581 ,563

EBIT 1,037E-16 ,000 ,060 ,412 ,682

NPM -,009 ,010 -,111 -,902 ,370

a. Dependent Variable: ABSRES

3.4.3
Analisis Regresi Berganda
Analisis atas uji hipotesis menggunakan pengujian regresi. Metode analisis regresi berganda
bertujuan untuk melihat hubungan antara 2 variabel atau lebih. Variabel tersebut akan dipisahkan
menjadi variabel independen (X) dan variabel dependen (Y). Persamaan regresi berganda yang
digunakan dalam penelitian ini sebagai berikut:
Persamaan Model Regresi
Model 2

a
Coefficients
Standardized

Unstandardized Coefficients Coefficients Collinearity Statistics

Model B Std. Error Beta t Sig. Tolerance VIF

1 (Constant) -,021 ,010 -2,108 ,038

CSR ,046 ,017 ,291 2,677 ,009 ,821 1,217

EP -,006 ,014 -,047 -,429 ,669 ,824 1,214

EPS 1,688E-6 ,000 ,061 ,463 ,644 ,565 1,770

MBV -5,955E-7 ,000 -,025 -,239 ,812 ,862 1,160

PER 1,212E-6 ,000 ,385 3,407 ,001 ,762 1,313

EBIT -7,661E-16 ,000 -,253 -2,012 ,048 ,617 1,620

NPM ,015 ,016 ,101 ,911 ,365 ,798 1,253

a. Dependent Variable: AR

Persamaan Model Regresi dengan Moderasi

Model 2

a
Coefficients
Standardized

Unstandardized Coefficients Coefficients Collinearity Statistics

Model B Std. Error Beta t Sig. Tolerance VIF

1 (Constant) -,018 ,010 -1,737 ,086

CSR ,042 ,019 ,264 2,228 ,029 ,673 1,486

EP -,008 ,014 -,065 -,594 ,554 ,793 1,260

CSR.KA 1,076E-14 ,000 ,494 ,791 ,431 ,024 41,407

EP.KA -1,042E-14 ,000 -,699 -1,122 ,265 ,024 41,221

EPS 1,447E-6 ,000 ,052 ,383 ,703 ,507 1,973

MBV -3,499E-7 ,000 -,015 -,142 ,887 ,859 1,163

PER 1,482E-6 ,000 ,471 3,867 ,000 ,635 1,574

EBIT -7,683E-16 ,000 -,253 -1,970 ,052 ,570 1,755

NPM ,013 ,016 ,090 ,832 ,408 ,797 1,255

a. Dependent Variable: AR
Keterangan:
Y1 = Reaksi Investor (Trading Volume Activity)
Y2 = Reaksi Investor (Abnormal Return)
α = Konstanta
= Koefisien regresi tiap variabel
CSR = Pengungkapan Corporate Social Responsibility
EP = Environmental Performance
KA = Kualitas Audit
EPS = Earnings per Share
MBV = Market to Book Ratio
PER = Price Earning Ratio
EBIT = Earnings before Interest and Taxes
NPM = Net Profit Margin
e = Variabel penggangu
3.4.4 Uji Hipotesis

3.4.4.1 Uji Koefisien Determinasi

Uji koefisien determinasi ( ) dilakukan guna melihat kemampuan suatu model regresi
dalam menjelaskan variasi variabel dependen. Koefisien determinasi memiliki nilai antara 0 sampai
dengan 1. Semakin kecil nilai koefisien determinasi mencerminkan kemampuan variabel
independen dalam menjelaskan variabel dependen sangat terbatas. Nilai adjusted yang semakin
tinggi mencerminkan bahwa semakin tinggi kemampuan variabel independen dalam menjelaskan
variasi variabel dependen (Ghozali, 2013:97). Nilai koefisien determinasi yang mendekati satu
mencerminkan bahwa variabel independen mampu menyediakan seluruh informasi untuk
menjelaskan variasi pada variabel dependen. Nilai adjusted lebih akurat digunakan karena dalam
penelitian ini menggunakan banyak variabel independen.

b
Model Summary
Std. Error of the

Model R R Square Adjusted R Square Estimate Durbin-Watson

a
1 ,496 ,246 ,162 ,01165435 1,900

a. Predictors: (Constant), NPM, PER, MBV, CSR, CSR.KA, EP, EBIT, EPS, EP.KA

b. Dependent Variable: AR
3.4.4.2 Uji Statistik F
Uji statistik F merupakan pengujian yang dilakukan untuk melihat kelayakan suatu model
regresi dan menguji secara keseluruhan apakah variabel independen berpengaruh terhadap variabel
dependennya.
Hipotesis dalam uji statistik F adalah sebagai berikut:
 Ho :
 Ha :
Maka keputusan yang akan diambil dalam uji statistik F yaitu:
 Jika nilai Sig F < 0,05 maka Ho ditolak, Ha diterima
 Jika nilai Sig F > 0,05 maka Ho diterima, Ha ditolak

a
ANOVA
Model Sum of Squares df Mean Square F Sig.

1 Regression ,004 9 ,000 2,905 ,005b

Residual ,011 80 ,000

Total ,014 89

a. Dependent Variable: AR

b. Predictors: (Constant), NPM, PER, MBV, CSR, CSR.KA, EP, EBIT, EPS, EP.KA

3.4.4.3 Uji Statistik T

Uji statistik T merupakan pengujian yang dilakukan untuk melihat pengaruh variabel
independen secara individual terhadap variabel dependennya.
Hipotesis dalam uji statistik T adalah sebagai berikut:
 Ho : (tidak berpengaruh atau berpengaruh positif)
 Ha : (berpengaruh negatif)
Maka keputusan yang akan diambil dalam uji statistik T yaitu:
 Jika nilai Sig T < 0,05 maka Ho ditolak, Ha diterima
 Jika nilai Sig T > 0,05 maka Ho diterima, Ha ditolak

a
Coefficients
Standardized

Unstandardized Coefficients Coefficients Collinearity Statistics

Model B Std. Error Beta t Sig. Tolerance VIF

1 (Constant) -,018 ,010 -1,737 ,086

CSR ,042 ,019 ,264 2,228 ,029 ,673 1,486

EP -,008 ,014 -,065 -,594 ,554 ,793 1,260

CSR.KA 1,076E-14 ,000 ,494 ,791 ,431 ,024 41,407

EP.KA -1,042E-14 ,000 -,699 -1,122 ,265 ,024 41,221

EPS 1,447E-6 ,000 ,052 ,383 ,703 ,507 1,973

MBV -3,499E-7 ,000 -,015 -,142 ,887 ,859 1,163

PER 1,482E-6 ,000 ,471 3,867 ,000 ,635 1,574

EBIT -7,683E-16 ,000 -,253 -1,970 ,052 ,570 1,755

NPM ,013 ,016 ,090 ,832 ,408 ,797 1,255

a. Dependent Variable: AR