masing-masing variabel bebas lebih kecil dari 10. Dengan demikian dapat disimpulkan bahwatidak terjadi gejala multikolinieritas dalam variabel
bebasnya.
c. Uji Heteroskedastisitas
Ghozali 2005 menyatakan “uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance
dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari satu pengamatan ke pengamatan lain tetap, maka disebut
homoskedastisitas dan jika berbeda disebut heteroskedastisitas”. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Cara mendeteksi
ada tidaknya gejala heteroskedastisitas adalah dengan melihat grafik scatterplot
yang dihasilkan dari pengolahan data menggunakan program SPSS. Dasar pengambilan keputusannya menurut Ghozali 2005 adalah
sebagai berikut: 1.
jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit,
maka mengindikasikan telah terjadi heteroskedastisitas. 2.
jika tidak ada pola yang jelas, serta titik- titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi gejala heteroskedastisitas atau tidak dengan cara mengamati
penyebaran titik-titik pada grafik.
Universitas Sumatera Utara
Gambar 4.3 Scatterplot
Sumber : Output SPPS, diolah Peneliti, 2016
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak dengan tidak adanya pola yang jelas serta tersebar baik di atas
maupun di bawah angka 0 pada sumbu Y. Hal tersebut menunjukkan bahwa tidak terjadi heteroskedastisitas, sehingga model ini layak dipakai
untuk memprediksi tingkat pengungkapan wajib mandatory disclosure perusahaan perbankan yang terdaftar di Bursa Efek Indonesia berdasarkan
masukan variabel independen yaitu profitability, leverage, ukuran perusahaan dan proporsi dewan komisaris independen.
d. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan
Universitas Sumatera Utara
pada periode t-1 sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Masalah autokorelasi umumnya terjadi pada regresi
yang datanya time series. Ada beberapa cara yang dapat digunakan untuk mendeteksi
masalah dalam autokorelasi diantaranya adalah dengan Uji Durbin Watson. Menurut Sunyoto 2009, untuk melihat ada tidaknya autokorelasi
dilihat dari: 1
angka D-W dibawah –2 berarti ada autokorelasi positif, 2
angka D-W di antara -2 sampai +2 berarti tidak ada autokorelasi, 3
angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.4 Hasil Uji Autokorelasi
Sumber : Output SPSS, diolah peneliti, 2016
Tabel 4.4 menunjukkan hasil uji autokorelasi variabel penelitian. Berdasarkan hasil pengujiannya dapat dilihat bahwa tidak terjadi autokorelasi
antar kesalahan pengganggu antar periode. Hal tersebut dilihat dari nilai Durbin-Watson D-W sebesar 1,400. Angka D-W di antara -2 sampai +2
Universitas Sumatera Utara
yang mengartikan bahwa angka DW lebih besar dari -2 dan lebih kecil dari 2. Dengan demikian, dapat dikemukakan bahwa tidak ada autokorelasi positif
maupun negatif.
4.3 Analisis Regresi