Hasil Pengujian Asumsi Klasik

perusahaan sampel yang mengukur ukuran perusahaan adalah sebesar 3,47. Nilai mean untuk ukuran perusahaan diperoleh sebesar 3,3855, artinya rata-rata perusahaan sampel memiliki ukuran perusahaan yang diukur dari total aktiva sebesar 3,3855 nilai standar deviasi dari hasil penelitian ini untuk ukuran perusahaan sebesar 0,02495. Nilai rata-rata lebih tinggi dari nilai standar deviasi menunjukkan bahwa tidak terdapat outlier. Corporate Social Responsibility menunjukkan pengungkapan tanggung jawab sosial perusahaan sebagai dampak operasi dalam dimensi sosial, ekonomi, dan lingkungan serta menjaga agar dampak tersebut menyumbang manfaaat kepada masyarakat dan lingkungan hidupnya. Nilai terendah pada pengungkapan CSR diperoleh PT. Telekomunikasi Indonesia yaitu sebesar 0,012658 artinya CSR yang paling rendah diungkapkan pada perusahaan JII sebesar 0,012658. CSR untuk penelitian ini ada dua perusahaan yang memperoleh nilai tertinggi sebesar 1 yaitu PT Aneka Tambang Tbk, PT Tambang BatuBara Bukit Asam Tbk. Artinya perusahaan mengungkapkan secara penuh CSR dan merupakan nilai tertinggi. Nilai mean untuk CSR adalah sebesar 0,5906 artinya rata-rata perusahaan sampel mengungkapkan CSR sebesar 0,5906. Nilai standar deviasi sebesar 0,27659. Standar deviasi lebih kecil dari rata-rata yang menunjukkan bahwa tidak terdapat outlier.

5.2. Hasil Pengujian Asumsi Klasik

Sebelum melakukan pengujian model regresi linear berganda metode enter, terlebih dahulu dilakukan pengujian Classical Normal Linear Regression Model Universitas Sumatera Utara untuk semua variabel yang terdiri dari uji normalitas, uji autokorelasi, uji multikolinearitas, dan uji heterokedastisitas. 5.2.1. Uji Normalitas Sebelum dilakukan pengujian terhadap hipotesis, dilakukan terlebih dahulu uji normalitas. Tujuan uji normalitas adalah untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Pengujian normalitas data dilakukan dengan menggunakan One Sample Kolmogorov-Smirnov Test, dengan melihat tingkat signifikansi 5. Dasar pengambilan keputusan dari uji normalitas adalah dengan melihat probabilitas asymp.sig 2-tailed 0,05 maka data berdistribusi normal dan sebaliknya jika asymp.sig 2-tailed 0,05 maka data berdistribusi tidak normal. Uji Normalitas pada penelitian ini dapat dilihat pada Tabel 5.2 dibawah ini : Tabel 5 Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 32 Normal Parameters Mean a,b .0000000 Std. Deviation .00186264 Most Extreme Differences Absolute .166 Positive .166 Negative -.094 Kolmogorov-Smirnov Z .937 Asymp. Sig. 2-tailed .344 a. Test distribution is Normal. b. Calculated from data. Sumber : Hasil Penelitian, 2012 Data diolah Universitas Sumatera Utara Pada Tabel 5.2. dapat dilihat nilai signifikansi yang diperoleh sebesar 0,344 lebih besar dari α 0,05, dengan demikian dapat disimpulkan hasil pengujian menunjukkan residual berdistribusi normal. 5.2.2. Uji Autokorelasi Uji asumsi klasik kedua dalam penelitian ini adalah uji autokorelasi. Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode tertentu t dengan kesalahan pada periode sebelumnya t-1. Ada beberapa cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi. Salah satunya adalah dengan uji Durbin- Watson Durbin-Watson test. Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut Santoso, 2005: 4. Jika nilai Durbin-Watson berada di bawah 0 sampai 1,5 berarti ada autokorelasi positif. 5. Jika nilai Durbin-Watson berada diatas 1,5 sampai 2,5 berarti tidak terjadi autokorelasi. 6. Jika nilai Durbin-Watson berada di atas 2,5 berarti ada autokorelasi negatif. Universitas Sumatera Utara Uji Autokorelasi pada penelitian ini dapat dilihat pada Tabel 5.3 dibawah ini : Tabel 5.3 Uji Autokorelasi Model Summaryb Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .886 .784 a .732 .00207 1.867 a. Predictors: Constant, Corporate Social Responsibility, Struktur Modal, Risiko Sistematik, Ukuran Perusahaan, Kesempatan Bertumbuh, Persistensi Laba b. Dependent Variable: Earning Respon Coefficient Sumber : Hasil Penelitian, 2012 Data diolah Berdasarkan Tabel 5.3, nilai dw = 1,867 maka dw nilainya diantara 1.5 dan 2.5. Dengan demikian dapat disimpulkan bahwa tidak terdapat autokorelasi positif maupun negatif dalam model penelitian, yang berarti tidak terkena masalah aotokorelasi baik positif maupun negatif. 5.2.3. Uji Multikolinearitas Uji asumsi klasik yang ketiga pada penelitian ini adalah uji Multikolinearitas. Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen X. Multikolinearitas berarti adanya hubungan yang kuat antara beberapa variabel atau semua variabel independen dalam model regresi. Untuk menguji ada tidaknya multikolinearitas di antara variabel independen maka digunakan nilai variance inflation factors VIF dan nilai tolerance. Bila nilai tolerance 0,10 atau nilai VIF 10 maka terjadi multikolinearitas. Bila tolerance 0,10 atau nilai VIF 10 maka multikolinearitas ditolak. Uji Multikolinearitas pada penelitian ini dapat dilihat pada Tabel 5.4 di bawah ini : Universitas Sumatera Utara Tabel 5.4 Uji Multikolinearitas Coefficientsa Model Collinearity Statistics Tolerance VIF 1 Constant Persistensi Laba .618 1.618 Struktur Modal .705 1.423 Risiko Sistematik .851 1.175 Kesempatan Bertumbuh .938 1.066 Ukuran Perusahaan .860 1.163 CSR .827 1.209 Sumber : Hasil Penelitian, 2012 Data Diolah Berdasarkan Tabel 5.4, menunjukkan bahwa tidak ada variabel independen yang memiliki nilai Tolerance 0,10 yang berarti tidak ada korelasi antar variabel independen. Hasil perhitungan nilai Variance Inflation Factor VIF juga menunjukkan variabel independen yang memiliki nilai VIF 10, maka dapat disimpulkan tidak terdapat multikolinearitas antar variabel independen pada penelitian ini. 5.2.4. Uji Heteroskedastisitas Pengujian asumsi klasik yang keempat pada penelitian ini adalah uji heteroskedastisitas. Heteroskedastisitas merupakan situasi dimana dalam model regresi terjadi ketidaksamaan varian dari residual satu observasi ke observasi yang lain. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas. Cara untuk menguji heteroskedastisitas yaitu dengan uji Glejser. Universitas Sumatera Utara Uji Glejser meregresikan nilai absolut residual terhadap variabel independen Gujarati dalam Ghozali, 2005. Jika setiap variabel independen nilai signifikannya lebih besar dari α 0,05, Uji Heteroskedastisitas pada penelitian ini dapat dilihat pada Tabel 5.5 dibawah ini : maka dapat disimpulkan tidak terjadi heteroskedastisitas. Jika variabel independen X signifikan secara statistik mempengaruhi variabel dependen Y nilai Absolut Ut AbsUt, maka ada indikasi terjadi heteroskedastisitas, sebaliknya apabila variabel independen X signifikan secara statistik memengaruhi variabel dependen Y dengan nilai probabilitas signifikannya lebih dari tingkat kepercayaan α=5 maka asumsi homokedastisitas pada data model tersebut diterima. Tabel 5.5 Uji Heteroskedastisitas Coefficientsa Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant .049 .036 1.365 .185 Persistensi Laba -.005 .008 -.144 -.630 .535 Struktur Modal -.001 .003 -.049 -.227 .822 Risiko Sistematik .002 .004 .108 .557 .582 Kesempatan Bertumbuh .003 .001 .363 1.961 .061 Ukuran Perusahaan -.010 .009 -.225 -1.163 .256 CSR .000 .001 .042 .212 .834 a. Dependent Variable: absu Sumber : Hasil Penelitian, 2012 Data Diolah Universitas Sumatera Utara Berdasarkan hasil yang diperoleh pada Tabel 5.5 dapat dilihat bahwa tingkat signifikansi masing-masing variabel lebih besar dari 5 atau 0,05. Maka dapat disimpulkan bahwa asumsi heteroskedastisitas dapat ditolak.

5.3. Hasil Pengujian Hipotesis