Gambar 4.1 Hasil Uji Normalitas
Berdasarkan gambar 4.1, hasil uji normalitas menunjukan residual telah mendeteksi garis diagonal atau garis normal, terlihat titik-titik obsevasi data telah
tersebar di sekitar garis lurus, sehingga asumsi normalitas residual terpenuhi.
1.2 Uji Multikolinearitas
Uji multikolonieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi variabel bebas Ghozali, 2011. Model regresi yang
baik adalah tidak terjadi korelasi antar variabel bebas independen. Untuk mendeteksi ada tidaknya multikoliniearitas dalam model regresi adalah dengan
melihat tolerance dan
Variance Inflation Factor
FIV. Apabila nilai
tolerance
10 dan nilai VIF 10, maka dapat disimpulkan tidak ada multikoliniearitas antar variabel bebas dalam model regresi. Tabel berikut adalah hasil uji
multikolinearitas :
Tabel 4.16 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
Rank of Profita ,921
1,086 Rank of Ukuran
,753 1,328
Rank of Umur ,872
1,147 Rank of Jenis
,853 1,172
Rank of Gri ,786
1,272
Sumber : data sekunder yang diolah, 2015 Tabel 4.16 merupakan hasil uji multikolinearitas menunjukkan bahwa variabel
independen yaitu Profitabilitas, ukuran perusahaan, umur
listing
, jenis perusahaan, dan Penggunaan standar pelaporan GRI mempunyai nilai VIF di bawah angka 10
dan nilai
tolerance
kurang dari 0,10. Hal ini berarti model regresi yang dipakai keempat variabel independen di atas tidak terdapat multikolinearitas.
1.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah model regresi linier ada korelasi antar pengganggu pada periode t dengan kesalahan pada periode t-1
sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi Ghozali,2011. Untuk mendeteksi terjadinya autokorelasi dapat
dilakukan dengan pengujian nilai Durbin Watson Uji DW. Hasil perhitungan uji autokorelasi dapat dilihat pada tabel 4.17 dibawah ini.
Tabel 4.17 Hasil Uji Autokorelasi Durbin-Watson
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 ,597
a
,356 ,348
92,850417 1,940
a. Predictors: Constant, Rank of Gri, Rank of Umur, Rank of Profita, Rank of Jenis, Rank of Ukuran
b. Dependent Variable: Rank of Asdm
Sumber : Data sekunder diolah tahun 2015
dl du
DW 4-du 4-dl
4 1,810
1,861 1,940 2,138
2,190 4
Gambar 4.2 Hasil Analisis Uji Autokorelasi
Berdasarkan Tabel 4.17 di atas, dapat dilihat bahwa nilai Durbin Watson sebesar 1,940. Nilai tesebut berarti bahwa du d 4-du yaitu 1,861 1,940 2,138
berdasarkan kriteria tabel nilai uji Durbin Watson, hasil ini menunjukkan tidak ada autokorelasi positif atau negatif yang berarti bahwa model regresi penelitian
ini bebas dari autokorelasi. Dapat disimpulkan bahwa tidak ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1.
Tolak Ho bukti autokorelasi positif
Daerah keraguan
Menerima Ho atau Ha atau kedua-duanya
Daerah Keraguan Tolak
Ho bukti
autokorelasi negatif
1.4 Uji Heterokedastisitas
