dari data 0,22 maksimum data 0,99 rata-rata data 0,6267 simpangan baku standar deviasi sebesar 0,16271
4. Komite Audit ADIT terdapat jumlah sampel N yang sesuai kriteria sampel valid sebanyak 60 pengamatan diperoleh hasil : minimum dari
data 2,00 maksimum da 5,00 rata-rata data 2,9667 simpangan baku standart deviasi sebesar 0,58125.
5. Corporate Social Responsibility CSR terdapat jumlah sampel N yang
sesuai kriteria sampel valid sebanyak 60 pengamatan diperoleh hasil: minimum dari data 17 maksimum data 78 , rata-rata data 45,733 simpangan
baku standart deviasi sebesar 17,08688
5.2. Analisis Data
untuk menghasilkan data yang akurat, suatu persamaan regresi sebaiknya memenuhi semua asumsi klasik.
5.2.1 Hasil Uji Asumsi Klasik
Untuk menghasilkan analisis yang akurat, suatu persamaan regresi sebaiknya memenuhi semua asumsi klasik. Uji asumsi klasik dilakukan dalam
upaya untuk memperoleh hasil analisis regresi yang sahih valid. Ada 4 asumsi klasik yang harus dipenuhi , yaitu; tidak ada multikolinearitas, tidak ada
heteroskedastisitas, data normal dan tidak ada autokorelasi. Berikut ini pengujian untuk menentukan apakah ketiga asumsi klasik tersebut dipenuhi atau tidak.
5.2.1.1. Uji Normalitas Data
Sebelum dilakukan pengolahan data dengan menggunakan uji regresi, terlebih dahulu dilakukan uji normalitas data. Uji normalitas data dilakukan untuk
menganalisis apakah syarat persamaan regresi sudah dipenuhi atau belom. Output
UNIVERSITAS SUMATRA UTARA
dari uji normalitas data adalah berupa gambar visual yang menunjukan jauh dekatnya titik-titik pada gambar tersebut dengan garis diagonal. Jika data berasal
dari distribusi normal, maka nilai-nilai sebaran data yang tercermin dalam titik- titik pada output akan terletak disekitar garis diagonal. Sebaliknya, jika data
berasal dari distribusi yang tidak normal maka titik-titik tersebut tersebar tidak disekitar garis diagonal terpancar jauh dari garis diagonal.
Gambar 5.1 Uji Normalitas Data
Dengan melihat tampilan grafik histogram dapat disimpulkan bahwa pola distribusi data mendekati normal. Kemudian pada grafik normal plot terlihat titik
–titik sebaran mendekati garis normal.
5.2.1.2 Uji Multikolinearitas
Ada tidaknya masalah multikolinearitas dalam sebuah model regresi dapat dideteksi dengan nilai VIF variance inflactor factor dan nilai tolenrasi
UNIVERSITAS SUMATRA UTARA
tolenrance. Suatu model regresi dikatakan bebas dari masalah multikolinearitas jika mempunyai nilai VIF lebih kecil dari 10 dan mempunyai nilai tolenrance
diatas 0,0001 Ghozali, 2005. Dalam model regresi ini, hasil uji multikolinearitas dapat dilihat dari tabel 5.2 berikut ini:
Tabel 5.2. Uji Multikolinearitas
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant -12,423
12,103 -1,026
,309 EM
11,845 15,054
,080 ,787
,435 ,971 1,030
KOM -25,680
12,870 -,204 -1,995
,051 ,958 1,044
INS 14,950
10,589 ,142
1,412 ,164
,985 1,015 ADIT
19,424 3,026
,661 6,419
,000 ,945 1,058
Nilai VIF dan tolenrace pada tabel diatas menunjukkan bahwa semua variabel dalam penelitian ini tidak mengalami multikolinearitas. Hal ini
ditunjukan oleh nilai VIF kedua variabel tersebut yang besarnya kurang dari 10, dan nilai tolerance jauh melebihi angka 0,0001.
5.2.1.3 Uji Heteroskedastisitas