Tabel 4.9 Hasil Uji Multikolinearitas Setelah Transformasi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-7.404 1.693
-4.374 .000
LN_CSR -.133
.119 -.066
-1.119 .264
.872 1.147
LN_ROA .480
.045 .587
10.596 .000
.993 1.007
LN_FIRM SIZE
2.541 .580
.258 4.382
.000 .878
1.139 a. Dependent Variable: LN_PBV
Dari tabel uji multikolinearitas setelaah transformasi diatas, tidak jauh berbeda dari hasil sebelum ditransformasi bahwa hasil perhitungan Variance
Inflantion Faktor VIF juga menunjukan tidak ada satupun variabel independen yang memiliki VIF lebih dari 10 10 yaitu variabel CSR sebesar 1.147, ROA
sebesar 1,007 dan nilai VIF ukuran perusahaan sebesar 1,139. Pada nilai tolerance menunjukan tidak ada variabel independen yang mempunyai nilai tolerance
kurang dari 0.10 0,10 yaitu pada variabel CSR sebesar 0.872, ROA sebesar 0,993 dan ukuran perusahaan sebesar 0,878. Jadi dapat disimpulkan tidak ada
multikolinearitas antar variabel independen dalam model regresi.
4.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
Universitas Sumatera Utara
pengamatan yang lain. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot. Jika ada pola
tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah
terjadi heteroskedastisitas. Jika tidak ada pola yang jelas serta titik-titik menyebar maka tidak terjadi heteroskedastisitas.
Gambar 4.5 Grafik Scatterplot
Pada gambar 4.2 terlihat bahwa terjadi heteroskedastisitas, yaitu adanya pola titik-titik yang melebar kemudia menyempit. Oleh karena itu, setelah
dilakukan transformasi, maka didapat hasil sebagai berikut .
Universitas Sumatera Utara
Gambar 4.6 Grafik Scatterplot Setelah Transformasi
Berdasarkan gambar 4.3 yaitu grafik scatterplot dapat dilihat bahwa titik- titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka nol
pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi nilai
perusahaan berdasarkan variabel independen Corporate Social Responsibility CSR, Profitabilitas ROA dan ukuran perusahaan.
4.2.4 Uji Autokorelasi
Autokorelasi merupakan adanya korelasi antara error term ada data time series. Pengujian ada tidaknya gangguan autokorelasi pada model regresi
Universitas Sumatera Utara
dilakukan dengan Durbin Watson Test. Berikut ini merupakan hasil dari pengujian menggunakan Durbin Watson Test.
Tabel 4.10 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .712
a
.506 .499
4.70659 1.700
a. Predictors: Constant, FIRM SIZE, ROA, CSR b. Dependent Variable: PBV
Berdasarkan perhitungan SPSS dari uji diatas, diperoleh nilai DW sebesar 1.700, dimana nilai DW tersebut lebih besar dari batas atas du 1,6061 dan
kurang dari 4-1.60614-du, sehingga dapat disimpulkan tidak terjadi autokorelasi positif maupun negatif. Namun, perhitungan setelah transformasi mengalami
sedikit perubahan yang hasilnya dapat dilihat pada tabel berikut ini :
Tabel 4.11 Hasil Uji Autokorelasi SetelahTransformasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .635
a
.403 .394
.88360 2.033
a. Predictors: Constant, LN_FIRM SIZE, LN_ROA, LN_CSR b. Dependent Variable: LN_PBV
Berdasarkan perhitungan SPSS dari uji diatas, diperoleh nilai DW sebesar 2.033, dimana nilai DW tersebut lebih besar dari batas atas du 1,6061 dan
Universitas Sumatera Utara
kurang dari 4-1.60614-du, sehingga dapat disimpulkan tidak terjadi autokorelasi positif maupun negatif.
4.3 Hasil Uji Hipotesis
