73 pada tahun 2010. Nilai rata-rata mean Independen Komite Audit
sebesar 0,106 dan standar deviasi sebesar 0,106. b. Variabel Dependen
Variabel Dependen pada penelitian ini adalah Corporate Social Rensposibility CSR. Hasil uji statistik pada Tabel 4.2 menunjukan
bahwa variabel corporate sosial responsibility memiliki nilai minimum sebesar 0,120 yang diperoleh dari PT. Astra Internasional Tbk pada
tahun 2014 sedangkan nilai maksimum sebesar 1,080 yang diperoleh dari PT. Wijaya Karya Tbk pada tahun 2012 Nilai rata-rata mean
Corporate Social Responsbility sebesar 0,587 dan standar deviasinya sebesar 0,286.
2. Analisis Uji Asumsi Klasik
a. Hasil Uji Normalitas Uji Normalitas dilakukan untuk mengetahui apakah data
berdistribusi normal atau tidak. Sebab model regresi yang baik memiliki data yang berditribusi normal. Ada 2 cara untuk mendeteksi
normalitas data yaitu dengan analisis grafik dan uji statistik. Untuk menguji normalitas data dalam penelitian ini menggunakan uji
statistik dengan menggunakan uji Kolmogorov-Smirnov K-S. Nilai residual terstandarisasi berdistribusi normal jika nilai Asymp.
Sig. 0.05.
74
Tabel 4.3 Hasil Uji Normalitas Dengan Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
55 Normal Parameters
a,b
Mean 0,000
Std. Deviation
0,224 Most Extreme
Differences Absolute
0,087 Positive
0,087 Negative
-0,052 Test Statistic
0,087 Asymp. Sig. 2-tailed
0,200
c,d
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction. d. This is a lower bound of the true significance.
Sumber: Output SPSS yang diolah
Tabel 4.3 menunjukan hasil dari pengujian uji Kolmogorov- Smirnov menunjukan Asymp. Sig 2-tailed pada hasil uji
Kolmogorov-Smirnov sebesar 0,200. Nilai tersebut di atas nilai signifikan yaitu 0,05. Dengan demikian dapat disimpulkan bahwa data
berdistribusi normal, maka model regresi dapat digunakan untuk
pengujian berikutnya.
75 Hasil uji normalitas data yang ditunjukan Kolmogorov-
Smirnov tersebut konsisten dengan hasil analisis grafik histogram dan grafik normal P-Plot berikut ii:
Gambar 4.1 Hasil Uji Normalitas Dengan Grafik Normal Plot
Gambar 4.2 Hasil Uji Normalitas Dengan Grafik Histogram
76 Berdasarkan grafik di atas dapat dilihat bahwa grafik histogram
maupun grafik normal P-Plot memberikan pola distribusi data yang normal. Dapat dilihat pada grafik histogram yang menggambarkan
lonceng serta pada grafik normal P-Plot titik-titik yang mewakili jumlah sampel dalam penelitian ini mendekati garis diagonal.
b. Hasil Uji Heteroskedastisitas Uji Heteroskedastisitas dilakukan untuk melihat apakah ada
ketidaksamaan varians dalam fungsi regresi. Data yang baik adalah data yang homoskedastisitas. Uji heterokedastisitas dalam penelitian
ini menggunakan uji glejser yang dilakukan dengan cara meregresikan antara variabel independen dengan nilai absolut
residualnya. Jika nilai signifikansi lebih dari 0,05 maka tidak terjadi masalah heterokedasitas.
Tabel 4.4 Hasil Uji Heteroskedastisitas Dengan Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
0,388 0,159
2,445 0,018
AUINDP -0,105
0,147 -0,128
-0,716 0,478
AUEXCT -0,139
0,090 -0,224
-1,538 0,131
AUMEET 0,000
0,001 0,021
0,142 0,888
AUSIZE -0,019
0,020 -0,162
-0,943 0,350
ROA -0,038
0,196 -0,029
-0,193 0,847
a. Dependent Variable: GLEJSER Sumber: Output SPSS yang diolah
77 Pada Tabel 4.4 terlihat bahwa nilai signifikansi antara semua
variabel independen dengan absolut residual lebih dari 0,05 maka dapat disimpulkan bahwa data dalam penelitian ini mempunyai
kesamaan varians dalam fungsi regresi atau homoskedastisitas atau tidak terjadi heterokedastisitas.
Hasil uji glejser ini konsisten dengan hasil uji grafik scatterplot berikut ini:
Gambar 4.3 Hasil Uji Heteroskedastisitas Dengan Uji Scatterplot
Grafik scatterplot menunjukan bahwa data tersebar di atas dan dibawah angka 0 nol pada sumbu Y dan tidak terdapat suatu pola
yang jelas pada penyebaran data tersebut. Hal ini mengindikasikan bahwa penyebaran titik-titik yang mewakili sampel pada Scatterplot di
atas mengemukakan bahwa data dalam penelitian ini mempunyai kesamaan varians dalam fungsi regresi atau homoskedastisitas.
78 c. Hasil Uji Autokorelasi
Uji Autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi.
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual
kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya Ghozali, 2013.
Cara yang digunakan untuk mendeteksi ada atau tidaknya autokorelasi dengan menggunakan run test. Run test sebagai bagian
dari statistik non-parametrik digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat
hubungan korelasi maka dikatakan bahwa residual adalah acak atau random. Run test digunakan untuk melihat apakah data residual terjadi
secara random atau tidak sistematis. Pengambilan keputusan pada uji run test adalah sebagi berikut:
H : residual res_1 random acak
H
α
: residual res_1 tidak random
79
Tabel 4.5 Hasil Uji Run Test
Runs Test Unstandardized
Residual Test Value
a
-0,0267 Cases Test Value
27 Cases = Test Value
28 Total Cases
55 Number of Runs
27 Z
-0,406 Asymp. Sig. 2-tailed
0,685 a. Median
Sumber: Output SPSS yang diolah
Berdasarkan Tabel 4.5 diatas dapat diketahui bahwa hasil uji Autokorelasi pada nilai Run test adalah 0,685. Nilai tersebut signifikan
0.05 sehingga dapat disimpulkan bahwa data tidak mengandung gejala autokorelasi.
d. Hasil Uji Multikolinieritas Uji Multikolinieritas dilakukan untuk melihat apakah terjadi
korelasi antara variabel bebas atau satu sama lainnya. Jika nilai Tolerance
≥ 0,1 dan VIF ≤ 10, maka dapat dikatakan tidak terjadi multikolinieritas antar variabel bebas. Berikut Tabel 4.6 menunjukan
hasil dari uji Multikolinieritas.
80
Tabel 4.6 Hasil Uji Multikolinieritas Dengan Uji VIF
Model Collinearity Statistics
Tolerance VIF
1 Constant
AUINDP 0,599
1,669 AUEXCT
0,903 1,108
AUMEET 0,866
1,154 AUSIZE
0,651 1,536
ROA 0,829
1,206 Sumber: Output SPSS yang diolah
Berdasarkan hasil uji multikolinieritas di atas dapat dilihat bahwa variabel bebas dalam penelitian ini tidak saling berkorelasi,
karena memiliki nilai Tolerance ≥ 0,1 dan VIF ≤ 10. Maka dapat
dikatakan tidak terjadi gejala multikolinieritas antar variabel.
3. Hasil Uji Hipotesis
