Uji Autokorelasi Uji Koefisien Determinasi R

59

4.2.3 Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu periode t dengan kesalahan periode t – 1. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi ada karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Model regresi yang baik adalah regresi yang bebas autokorelasi. Data pada penelitian ini memiliki unsur waktu karena didapatkan antara tahun 2009-2012. Pengujian autokorelasi dilakukan dengan menggunakan uji Durbin- Watson DW-test. Kriteria untuk penilaian terjadinya autokorelasi adalah: • Angka D-W dibawah -2, berarti ada autokorelasi positif, • Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, • Angka D-W di atas +2, berarti ada autokorelasi negatif. Tabel 4.4 Uji Autokorelasi Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .726 a .527 .464 .087486 1.972 a. Predictors: Constant, UDK, LEV, ROA, AGE, SIZE b. Dependent Variable: CSR Berdasarkan tabel diatas diketahui nilai statistik D-W sebesar 1,972. Angka ini terletak diantara -2 dan +2, maka dapat disimpulkan bahwa tidak ada terjadi autokorelasi dalam penelitian ini. Universitas Sumatera Utara 60

4.2.4 Uji Heterokedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari satu pengamatan dengan pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Pada penelitian ini untuk mengetahui ada tidaknya problem heterokedastisitas digunakan scatter plot. Kriterianya adalah apabila titik-titik pada scatter plot atau diagram pencar tidak membentuk pola tertentu, maka dapat dinyatakan bahwa model regresi tidak terkendala heterokedastisitas. Gambar 4.3 Uji Heterokedastisitas Universitas Sumatera Utara 61 Berdasarkan grafik scatter plot diatas, dapat disimpulkan bahwa model regresi tidak terkendala heterokedastisitas, hal ini dikarenakan diagram berbentuk pencar dan tidak membentuk pola tertentu.

4.3 Uji Hipotesis

4.3.1 Uji Koefisien Determinasi R

2 Koefisien determinasi R 2 pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependennya. Dalam hal ini kita menggunakan R Square angka korelasi yang dikuadratkan yang juga disebut sebagai angka Koefisien Determinasi rumus untuk koefisien determinasi ini adalah R 2 x 100 . Hasil perhitungan koefisien determinasi R 2 dapat dilihat sebagai berikut: Tabel 4.5 Koefisien Determinasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .726 a .527 .464 .087486 1.972 a. Predictors: Constant, UDK, LEV, ROA, AGE, SIZE b. Dependent Variable: CSR Berdasarkan output SPSS pada tabel 4.5 di atas tampak bahwa dari hasil perhitungan diperoleh nilai koefisien determinasi R 2 sebesar 0,527. Hal ini menunjukkan bahwa besar pengaruh variabel independen yaitu ROA, Universitas Sumatera Utara 62 AGE, LEV, SIZE, dan UDK terhadap variabel dependen nilai CSR yang dapat diterangkan oleh model persamaan ini sebesar 52,7 sedangkan sisanya sebesar 47,3 dipengaruhi oleh faktor-faktor lain diluar variabel penelitian.

4.3.2 Uji t t-test