59
tolerance 0,10 Umar,2008. Nilai VIF serta nilai tolerance dari variabel- variabel penelitian dapat dilihat pada tabel berikut ini.
Tabel 4.3 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 UKURAN PERUSAHAAN
,292 3,424
UKURAN DEWAN KOMISARIS
,297 3,368
LEVERAGE ,823
1,215 PROFITABILITAS
,628 1,591
KEPEMILIKAN MANAJEMEN
,948 1,055
UMUR PERUSAHAAN ,670
1,492 a. Dependent Variable: INFORMASI SOSIAL
Jika dilihat pada Tabel 4.3 di atas, semua variabel independen memiliki VIF kurang dari 10, atau VIF 10. Selain itu nilai tolerance untuk setiap variabel
independen lebih besar dari 0,1 atau tolerance 0,1. Dengan demikian dapat disimpulkan bahwa tidak ada multikolinearitas dalam model regresi ini.
4.2.2.3 Uji heterokedastisitas
Uji heterokedastisitas melihat apakah didalam model regresi terjadi ketidaksamaan variable dari residual satu pengamatan kepengamatan yang lain.
Jika varians dari residual dari suatu pengamatan ke pengamatan lainnya tetap, maka disebut Homokedastisitas, sementara itu, untuk varians yang berbeda
disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heterokedastisitas. Cara memprediksi ada tidaknya heteroskedastisitas pada suatu
Universitas Sumatera Utara
60
model dapat dilihat dari pola gambar Scatterplot Umar,2008. Analisis pada gambar Scatterplot yang menyatakan model regresi linier berganda tidak terdapat
heteroskedastisitas jika: 1 titik-titik data menyebar di atas, di bawah atau di sekitar angka 0,
2 titik-titik data tidak mengumpul hanya di atas dan dibawah saja, 3 penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar
kemudian menyempit dan melebar kembali, 4 penyebaran titik-titik data sebaiknya tidak berpola Marpaung, 2010.
Gambar 4.3 Grafik Scatterplot
Universitas Sumatera Utara
61
Pola gambar Scatterplot pada model penelitian ini dapat dilihat pada Gambar 4.3 di atas. Grafik Scatterplot menunjukkan bahwa
terjadi heteroskedastisitas pada model regresi. Hal ini dikarenakan
penyebaran titik-titik data yang berpola. Maka dari itu, peneliti
mentransformasikan data variabel ke dalam bentuk Logaritma natural
Ln supaya
model regresi linier berganda tidak terdapat heteroskedastisitas,
sehingga diperoleh grafik Scatterplot sebagai berikut.
Gambar 4.4 Grafik Scatterplot II
Uji heterokedastisitas juga dapat dilakukan uji Glejser. Gujarati 2006 menyatakan bahwa,” The Glejser test is similiar in spirit to the Park test. After
obtaining residuals ei from the original model, Glejser suggests regressing the
Universitas Sumatera Utara
62
absolute values of ei, on the X variable that is thought to be closely associated with the heteroscedastic variance.” Menurutnya uji Glejser dilakukan dengan cara
meregresikan antara variabel independen dengan nilai absolut residualnya. Jika nilai signifikansi antara variabel independen dengan absolut residual lebih dari
0,05 maka tidak terjadi masalah heteroskedastisitas. Berikut ini adalah tabel hasil uji heterokedastisitas berdasarkan uji Glejser.
Tabel 4.4 Hasil Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
,116 ,465
,250 ,804
Ln_TA -,030
,022 -,429
-1,355 ,185
Ln_UDK ,052
,113 ,142
,458 ,650
Ln_LEVERAGE ,008
,038 ,056
,220 ,827
LN_PROFITABILITA S
,017 ,029
,146 ,604
,550 LN_KEPEMILIKANM
AN -,013
,011 -,286
-1,154 ,257
LN_UMUR ,115
,148 ,144
,780 ,441
a. Dependent Variable: ABS_RES
Pada Tabel 4.4 di atas dapat diketahui bahwa nilai signifikansi dari kelima variabel independen lebih dari 0,05. Dengan demikian dapat disimpulkan bahwa
tidak terjadi masalah heteroskedastisitas pada model regresi.
4.2.2.4 Uji autokorelasi
