81
Tabel 4.4 Hasil Uji Normalitas Dengan Uji Kolmogorov-Smirnov
Unstandardized Residual
N 84
Normal Parameters
a,b
Mean 0,0000000
Std. Deviation 0,15333383
Most Extreme Differences
Absolute 0,067
Positive 0,057
Negatif -0,067
Test Statistic 0,067
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 Asymp. Sig 2-tailed pada hasil uji Kolmogorov-Smirnov sebesar
0,200. Nilai tersebut lebih besar dari nilai signifikannya yaitu 0,05. Dengan demikian dapat disimpulkan bahwa data berdistribusi normal atau konsisten
dengan uji grafik histogram dan grafik normal P-Plot, maka model regresi dapat digunakan untuk pengujian berikutnya.
b. Hasil Uji Multikolineritas
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 4.5 menunjukan hasil dari uji
multikolinieritas.
82
Tabel 4.5 Coefficients
a
Model Collinearity
Statistics Tolerance
VIF 1
Constant CIS
0,626 1,598
IOWN FOR
SIZE 0,472
0,477 0,610
2,121 2,096
1,640 ROE
0,890 1,123
a. Dependent Variabel: CSR 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 multikolineritas antar variabel.
c. Hasil Uji Autokorelasi
Menurut Ghozali 2013:110, uji autokorelasi bertujuan untuk menguji apakah dalam sebuah model regresi linier ada korelasi antara
kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t dengan kesalahan periode t-1 sebelumnya. Autokorelasi
muncul karena observasi yang berurutan sepanjang waktu berkaitan satu
83
sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya.
Salah satu ukuran dalam menentukan ada tidaknya autokorelasi adalah dengan menggunakan uji Durbin-Watson DW. Nilai Durbin
Watson yang berada diantara nilai du dan 4 - du menunjukkan model yang tidak terkena masalah autokorelasi. Adapun hasil pengujian autokorelasi
dengan menggunakan uji Durbin –Watson DW test yaitu sebagai berikut:
Tabel 4.6 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
0,732
a
0,536 0,507
0,15817 1,829
a. Predictors: Constant, FOR, CIS, ROE, SIZE, IOWN b. Dependent Variable: CSR
Autokorelasi positif
Ragu-ragu Tidak Ada
Korelasi Ragu-ragu
Autokorelasi negatif
dL dU
4-dU 4-dL
1,4962 1,8008
2,1992 2,5038
Nilai DW : 1,829
Sumber : Output SPSS yang diolah Uji autokorelasi dengan Durbin Watson menyatakan bahwa
autokorelasi tidak terjadi jika nilai du d hitung 4-du, dimana nilai d hitung berada diantara nilai du dan 4-du. Berdasarkan tabel 4.6 diatas
84
dapat diketahui bahwa hasil uji autokorelasi pada nilai Durbin-Watson adalah 1,829. Nilai tersebut berada di antara nilai du dan 4-du dimana
nilai d hitung lebih besar dari du 1,8008 dan kurang dari 4-du 2,1992 sehingga dapat disimpulkan bahwa data tidak mengandung gejala
autokorelasi.
d. Uji Heterokedastisitas
