3.6.2.1 Uji Normalitas Data
Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regres variabel pengganggu atau residual memiliki retribusi
normal.Uji ini berguna untuk tahap awal metode pemilihan analisis data. Metode yang dipakai dalam mendeteksi apakah data terdistribusi
normal atau tidak adalah dengan dua cara yaitu analisis grafik dan uji statistik. Ghozali, 2013
3.6.2.2 Uji Multikolinearitas
Uji ini bertujuan untuk mengetahui apakah model regresi ditemukan adanya korelasi antar variabel independen.Model regresi
yang baik seharusnya tidak terjadi korelasi di antara variabel independen.Multikolinearitas dapat juga dilihat dari nilai Tolerance
TOL dan metode VIF Variance Inflaction Factor.Nilai TOL berkebalikan dengan nilai VIF.TOL adalah besarnya variasi dari suatu
variabel independen yang tidak dijelaskan oleh variabel independen lainnya. Nilai tol yang rendah adalah sama dengan nilai VIF yang
tinggi karena VIF = 1TOL. Nilai cut offyang umum dipakai untuk menunjukkan adanya multikolinearitas adalah TOL0,10 atau sama
dengan nilai VIF10 Ghozali, 2013:105. 3.6.2.3 Uji Heterokedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke
pengamatan yang lain. Jika variancedari residual suatu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika
variance dari residual suatu pengamatan ke pengamatan lain berbeda,
maka disebut heterokedastisitas. Untuk mendeteksi ada atau tidaknya heterokedastisitas dapat dilakukan dengan melihat grafik scatterplot,
dengan dasar analisis Ghozali, 2013 :139
3.6.2.4 Uji Autokorelasi
Pengujian autokorelasi digunakan untuk mengetahui apakah terjadi korelasi antara anggota serangkaian observasi yang diunitkan
menurut waktu data time series atau ruang data data cross section
.Uji ini bertujuan untuk menguji apakah dalam suatu model regresilinear ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pada periode t-1 sebelumnya Ghozali, 2013: 110. Auto korelasi muncul karena observasi yang berurutan sepanjang
waktu berkaitan satu sama lainnya. Model regresi yang baik adalah model regresi yang bebas dari autokorelasi.Untuk mendeteksi adanya
autokorelasi dalam model, dapat menggunakan uji Durbin-Watson DW test yang terdapat pada table 3.3.
Tabel 3.4 Tabel Durbin-Watson
Kondisi Nilai
Ada autokorelasi D-W dibawah -2
Tidak ada autokorelasi D-W diantara -2 s.d +2
Ada autokorelasi negative D-W di atas +2
3.6.3 Pengujian Statistik 3.6.3.1 Analisis Regresi Linier Berganda
Regresi linier berganda yaitu suatu model linier regresi yang variabel dependennya merupakan fungsi linier dari beberapa variabel
bebas.Regresi linier berganda sangat bermanfaat untuk meneliti pengaruh beberapa variabel yang berkorelasi dengan variabel yang
diuji.Teknik analisis ini sangat dibutuhkan dalam berbagai pengambilan keputusan baik dalam perumusan kebijakan manajemen
maupun dalam telaah ilmiah. Hubungan fungsi antara satu variabel dependen dengan lebih dari satu vaiabel dapat dilakukan dengan
analisis regresi linear berganda, dimana Corporate Social Responsibility
sebagai variabel dependen sedangkan Ukuran Dewan Komisaris, Proporsi Komisaris Independen, dan Kepemilikan
Institusional sebagai variabel independen
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ e