Untuk menghasilkan suatu modelregresi yang yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum
melakukan pengujian hipotesis. Pengujian ini perlu dilakukan untuk mengetahuiapakah distribusi datayang digunakandalam
penelitiansudahnormal,sertabebas darigejalamultikolinearitas,
heteroskedastisitas danautokolerasi.
4.2.2.1 Uji Normalitas
Uji statistik yang dapat digunakan untuk menguji apakah residual berdistribusi normal adalah uji statitstik non
parametrik Kolmogorov-Smirnov K-S dengan membuat
hipotesis:
H : data residual berdistribusi normal
Ha : data residual tidak berdistribusi normal.
Apabila nilai siginifikansi lebih besar dari 0,05 maka H0 diterima dan Ha ditolak, sebaliknya jika nilai
signifikansi lebih kecil dari 0,05 maka H0 ditolak dan Ha
diterima. Tabel 4.11
Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
standardized Residual 32
mal Parameters
a
an .0000000
Deviation .12341735
t Extreme Differences olute
.213
Universitas Sumatera Utara
itive .156
ative -.213
mogorov-Smirnov Z 1.206
mp. Sig. 2-tailed .109
est distribution is Normal.
Sumber : diolah peneliti 2013 BerdasarkanhasilujistatistikdenganmodelKolmogorov-
Smirnovsepertiyangterdapatdalamtabel4.11dapatdisimpulka n bahwadata berdistribusinormal.Halinidapatdilihatdarinilai
signifikansi sebesar0,109lebihbesardari0,05. Data berdistribusi normal juga dapat dilihat
dengan menggunakan normal probably plot of standardized residual, yanghasilnyatampakpadagambar4.1.
Sumber : diolah peneliti 2013 Gambar 4.1
Grafik Normal P-plot
Berdasarkangambar4.1dapatdilihatbahwatitik- titikmenyebar
disekitargaris diagonal dan
Universitas Sumatera Utara
penyebarannya mengikuti arah garis diagonal. Dengan demikian dapatdinyatakan
bahwa penyebaran
data mendekati
normal atautelah
memenuhiasumsinormalitas.Halinijugadapatdilihat denganmenggunakangrafikhistogramsepertiberikut:
Sumber : diolah peneliti 2013 Gambar 4.2
Grafik Histogram
Grafikhistogrammenunjukkanpoladistribusinormalkare na grafiktidakmelencengkekirimaupunmelencengkekanan.
4.2.2.2 Uji Multikolinearitas
Deteksimultikoliniearitasdapatdilihat,yaitujikanilaiV arianceInflationFactor
VIFtidaklebihdari10 dannilai
tolerancetidakkurangdari0,1makadapat dikatakan terbebas dari multikolinieritas. Nilai VIF serta tolerance dari
variabel-variabel peneltian dapat dilihatdaritabelberikutini:
Universitas Sumatera Utara
Tabel 4.12 Hasil Uji Multikolinearitas
Coefficients
a
el Unstandardized
Coefficients tandardized
Coefficients t
Sig. ollinearity Statistics
B td. Error
Beta olerance
VIF nstant
.639 .185
3.450 .002
-.141 .132
-.191 -1.067
.295 .999
1.001 .184
.134 .250
1.380 .178
.976 1.025
E .000
.001 .041
.229 .821
.977 1.024
ependent Variable: CSRdisclosure
Sumber : diolah peneliti 2013 Berdasarkantabel4.12diatas
dapatdisimpulkanpenelitianinibebas darigejala
multikolinieritas.Semuavariabelindependenmemilikinilai VIF lebih kecil dari 10. Selain itu, nilai tolerance setiap
variabel independenlebih
besardari0,1.Dengandemikiantidakada multikolinieritas
dalammodelregresiini.
4.2.2.3 Uji Heterokedastisitas