Hasil Uji Asumsi Klasik

82

2. Hasil Uji Asumsi Klasik

a. Uji Multikolinieritas

Uji multikolonieritas ini dilihat dari nilai tolerance T dan variance inflation factor VIF. Uji multikolonieritas dilakukan untuk menguji apakah terdapat korelasi antar variabel independen yaitu environmental performance PROPER, ukuran dewan komisaris DKOM, proporsi dewan komisaris independen DKOM_IND, size perusahaan SIZE, leverage LEV, dan profitabilitas PROFIT. Hasil uji multikolinieritas pada penelitian ini tampak pada tabel 4.4 berikut: Tabel 4.4 Hasil Uji Multikolinieritas Model Collinearity Statistics Tolerance VIF 1 Constant PROPER ,711 1,407 DKOM ,710 1,409 DKOM_IND ,736 1,359 AUDT ,743 1,345 SIZE ,562 1,779 LEV ,810 1,234 PROFIT ,538 1,857 Berdasarkan tabel 4.4 di atas terlihat bahwa nilai tolerance untuk setiap variabel independen berkisar antara 0,538 sampai 0,810. Sedangkan nilai VIF berkisar antara 1,234 sampai 1,857. Dengan 83 demikian, dari hasil pengujian tersebut dapat disimpulkan bahwa model persamaan regresi tidak terdapat problem multikolinieritas dan dapat digunakan dalam penelitian. Dari hasil perhitungan nilai tolerance T diatas menunjukkan tidak ada variabel independen yang memiliki nilai tolerance T kurang dari 0,10 yang berarti tidak ada korelasi antar variabel independen yang nilainya lebih dari 95. Tabel 4.4 juga menunjukkan hal yang sama bahwa tidak ada satu variabel independen yang memiliki nilai variance inflation factor VIF lebih dari 10. Berdasarkan hasil uji multikolonieritas tersebut maka dapat disimpulkan bahwa dalam model persamaan regresi penelitian ini tidak terdapat masalah pada uji multikolonieritas dan model persamaan regresi dapat digunakan pada penelitian ini.

b. Uji Autokorelasi

Persamaan regresi yang baik adalah yang tidak memiliki masalah autokorelasi. Jika terjadi autokorelasi maka persamaan tersebut menjadi tidak baik atau tidak layak dipakai untuk memprediksi. Salah satu ukuran dalam menentukan ada tidaknya autokorelasi adalah dengan menggunakan uji Durbin-Watson DW. Nilai Durbin Watson yang berada di antara -2 sampai +2 menunjukkan model yang tidak terkena masalah autokorelasi. Adapun 84 hasil pengujian autokorelasi dengan menggunakan uji Durbin – Watson DW test yaitu sebagai berikut: Tabel 4.5 Hasil Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,644 a ,415 ,351 ,14039 1,466 a. Predictors: Constant, PROFIT, AUDT, LEV, PROPER, DKOM, DKOM_IND, SIZE b. Dependent Variable: ENV Berdasarkan tabel 4.5 di atas dapat diketahui bahwa hasil uji autokorelasi pada nilai Durbin-Watson adalah 1,466. Nilai tersebut berada di antara nilai -2 sampai +2 sehingga dapat disimpulkan bahwa data tidak mengandung gejala autokorelasi.

c. Uji Heteroskedastisitas

Uji heteroskedastisitas dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Salah satu cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot dalam penelitian ini adalah sebagai berikut: 85 Grafik 4.1 Hasil Uji Heteroskedastisitas Dari grafik 4.3 uji heteroskedastisitas menggunakan grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa pada model regresi ini tidak terjadi heteroskedastisitas, sehingga model regresi ini layak dipakai untuk memprediksi environmental disclosure berdasarkan variabel-variabel yang mempengaruhinya yaitu environmental performance PROPER, ukuran dewan komisaris DKOM, proporsi dewan komisaris independen DKOM_IND, ukuran komite audit AUDT, size SIZE, leverage LEV, dan profitabilitas PROFIT. 86

d. Uji Normalitas

Uji normalitas dilakukan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Untuk menguji normalitas atas suatu data dilakukan pengujian melalui uji statistik non-parametrik Kolmogorov-Smirnov K-S. Adapun hasil uji normalitas menggunakan uji statistik non-parametrik Kolmogorov-Smirnov K-S adalah sebagai berikut: Tabel 4.6 Hasil Uji Normalitas Berdasarkan tabel 4.6 di atas terlihat bahwa nilai Kolmogorov- Smirnov adalah 0,091 dan signifikan pada 0,200. Nilai signifikan 0,200 menunjukan nilai signifikan diatas 0,05 yang berarti One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 72 Normal Parameters a,b Mean ,0000000 Std. Deviation ,13328557 Most Extreme Differences Absolute ,091 Positive ,091 Negative -,076 Test Statistic ,091 Asymp. Sig. 2-tailed ,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. 87 disimpulkan bahwa data dalam penelitian ini telah terdistribusi dengan normal normal dan model regresi memenuhi asumsi normalitas.

3. Hasil Uji Hipotesis