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