47
Unstandardized Residual
N 38
.0000000
38
.0000000 .13529400
.214 .214
-.141 1.316
.063
38
.0000000 .11747781
.097 .097
-.069 .599
.865
38
.0000000 .13516857
.202 .202
-.149 1.246
.090
38
.0000000 .13418555
.208 .208
-.127 1.284
.074 Normal Parameters
a
Mean Std.
Deviation .11534832
Most Extreme Differences Absolute
.118 Positive
.118 Negative
-.099 Kolmogorov-Smirnov Z
.727 Asymp. Sig. 2-tailed
.665 a. Test distribution is Normal
Sumber: SPSS 16, Data diolah 2014
.
Dari hasil pengolahan data tersebut, besar nilai Kolmogorov- Smirnov Z
adalah 0,727 dan signifikan pada 0,665 maka disimpulkan data terdistribusi secara normal karena 0,665 0,05. Hal ini sejalan
dengan hasil yang didapatkan dari analisis grafik.
4.1.2.2 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas independen. Nilai
toleransi dan Variance Inflacation Factor VIF digunakan untuk mendeteksi adanya multikolinearitas. Kriteria dinyatakan bahwa variabel
bebas tidak saling intervensi satu sama lain ketika:
Universitas Sumatera Utara
48
1. Jika nilai toleransi 10 persen dan nilai VIF 10, maka dapat
disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi.
2. Jika nilai tolerance 10 persen dan nilai VIF 10, maka dapat
disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi.
Uji Multikolinearitas dapat dilihat pada tabel dibawah ini:
Tabel 4.3 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
-.058 .258
-.225 .823
ROA -.038
.195 -.032
-.198 .845
.818 1.222
SIZE .043
.013 .508
3.362 .002
.963 1.039
LEV -.013
.016 -.131
-.778 .442
.781 1.281
SKP .024
.041 .088
.575 .569
.940 1.064
a. Dependent Variable: CSR
Sumber: SPSS 16, Data diolah 2014 Pada tabel hasil uji multikolinearitas diatas, diperoleh harga VIF tidak
ada yang melebihi dari nilai 10 dan Tolerance 10 persen. Dengan demikian dapat disimpulkan bahwa model regresi tersebut tidak terdapat masalah
multikolinearitas antar variabel independen dalam model regresi.
4.1.2.3 Uji Autokorelasi
Universitas Sumatera Utara
49
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengguna periode t dengan kesalahan
periode t-1. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi ada karena observasi yang berurutan sepanjang waktu
berkaitan satu sama lain. Model regresi yang baik adalah regresi yang bebas autokorelasi. Data pada penelitian ini memiliki unsur waktu karena
didapatkan antara tahun 2011-2012. Keputusan ada atau tidaknya autokorelasi adalah:
1. Bila nilai DW Durbin Watson terletak antara batas atas DU dan 4 –
DU, maka koefisien autokorelasi sama dengan nol artinya tidak ada korelasi.
2. Bila nilai DW DL batas bawah, maka koefisien autokorelasi lebih
besar dari nol, maka autokorelasi positif. 3.
Bila nilai DW 4-DL, maka koefisien autokorelasi lebih kecil dari nol artinya ada autokorelasi negatif.
4. Bila nilai DW terletak antara DW dan DL atau DW terletak diantara 4-
DU dan 4-DL, maka tidak ada kesimpulan.
Universitas Sumatera Utara
50
Tabel 4.4 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.524
a
.275 .187
.1221392 2.122
a. Predictors: Constant, SKP, SIZE, ROA, LEV b. Dependent Variable: CSR
Sumber: SPSS 16, Data diolah 2014 Berdasarkan tabel diatas diketahui nilai statistik D-W sebesar 2,122.
Nilai ini akan dibandingkan dengan nilai tabel DW dengan nilai signifikansinya 5, jumlah sampel = 38 dan jumlah variabel independen 4
k=4, maka akan diperoleh nilai DL pada tabel sebesar 1,2614 dan DU 1,7223. Nilai DW sebesar 2,122 terletak diantara batas atas DU yaitu
1,7723 dengan 4 - DU yaitu 2,2777. Maka dapat disimpulkan tidak terjadi autokorelasi.
4.1.2.4 Uji Heterokedastisitas