xxxv memiliki distribusi data normal atau mendekati normal. Berikut merupakan hasil
uji dengan menggunakan Kolmogorov-Smirnov test.
Tabel 4.2 Hasil Uji Statistik Non Parametrik Kolmogorov-Smirnov Setelah
Transformasi
Bina Lingkungan Biaya
Kemitraan Kesejahteraan
Karyawan ROA
N 81
81 81
81 Normal Parameters
a,b
Mean 18.3860
24.8735 26.2224
1.0638 Std.Deviation
2.19621 1.90502
1.88478 .84149
Most Extreme Absolute
.077 .065
.148 .060
Differences Positive
.077 .065
.148 .059
Negative -.067
-.053 -.077
-.060 Kolmogorov-Sirnov Z
.697 .589
1.336 .542
Asymp. Sig. 2-tailed .717
.879 .056
.930 a. Test distribution is normal
b. Calculated from data
Sumber: Data Sekunder yang diolah, 2010 Setelah variabel biaya kesejahteraan, biaya kemitraan dan bina lingkungan
ditransformasikan maka signifikannya sudah lebih dari 0,05 dapat dilihat pada tabel 4.2 sehingga dapat disimpulkan bahwa semua data berasal dari populasi
terdistribusi secara normal.
b. Uji Multikolinearitas
Uji multikolinearitas pada penilitian ini menunjukkan hasil sebagai berikut.
Tabel 4.3 Nilai Tolerance dan VIF
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Bina Lingkungan
.854 1.171
Biaya Kemitraan .914
1.096 Kesejahteraan Karyawan
.904 1.106
a.
Dependent Variable: ROA
Sumber: Output SPSS, 2010
xxxvi Berdasarkan tabel 4.3 terlihat bahwa tidak ada variabel bebas yang memiliki
nilai tolerance yang lebih dari 0,1 dan nilai VIF yang kurang besar dari 10 sepuluh. Hal ini berarti tidak ada korelasi antar variabel bebas, sehingga dapat
disimpulkan bahwa data bebas dari masalah multikolinearitas.
c. Uji Autokorelasi
Hasil uji autokorelasi menunjukkan tidak adanya autokorelasi dengan nilai hitung Durbin-Watson sebesar 1,797 lebih besar dari batas atas Durbin-up
sebesar 1,72. Hasil dari uji autokorelasi dapat dilihat pada tabel 4.4 berikut.
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b
Model Durbin-Watson
1 1.797
a
a. Predictors: Constant, bina lingkungan, biaya kemitraan, dan biaya kesejahteraan.
b. Dependent Variable: ROA
Sumber: Output SPSS, 2010
d. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan
kepengamatan lainnya. Untuk mengetahui ada tidaknya heteroskedastisitas dapat dilihat dengan menggunakan uji glejser yang dapat lebih menjamin