Tabel 4.5. Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
39 .0000000
.02035713 .129
.095 -.129
.808 .531
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed Unstandardiz
ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Sumber: Lampiran 3
Berdasarkan tabel 4.5. hasil uji normalitas dengan Kolmogorov- Smirnov terhadap variabel penelitian pada regresi berganda menunjukkan
nilai signifikansi 0,531 0,05 sehingga dapat disimpulkan bahwa data variabel dalam penelitian ini memiliki distribusi yang normal.
4.4. Uji Asumsi Klasik
Persamaan regresi harus bersifat BLUE Best Linier Unbiased Estimator, artinya pengambilan keputusan melalui uji F dan uji t tidak
boleh bias. Untuk menghasilkan keputusan yang BLUE maka persamaan regresi harus memenuhi ketiga asumsi klasik
4.4.1. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara korelasi pengganggu pada periode
t dengan kesalahan pada periode t-1 sebelumnya. Untuk menguji
apakah terjadi autokorelasi atau tidak, digunakan uji Durbin-Watson Dw-Test. Suatu data observasi dikatakan tidak terjadi autokorelasi jika
nilai Durbin Watson berada antara -2 hingga +2 Santoso, 2001 :219. Tabel 4.6. adalah nilai Durbin-Watson yang dihasilkan dari model
regresi.
Tabel 4.6. Hasil Uji Autokorelasi
Model Summary
b
.499
a
.249 .184
.021211641273465 1.136
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, Ukuran Perusahaan X3, Rasio Profitabilitas X2, Rasio Likuiditas X
a. Dependent Variable: Pengungkapan Sukarela Y
b.
Sumber: Lampiran 4A
Berdasarkan tabel 4.6. nilai DW sebesar 1,136 terletak diantara -2 sampai +2, berarti bahwa dalam persamaan regresi tidak ada
Autokorelasi. Dengan demikian dapat disimpulkan bahwa asumsi tidak terjadi autokorelasi dapat dipenuhi.
4.4.2. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adnya korelasi antar variabel bebas independen. Model
regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas Ghozali, 2002 : 57.
Tabel 4.7. Hasil Uji Multikolinieritas
Coefficients
a
.347 .007
47.709 .000
4.87E-005 .000
.400 2.649
.012 .409
.940 1.064
-.001 .001
-.320 -2.180
.036 -.346
.994 1.006
4.31E-007 .000
.147 .972
.338 .162
.938 1.066
Constant Rasio Likuiditas X
Rasio Profitabilitas X2 Ukuran Perusahaan X3
Model 1
B Std. Error
Unstandardized Coefficients
Beta Standardized
Coefficients t
Sig. Partial
Correla tions
Tolerance VIF
Collinearity Statistics
Dependent Variable: Pengungkapan Sukarela Y a.
Sumber: Lampiran 4A Berdasarkan tabel 4.7. menunjukkan nilai VIF kurang dari 10,
sehingga tidak terjadi multikolinieritas yang tinggi. Dengan demikian dapat disimpulkan bahwa asumsi tidak terjadi multikolinieritas pada
variabel bebas penelitian dapat dipenuhi.
4.4.3. Uji Heteroskedastisitas
