dengan melihat ada tidaknya pola tertentu pada grafik scatter plot. Yang mendasari dalam pengambilan keputusan adalah:
a. Jika ada pola tertentu seperti titik-titik yang membentuk suatu pola teratur gelombang, melebar kemudian menyempit maka terjadi masalah
heteroskedastisitas. b. Jika tidak ada pola jelas seperti titik-titik yang menyebar diatas dan dibawah
angka nol pada sumbu Y, maka tidak terjadi masalah heterokedasitas. Model regresi yang baik adalah model regresi yang bebas dari masalah
heterokedastisitas.
c. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ditemukan adanya korelasi antara kesalahan pepengujian pada periode t
dengan kesalahan pengujian pada periode t-1 sebelumnya. Jika terjadi korelasi maka dikatakan ada problem autokorelasi. Autokorelasi muncul karena observasi
tidak berurutan sepanjang waktu berkaitan dengan satu sama lain Ghozali,2006. Konsekuensi dari adanya autokorelasi dalam suatu model regresi adalah
bahwa varian sampel tidak menggambarkan varian populasinya, lebih jauh lagi model regresi yang dihasilkan tidak dapat digunakan untuk mentaksir variabel
dependen pada nilai varibel independen tertentu. Alat analisis yang digunakan adalah Durbin Watson DW. Setelah
dilakukan regresi kemudian dihitung DWnya dengan jumlah sampel tertentu diperoleh nilai kritis dl batas bawah dan du batas atas dalam tabel distribusi
dengan berbagai nilai.
3.5.3. Model Regresi Berganda
Alat analisis yang digunakan dalam penelitian ini adalah regresi berganda multiple regresi. Secara umum model regresi ini dapat ditulis sebagai berikut:
e SKI
b JDK
b LEV
b PRO
b SIZE
b b
CSR
a 5
4 2
1
Dimana: CSR
= Indeks skor pengungkapan CSR SIZE
= Ukuran perusahaan PRO
= Profitabilitas LEV
= Financial Leverage JDK
= Jumlah Dewan Komisaris SKI
= Struktur Kepemilikan Institusional = Koefisien regresi
e = Error term Variabel Pengganggu
3.5.4. Uji Hipotesis
Penelitian ini menguji hipotesis-hipotesis dengan mengunakan metode anallisis regresi berganda multiple regretion. Metode regresi berganda
menghubungkan satu variabel dependen dengan beberapa variabel independen dalam suatu model perdiktif tunggal.
Adapun untuk menguji signifikan tidaknya hipotesis tersebut digunakan uji F, uji t, R
2
, dan r
2
3.5.4.1. Uji Simultan F-test
Menurut Ghozali 2005 uji statistik F pada dasarnya menunjukan apakah semua variabel bebas dimaksudkan dalam model mempunyai pengaruh secara
simultan terhadap variabel dependen. Pengujian dilakukan dengan mengunakan signifance level 0,05 α = 5 . Keputusan penerimaan atau penolakan hipotesis
adalah sebagi berikut: 1. Jika nilai signifikan 0,05 maka hipotesis ditolak koefisien regresi tidak
signifikan. Ini berarti bahwa secara simultan variabel independen tersebut tidak
mempunyai pengaruh yang signifikan terhadap variabel dependen. 2.
Jika nilai signifikan ≤ 0,05 maka hipotesis diterima koefisien signifikan. Ini berarti secara simultan variabel independen tersebut mempunyai pengaruh
yang signifikan terhadap variabel dependen.
3.5.4.2. Uji Parsial t-test
Menurut Ghozali 2005 uji statistik t dasarnya menunjukan sebarapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variabel
dependen. Pengujian dilakukan dengan mengunakan signifance level 0,05 α = 5 . Penerimaan atau penolakan hipotesisi dilakukan dengan kriteria sebagai
berikut: 1. Jika nilai signifikan 0,05 maka hipotesis ditolak koefisien regresi tidak
signifikan. Ini berarti bahwa secara parsial variabel independen tersebut tidak mempunyai
pengaruh yang signifikan terhadap variabel dependen.
2. Jika nilai signifikan ≤ 0,05 maka hipotesis diterima koefisien signifikan.
Ini berarti secara parsial variabel independen tersebut mempunyai pengaruh yang signifikan terhadap variabel dependen.
3.5.4.3. Koefisien Determinasi Simultan R
2
.
Uji koefisien determinasi R
2
pada intinya untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien
determinasi adalah nol dan satu. Nilai R
2
yang kecil berarti kemampuan variabel- variabel independen dalam menjelaskan variasi variabel dependen amat terbatas.
Nilai yang mendekati satu berarti variabel-varibel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel
dependen Ghozali, 2005:83. Namun terdapat kelemahan mendasar penggunaan koefisien determinasi yaitu bias terhadap jumlah variabel independen yang
dimasukkan ke dalam model, sehinggan untuk mengevaluasi model regresi terbaik digunakan nilai Adjusted R
2 .
Data dalam penelitian ini akan diolah dengan menggunakan program Stastitical Package for Social Sciences SPSS 17. Hipotesis dalam penelitian ini
dipengaruhi nilai signifikansi koefisien variabel yang bersangkutan setelah dilakukan pengujian. Kesimpulan hipotesis dilakukan berdasarkan t-test dan F-test
untuk menguji signifikansi variabel-variabel independen terhadap variabel dependen.
3.5.4.4. Koefisien Determinasi Parsial r
2
.
Koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi
adalah antara nol dan satu. Nilai r
2
sama dengan 1 berarti kemampuan model menjelaskan variasi variabel dependen secara sempurna 100. Sebaliknya jika r
2
sama dengan 0 berarti variabel independen tidak menjelaskan sedikitpun variasi dalam variabel dependen. Untuk mengetahui presentase sumbangan dari variabel
independen secara parsial terhadap variabel dependen dapat dilihat dari besarnya koefisien determinasi parsial.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
