46
Gambar 4.2 Grafik Normal P-P Plot of Regression Standardized Residual
Pada gambar 4.2 grafik normal p-plot di atas, terlihat bahwa data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal, maka dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas.
4.2.2.2 Uji multikolinearitas
Pengujian multikolinearitas ini berguna untuk mengetahui apakah model regresi ditemukan adanya korelasi antar variabel bebas.
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Untuk mendeteksi ada atau tidaknya multikolinearitas
dalam model regresi adalah dengan melihat nilai tolerance dan VIF.
UNIVERSITAS SUMATERA UTARA
47
Pada suatu model regresi dinyatakan terjadi multikolinearitas apabila nilai tolerance 0.10 dan VIF 10 Ghozali, 2005 : 92.
Tabel 4.4 Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 DAR
.710 1.408
SIZE .822
1.216 SKM
.559 1.787
SKI .165
6.053 SKA
.144 6.955
a. Dependent Variable: CSR
Data penelitian diolah 2012
Pada tabel 4.4 di atas, dapat dilihat bahwa tidak ada satupun variabel bebas yang memiliki nilai VIF lebih dari 10 dan tidak ada
yang memiliki tolerance value lebih kecil dari 0,10. Dapat kita bandingkan masing-masing variabel bebas berdasarkan tabel di atas
sebagai berikut. a. Variabel
debt to asset ratio DAR tidak terjadi
multikolinearitas karena nilai tolerance sebesar 0.710 0.10 dan nilai VIF sebesar 1.408 10.
b. Variabel ukuran perusahaan SIZE
tidak terjadi multikolinearitas karena nilai tolerance sebesar 0.822 0.10
dan nilai VIF sebesar 1.216 10. c. Variabel struktur kepemilikan saham manajerial SKM tidak
terjadi multikolinearitas karena nilai tolerance sebesar 0.559 0.10 dan nilai VIF sebesar
1.787
10.
UNIVERSITAS SUMATERA UTARA
48
d. Variabel struktur kepemilikan saham institusional SKI tidak terjadi multikolinearitas karena nilai tolerance sebesar 0.165
0.10 dan nilai VIF sebesar
6.053
10. e. Variabel struktur kepemilikan saham asing SKA tidak terjadi
multikolinearitas karena nilai tolerance sebesar 0.144 0.10 dan nilai VIF sebesar 6.955 10.
4.2.2.3 Uji heteroskedastisitas
Menurut Ghozali 2005 “uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terdapat ketidaksamaan variance
dari residual satu pengamatan ke pengamatan lain”. Konsekuensinya adanya heteroskedastisitas dalam model regresi adalah penaksir yang
diperoleh tidak efisien, baik dalam sampel kecil maupun besar. Salah satu cara yang dapat digunakan untuk mengetahui ada tidaknya gejala
heteroskedastisitas adalah dengan melihat pada grafik scatterplot. Cara memprediksi pola gambar Scatterplot adalah dengan.
1. Titik – titik data menyebar di atas dan di bawah atau disekitar
angka 0.
2. Titik – titik data tidak mengumpul hanya di atas atau di bawah
saja.
3. Penyebaran titik – titik data tidak boleh membentuk pola
bergelombang melebar. 4. Penyebaran titik – titik data sebaiknya tidak berpola.
UNIVERSITAS SUMATERA UTARA
49
Uji heteroskedastisitas
dapat dilakukan dengan memperhatikan pola gambar Scatterplot dimana bila membentuk titik-
titik yang menyebar secara acak dan tidak membentuk pola yang jelas maka menunjukkan bahwa tidak terdapat masalah heteroskedastisitas.
Gambar 4.3 Uji Heteroskedastisitas
Pada gambar 4.3 di atas yang merupakan grafik scatterplots, 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 tidak terjadi heteroskedastisitas pada model
regresi sehingga model regresi layak dipakai.
UNIVERSITAS SUMATERA UTARA
50
4.2.2.4 Uji autokorelasi
