0.05 yaitu sebesar 0.921 dan nilai Kolmogorov-Smirnov Z sebesar 0.552.
4.1.2.2. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model
regresi dimana prasyarat dalam model regresi adalah tidak adanya multikolinearitas. Pada uji multikolinearitas ini dapat dilihat melalui
nilai inflation factor VIF dan Tolerance.
Tabel 4.3 Hasil uji Multikolinearitas
Variabel Collinearity Statistics
Keputusan Tolerance
VIF FV
.813 1.230 Tidak terjadi Multikolinearitas
ROA .183
5.477 Tidak terjadi Multikolinearitas ROE
.411 2.431 Tidak terjadi Multikolinearitas
NPM .120
8.362 Tidak terjadi Multikolinearitas
a. Dependent Variable: CSR
Berdasarkan aturan Variance Inflation Factor VIF dan Tolerance, apabila VIF melebihi angka 10 atau Tolerance kurang
dari 0.10 maka dinyatakan terjadi gejala multikolinearitas, sebaliknya apabila VIF kurang dari 10 atau Tolerance lebih dari 0.10
maka dinyatakan tidak terjadi gejala multikolinearitas. Dalam penelitian ini data yang digunakan dalam uji multikolinearitas ini
Universitas Sumatera Utara
adalah data dari variabel independen. Berdasarkan tabel 4.3. diatas diketahui masing-masing nilai VIF sebagai berikut:
a. Nilai VIF untuk variabel firm value adalah 1.230 10 dengan nilai Tolerance variabel firm value adalah 0.813
0.10 maka variabel firm value dapat dinyatakan tidak terjadi gejala multikolinearitas.
b. Nilai VIF untuk variabel ROA adalah 5.477 10 dengan nilai Tolerance variabel ROA adalah 0.183 0.10 maka variabel
ROA dapat dinyatakan tidak terjadi gejala multikolinearitas. c. Nilai VIF untuk variabel ROE adalah 2.431 10 dengan nilai
Tolerance variabel ROE adalah 0.411 0.10 maka variabel ROE dapat dinyatakan tidak terjadi gejala multikolinearitas.
d. Nilai VIF untuk variabel NPM adalah 8.362 10 dengan nilai Tolerance variabel NPM adalah 0.120 0.10 maka
variabel NPM dapat dinyatakan tidak terjadi gejala multikolinearitas.
4.1.2.3. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika
variance dari residual satu pengamatan ke pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya
Universitas Sumatera Utara
heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplot, dengan dasar analisis Ghozali, 2005:139.
1. Jika pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi
heteroskedastisitas. 2.
Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas. Hasil uji heteroskedastisitas dengan menggunakan grafik
scatterplot ditunjukkan pada gambar 4.3 dibawah ini:
Gambar 4.3 Grafik Scatterplot
Universitas Sumatera Utara
Pada grafik scatterplot diatas, terlihat titik-titik menyebar secara acak, serta tersebar baik diatas maupun dibawah angka 0 pada
sumbu Y sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.
4.1.2.4. Uji Autokorelasi