tolenrance. Suatu model regresi dikatakan bebas dari masalah multikolinearitas jika mempunyai nilai VIF lebih kecil dari 10 dan mempunyai nilai tolenrance
diatas 0,0001 Ghozali, 2005. Dalam model regresi ini, hasil uji multikolinearitas dapat dilihat dari tabel 5.2 berikut ini:
Tabel 5.2. Uji Multikolinearitas
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant -12,423
12,103 -1,026
,309 EM
11,845 15,054
,080 ,787
,435 ,971 1,030
KOM -25,680
12,870 -,204 -1,995
,051 ,958 1,044
INS 14,950
10,589 ,142
1,412 ,164
,985 1,015 ADIT
19,424 3,026
,661 6,419
,000 ,945 1,058
Nilai VIF dan tolenrace pada tabel diatas menunjukkan bahwa semua variabel dalam penelitian ini tidak mengalami multikolinearitas. Hal ini
ditunjukan oleh nilai VIF kedua variabel tersebut yang besarnya kurang dari 10, dan nilai tolerance jauh melebihi angka 0,0001.
5.2.1.3 Uji Heteroskedastisitas
Deteksi ada atau tidaknya masalah heteroskedastisitas dalam suatu model regresi bisa dilakukan dengan melihat pola titik-titik pada grafik scatterplot
dengan dasar pengambilan keputusan sebagai berikut: -
Jika ada pola tertentu, seperti titik-titik membentuk suatu pola yang teratur, maka telah terjadi heteroskedastisitas.
- Maka tidak ada pola yang jelas serta titik-titik menyebar tidak teratur maka
tidak terjadi heteroskedastisitas.
UNIVERSITAS SUMATRA UTARA
Hasil dari pelaksanaan uji heteroskedastisitas terlihat pada gambar berikut ini:
Gambar 5.2. heteroskedastisitas
Gambar diatas menunjukkan bahwa titik yang dihasilkan menyebar secara acak dan tidak membentuk suatu pola atau trend garis tertentu. Gambar diatas juga
menunjukkan bahwa model regresi ini bebas dari masalah heteroskedastisitas, dengan perkataan lain: variabel- variabel yang akan diuji dalam penelitian ini
bersifat heteroskedastisitas.
5.2.1.4. Uji Autokorelasi
Untuk mendeteksi terjadinya autokorelasi dilakukan perbandingan nilai Durbin-Watson DW-statistik dengan nilai DW-tabel. Nilai DW –statistik dalam
penelitian ini dapat diketahui dengan melihat koefisien korelasi DW –statistik DW-test melalui uji Durbin-Watson pada tabel berikut:
UNIVERSITAS SUMATRA UTARA
Tabel 5.3. Uji Durbin Watson
Model Summary b
Model R
R Squere
Adjusted R Squere
Change statistics
Durbin Watson
R Squere Change
F Change
df 1 df2
Sig. F Change
1 ,670a
,449 ,409
,449 11,207
4 5
,000 1,625
a. Dependent Variable: CSR
Tabel diatas menunjukan bahwa nilai DW-statistik yang didapatkan sebesar 1,625 yang menunjukan rentang antara -2 samapai +2. Dapat disimpulkan pada
penelitian ini tidak terdapat autokorelasi. Hasil uji asumsi klasik diatas menunjukkan bahwa data yang akan diolah
dalam penelitian ini bebas dari masalah multikolinearitas, dan autokorelasi, serta data berdistribusi normal. Hasil pengujian ini menunjukan bahwa data yang
digunakan sebagai variabel independen memenuhi syarat untuk memprediksi variabel dependen yaitu corporate social responsibility.
5.2.2 Interpretasi Hasil Pengujian Hipotesis