Hasil uji Kolmogorov-Smirnov pada penelitian ini menujukkan probabilitas = 0.067. Dengan demikian, data pada penelitian ini berdistribusi
normal dan dapat digunakan untuk melakukan uji hipotesis karena 0.067 0,05.
2. Hasil 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 scatter plot. Cara memprediksi pola gambar Scatterplot adalah dengan: 1. titik – titik data menyebar diatas dan dibawah atau disekitar angka 0,
2. titik – titik data tidak mengumpul hanya diatas atau dibawah saja, 3. penyebaran titik – titik data tidak boleh membentuk pola bergelombang
melebar, 4. penyebaran titik – titik data sebaiknya tidak berpola
Universitas Sumatera Utara
Gambar 4.3. Uji Heteroskedastisitas scatterplot Sumber: Lampiran vi
Pada gambar 4.3 tentang grafik scatterplot diatas terlihat titik-titik menyebar secara acak tidak membentuk sebuh pola tertentu yang jelas serta
tersebar baik diatas maupun dibawah angka nol pada sumbu y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi
layak dipakai untuk melihat pengaruh variabel independen terhadap variabel dependen.
3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pada periode t dengan periode t-1
sebelumnya. Untuk menguji ada tidaknya gejala autokorelasi maka dapat dideteksi dengan uji Durbin-Waston DW test. Kriteria untuk penilaian
terjadinya autokorelasi yaitu:
Universitas Sumatera Utara
1. angka D-W dibawah -2 berarti ada autokorelasi positif,
2. angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi,
3. angka D-W diatas +2 berarti autokorelasi negatif.
Tabel 4.4. Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.407
a
.166 .137
.15854 1.732
a. Predictors: Constant, SIZE, DAR, KSP, ROA b. Dependent Variable: CSR
Sumber: Lampiran vii
Tabel 4.4 memperlihatkan nilai statistik D-W sebesar 1.732 Angka ini terletak di antara -2 sampai +2, dari pengamatan ini dapat disimpulkan bahwa
tidak terjadi autokorelasi dalam penelitian ini.
4. Uji Multikolinieritas