6. variabel jumlah pengungkapan sosial, memiliki nilai minimum 0,0972,
nilai maksimum 0,9861, rata-rata mean 0,456793 dan standar deviasi 0,2465931.
2. Pengujian Asumsi Klasik
Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hiptesis.
Apabila terjadi penyimpangan dalam pengujian asumsi klasik perlu dilakukan perbaikan terlebih dahulu.
a. Uji Normalitas Data
Uji normalitas data bertujuan untuk menguji apakah variabel residual berdistribusi normal atau tidak. Uji statistik yang dapat digunakan untuk
menguji apakah residual berdistribusi normal adalah uji statitstik non parametrik Kolmogorov-Smirnov K-S dengan membuat hipotesis:
Ho : data residua l berdistribusi normal, Ha : data residual tidak berdistribusi normal.
Apabila nilai signifikansi lebih besar dari 0,05 maka Ho diterima dan Ha ditolak, sebaliknya jika nilai signifikansi lebih kecil dari 0,05 maka Ho
ditolak dan Ha diterima.
Universitas Sumatera Utara
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 45
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .12868632
Most Extreme Differences Absolute
.114 Positive
.114 Negative
-.092 Kolmogorov-Smirnov Z
.762 Asymp. Sig. 2-tailed
.606 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Output SPSS
Berdasarkan hasil uji statistik dengan model kolmogorov-smirnov seperti yang terdapat dalam tabel 4.2 dapat disimpulkan bahwa data
berdistribusi normal. Hal ini dapat dilihat dari nilai Asymp. Sig. 2-tailed adalah 0,606 0,05. Data yang berdistribusi normal tersebut juga dapat
dilihat melalui grafik normal plot data dan grafik histogram. Pada grafik normal p-plot di bawah ini terlihat bahwa data menyebar
disekitar diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas.
Universitas Sumatera Utara
Sumber: Output SPSS
Gambar 4.1 Grafik Normal P-Plot
Sumber: Output SPSS
Gambar 4.2 Grafik Histogram
Universitas Sumatera Utara
b. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi. Jika pada model terjadi
multikolinieritas, maka koefisien regresi tidak dapat ditaksir dan nilai standard error menjadi tidak terhingga. Menurut Nugroho 2005:58,
deteksi multikolinieritas pada suatu model dapat dilihat, yaitu jika nilai Variance Inflation Factor VIF tidak lebih dari 10 dan nilai tolerance
tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinieritas.
Tabel 4.3 Hasil Uji Multikolinieritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
LN_Size .546
1.831 Return On Asset
.667 1.498
Dewan Komisaris .732
1.366 Kepemilikan Manajemen
.726 1.377
Debt To Equity .602
1.661 a. Dependent Variable: Pengungkapan Sosial
Sumber: Output SPSS Dari data pada tabel 4.3, dapat disimpulkan bahwa tidak terjadi gejala
multikolinieritas antara variabel independen yang diindikasikan dari nilai tolerance setiap variabel independen lebih besar dari 0,1 dan nilai VIF
lebih kecil dari 10. Maka dapat disimpulkan bahwa analisis lebih lanjut dapat dilakukan dengan menggunakan model regresi berganda.
Universitas Sumatera Utara
c. Uji Heteroskedastisitas
