sehingga dapat disimpulkan tidak ada multikolinearitas dalam model regresi ini.
4.3.3. Uji Heterokedastisitas
Pengujian heterokedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan lain dalam model regresi. Model regresi yang baik adalah tidak terjadi heterokedastisitas atau homokedastisitas. Uji
heterokedastisitas dapat dilihat dengan grafik scatterplot. Model regresi telah menyatakan terjadi heterokedastisitas apabila titik-titik
yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit. Hasil pengujian dengan grafik dapat
dilihat pada gambar 4.3.
Gambar 4.3 Hasil Uji Heterokedastisitas Scatterplot
Sumber: Hasil Pengolahan Data SPSS 2013
Universitas Sumatera Utara
Berdasarkan grafik scatterplot 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 heterokedastisitas pada model regresi, sehingga model ini layak
dipakai untuk memprediksi pengungkapan tanggung jawab sosial pada perusahaan Manufaktur yang terdaftar di BEI berdasarkan masukan
variabel independen ukuran perusahaan, tingkat profitabilitas, financial leverage, ukuran dewan komisaris,dan intensitas rd.
4.3.4. Uji Autokorelasi
Menurut Situmorang 2010:113, “uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara
kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode sebelumnya”. Autokorelasi sering ditemukan pada data
time series karena “gangguan” pada data cenderung mempengaruhi “gangguan” data yang sama pada periode berikutnya. Model regresi
yang baik adalah regresi yang terbebas dari autokorelasi. Cara yang dapat digunakan untuk mendeteksi ada atau tidaknya
autokorelasi dalam suatu model regresi adalah dengan melakukan uji Durbin-Watson. Model regresi tidak akan mengalami autokorelasi
apabila nilai du dw 4 – du. Berikut ini disajikan hasil uji Durbin- Watson.
Universitas Sumatera Utara
Tabel 4.4 Hasil Uji Autokorelasi Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .541
a
.293 .228
.11091 1.689
a. Predictors: Constant, LN_SIZE, PROFITABILITAS, LEVERAGE, UKURAN DEWAN KOMISARIS, RD
b. Dependent Variable: Pengungkapan CSR Sumber: Hasil Pengolahan Data SPSS 2013
Berdasarkan tabel 4.4 di atas ditunjukkan bahwa nilai uji Durbin-Watson yaitu sebesar 1,689. Nilai ini akan dibandingkan
dengan nilai tabel Durbin-Watson dengan menggunakan signifikansi 5, jumlah pengamatan N 60, dan jumlah variabel independen k 5,
maka didapatkan nilai batas atas du sebesar 1,77 dan nilai batas bawah dl sebesar 1,41 sehingga nilai dw lebih besar dari 1,77 dan
lebih kecil dari 4 – 1,77 atau dapat dinyatakan bahwa 1,77 1,689 4 – 1,77 du dw 4 – du. Hasil penelitian tersebut menjelaskan
bahwa tidak terdapat autokorelasi baik positif maupun negatif.
Universitas Sumatera Utara
4.4 Analisis Regresi dan Uji Hipotesis 4.4.1. Analisis Koefisien Determinasi Adjusted r Square
Kategori