Uji Normalitas Metode Analisis Data

26

3.6 Metode Analisis Data

Pengolahan data dalam penelitian ini menggunakan uji beda dua rata-rata independent sample t-test karena penelitian ini merupakan peneltian perbandingan dari dua grup populasi, yakni perusahaan yang mengadakan ESOP dan tidak mengadakan ESOP. Pada pengujian jenis ini uji asumsi klasik yang diperlukan hanyalah uji normalitas untuk memastikan distribusi data telah normal. Pada penelitian ini hanya uji homogenitas dilakukan dengan menggunakan Lavene’s Test. Uji ini dimaksudkan hanya untuk melihat kesamaan varians, jika ternyata variansnya berbeda antara kedua kelompok populasi maka akan digunakan asumsi varians yang berbeda equal variance not assumed pada uji hipotesis. Asumsi dasar pada independent sample t-test menurut Field 2009 adalah: 1. Both the independent sample t-test and the dependent t-test are parametric test based on the normal distribution 2. Data are measured at least at the interval level 3. Variance in the populations are roughly equal 4. Scores are independent

3.6.1 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah variabel pengganggu atau residual mempunyai distribusi normal atau tidak Ghozali, 2005. Pengujian ini diperlukan karena pengujian dengan menggunakan independent sample t-test mensyaratkan bahwa nilai residual memiliki distribusi normal. “Jika sumsi ini dilanggar atau tidak dipenuhi, maka uji statistik menjadi tidak valid untuk sampel kecil” Erlina, 2008. Pengujian normalitas ini dapat 27 dilakukan melalui dua cara yaitu analisis grafik dan analisis statistik Ghozali, 2005. 1 Analisis Grafik Salah satu cara termudah untuk melihat normalitas residual adalah melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Metode yang lebih handal adalah dengan melihat normal probability plot 2 Analisis Statistik yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal dan plotnya data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji statistik sederhana dapat dilakukan dengan melihat nilai kurtosis dan skewness dari residual. Uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non parametrik Kolmogorov-Smirnov K-S. Pedoman pengambilan keputusan tentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov-Smirnov dapat dilihat dari nilai Sig. atau signifikan. Apabila nilai Sig. atau signifikan 0,05, maka data residual berdistribusi normal. Uji K-S dilakukan dengan hipotesis: H a : data residual berdistribusi normal H : data residual tidak berdistribusi normal 28 Jika data tidak normal ada beberapa cara mengubah model regresi menjadi normal menurut Jogiyanto 2004, yaitu: 1 dengan melakukan transformasi data ke bentuk lain, yaitu logaritma natural, akar kuadrat, 2 lakukan trimming, yaitu mengubah observasi yang bersifat outlier, 3 lakukan winsorizing, yaitu mengubah nilai-nilai data outlier menjadi nilai-nilai minimum atau maksimum yang diizinkan supaya distribusinya menjadi normal. Grafik histogram digunakan untuk menentukan teknis transformasi data yang sesuai. Berikut ini bentuk transformasi yang dapat dilakukan sesuai dengan grafik histogram Ghozali, 2005. Tabel 3.4 Bentuk Transformasi Data Bentuk Grafik Histogram Bentuk Transformasi Moderate positive skewness SQRTx atau akar kuadrat Substantial positive skewness LG 10x atau log 10 atau log natural Sever positive skewness dengan bentuk L Ix atau inverse Moderate negative skewness SQRT k – x Subtantial negative skewness LG 10k – x Sever negative skewness dengan bentuk J Ik –x Pada penelitian ini, uji normalitas dilakukan menggunakan grafik histogram dan uji statistik Kolmogorov-Smirnov K-S. 29

3.6.2 Uji Homogenitas