Dari nilai diatas kita dapat mengetahui range dari variabel Pertumbuhan Laba yaitu selisih antara nilai maksimum dan nilai minimum yaitu sebesar
8.57, hal ini memberikan informasi besarnya penyebaran data yang terjadi. f.
Jumlah sampel yang ada sebanyak 47.
2. Pengujian Asumsi Klasik
Pengujian asumsi klasik dalam penelitian ini dilakukan dengan bantuan program statistik. Menurut Ghozali 2005:123, asumsi klasik yang harus
dipenuhi adalah : •
Berdistribusi normal. •
Non-Multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna
ataupun mendekati sempurna. •
Non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi tidak saling berkorelasi.
• Non-Heterokedastisitas, artinya variance variabel independen dari satu
pengamatan ke pengamatan lain adalah konstan atau sama.
Semua uji asumsi klasik harus dipenuhi sebagai salah satu syarat dalam penggunaan model regresi berganda dengan metode estimasi Ordinary Least
Square OLS agar hasil pengujian bersifat tidak bias dan efisien Best Linear Unbiased Estimator.
a. Uji Normalitas
Uji data statistik dengan model Kolmogorov-Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak.
Ghozali 2005:115, memberikan pedoman pengambilan keputusan
Universitas Sumatera Utara
tentang data mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov-Smirnov yang dapat dilihat dari :
1. Nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data
adalah tidak normal. 2.
Nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal.
Data yang tidak berdistribusi normal dapat disebabkan oleh adanya data yang outlier yaitu data yang memiliki nilai yang sangat menyimpang
dari nilai data lainnya. Menurut Erlina 2007:106 ada beberapa cara mengubah model regresi menjadi normal yaitu :
a. Lakukan transformasi data ke bentuk lainnya,
b. Lakukan trimming, yaitu membuang data outlier,
c. Lakukan winsorizing, yaitu mengubah nilai data yang outlier ke
suatu nilai tertentu.
Universitas Sumatera Utara
Hasil uji normalitas dengan menggu nakan model Kolmogorov-Smirnov adalah seperti yang ditampilkan berikut ini :
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 69
Normal Parameters
a
Mean .0000000
Std. Deviation 7.72105721
Most Extreme Differences Absolute
.381 Positive
.381 Negative
-.287 Kolmogorov-Smirnov Z
3.162 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
Sumber : Output SPSS, diolah Peneliti, 2010
Berdasarkan hasil uji statistik dengan model Kolmogorov-Smirnov seperti yang terdapat dalam tabel 4.2 dapat disimpulkan bahwa data tidak
terdistribusi normal, hal ini dapat dilihat dari nilai Asymp.Sig.2-tailed Kolmogorov-Smirnov sebesar 0,000 yang lebih kecil dari 0,05 maka
dilakukan tindakan perbaikan treatment agar model regresi memenuhi asumsi normalitas. Dalam penelitian ini peneliti melakukan transformasi
data ke model logaritma natural Ln, kemudian data diuji ulang berdasarkan asumsi normalitas.
Universitas Sumatera Utara
Hasil uji statistik dengan model Kolmogorov-Smirnov yang baru setelah dilakukan transformasi data yang tidak normal tersebut dapat
dilihat pada tabel 4.3.
Tabel 4.3 Hasil Uji Normalitas Pada Data Setelah Transformasi LogaritmaNatural
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 47
Normal Parameters
a
Mean .0000000
Std. Deviation 1.80664684
Most Extreme Differences Absolute
.096 Positive
.077 Negative
-.096 Kolmogorov-Smirnov Z
.661 Asymp. Sig. 2-tailed
.774 a. Test distribution is Normal.
Sumber : Output SPSS, diolah Penulis, 2010
Dari hasil pengolahan data pada tabel 4.3 diperoleh hasil pengujian statistik dengan model Kolmogorov-Smirnov menunjukkan bahwa data
telah terdistribusi normal karena nilai Asymp.Sig 2-tailed Kolmogorov- Smirnov 0,774 lebih besar dari 0,05. Setelah data berdistribusi normal
dapat dilanjutkan dengan uji asumsi klasik lainnya. Untuk lebih jelas, berikut ini dilampirkan grafik histogram dan grafik p-plot data yang telah
berdistribusi normal.
Universitas Sumatera Utara
Gambar 4.1 Histogram
Sumber : Output SPSS, diolah Penulis, 2010
Grafik histogram di atas menunjukkan bahwa data telah terdistribusi secara normal. Hal ini dapat dilihat dari grafik histogram yang
menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng
Universitas Sumatera Utara
skewness kiri maupun menceng ke kanan. Hal ini juga didukung dengan hasil uji normalitas dengan menggunakan grafik plot yang ditampilkan
pada Gambar 4.2.
Gambar 4.2 Grafik Normal P-Plot
Sumber : Output SPSS, diolah Penulis, 2010
Universitas Sumatera Utara
Menurut Ghozali 2005:112, pendeteksian normalitas dapat dilakukan dengan melihat penyebaran data titik pada sumbu diagonal dari grafik,
yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan data yang telah terdistribusi
normal. Gambar 4.2 menunjukkan bahwa data titik menyebar di sekitar dan mendekati garis diagonal. Hal ini sejalan dengan hasil pengujian
dengan menggunakan histogram bahwa data telah terdistribusi normal. Karena secara keseluruhan data telah terdistribusi secara normal, maka
dapat dilakukan pengujian asumsi klasik lainnya.
b. Uji Multikolinieritas