c. Variabel
Earning Per Share EPS memiliki nilai minimun -120,00 dan nilai maksimum 1671,00 dengan rata-rata sebesar 2,6346 dan standar deviasi 397,60.
Hal ini berarti nilai minimun EPS perusahaan perkebunan dan pertambangan yang menjadi sampel penelitian dari tahun 2006 sampai 2009 adalah -120,00 dan
nilai maksimun sebesar 1671,00 dengan rata-rata nilai EPS perusahaan perkebunan dan pertambangan yang menjadi sampel penelitian adalah sebesar
2,6346.
2. Pengujian Asumsi Klasik
Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis. Apabila terjadi
penyimpangan dalam pengujian asumsi klasik perlu dilakukan perbaikan terlebih dahulu.
a. Uji Nor malitas Data
Uji normalitas bertujuan untuk menguji apakah variabel residual berdistribusi normal atau tidak. Uji statistik yang dapat digunakan untuk menguji apakah residual
berdistribusi normal adalah uji statistik non parametrik Kolmogorov-Smirnov K-S
dengan membuat hipotesis: H
: data residual berdistribusi normal, H
a
: data residual tidak berdistribusi normal. Apabila nilai signifikansi lebih besar dari 0,05 maka H
diterima dan sebaliknya jika nilai signifikansi lebih kecil dari 0,05 maka H
ditolak atau H
a
diterima. Tabel 4.3
Hasil Uji Nor malitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
72
Universitas Sumatera Utara
Normal Parameters
a
Mean .0000000
Std. Deviation 3.74271675E2
Most Extreme Differences
Absolute .197
Positive .197
Negative -.144
Kolmogorov-Smirnov Z 1.674
Asymp. Sig. 2-tailed .007
a. Test distribution is Normal.
Lampiran. Dari hasil pengolahan data pada tabel 4.3 diperoleh besarnya nilai
Kolmogorov- Smirnov adalah 1,674 dan signifikan pada 0,007. Nilai siginifikansi lebih kecil dari
0,05 maka H
a
diterima yang berarti data residual tidak berdistribusi 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. Beberapa cara
mengatasi data outlier yaitu:
− lakukan transformasi data ke bentuk lainnya,
− lakukan
trimming, yaitu membuang data outlier, −
lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai
tertentu. Untuk mengubah nilai residual agar berdistribusi normal, Peneliti melakukan
transformasi data ke model logaritma natural Ln dari EPS = fDAR, TATO menjadi Ln_EPS = fLn_DAR, Ln_TATO.
Setelah dilakukan transformasi data ke model logaritma natural, jumlah sampel n berkurang sebagai akibat dari proses penormalan
data, yakni dari 72 sampel menjadi 61 sampel. Kemudian data diuji ulang berdasarkan asumsi normalitas, berikut ini hasil pengujian dengan
Kolmogorov-Smirnov. Tabel 4.4
Hasil Uji Nor malitas Setelah Tr ansfor masi Logar itma Natur al
One-Sample Kolmogorov-Smirnov Test
Universitas Sumatera Utara
Unstandardized Residual N
61 Normal Parameters
a
Mean .0000000
Std. Deviation 1.89836475
Most Extreme Differences
Absolute .122
Positive .113
Negative -.122
Kolmogorov-Smirnov Z .956
Asymp. Sig. 2-tailed .320
a. Test distribution is Normal.
Lampiran Dari hasil pengolahan data pada tabel 4.4 diperoleh besarnya nilai
Kolmogorov- Smirnov adalah 0,956 dan signifikan pada 0,320. Nilai siginifikansi lebih besar dari
0,05 maka H diterima yang berarti data residual berdistribusi normal. Data yang
berdistribusi normal tersebut juga dapat dilihat melalui grafik histogram dan grafik normal plot data.
Universitas Sumatera Utara
\ Gambar 4.1
Histogr am Lampiran
Grafik histogram pada gambar 4.1 menunjukkan pola distribusi normal karena grafik tidak menceng kiri maupun menceng kanan. Dengan demikian dapat
disimpulkan bahwa model regresi telah memenuhi asumsi normalitas. Demikian pula hasil uji normalitas dengan menggunakan grafik normal p-plot.
Universitas Sumatera Utara
Gambar 4.2 Gr afik Normal P-Plot
Lampiran Pada grafik normal p-plot terlihat bahwa data menyebar disekitar garis diagonal
dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas.
b. Uji Multikolinear itas