38 menghasilkan Rp 0,66,- laba tahunan dan merupakan Return on Assets tertinggi
pada penelitian ini. Nilai Return on Assets minimum terjadi pada Perusahaan PT Alam Karya Unggul Tbk pada Tahun 2011 sedangkan nilai Return on Assets
maksimum terjadi pada Perusahaan PT Multi Bintang Indonesia Tbk pada Tahun 2013. Diketahui rata-rata mean Return on Assets adalah 0,0720, dan standar
deviasi Return on Assets adalah 0,12085.
4.2 Uji Asumsi Klasik
Menurut Gujarati 2003 suatu model dikatakan baik untuk alat prediksi apabila mempunyai sifat-sifat best linear unbiased estimator BLUE. Di samping
itu suatu model dikatakan cukup baik dan dapat dipakai untuk memprediksi apabila sudah lolos dari serangkaian uji asumsi ekonometrika yang melandasinya.
Suatu model regresi berganda yang digunakan untuk menguji hipotesa harus memenuhi asumsi klasik. Uji asumsi klasik dilakukan juga untuk mendapatkan
model regresi yang tidak bias dan efisien. Estimasi dari parameter-parameter dengan metode ordinary least square
OLS akan memiliki sifat ketidakbiasan unbiasedness, varians yang minimum minimum varians, dan sebagainya, yang disebut best linear unbiased estimator
BLUE Gujarati, 2003:107, Supranto, 2005:70. Dalam penggunaan regresi linear berganda, terdapat empat uji asumsi klasik, yakni uji normalitas residual, uji
multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas Supranto, 2005:151.
4.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui
39 bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi
normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil Ghozali, 2011:160, Gujarati, 2003:339, Field, 2009:221,
Supranto, 2005:90. Dalam penelitian ini, uji normalitas terhadap residual dengan menggunakan uji Kolmogorov-Smirnov. Caranya menentukan terlebih dahulu
hipotesis pengujian yaitu:
Hipotesis Nol H :
data terdistribusi secara normal Hipotesis Alternatif HA
: data tidak terdistribusi secara normal
Dalam penelitian ini, tingkat signifikansi yang digunakan . Dasar
pengambilan keputusan adalah melihat angka probabilitas , dengan ketentuan sebagai berikut.
Jika nilai probabilitas 0,05, maka asumsi normalitas terpenuhi.
Jika probabilitas 0,05, maka asumsi normalitas tidak terpenuhi.
Tabel 4.2 Uji Normalitas
Sumber: hasil olahan software SPSS 17
40 Perhatikan bahwa berdasarkan Tabel 4.2, diketahui nilai probabilitas
atau Asymp.Sig. 2-tailed sebesar 0,000. Dalam penelitian ini, tingkat signifikansi yang digunakan adalah
. Karena nilai probabilitas sebesar 0,000 dan lebih kecil dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi
normalitas tidak terpenuhi. Untuk memperoleh hasil terbaik, maka data pencilan atau outlier yang ada
dihilangkan. Outlier adalah data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-obsevasi lainnya dan muncul dalam bentuk
nilai ekstrim baik untuk sebuah variabel tunggal atau variabel kombinasi Ghozali, 2011,36. Setelah data pencilan atau outlier dihilangkan sebanyak 22, maka data
yang semula sebanyak 312 menjadi 290. Setelah dilakukan pembuangan data-data pencilan atau outlier pertama,
didapat hasil pengujian normalitas yang kedua dimana nilai probabilitas sebesar 0,005 dan lebih kecil dibandingkan tingkat signifikansi, yakni 0,05. Setelah
dilakukan pembuangan data-data pencilan atau outlier kedua, didapat hasil pengujian normalitas yang ketiga dimana nilai probabilitas sebesar 0,023 dan
lebih kecil dibandingkan tingkat signifikansi, yakni 0,05. Setelah dilakukan pembuangan data-data pencilan atau outlier ketiga, didapat hasil pengujian
normalitas yang keempat dimana nilai probabilitas sebesar 0,021 dan lebih kecil dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas
tidak terpenuhi. Setelah dilakukan pembuangan data-data pencilan atau outlier keempat, didapat hasil pengujian normalitas yang kelima dimana nilai probabilitas
sebesar 0,055 dan lebih besar dibandingkan tingkat signifikansi. Sesuai dengan
41 ketentuan, dimana nilai probabilitas di atas 0,05 yakni 0,055 diperlihatkan dalam
Tabel 4.3 sebagai berikut.
Tabel 4.3 Uji Normalitas setelah Data Menyimpan Outlier Dihapus
Sumber: hasil olahan software SPSS 17
Berdasarkan Tabel 4.3, nilai probabilitas atau Asymp. Sig 2-tailed adalah 0,055. Oleh karena nilai probabilitas, yakni 0,055 lebih besar dibandingkan
tingkat signifikansi, yakni 0,05, maka asumsi normalitas terpenuhi. Pengujian asumsi normalitas dapat juga digunakan pendekatan analisis grafik, histogram.
Pada untuk pendekatan histogram, jika kurva berbentuk kurva normal, maka asumsi normalitas dipenuhi. Pada pendekatan normal probability plot, jika titik-
titik dots menyebar jauh menyebar berliku-liku pada garis diagonal seperti ular dari garis diagonal, maka diindikasi asumsi normalitas error tidak dipenuhi. Jika
titik-titik menyebar sangat dekat pada garis diagonal, maka asumsi normalitas dipenuhi. Untuk informasi selengkapnya, dapat dilihat pada lampiran 9.
Gambar 4.1 dan Gambar 4.2 merupakan output dari SPSS. Perhatikan bahwa pada Gambar 4.1 kurva pada histogram berbentuk kurva normal, sehingga
disimpulkan bahwa asumsi normalitas error dipenuhi. Di samping itu pada
42 normal probability plot Gambar 4.2, titik-titik menyebar cukup dekat pada garis
diagonal, maka disimpulkan bahwa asumsi normalitas dipenuhi.
Gambar 4.1 Histogram untuk Pengujian Asumsi Normalitas
Sumber: hasil olahan software SPSS 17
Gambar 4.2 Normalitas dengan Normal Probability Plot
Sumber: hasil olahan software SPSS 17
4.2.2 Uji Multikolinearitas