jauh lebih tinggi dibanding laba tahun 2007, karena itu nilai seperti ini harus dipertahankan untuk terus meningkatkan kelangsungan usaha dari PT
Ultrajaya. Adapun mean Pertumbuhan Laba yang dimiliki oleh industri barang
konsumsi yang terdaftar di BEI selama periode 2008-2012 adalah 0,372. Sementara itu nilai standar deviasi dari industri barang konsumsi selama
periode 2008-2012 adalah 0,731. Nilai ini menunjukkan bahwa ukuran penyebaran pertumbuhan laba cukup tinggi, sehingga pertumbuhan laba dari
sektor industri barang konsumsi lebih bervariasi.
4.2 Hasil Pengujian Asumsi Klasik
4.2.1 Hasil Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal, model regresi yang
baik memiliki distribusi data normal atau mendekati normal Ghozali, 2011:160. Uji normalitas penelitian ini dilakukan dengan analisis grafik dan uji Kolmogorov-
Smirnov, berikut adalah tampilan dari uji normalitas dalam penelitian ini. 1. Analisis Grafik
Analisis grafik yang digunakan dalam penelitian ini adalah dengan grafik histogram dan grafik P-P Plot. Pada grafik histogram, data yang mengikuti
atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng Ghozali, 2011:163. Berikut ini merupakan hasil uji normalitas
dalam penelitian ini dengan menggunakan analisis grafik histogram.
Universitas Sumatera Utara
Gambar 4.1 Grafik Histogram
Sumber: Output SPSS 19 diolah penulis, 2013 Grafik histogram pada gambar 4.1 menunjukkan bahwa grafik menceng ke
kiri dan tidak membentuk pola berbentuk bel atau lonceng, maka dapat disimpulkan model regresi tidak memenuhi asumsi normalitas dengan
demikian data yang digunakan dalam penelitian ini tidak terdistribusi secara normal.
Pada grafik P-P Plot, sebuah data dikatakan berdistribusi normal apabila titik- titik datanya tidak menceng ke kiri atau ke kanan, melainkan menyebar di
sekitar garis diagonal Ghozali, 2011:163. Berikut ini merupakan hasil uji normalitas dengan menggunakan analisis grafik P-P Plot.
Universitas Sumatera Utara
Gambar 4.2 Grafik Normal P-P Plot
Sumber: Output SPSS 19 diolah penulis, 2013 Grafik Normal P-P Plot pada gambar 4.2 menunjukkan bahwa titik-titik data
menceng ke kiri dan ke kanan serta menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model
regresi tidak memenuhi asumsi normalitas dengan demikian data yang digunakan dalam penelitian ini tidak terdistribusi secara normal.
2. Uji Kolmogorov-Smirnov Uji ini didasarkan pada Kolmogorov–Smirnov Test yang dilakukan terhadap
data residual model regresi. Jika nilai probabilitas atau sig. 2-tailed lebih besar dari 0.05 maka data tersebut terdistribusi normal, tetapi jika nilai
probabilitas sig. 2-tailed lebih kecil dari 0.05 maka distribusi data tersebut
Universitas Sumatera Utara
tidak normal Ghozali, 2011:32. Berikut ini merupakan hasil uji normalitas dengan uji Kolmogorov–Smirnov dalam penelitian ini.
Tabel 4.6 Hasil
Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 115
Normal Parameters
a,b
Mean .00000
Std. Deviation .699349
Most Extreme Differences Absolute
.181 Positive
.181 Negative
-.162 Kolmogorov-Smirnov Z
1.945 Asymp. Sig. 2-tailed
.001 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Output SPSS 19 diolah penulis, 2013 Sesuai dengan uji Kolmogorov-Smirnov yang ditunjukkan oleh tabel 4.4 di
atas, dimana nilai probabilitas atau Asymp. Sig. 2-tailed sebesar 0,001. Oleh karena itu nilai probabilitas lebih kecil dari 0,05 atau 0,001 0,05 maka H
ditolak yang berarti data residual tidak terdistribusi secara normal.
Melalui uji normalitas yang telah dilakukan, baik melalui analisis grafik maupun uji Kolmogorov-Smirnov dapat disimpulkan bahwa data yang digunakan
dalam penelitian ini tidak terdistribusi secara normal dan tidak memenuhi model estimasi yang Best Linear Unbiased Estimator BLUE. Data yang tidak
terdistribusi secara normal dapat disebabkan karena adanya data outlier yaitu data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh atau ekstrim
Universitas Sumatera Utara
dari observasi-observasi lainnya Ghozali, 2011:41. Ada 4 empat penyebab timbulnya data oulier yaitu kesalahan dalam mengetri data, gagal menspesifikasi
adanya missing value, outlier bukan merupakan anggota populasi yang diambil sebagai sampel, distribusi dari variabel dalam populasi tersebut memiliki nilai
ekstrim dan tidak terdistribusi normal Ghozali, 2011:41. Sesuai dengan empat penyebab timbulnya data outlier tersebut, maka
menurut peneliti penyebab timbulnya data outlier dalam penelitian ini karena distribusi dari variabel dalam populasi penelitian ini memiliki nilai ekstrim
sehingga tidak terdistribusi normal. Hal ini dibuktikan dengan uji normalitas yang telah dilakukan dimana hasilnya menunjukkan ketidaknormalan distribusi data
dalam penelitian ini, penyebabnya karena beberapa data yang digunakan dalam penelitian ini memiliki nilai ekstrim dan perbedaan yang terlalu signifikan
dibanding data-data lain. Ketidaknormalan data penelitian dapat diatasi dengan melakukan
transformasi terhadap data tersebut agar menjadi normal Ghozali, 2011:35. Agar residual datanya menjadi normal, maka transformasi data perlu dilakukan untuk
seluruh variabel penelitian. Karena itu data awal dalam penelitian ini akan ditransformasi sesuai dengan bentuk histogram dari setiap variabel penelitian baik
variabel bebas maupun terikat. Penulis melakukan transformasi data ke model akar kuadrat untuk variabel WCTA, DER, GPM dan OPM, sementara itu untuk
variabel ITO, TATO, dan Pertumbuhan Laba penulis melakukan transformasi data ke model Logaritma 10.
Transformasi yang dilakukan terhadap data awal yang berjumlah 115 pengamatan, menimbulkan munculnya 18 pengamatan yang missing value.
Universitas Sumatera Utara
Pengolahan data dengan SPSS membuat pengamatan yang memiliki missing value ini otomatis dibuang, sehingga jumlah pengamatan setelah ditransformasi adalah
97 pengamatan, ini diperoleh dari 115 pengamatan awal dikurang 18 pengamatan yang missing value. Tabel berikut menunjukkan 18 pengamatan yang memiliki
missing value setelah transformasi.
Tabel 4.7 Missing Value Pengamatan Penelitian
Pengamatan Sampel Perusahaan
Tahun
12 Indofarma Tbk
2008 22
Kedawung Setia Industrial Tbk 2008
24 Tiga Pilar Sejahtera Food Tbk
2009 31
Ultrajaya Milk Industry and Trading Company Tbk 2009
42 Mustika Ratu Tbk
2009 48
Cahaya Kalbar Tbk 2010
53 Sekar Laut Tbk
2010 61
Merck Tbk 2010
63 Taisho Pharmaceutical Indonesia Tbk
2010 66
Mandom Indonesia Tbk 2010
69 Langgeng Makmur Industry Tbk
2010 75
Mayora Indah Tbk 2011
77 Ultrajaya Milk Industry and Trading Company Tbk
2011 94
Cahaya Kalbar Tbk 2012
96 Indofood Sukses Makmur Tbk
2012 101
Gudang Garam Tbk 2012
107 Merck Tbk
2012 115
Langgeng Makmur Industry Tbk 2012
Sumber : Data diolah penulis, 2013
Penulis selanjutnya akan mendeteksi data outlier dari 97 pengamatan tersebut, apabila ditemukan data outlier dari 97 pengamatan tersebut maka data
Universitas Sumatera Utara
outlier tersebut juga akan otomotatis dibuang karena dianggap menjadi pemicu terjadinya ketidaknormalan data dalam penelitian ini. Menurut Hair 1998 dalam
Ghozali, 2011:41 untuk kasus sampel kecil kurang dari 80 maka standar skor dengan nilai
≥ 2,5 dinyatakan outlier, untuk sampel besar standar skor dinyatakan outlier jika nilainya pada kisaran 3 sampai 4. Karena jumlah pengamatan dalam
penelitian ini yang mencapai 97 pengamatan maka data yang memiliki nilai 3 atau -3 akan dianggap sebagai data outlier.
Tabel 4.8 Data
Oulier dari Pengamatan Pengamatan
Sampel Perusahaan NilaiSkor
25 Multi Bintang Indonesia Tbk
5,492 42
Tiga Pilar Sejahtera Food Tbk - 3,263
Sumber : Data diolah penulis, 2013
Kedua pengamatan yang memiliki data outlier tersebut akhirnya dibuang, dengan demikian jumlah pengamatan dalam penelitian ini adalah 95 pengamatan,
setelah 97 pengamatan hasil transformasi tersebut dikurangi 2 dua pengamatan yang memiliki data outlier, dengan demikian jumlah akhir pengamatan dalam
penelitian ini adalah 95 pengamatan. Terhadap 95 pengamatan ini akan dilakukan uji asumsi klasik, analisis linear dan juga test of goodness of fit. Hasil uji
normalitas terhadap data dari 95 pengamatan dalam penelitian ini adalah sebagai berikut.
Universitas Sumatera Utara
1. Analisis Grafik
Gambar 4.3 Grafik Histogram Setelah Transformasi Data dan
Outlier
Sumber: Output SPSS 19 diolah penulis, 2013 Grafik histogram pada gambar 4.3 menunjukkan bahwa pola distribusi
normal, karena grafik tidak menceng ke kiri atau ke kanan melainkan membentuk pola bel atau lonceng, sehingga dapat disimpulkan bahwa model
regresi telah memenuhi asumsi normalitas, dengan demikian data yang digunakan dalam penelitian ini telah terdistribusi secara normal. Hasil ini juga
diperkuat dengan hasil uji grafik normal P-P Plot berikut.
Universitas Sumatera Utara
Gambar 4.4 Grafik Normal P-P Plot Setelah Transformasi Data dan
Outlier
Sumber: Output SPSS 19 diolah penulis, 2013 Grafik Normal P-P Plot pada gambar 4.4 menunjukkan bahwa titik-titik data
tidak menceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, sehingga dapat disimpulkan
bahwa model regresi telah memenuhi asumsi normalitas dengan demikian data yang digunakan dalam penelitian ini telah terdistribusi secara normal.
Universitas Sumatera Utara
2. Uji Kolmogorov-Smirnov
Tabel 4.9 Uji
Kolmogorov-Smirnov Setelah Transformasi Data dan Outlier
a. Test distribution is Normal. b. Calculated from data.
Sumber: Output SPSS 19 diolah penulis, 2013
Sesuai dengan uji Kolmogorov-Smirnov yang ditunjukkan oleh tabel 4.8 di atas, maka diperoleh nilai probabilitas atau Asymp.Sig.2-tailed sebesar
0,994, dengan demikian nilai probabilitas lebih besar dari 0,05 atau 0,971 0,05, karena itu H
ditolak yang berarti data residual terdistribusi dengan normal.
4.2.2 Hasil Uji Multikolinearitas
