3. Variabel Arus Kas Arus kas memiliki nilai minimum sebesar
41174899.12
dan nilai maksimum sebesar
1.30E10
dengan jumlah Arus kas sebesar
3.36E10
sehingga diperoleh rata-rata sebesar
1.9750E9
dengan standart deviation sebesar
3.33316E9
.
4.3 Hasil Uji Asumsi Klasik Untuk mengetahui apakah model regresi benar-benar menunjukkan hubungan
yang signifikan dan mewakili representatif, maka model tersebut harus memenuhi uji asumsi klasik regresi, yang meliputi :
4.3.1 Hasil Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan independen atau keduanya mempunyai distribusi
normal atau tidak. Model regresi yang baik adalah yang mendekati normal Ghozali,2006 ; hal 110. Untuk melihat model regresi normal atau tidak
dilakukan analisis grafik dengan melihat “normal probability report plot” yang membandingkan antara distribusi kumulatif dari data sesungguhnya dengan
distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal dan ploting data akan dibandingkan dengan garis diagonal. Jika distribusi data
normal, maka garis yang menggantikan data sesungguhnya akan mengikuti garis diagonalnya Ghozali, 2006 ; hal 110.
Kemudian, untuk meningkatkan hasil uji normalitas data, maka akan digunakan uji Kolmogorov-Smirnov. Uji ini digunakan untuk menghasilkan
angka yang lebih detail, apakah suatu persamaan regresi yang akan dipakai
lolos normalitas. Suatu persamaan regresi dikatakan lolos normalitas apabila nilai signifikansi uji Kolmogorov-Smirnov lebih besar dari 0,05 Ghozali,
2006 ; hal 113. Untuk melihat model regresi normal atau tidak, dilakukan analisis grafik
dengan melihat “normal probability report plot” yang membandingkan antara distribusi kumulatif dari data sesungguhnya dengan distribusi normal. Seperti
hasil berikut ini. a. Pendekatan Histogram
Gambar 4.1 Hasil Uji Normalitas dengan Pendekatan Histogram
Sumber : Data Sekunder yang diolah Dari hasil output spss diatas kurva memiliki ukuran besar yang sama
tidak ada kemencengan kekanan maupun kekiri sehingga data ini memiliki data yang berdistribusi normal.
b. Pendekatan Grafik
Gambar 4.2 Hasil Uji Normalitas dengan Pendekatan Grafik
Sumber : Data Sekunder yang diolah Dari hasil output spss diatas kurva memiliki ukuran besar yang sama
tidak ada kemencengan kekanan maupun kekiri sehingga data ini memiliki data yang berdistribusi normal.
Untuk meningkatkan hasil uji normalitas data, maka peneliti menggunakan uji Kolmogorov-Smirnov. Jika pada hasil uji Kolmogorov-
Smirnov menunjukkan p-value lebih besar dari 0,05, maka data berdistribusi normal dan sebaliknya, jika p-valuem lebih kecil dari 0,05, maka data tersebut
berdistribusi tidak normal. Hasil spss seperti dibawah ini.
c. Uji Kolmogorov – Smirnov
Tabel 4.2 Hasil Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 17
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.14092885
Most Extreme Differences Absolute
.113 Positive
.113 Negative
-.092 Kolmogorov-Smirnov Z
.466 Asymp. Sig. 2-tailed
.982 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Data Sekunder yang diolah Dari hasil spss diatas diperoleh nilai Asymp. Sig sebesar 0.982 0.05
maka dapat disimpulkan bahwa data ini memiliki distribusi normal.
4.3.2 Hasil Uji Autokorelasi