a. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Pengujian normalitas data dalam
penelitian ini menggunakan uji statistik non parametrik one-sample kolmogrov smirnov, tingkat signifikan 5 dengan membuat hipotesis:
H : data residual berdistribusi normal
H
1
: data residual tidak berdistribusi normal Apabila nilai signifikansinya lebih besar dari 0,05 maka H
diterima, sedangkan jika nilai signifikansinya lebih kecil dari 0,05 maka H
ditolak.
Hasil Uji Normalitas Sebelum Data di Trimming Grafik Normal P-Plot sebelum data di-trimming
Gambar 4.1
Sumber: Data yang diolah penulis, 2009
Universitas Sumatera Utara
Hasil uji normalitas dengan menggunakan grafik plot. Pada grafik normal plot, kelihatan titik-titik menyebar di sekitar garis diagonal serta mendekati garis
diagonal sehingga disimpulkan bahwa data dalam model regresi terlihat terdistribusi secara normal. Dari hasil uji normalitas dengan grafik histogram, dan
grafik normal plot, menunjukkan data tidak terdistribusi secara normal.
Histogram sebelum data di-trimming Gambar 4.2
Sumber: Data yang diolah penulis, 2009 Dengan cara membandingkan antara data observasi dengan distribusi yang
mendekati distribusi normal, dari grafik di atas dapat disimpulkan bahwa distribusi data tidak normal karena grafik histogram menunjukkan distribusi data
tidak mengikuti garis diagonal yaitu menceng ke kiri positive skewness. Ada beberapa cara mengubah model regresi menjadi normal menurut Erlina 2007:
106, yaitu :
Universitas Sumatera Utara
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. Untuk mengubah nilai residual agar terdistribusi normal, penulis
melakukan trimming data. Kemudian data diuji ulang berdasarkan asumsi normalitas. Berikut ini hasil pengujian Kolmogorov-Smirnov K-S:
1. Analisis Grafik Uji normalitas yang digunakan dalam analisis grafik ini adalah dengan
melihat grafik histogram dan normal probability plot sebagai berikut :
Uji Normalitas Setelah Data Di-trimming Histogram Dependent Variable Likuiditas
Histogram setelah data di-trimming Gambar 4.3
Sumber: Data yang diolah penulis, 2009
Universitas Sumatera Utara
Gambar 4.3 menunjukkan bahwa grafik histogram memberikan pola distribusi yang tidak menceng ke kiri atau menceng ke kanan. Hal ini berarti data