Uji Normalitas Uji Asumsi Klasik

variabel bebas independent variable dan likuiditas sebagai variabel terikat dependent variable.

IV.2.2 Uji Asumsi Klasik

Ada beberapa syarat asumsi klasik yang harus dipenuhi agar model persamaan regresi berganda dapat digunakan dalam menganalisis faktor-faktor yang mempengaruhi likuiditas, antara lain uji normalitas, uji multikolinieritas, uji heteroskedastisitas, dan uji autokorelasi.

IV.2.2.1 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 residua l 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. Universitas Sumatera Utara Hasil Uji Normalitas Sebelum Data di Trimming Grafik Normal P-Plot sebelum data di- trimming Gambar 4.1 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. Universitas Sumatera Utara Histogram sebelum data di- trimming Gambar 4.2 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 : 1 Lakukan transformasi data ke bentuk lainnya. 2 Lakukan trimming, yaitu membuang data outlier. Universitas Sumatera Utara 3 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 Gambar 4.3 Histogram setelah data di- trimming 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 residual mempunyai distribusi normal. Uji normalitas dapat juga dilakukan dengan analisis statistik selain dengan analisis grafik histogram melalui grafik normal p-p plot regression standardized residual seperti yang disajikan pada Gambar 4.4 Gambar 4.4 Grafik Normal P-Plot setelah data di- trimming Gambar 4.4 menunjukkan bahwa titik-titik pada scatter plot mengikut i data di sepanjang garis diagonal. Hal ini menunjukkan bahwa data residual mempunyai distribusi normal. Uji normalitas dapat juga dilakukan dengan analisis Universitas Sumatera Utara statistik. Analisis statistik memberikan hasil yang lebih akurat dibandingkan dengan analisis grafik. 2 Analisis Statistik Uji normalitas yang digunakan dalam analisis statistik ini adalah uji statistik non-parametrik One-Sample Kolmogrov Smirnov. Tabel 4.1 ditampilkan sebagai berikut: Tabel 4.1 Hasil Uji Normalitas Setelah Data Di- trimming Tabel 4.1 memperlihatkan bahwa nilai Asymp.Sig 2-tailed Unstandardized Residual bernilai 0, 118 yang lebih besar dibandingkan dengan taraf nyata α yaitu 0,05. Hal ini berarti model regresi variabel dependen dan independen mempunyai distribusi normal.

IV.2.2.2 Uji Multikolineritas