Saham 11952.0750 dengan standar deviasi sebesar 30843.19844 CR Current Ratio
memiliki rata-rata 2.1880 dengan standar deviasi sebesar 1.28169. WCT Working Capital Turnover memiliki rata-rata 5.6413
dengan standar deviasi sebesar 5.43940. CATA Current Assets to Total Assets memiliki rata-rata 0.5465
dengan standar deviasi sebesar 0.15962. CLTA Current Liabilities to Total Assets memiliki rata-rata 0.2958
dengan standar deviasi sebesar 0.11003. Nilai rata-rata yang tertera diatas dapat digunakan sebagai indikasi bahwa nilai dari masing-masing rasio atau variabel yang dihasilkan lebih
besar dari nilai rata-rata tersebut dapat dikatakan bahwa kondisi perusahaan baik. Dan sebaliknya jika nilai dari masing-masing rasio atau variabel yang dihasilkan lebih kecil
dari nilai rata-rata tersebut dapat dikatakan bahwa kondisi perusahaan dalam keadaan yang buruk. Sehingga pihak manajemen perlu melakukan evaluasi dalam tahun yang
bersangkutan untuk mendapatkan solusi agar perusahaan dapat kembali baik.
4.3.2. Pengujian Asumsi Klasik
4.3.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah variabel residual berdistribusi normal. Uji statistik yang dapat digunakan untuk menguji apakah residual berdistribusi
normal adalah uji statistik non parametrik Kolmogorov-Smirnov K-S dengan membuat hipotesis.
� : Data residual berdistribusi normal
�
�
: Data residual tidak berdistribusi normal
8QLYHUVLWDV6 XPDWHUD8WDUD
Apabila nilai signifikansi lebih besar dari 0.05, maka
�
diterima atau
�
�
ditolak dan sebaliknya jika nilai signifikansi lebih kecil dari 0.05, maka
�
ditolak atau
�
�
diterima.
Tabel 4.8 Hasil Uji Normalitas 1
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 40
Normal Parameters
a,b
Mean .0000000
Std. Deviation 2.44918296E4
Most Extreme Differences
Absolute .302
Positive .302
Negative -.259
Kolmogorov-Smirnov Z 1.911
Asymp. Sig. 2-tailed .001
a. Test distribution is Normal. b. Calculated from data.
Sumber: Data diolah penulis Berdasarkan hasil uji statistik dengan model Kolmogorov-Smirnov seperti yang
terdapat dalam tabel 4.9 dapat disimpulkan bahwa data tidak terdistribusi normal, hal ini dapat dilihat dari nilai Asymp.Sig.2-tailed Kolmogorov-Smirnov sebesar 0.001 yang
lebih kecil dari 0.05, sehingga data tidak terdistribusi normal. Untuk menguji apakah data grafik variabel CR, WCT, CATA, dan CLTA memiliki distribusi normal
atau tidak, dapat dilakukan dengan menggambarkan kurva histogram dan grafik Normality Probability Plot yaitu sebagai berikut:
8QLYHUVLWDV6 XPDWHUD8WDUD
Gambar 4.1 Histogram
Sumber: Data diolah penulis Dari hasil tampilan kurva histogram di atas dapat terlihat bahwa kemiringan
kurva cenderung ke kanan, hal ini menunjukkan bahwa data tidak terdistribusi dengan normal.
8QLYHUVLWDV6 XPDWHUD8WDUD
Gambar 4.2 Grafik Normal P-Plot
Sumber: Data diolah penulis Dari hasil grafik Normal P-Plot Regression di atas dapat dilihat titik-titik
menyebar jauh dari garis diagonal yang menunjukkan data tidak terdistribusi dengan normal.
Menurut Erlina 2008 ada beberapa cara mengubah model regresi menjadi normal yaitu :
a. lakukan transformasi data ke bentuk lainnya, b. lakukan trimming, yaitu membuang data outlier,
8QLYHUVLWDV6 XPDWHUD8WDUD
c. lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu.
Untuk mengubah nilai residual agar berdistribusi normal, peneliti melakukan transformasi data ke model logaritma natural Ln. Setelah itu, data diuji ulang
berdasarkan asumsi normalitas. Berikut ini adalah hasil pengujian dengan Kolmogorov- Smirnov setelah dilakukan transformasi:
Tabel 4.9 Hasil Uji Normalitas 2
Setelah Transformasi Dengan Logaritma Natural
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 40
Normal Parameters
a,b
Mean .0000000
Std. Deviation 1.62793546
Most Extreme Differences
Absolute .097
Positive .078
Negative -.097
Kolmogorov-Smirnov Z .613
Asymp. Sig. 2-tailed .847
a. Test distribution is Normal. b. Calculated from data.
Tabel 4.10 menunjukkan bahwa hasil pengujian statistik dengan model Kolmogorov- Smirnov menunjukkan bahwa data telah terdistribusi normal karena nilai Asymp.Sig 2-
tailed Kolmogorov-Smirnov 0.847 lebih besar dari 0.05. Hasil pengujian normalitas dengan histogram dan Normal P-Plot Regression Standardized Residual juga dapat
dilihat pada gambar berikut:
8QLYHUVLWDV6 XPDWHUD8WDUD
Gambar 4.3 Histogram Setelah Transformasi
Sumber: Data diolah penulis Grafik histogram di atas menunjukkan bahwa data telah terdistribusi secara
normal. Hal ini dapat dilihat dari grafik histogram yang menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng skewness kiri maupun menceng ke
kanan.
8QLYHUVLWDV6 XPDWHUD8WDUD
Gambar 4.4 Grafik Normal P-Plot Setelah Transformasi
Sumber: Data diolah penulis Pada grafik normal p-plot terlihat bahwa data menyebar disekitar garis diagonal
dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas.
4.3.2.2 Uji Multikolinieritas
