Uji Kualitas Data 1. Uji Normalitas

Tabel 4.7. Hasil Uji Normalitas Sebelum Perbaikan Data Kolmogorov Tingkat Kesimpulan Variabel Penelitian Smirnov Signifikan Current Ratio X 1 1,001 0,267 Normal Total Assets Turnover X 2 2,557 0,000 Tidak normal Inventory Turnover X 3 1,432 0,033 Tidak normal Net Profit Margin X 4 1,043 0,226 Normal Return On Assets X 5 2,270 0,000 Tidak normal Pertumbuhan Laba Y 2,738 0,000 Tidak normal Sumber: Lampiran 3 Berdasarkan tabel 4.7 menunnjukkan bahwa variabel Total Assets Turnover X 2 , Inventory Turnover X 3 , Return On Assets X 5 dan pertumbuhan laba Y berdistribusi tidak normal, karena nilai signifikansi yang dihasilkan kurang dari 0,05. Sedangkan distribusi data pada variabel Current Ratio X 1 dan Net Profit Margin X 4 mengikuti distribusi normal, karena tingkat signifikan yang dihasilkan lebih besar dari 0,05. Karena tidak sesuai dengan asumsi bahwa seluruh variabel harus bersifat normal maka peneliti akan menguji ulang setelah data diperbaiki. Dalam Perbaikan data, peneliti melakukan transformasi data dengan berusaha mengurangi data yang cenderung ekstrim dalam sampel dengan melakukan drop data dari sampel yang semula 40 menjadi 32 dengan mengurangi 8 data yang cenderung sangat tinggi dan sangat rendah, dengan demikian data yang dihasilkan akan cenderung menjadi lebih baik. Hasil uji normalitas sesudah perbaikan dapat dilihat dalam tabel dibawah ini: Tabel 4.8 : Hasil Uji Normalitas Sesudah Perbaikan Data Kolmogorov Tingkat Kesimpulan Variabel Penelitian Smirnov Signifikan Current Ratio X 1 1,118 0,164 Normal Total Assets Turnover X 2 0,923 0,362 Normal Inventory Turnover X 3 0,982 0,290 Normal Net Profit Margin X 4 0,596 0,870 Normal Return On Assets X 5 0,542 0,931 Normal Pertumbuhan Laba Y 0,546 0,926 Normal Sumber : Lampiran 5 Berdasarkan tabel 4.8 dapat disimpulkan bahwa setelah dilakukan transformasi data, seluruh variabel Current Ratio X 1 , Total Assets Turnover X 2 , Inventory Turnover X 3 , Net Profit Margin X 4 , Return On Assets X 5 dan pertumbuhan laba Y berdistribusi normal, karena nilai signifikan yang dihasilkan lebih dari 0,05 dimana tingkat signifikan pada variabel Current Ratio X 1 sebesar 0,164, tingkat signifikan pada variabel Total Assets Turnover X 2 sebesar 0,362, tingkat signifikan pada variabel Inventory Turnover X 3 sebesar 0,290, tingkat signifikan pada variabel Net Profit Margin X 4 sebesar 0,870, tingkat signifikan pada variabel Return On Assets X 5 sebesar 0,931 dan tingkat signifikan pada variabel pertumbuhan laba Y sebesar 0,926.

4.4. Uji Asumsi Klasik

Persamaan regresi tersebut harus berifat BLUE Best Linier Unbiased Estimator, artinya pengambilan keputusan melalui uji F da uji t tidak boleh bias. Untuk menghasilkan keputusan yang BLUE maka persamaan regresi harus memenuhi ketiga asumsi klasik. Hasil dari asumsi klasik itu adalah sebagai berikut:

1. Uji autokorelasi

Uji statistik yang digunakan untuk mengetahui ada tidaknya autokorelasi adalah uji Durbin Watson. Dibawah ini merupakan hasil uji durbin Watson, yaitu: Tabel 4.9 : Hasil Uji Autokorelasi Kriteria Pengujian Nilai Durbin Tabel Uji Durbin Kesimpulan 0 d dl 0 1,946 1,1092 Tidak ada dl ≤ d ≤ du 1,1092 ≤ 1,946 ≤ 1,8187 autokorelasi 4 - dl d d 2,8908 1,946 1,946 Positif atau 4 - du ≤ d ≤ 4 – dl 2,1813 ≤ 1,946 ≤ 2,8908 negatif du d 4 – du 1,8187 1,946 2,1813 1,946 Sumber: Lampiran 6 Berdasarkan tabel 4.9 nilai D-W 1,946, sedangkan N = 32 dan K = 5, maka du = 1,8187, dl = 1,1092. Jadi d terletak antara batas du d 4 - du atau 1,8187 1,946 2,1813, maka dapat disimpulkan tidak ada autokorelasi positif atau negatif yang dianggap tidak terdapat atau bebas autokorelasi.

2. Uji Multikolinieritas

Menurut Ghozali 2006: 91, apabila nilai tolerance 0,10 atau sama dengan nilai VIF 10 menunjukkan adanya multikolinieritas. Besaran VIF dari masing-masing variabel bebas dapat dilihat pada tabel dibawah ini : Tabel 4.10 : Hasil Uji Multikolinieritas Collinearity Statistics Variabel Bebas Tolerance VIF Kesimpulan Current Ratio X 1 0,668 1,497 Bebas multikolinieritas Total Assets Turnover X 2 0,405 2,468 Bebas multikolinieritas Inventory Turnover X 3 0,690 1,448 Bebas multikolinieritas Net Profit Margin X 4 0,293 3,415 Bebas multikolinieritas Return On Assets X 5 0,312 3,207 Bebas multikolinieritas Sumber: Lampiran 6 Berdasarkan hasil uji multikolinieritas pada tabel 4.10 menunjukkan nilai tolerance lebih besar dari 0,10 dan VIF kurang dari 10, sehingga tidak terjadi multikolinieritas. Dengan demikian dapat disimpulkan bahwa asumsi tidak terjadi multikolinieritas pada variabel bebas penelitian dapat dipenuhi. 3. Uji heteroskedastisitas Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Diantara cara untuk mendeteksi ada atau tidaknya heterokedastisitas adalah menggunakan menggunakan uji rank spearman