Variabel Independen Variabel Dependen

Uji statistik yang dapat digunakan untuk menguji normalitas data adalah uji statistik non-parameter Kolmogorov-Smirnov K-S. Setelah dilakukan uji K-S kita dapat menarik kesimpulan, jika nilai sig. atau probabilitas 0,05 berarti data tidak terdistribusi secara normal, sedangkan jika angka probabilitas 0,05, maka data tersebut terdistribusi secara normal. Pada Tabel 3.3 dapat dilihat bahwa nilai Kolmogorov-Smirnov adalah 0,438 dengan Asymp. Sig. 2-tailed sebesar 0,991 Sig. 0,05, sehingga dapat disimpulkan bahwa data terdistribusi secara normal. Tabel 3.3 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardize d Residual N 36 Normal Parameters a,b Mean ,0000000 Std. Deviation ,85298529 Most Extreme Differences Absolute ,073 Positive ,073 Negative -,063 Kolmogorov-Smirnov Z ,438 Asymp. Sig. 2-tailed ,991 a. Test distribution is Normal. b. Calculated from data. Sumber: Output SPSS 21 Selain itu, untuk melihat apakah data terdistribusi secara normal dapat juga dilihat dari grafik uji normalitas pada gambar berikut ini. Gambar 3.1 Normal Probability Plot Sumber: Output SPSS 21 Hasil uji normalitas pada Gambar 3.1 yang dilakukan untuk variabel efisiensi biaya dan ROA pada perusahaan makanan dan minuman, menunjukkan model regresi memenuhi asumsi normalitas. Dapat dilihat bahwa titik-titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal yang artinya data dalam penelitian ini terdistribusi secara normal.

3.5.1.2 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, sedangkan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas Ghozali, 2011. Terdapat beberapa cara untuk mendeteksi ada atau tidakanya heteroskedastisitas, salah satunya melalui grafik scatterplot. Kesimpulan diambil dengan melihat persebaran titik pada scatterplot dengan dasar analisis tidak terdapat pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur bergelombang, melebar, kemudian menyempit. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas Ghozali, 2011. Hasil scatterplot dapat dilihat pada Gambar 3.2 berikut ini: Gambar 3.2 Hasil Uji Heteroskedastisitas Sumber: Output SPSS 21 Berdasarkan grafik scatterplot pada gambar 3.2 dapat dilihat bahwa titik-titik menyebar secara acak dan tersebar baik diatas maupun dibawah angka 0 pada sumbu Y dan tidak membentuk suatu pola tertentu yang jelas. Analisis dengan grafik scatterplot memiliki kelemahan yang cukup signifikan, karena jumlah pengamatan