2011 sedikit kemungkinan perusahaan untuk membayar kewajiban perusahaan tepat pada waktunya.
4.1.2 Pengujian Asumsi Klasik
Menguji hipotesis akan di gunakan analisis regresi linier berganda. Namun demikian akan terlebih dahulu di uji mengenai ada tidaknya
penyimpangan terhadap asumsi klasik yang di perlukan untuk mendapatkan model regresi yang baik.
4.1.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan variabel independen keduanya
mempunyai distribusi normal atau mendekati normal. Normalitas umumnya di deteksi dengan melihat penyebaran data titik pada
sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya.
Gambar 4.1 Uji Normalitas Histogram setelah di transformasi
Universitas Sumatera Utara
Gambar 4.2 Uji Normalitas Grafik P-P Plot setelah di transformasi
Analisis grafik dapat di gunakan dengan dua alat yaitu grafik histogram dan grafik P-P Plot. Data yang baik adalah data yang memiliki pola distribusi
normal. Pada grafik histogram, data yang mendekati distibusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot, sebuah data di
katakan berdistribusi normal apabila titik-titik datanya tidak melenceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal. Berikut hasil uji
normalitas dengan menggunakan analisis grafik. Pada penelitian ini penulis menggunakan metode transformasi data untuk
menormalkan data penelitian. Menurut Ghozali 2006, “data yang tidak terdistribusi secara normal dapat di transformasi agar menjadi normal”. Salah satu
transformasi data yang dapat di lakukan adalah dengan mentransformasikan data ke logaritma 10 atau LN.
Dengan melihat tampilan grafik histogram pada gambar 4.1 kita dapat melihat bahwa gambar grafik berbentuk lonceng dan tidak menceng ke kiri atau
Universitas Sumatera Utara
ke kanan yang menunjukkan bahwa data terdistribusi secara normal. Pada grafik P-P Plot pada gambar 4.2 terlihat titik-titik menyebar di sepanjang dan tidak
menjauhi garis diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi tidak menyalahi asumsi normalitas.
Pengujian normalitas data dengan hanya melihat grafik tidak cukup, sehingga kita perlu melakukan uji normalitas data dengan menggunakan statistik
agar lebih meyakinkan. Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal, maka di lakukan uji Kolmogorof-Smirnov, 1
sample KS dengan melihat data residualnya apakah berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0,05 maka data tersebut
berdistribusi normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal. Pengujian normalitas dengan metode statistik
ini dapat di lihat pada tabel 4.6.
Tabel 4.6 Uji Normalitas Data Awal
One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 72
Normal Parameters
a,,b
Mean ,0000000
Std. Deviation 1,06645204
Most Extreme Differences
Absolute ,205
Positive ,205
Negative -,182
Kolmogorov-Smirnov Z 1,740
Asymp. Sig. 2-tailed ,005
a. Test distribution is Normal. b. Calculated from data.
Universitas Sumatera Utara
Hasil uji Kolmogorov-Smirnov pada tabel di atas menunjukkan nilai profitabilitas 0,005. Dengan demikian data pada penelitian ini tidak berdistribusi
normal dan tidak dapat di lakukan untuk menguji hipotesis karena 0,005 0,05.
Tabel 4.7 Uji Normalitas setelah transformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 64
Normal Parameters
a,,b
Mean ,0000000
Std. Deviation ,59782673
Most Extreme Differences
Absolute ,137
Positive ,114
Negative -,137
Kolmogorov-Smirnov Z 1,099
Asymp. Sig. 2-tailed ,178
a. Test distribution is Normal. b. Calculated from data.
Dengan melihat hasil uji Kolmogorov-Smirnov pada tabel 4.7 menunjukkan nilai profitabilitas = 0,178. Dengan demikian, data pada penelitian
ini berdistribusi normal dan dapat di gunakan untuk melakukan uji hipotesis karena 0,178 0,05.
4.1.2.2 Uji Heteroskedastisitas