masing perusahaan berbeda jauh. Nilai mean yang bernilai positif menunjukkan bahwa rata – rata perusahaan yang diteliti mengalami
keuntungan atau profitabilitas tinggi. 2. Variabel perputaran piutang memiliki nilai minimum 0,01 , nilai
maksimum 34,92 , rata – rata 9,6709 , dan standar deviasi 8,19880. Nilai standar deviasi yang lebih kecil dari nilai rata – rata
menandakan bahwa nilai perputaran piutang antara masing – masing perusahaan tidak berbeda jauh.
3. Variabel perputaran persediaan memiliki nilai minimum 0,01 , nilai maksimum 15,91 , rata – rata 5,7798 , dan standar deviasi 3,80663.
Nilai standar deviasi yang lebih kecil dari nilai rata – rata menandakan bahwa perputaran persediaan antara masing – masing
perusahaan tidak berbeda jauh. 4. Variabel return on asset memiliki nilai minimum 0,07 , maksimum
21,94 , rata – rata 9,2950 , dan standar deviasi 5,18648. Nilai standar deviasi yang lebih kecil dari mean menandakan perbedaan
return on asset antar perusahaan adalah kecil.
4.1.2.2 Asumsi Klasik
4.1.2.2.1 Uji Normalitas
Uji normalitas dilakukan untuk menguji apakah distribusi sebuah data mengikuti atau mendekati distribusi
normal. Normalitas dapat dideteksi dengan melihat
Universitas Sumatera Utara
penyebaran data titik pada sumbu diagonal dan grafik dengan melihat histogram dari residualnya.
Gambar 4.1 Normal P-Plot
Sumber : output SPSS, 2014
Pada Gambar 4.1 terlihat titik-titik yang tersebar memotong garis diagonal dan mengikuti arah garis diagonal. Hal ini
menunjukkan bahwa data berdistribusi normal. Untuk lebih memastikan apakah data disepanjang garis
diagonal tersebut berdistribusi normal atau tidak, maka dilakukan uji Kolmogorov Smirnov 1 Sample KS yakni
dengan melihat data residualnya apakah distribusi normal atau tidak. Jika nilai Asym.sig 2-
tailed taraf nyata α = 0.05 maka data residual berdistribusi normal.
Universitas Sumatera Utara
Table 4.2 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 44
Normal Parameters
a
Mean .0000000
Std. Deviation 4.32310384
Most Extreme
Difference s
Absolute .099
Positive .099
Negative -.070
Kolmogorov-Smirnov Z .658
Asymp. Sig. 2-tailed .780
a. Test distribution is Normal.
Sumber : output SPSS, 2014
Hasil pengolahan data tersebut, besar nilai kolmogrov Smirnov adalah 0,658 dan signifikasi 0,780 maka dapat
disimpulkan data terdistribusi secara normal, dimana nilai signifikasinya lebih besar dari 0,05 p= 0,780 0,05.
Universitas Sumatera Utara
Dengan demikian, secara keseluruhan dapat disimpulkan bahwa nilai – nilai observasi data telah terdistribusi secara
normal dan dapat dilanjutkan dengan uji asumsi klasik lainnya.
4.1.2.2.2 Uji Heterokedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan varians
residual satu pengamatan ke pengamatan lainnya. Model regresi yang baik adalah yang tidak terjadi
heteroskedastisitas. Heteroskedastisitas dapat dideteksi denga melihat penyebaran plot melalui gambar scatterplot sebagai
berikut :
Gambar 4.2 Uji Heterokedastisitas
Sumber : output SPSS, 2014
Universitas Sumatera Utara
Pada Gambar 4.2 terlihat bahwa titik-titik yang menyebar secara acak tidak membentuk suatu pola tertentu yang jelas
serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini memenuhi salah satu asumsi bahwa tidak
terjadi heteroskedastisitas pada model regresi.
4.1.2.2.3 Uji Autokorelasi
