Tabel 4.2 Statistik Deskriptif Variabel-Variabel
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation CAR
48 .0937
.3327 .177417
.0534702 DER
48 3.7520
19.0413 9.874269
3.1313976 PrtmbhnLaba
48 -.9478
2.3607 .218973
.5481315 Valid N listwise
48
Sumber : Diolah oleh penulis dengan SPSS, 2011
.
Dari tabel 4.2 dijelaskan bahwa : 1.
Variabel Capital Adequacy Ratio CAR memiliki nilai minimum 0,0937 dan nilai maksimum 0,3327. Nilai rata-rata CAR 0,177417 dengan standar
deviasi 0,0534702. 2.
Variabel Debt to Equity Ratio DER memiliki nilai minimum 3,7520 dan nilai maksimum 19,0413. Nilai rata-rata DER 9,874269 dengan standar
deviasi 3,1313976. 3.
Variabel Pertumbuhan Laba Laba memiliki nilai minimum -0.9478 dan nilai maksimum 2,3607. Nilai rata-rata Laba 0,218973 dengan standar
deviasi 0,5481315. 4.
Observasi berjumlah 48
2. Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas data bertujuan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti
diketahui bahwa uji-t dan uji-F mengasumsikan bahwa residual mengikuti distribusi normal.
Pengujian normalitas dalam penelitian ini menggunakan dua cara, yaitu analisis grafik, yang terdiri dari histogram dan normal probability plot, serta
analisis statistik dengan menggunakan uji Kolmogorov-Smirnov K-S. Hasil uji grafik dalam penelitian ini menunjukkan distribusi residual yang
relatif normal, hal ini dapat ditunjukkan oleh grafik histogram yang tidak menceng ke kiri atau ke kanan. Selain itu, normal probability plot menunjukkan
pola titik-titik yang menyebar mendekati dan searah garis diagonal grafik, hal ini mengindikasikan data sudah relatif normal.
Gambar 4.1 Uji Normalitas dengan Histogram
Sumber : Diolah oleh penulis dengan SPSS, 2011
.
Gambar 4.2 Uji Normalitas dengan Plot
Sumber : Diolah oleh penulis dengan SPSS, 2011
.
Untuk memastikan lebih akuratnya prediksi asumsi normalitas, maka selain uji grafik, dilakukan juga uji Kolmogorov-Smirnov. Uji ini mensyaratkan
nilai signifikansi residual lebih besar dari 0,005 agar suatu distribusi residual dianggap normal. Tabel 4.3 berikut menunjukkan hasil uji Kolmogorov-Smirnov.
Tabel 4.3 Uji Normalitas Data
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 48
Normal Parameters
a
Mean .0000000
Std. Deviation .62141428
Most Extreme Differences Absolute
.191 Positive
.191 Negative
-.116 Kolmogorov-Smirnov Z
1.326 Asymp. Sig. 2-tailed
.059 a. Test distribution is Normal.
Sumber : Diolah oleh penulis dengan SPSS, 2011
.
Dari tabel diatas, besarnya Kolmogorv-Smirnov K-S adalah 1,326 dan signifikansi pada 0,059 sehingga dapat disimpulkan bahwa data dalam model
regresi telah terdistribusi secara normal, dimana nilai signifikansinya lebih dari 0,005 p=0,059 0,005. Dengan demikian, secara keseluruhan dapat disimpulkan
bahwa nilai-nilai observasi data telah terdistribusi secara normal dan dapat dilanjutkan dengan uji asumsi klasik lainnya.
b. Uji Multikolinieritas