menyebar secara seimbang di sekitar nilai mean, baik itu di atas nilai mean maupun di bawah nilai mean. Standar deviasi sebesar 7,03125 menunjukkan
variasi penyebaran data pada variabel net profit margin. 5. Variabel Index Income Smoothing
Y diketahui bahwa nilai rata-ratanya adalah sebesar 2,3944. Pada variabel perataan laba diketahui bahwa sebaran
data untuk perataan laba lebih condong menyebar di bawah nilai mean, serta didapati bahwa ada beberapa data yang menyebar dengan rentang jarak yang
tidak dekat dengan nilai rata-ratanya. Standar deviasi sebesar 1,63424 menunjukkan variasi penyebaran data pada variabel perataan laba.
4.3.2 Uji Asumsi Klasik
4.3.2.1 Uji Normalitas Data
Dalam penelitian ini pengujian normalitas data dilakukan secara grafik dan statistik sehingga dapat diketahui secara pasti bagaimana distribusi data yang
diperoleh. Data yang tidak terdistribusi secara normal dalam persamaan regresi akan memberikan hasil yang bias. Awalnya data penelitian ini tidak normal
sehingga perlu ditransformasi bentuk dalam logaritma natural Ln. Oleh karena itu, masing-masing variabel penelitian yang digunakan telah di transformasi
bentuk dalam penulisan ditambah kata Ln. Uji normalitas yang pertama dengan melihat grafik secara histogram. Berdasarkan hasil komputasi dengan bantuan
aplikasi SPSS 16.0, maka dihasilkan grafik histogram seperti terlihat pada gambar 4.1 dibawah ini.
Universitas Sumatera Utara
Gambar 4.1 Grafik Histogram
Sumber : Data sekunder yang diolah, 2013
Berdasarkan gambar 4.1 diatas, terlihat bahwa bentuk histogram menggambarkan data yang berdistribusi normal atau mendekati normal karena
membentuk seperti lonceng bell shaped. Bentuk histogram seperti bentuk lonceng bell shaped curve mengindikasikan bahwa data berdistribusi normal
Santoso, 2002. Uji normalitas yang kedua adalah dengan melihat normal probability
plot . Berdasarkan hasil komputasi dengan bantuan aplikasi SPSS 16.0 for Window, maka dihasilkan grafik seperti terlihat pada gambar 4.2 dibawah ini.
Universitas Sumatera Utara
Gambar 4.2 Normal Probability Plot
Sumber : Data Sekunder yang diolah, 2013
Berdasarkan gambar 4.1 dan 4.2 menyatakan bahwa data distribusi normal karena grafik histogram menunjukkan distribusi data mengikuti garis
diagonal yang tidak menceng skewness ke kiri maupun ke kanan. Grafik normal plot memperlihatkan titik-titik menyebar di sekitar garis diagonal serta
penyebarannya mendekati garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
Uji normalitas juga dapat dilakukan dengan Kolmogorov-Smirnov untuk mengetahui apakah profitabilitas, risiko keuangan, ukuran perusahaan, net profit
margin dan indeks perataan laba berdistribusi normal atau tidak. Apabila nilai
Universitas Sumatera Utara
signifikansinya lebih besar dari 0,05 maka data berdistribusi normal, sedangkan jika nilai signifikansinya lebih kecil dari 0,05 maka data tidak berdistribusi
normal. Tabel 4.5 berikut menyajikan tabel hasil uji Kolmogorov Smirnov.
Tabel 4.5 Hasil Uji Kolmogrov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
72 Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,48343325
Most Extreme Differences Absolute ,145
Positive ,145
Negative -,088
Kolmogorov-Smirnov Z 1,231
Asymp. Sig. 2-tailed ,097
a. Test distribution is Normal. b. Calculated from data.
Sumber : Data Sekunder yang diolah, 2013
Hasil pengolahan data menunjukkan besar nilai Kolmogorov-Smirnov adalah 1,231 dan signifikansi pada 0.097 maka disimpulkan data terdistribusi
secara normal karena nilai asymp. Sig. adalah 0.097 dan berada di atas nilai signifikan 0,05. Kesimpulan secara keseluruhan yang dapat diambil adalah bahwa
nilai-nilai observasi data telah terdistribusi secara normal dan dapat dilanjutkan dengan uji asumsi klasik lainnya.
4.3.2.2 Uji Multikolinearitas
