Uji Normalitas Uji Asumsi Klasik

c Variabel LN_LEV memiliki nilai minimum -1,83 dan maksimum -0,39 dengan rata-rata LEV sebesar -0,7988 dan standar deviasi sebesar 0.30947 dengan jumlah data sebanyak 44. d Variabel LN_DPR memiliki nilai minimum 1,63 dan maksimum 5,61 dengan rata-rata DPR sebesar 3,6440 dan standar deviasi sebesar 0,74018 dengan jumlah data sebanyak 44. e Variabel LN_EPS memiliki nilai minimum 1,34 dan maksimum 7,92 dengan rata-rata EPS sebesar 5,4047 dan standar deviasi sebesar 1,89271 dari jumlah data yang ada, yaitu sebanyak 44.

2. Uji Asumsi Klasik

a. Uji Normalitas

Dalam Ghozali 2005 : 110, untuk mendeteksi apakah residual berdistribusi normal atau tidak dapat dilakukan dengan dua cara, yaitu melalui uji statistik dan analisis grafik. Uji statistik yang digunakan untuk menguji normalitas data dalam penelitian ini adalah dengan menggunakan uji statistik non parametrik Kolmogorov-Smirnov K-S dan melalui analisis grafik, yaitu dengan melihat grafik histogram dan grafik normal probability plot. Uji statistik yang digunakan untuk menguji normalitas data dalam penelitian ini menggunakan uji statistik non parametrik Kolmogorov-Smirnov K-S. Uji K-S dilakukan dengan membuat hipotesis : Hipotesi Nol H : Data terdistribusi secara normal Hipotesis Altenatif H A : Data tidak terdistribusi secara normal Universitas Sumatera Utara Apabila nilai signifikansinya lebih besar dari 0,05 maka H diterima, sedangkan jika nilai signifikansinya lebih kecil dari 0,05 maka H ditolak. Tabel 4.3 Uji Normalitas Sebelum Data Ditransformasi One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 44 Normal Parametersa,b Mean .0000000 Std. Deviation .65095892 Most Extreme Differences Absolute .220 Positive .220 Negative -.152 Kolmogorov-Smirnov Z 1.456 Asymp. Sig. 2-tailed .029 a Test distribution is Normal. b Calculated from data. Dari hasil pengolahan data tersebut, besarnya nilai Kolmogorov-Smirnov adalah 1,456 dan signifikansi pada 0,029 maka disimpulkan data tidak terdistribusi secara normal karena p = 0,029 0,05. Data yang tidak terdistribusi secara normal tersebut juga dapat dilihat melalui analisis grafik, yaitu grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati normal, dan dengan melihat grafik normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Universitas Sumatera Utara Regression Standardized Residual 4 2 -2 Frequency 25 20 15 10 5 Histogram Dependent Variable: Q Mean =-9.63E-17฀ Std. Dev. =0.964฀ N =44 Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 Expect ed C um P rob 1.0 0.8 0.6 0.4 0.2 0.0 Normal P-P Plot of Regression Standardized Residual Dependent Variable: Q Grafik histogram dan normal probability plot dapat dilihat dari Gambar 4.1 dan Gambar 4.2 berikut ini : Gambar 4.1 Histogram sebelum data ditransformasi Dengan cara membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal, dari grafik di atas dapat disimpulkan bahwa distribusi data tidak normal karena grafik histogram menunjukkan distribusi data tidak mengikuti garis diagonal yaitu menceng ke kiri positive skewness. Gambar 4.2 Grafik Normal P-P Plot sebelum data ditransformasi Universitas Sumatera Utara Demikian pula dengan hasil uji normalitas dengan menggunakan grafik plot. Pada grafik normal probability plot, terlihat titik-titik menyebar disekitar garis diagonal serta penyebarannya agak menjauh dari garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi tidak terdistribusi secara normal. Dari hasil uji normalitas dengan Kolmogorov-Smirnov K-S, grafik histogram dan grafik normal probability plot menunjukkan bahwa data tidak terdistribusi secara normal. Data yang tidak berdistribusi secara normal harus terlebih dahulu ditransformasi menjadi normal agar tidak hasil uji statistik tidak terdegradasi Ghozali, 2005 : 28, 32. Untuk mengubah nilai residual tersebut agar berdistribusi secara normal, maka terlebih dahulu penulis melakukan transformasi data ke model logaritma natural LN_ dari persamaan : Q = fLEV, DPR, EPS, menjadi Q = fLN_LEV, LN_DPR, LN_EPS. Kemudian, data diuji ulang berdasarkan asumsi normalitas. Berikut ini hasil pengujian dengan Kolmogorov-Smirnov K-S : Tabel 4.4 Uji Normalitas Setelah Data Ditransformasi One-Sample Kolmogorov-Smirnov Test Unstandardize d Residual N 44 Normal Parametersa,b Mean .0000000 Std. Deviation .44588950 Most Extreme Differences Absolute .089 Positive .089 Negative -.082 Kolmogorov-Smirnov Z .589 Asymp. Sig. 2-tailed .879 a Test distribution is Normal. b Calculated from data. Universitas Sumatera Utara Regression Standardized Residual 3 2 1 -1 -2 Frequency 10 8 6 4 2 Histogram Dependent Variable: LN_Q Mean =4.61E-16฀ Std. Dev. =0.964฀ N =44 Dari tabel diatas, besarnya Kolmogorv-Smirnov K-S adalah 0,589 dan signifikansi pada 0,879 sehingga dapat disimpulkan bahwa data dalam model regresi telah terdistribusi secara normal, dimana nilai signifikansinya lebih dari 0,05 p = 0,879 0,05. Dengan demikian, secara keseluruhan dapat disimpulkan bahwa nilai-nilai observasi data telah terdistribusi secara normal dan dapat dilanjutkan dengan uji asumsi klasik lainnya. Untuk lebih jelas, berikut ini turut dilampirkan grafik histogram dan plot data yang terdistribusi normal. Gambar 4.3 Histogram setelah data ditransformasi Universitas Sumatera Utara Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 E xpect ed C um P rob 1.0 0.8 0.6 0.4 0.2 0.0 Normal P-P Plot of Regression Standardized Residual Dependent Variable: LN_Q Gambar 4.4 Grafik Normal P-P Plot setelah data ditransformasi Dengan cara membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal, dari grafik di atas dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng skewness ke kiri maupun ke kanan atau normal. Demikian pula dengan hasil uji normalitas dengan menggunakan grafik plot. Pada grafik normal plot, terlihat titik-titik menyebar disekitar garis diagonal serta penyebarannya agak mendekati dengan garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal. Universitas Sumatera Utara

b. Uji Multikolinieritas

Dokumen yang terkait

Pengaruh Size, ROA dan Leverage Terhadap Kebijakan Dividen Pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia

1 46 93

PENGARUH LIKUIDITAS, LEVERAGE, PROFITABILITAS DAN UKURAN PERUSAHAAN TERHADAP KEBIJAKAN DIVIDEN PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BURSA EFEK INDONESIA

2 38 25

PENGARUH KEBIJAKAN DIVIDEN, KEBIJAKAN LEVERAGE DAN PROFITABILITAS TERHADAP NILAI PERUSAHAAN (PERUSAHAAN PENGARUH KEBIJAKAN DIVIDEN, KEBIJAKAN LEVERAGE DAN PROFITABILITAS TERHADAP NILAI PERUSAHAAN (PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BEI PADA TAHUN 20

0 2 14

PENGARUH KEBIJAKAN DIVIDEN TERHADAP NILAI PERUSAHAAN PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR Pengaruh Kebijakan Dividen Terhadap Nilai Perusahaan Pada Perusahaan Manufaktur Yang TerdaftarDi Bursa Efek Indonesia Tahun 2012-2014.

0 8 15

PENGARUH KEBIJAKAN DIVIDEN TERHADAP NILAI PERUSAHAAN PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR Pengaruh Kebijakan Dividen Terhadap Nilai Perusahaan Pada Perusahaan Manufaktur Yang TerdaftarDi Bursa Efek Indonesia Tahun 2012-2014.

0 2 16

PENGARUH KEBIJAKAN DIVIDEN, KEBIJAKAN HUTANG DAN PROFITABILITAS TERHADAP NILAI PERUSAHAAN PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BURSA EFEK INDONESIA (BEI).

2 6 18

Pengaruh Kebijakan Hutang dan Kebijakan Dividen terhadap Nilai Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia.

0 0 26

PENGARUH PROFITABILITAS, LIKUIDITAS DAN LEVERAGE TERHADAP KEBIJAKAN DIVIDEN PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BURSA EFEK INDONESIA.

0 1 96

PENGARUH KEBIJAKAN LEVERAGE, KEBIJAKAN DIVIDEN DAN PRICE EARNING RATIO TERHADAP NILAI PERUSAHAAN PADA PERUSAHAAN LQ45 YANG TERDAFTAR DI BURSA EFEK INDONESIA.

1 2 128

PENGARUH KEBIJAKAN DIVIDEN, KEBIJAKAN HUTANG TERHADAP NILAI PERUSAHAAN PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BURSA EFEK INDONESIA

0 0 25