Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation LN_BBBL
34 4.98
14.54 11.8894
1.71254 LN_BTKL
36 6.72
12.44 11.6906
.90151 LN_BOP
36 12.66
13.57 13.1980
.18709 LN_LK
34 13.83
16.02 14.3824
.44260 Valid N listwise
32
Sumber : Data yang diolah penulis, 2009 Dari table diatas, dapat dijelaskan bahwa :
a. Rata-rata dari LN_BBBL adalah 11.8894 dengan standar deviasi 1.71254 dan
jumlah data yang ada sebanyak 34. b.
Rata-rata dari LN_BTKL adalah 11.6906 dengan standar deviasi 0.90151 dan jumlah data yang ada sebanyak 36.
c. Rata-rata dari LN_BOP adalah 13.1980 dengan standar deviasi 0.18709 dan
jumlah data yang ada sebanyak 36.
3. Pengujian Asumsi Klasik
a. Uji Normalitas
Pengujian normalitas data pada penelitian ini menggunakan uji statistic non parametric Kolmogorov_Smirnov K-S. Seperti yang sudag dijelaskan sebelumnya
pada bab 3, bahwa uji normalitas bertujuan untuk menguji apakah dalam model regresi variable pengganggu residual memiliki distribusi normal Ghozali
2005:110. Adapun hasil pengujian dapat dilihat pada table berikut.
Universitas Sumatera Utara
Tabel 4.4 Uji Normalitas Sebelum Data Ditransformasi
One-Sample Kolmogorov-Smirnov Test
Laba Kotor N
36 Normal Parameters
a,,b
Mean 1611715.31
Std. Deviation 2184248.138
Most Extreme Differences Absolute
.338 Positive
.259 Negative
-.338 Kolmogorov-Smirnov Z
2.025 Asymp. Sig. 2-tailed
.001 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Data yang diolah penulis, 2009 Dari hasil pengolahan data tersebut, terlihat besarnya nilai Kolmogorov-
Smirnov K-S yaitu sebesar 2,025 dan signifikansi pada 0,001. Seperti yang sudah dijabarkan sebelumnya pada bab 3, bahwa suatu model regresi dikatakan mempunyai
distribusi data normal apabila nilai probabilitasnya 0,05, demikian dengan nilai Kolmogorov-Smirnov Z 1,97. Oleh karena itu dapat disimpulkan bahwa data diatas
tidak terdistribusi secara normal karena p = 0,002 0,05, dan nilai Z 1,97. Data yang tidak terdistribusi secara normal tersebut juga dapat dilihat melalui grafik
normal P-P Plot data.
Universitas Sumatera Utara
Gambar 4.2 Grafik Normal P-P Plot sebelum data ditranformasi
Sumber : Data yang diolah penulis, 2009 Dari grafik normal P-P Plot diatas terlihat bahwa titik-titik menyebar disekitar
diagonal penyebarannya agak menjauh dari garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara tidak normal.
Ada beberapa cara mengubah model regresi yang berdistribusi tidak normal
menjadi normal menurut Erlina 2007:106, yaitu:
1. Lakukan transformasi data ke bentuk lainnya
2. Lakukan trimming yaitu membuang data outlier
3. Lakukan winsorizing yaitu mengubah nilai data yang outlier ke suatu nilai
tertentu.
Universitas Sumatera Utara
Setelah dilakukan transformasi kemudian data diuji ulang berdasarkan asumsi normalitas. Berikut ini hasil pengujian K-S setelah transformasi :
Tabel 4.5 Uji Normalitas Setelah Tranformasi Data
One-Sample Kolmogorov-Smirnov Test
LN_LK N
34 Normal Parameters
a,,b
Mean 14.3824
Std. Deviation .44260
Most Extreme Differences Absolute
.227 Positive
.227 Negative
-.136 Kolmogorov-Smirnov Z
1.322 Asymp. Sig. 2-tailed
.061 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Data yang diolah penulis, 2009 Dari table diatas terlihat besarnya nilai Kolmogorov-Smirnov Z adalah 1,322
dan signifikansi pada 0,061 sehingga dapat disimpulkan bahwa data dalam model regresi telah terdistribusi normal dimana nilai p = 0,061 0,05, dan nilai Z 1,322
1,97. Dengan demikian secara keseluruhan dapat disimpulkan bahwa nilai-nilai observasi data telah terdistribusi normal dan dapat dilanjutkan dengan uji asumsi
klasik lainnya. Untuk lebih jelasnya berikut ini turut dilampirkan grafik normal P-P Plot data yang terdistribusi normal.
Universitas Sumatera Utara
Gambar 4.3 Grafik Normal P-P Plot setelah transformasi data
Sumber : Data yang diolah penulis, 2009 Dari grafik normal P-P Plot diatas 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.
b. Uji Multikolinieritas
