• Berdistibusi normal.
• Non-Multikolinearitas, artinya antara variabel independen dalam
model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna.
• Non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi
tidak saling berkorelasi. •
Homoskedastisitas, artinya variance variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
a. Uji Normalitas Hasil dari uji normalitas dengan grafik histogram, normal probability plot,
serta Kolmogorov-Smirnov Test ditunjukkan sebagai berikut:
Sumber : Output SPSS, diolah peneliti, 2009
Gambar IV.1 Uji Normalitas 1
Universitas Sumatera Utara
Sumber : Output SPSS, diolah peneliti, 2009
Gambar IV.2 Uji Normalitas 2
Tabel IV. 5 Uji Normalitas 3
One-Sample Kolmogorov-Smirnov Test
Perputaran Kas
Perputaran Piutang Usaha
Perputaran Persediaan
Perputaran Kewajiban
Lancar Perputaran
Modal Kerja Bersih
Rentabilitas Usaha
N 60
60 60
60 60
60 Normal
Parameters
a
Mean 2.1308
16.5078 9.5350
16.5892 7.3312
23.5532 Std.
Deviation .81773
16.06748 6.84631
14.09414 7.04209
19.96242 Most Extreme
Differences Absolute
.125 .189
.188 .164
.258 .173
Positive .125
.157 .188
.164 .258
.173 Negative
-.094 -.189
-.116 -.147
-.219 -.132
Kolmogorov-Smirnov Z .970
1.465 1.457
1.271 2.002
1.344 Asymp. Sig. 2-tailed
.304 .027
.029 .079
.001 .054
a. Test distribution is Normal.
Sumber : Output SPSS, diolah peneliti, 2009
Universitas Sumatera Utara
Dari hasil uji normalitas di halaman sebelumnya, dapat dilihat bahwa variabel perputaran piutang usaha, perputaran persediaan, dan perputaran modal kerja
bersih memiliki data yang tidak terdistribusi dengan normal karena nilai signifikannya 0,05, yaitu variabel sebesar perputaran piutang usaha sebesar
0.027, variabel perputaran persediaan sebesar 0.029 dan variabel perputaran modal kerja bersih sebesar 0,001. Ada beberapa cara mengubah model regresi
menjadi normal menurut Erlina 2007 : 106 yaitu: a.
lakukan transformasi data ke bentuk lainnya, b. lakukan trimming, yaitu membuang data outlier,
c. lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu.
Untuk mengubah nilai residual agar berdistribusi normal, peneliti melakukan transformasi data ke model akar kuadrat Sqrt yaitu dari persamaan RU =
fPK,PPU,PP,PKL,PMKB menjadi SQRT_RU = fSQRT_PK, SQRT_PPU SQRT_PP, SQRT_PKL, SQRT_PMKB. Oleh karena itu, dilakukan transformasi
data yang tidak terdistribusi secara normal tersebut untuk menormalkannya. Caranya adalah dengan melakukan SQRT terhadap semua variabel.
Hasil uji normalitas setelah dilakukan transformasi data yang tidak normal tersebut dapat dilihat pada grafik histogram, normal probability plot, dan tabel
Kolmogorov-Smirnov Test berikut ini :
Universitas Sumatera Utara
Histogram
Sumber : Output SPSS, diolah peneliti, 2009
Gambar IV. 3 Uji Normalitas 4
Sumber : Output SPSS, diolah peneliti, 2009
Gambar IV. 4 Uji Normalitas 4
Universitas Sumatera Utara
Cara yang digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah dengan desain grafik. Jika data menyebar di sekitar garis
diagonal atau mengikuti arah garis diagonal, atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi
normalitas, demikian sebaliknya. Dari grafik histogram dan normal probability plot pada gambar IV.3 dan
gambar IV.4 di atas terlihat bahwa setelah dilakukan transformasi data menggunakan SQRT, grafik histogram memperlihatkan pola distribusi yang
normal, dan grafik P-P Plot memperlihatkan titik-titik menyebar di sekitarmengikuti arah garis diagonal yang menunjukkan pola distribusi normal.
Tabel IV. 6 Uji Normalitas 6
One-Sample Kolmogorov-Smirnov Test
SQRT _Perputaran
Kas SQRT_Perputaran
Piutang Usaha SQRT_Perputaran
Persediaan SQRT_Perputaran
Kewajiban Lancar SQRT_Perput
aran Modal Kerja Bersih
SQRT_Rent abilitas
Usaha N
60 60
60 60
60 60
Normal Parameters
a
Mean 1.4358
3.6898 2.9166
3.7130 2.4867
4.4487 Std.
eviation .26550
1.71523 1.02274
1.68822 1.08034
1.95612 Most
Extreme Differences
Absolute .088
.123 .121
.136 .174
.097 Positive
.088 .123
.121 .136
.174 .097
Negative -.067
-.104 -.076
-.088 -.150
-.059 Kolmogorov-Smirnov
Z .680
.956 .936
1.050 1.345
.753 Asymp. Sig. 2-tailed
.745 .320
.345 .220
.054 .621
a. Test distribution is Normal.
Sumber : Output SPSS, diolah peneliti, 2009
Universitas Sumatera Utara
Bila nilai signifikan 0.05 berarti distribusi data tidak normal. Sebaliknya bila nilai signifikan 0.05 berarti distribusi data normal. Dari tabel IV.3 di atas,
dapat dilihat bahwa setelah dilakukan transformasi data dengan SQRT, semua data variabel yang diuji menjadi normal dan nilai signifikan untuk semua variabel
0,05.
b. Hasil Uji Multikolinearitas
