Uji Asumsi Klasik .1 HASIL DAN PEMBAHASAN
52
deviasi 14.19744. Hal ini menunjukkan nilai minimun ROI perusahaan manufaktur yang menjadi sampel penelitian dari tahun 2008 sampai
tahun 2010 adalah -61.85 dan nilai maksimum sebesar 41.16 dengan rata- rata nilai ROI sebesar 10.9694 dengan standar deviasi 14.19744 dan
jumlah sampel N adalah 90. f. Variabel Pertumbuhan Laba memiliki nilai minimum -25.12 dan nilai
maksimum 133.80 dengan rata-rata sebesar 1.6325 dan standar deviasi 14.44335. Hal ini menunjukkan nilai minimun Pertumbuhan Laba
perusahaan manufaktur yang menjadi sampel penelitian dari tahun 2008 sampai tahun 2010 adalah -25.12 dan nilai maksimum sebesar 133.80
dengan rata-rata nilai pertumbuhan laba sebesar 1.6325 dengan standar deviasi 14.44335 dan jumlah sampel N adalah 90.
4.3 Uji Asumsi Klasik 4.3.1
Uji Normalitas
Uji normalitas data bertujuan untuk menguji apakah variabel residual berdistribusi normal atau tidak. Pengujian normalitas data dalam
penelitian ini menggunakan uji statistik non parametrik Kolmogrov- Smirnov K-S dengan membuat hipotesis :
Ho : data residual berdistribusi normal, Ha : data residual tidak berdistribusi normal.
53
Apabila nilai signifikan lebih besar dari 0.05 maka Ho diterima dan Ha ditolak, sebaliknya jika nilai signifikan lebih kecil dari 0.05 maka Ho
ditolak dan Ha diterima.
Tabel 4.3 Hasil Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 90
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 14.0636080
1 Most Extreme Differences
Absolute .394
Positive .394
Negative -.338
Kolmogorov-Smirnov Z 3.742
Asymp. Sig. 2-tailed .000
a. Test distribution is Normal. b. Calculated from data.
Sumber : Data diolah oleh penulis 2012
Berdasarkan hasil pengolahan data pada tabel 4.3 terlihat bahwa besarnya nilai kolmogorov-Smirnov adalah 3.742 dan nilai asymp. Sig 2-
tailed adalah 0.000. Nilai signifikan teryata lebih kecil dari 0.05, maka Ha diterima yang berarti data residual tersebut tidak berdistribusi normal. Data
yang tidak terdistribusi normal dapat disebabkan oleh adanya data yang outlier, yaitu data yang memiliki nilai yang sangat menyimpang dari nilai
data lainnya.
54
Untuk mengatasi data yang berdistribusi tidak normal ada beberapa cara yang dapat dilakukan. Salah satunya adalah dengan melakukan
transformasi data ke dalam bentuk logaritma natural Ln yaitu dari Pertumbuhan Laba = fCR, DER, TATO, NPM, ROI menjadi
Ln_Pertumbuhan Laba = fLn_CR, Ln_DER, Ln_TATO, Ln_NPM, Ln_ROI. Transformasi data ke dalam bentuk logaritma natural
menyebabkan data yang bernilai negatif tidak dapat ditransformasikan sehingga menghasilkan missing values. Setiap data yang terdapat missing
values akan dihilangkan dan diperoleh jumlah sampel yang valid menjadi 64 pengamatan. Kemudian data diuji kembali berdasarkan asumsi normalitas,
berikut ini hasil penelitian pengujian dengan Kolmogorov-Smirnov setelah transformasi.
55
Tabel 4.4 Hasil Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 64
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.38860807
Most Extreme Differences Absolute
.114 Positive
.114 Negative
-.109 Kolmogorov-Smirnov Z
.911 Asymp. Sig. 2-tailed
.378 a. Test distribution is Normal.
b. Calculated from data. Sumber : Data diolah oleh penulis 2012
Dari hasil pengolahan data Tabel 4.4 diperoleh besarnya nilai Kolmogorov-Smirnov adalah 0,911 dan signifikan pada 0,378. Nilai
signifikan lebih besar dari 0,05 maka Ho diterima yang berarti data residual berdistribusi normal. Data yang berdistribusi normal tersebut juga dapat
dilihat pada grafik histogram dan grafik p-plot data.
56
Gambar 4.1 Grafik Histogram
Sumber : Data diolah penulis, 2012
Pada grafik histogram di atas terlihat bahwa variabel pertumbuhan laba berdistribusi normal. Hal ini ditunjukkan oleh data tersebut tidak
menceng ke kiri atau menceng ke kanan.
57
Gambar 4.2 Grafik normal P-P Plot
Sumber : Data diolah penulis, 2012 Grafik normal p-p plot pada gambar 4.2 menunjukkan bahwa data
menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Berdasarkan hal ini dapat disimpulkan bahwa data berdistribusi normal.
58