Nilai minimum Return On Investment ROI adalah sebesar 0,207 dan nilai maksimum ROI sebesar 0,338. Nilai rata-rata mean ROI sebesar 0,076 dan nilai
standar deviasi ROI sebesar 0,115. Nilai standar deviasi yang lebih besar dari nilai rata-rata mean menunjukkan bahwa data yang digunakan dalam variabel ROI
memiliki sebaran data yang cukup besar, sehingga dapat disimpulkan bahwa data yang digunakan dalam variabel ROI merupakan data yang kurang bagus.
Nilai minimum Current RatioCR sebesar 0,001 dan nilai maksimum CR sebesar 9,69. Nilai rata-rata mean CR sebesar 2,542 dan nilai standar deviasi CR
sebesar 2,027. Nilai standar deviasi yang lebih kecil dari nilai rata-rata mean menunjukkan bahwa data yang digunakan dalam variabel CR memiliki sebaran
data yang kecil, sehingga dapat disimpulkan bahwa data yang digunakan dalam variabel CR merupakan data yang bagus.
Nilai minimum Total Asset Growth TAG sebesar -0,289 dan nilai maksimum TAG sebesar 0,946. Nilai rata-rata mean TAG sebesar 0,099 dan nilai
standar deviasi TAG sebesar 0,213. Nilai standar deviasi yang lebih besar dari nilai rata-rata mean menunjukkan bahwa data yang digunakan dalam variabel
TAG memiliki sebaran data yang cukup besar, sehingga dapat disimpulkan bahwa
data yang digunakan dalam variabel TAG merupakan data yang kurang bagus.
4.3. Analisis Data Penelitian 4.3.1. Uji Asumsi Klasik
4.3.1.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau
tidak. Model regresi yang baik memiliki distribusi data normal atau mendekati normal. Untuk menguji apakah distribusi data normal atau tidak, digunakan
metode Normal Probability Plot, dan One sample Kolmogrov Smirnov.
a. Normal Probability Plot
Metode Normal Probability Plot membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal.
Distribusi normal akan membentuk satu garis lurus diagonal, dan plotting data akan dibandingkan dengan garis diagonal. Hasil uji Normal Probability Plot
ditunjukkan pada Gambar 4.1. berikut :
Sumber : Hasil Olah Data Penelitian SPSS.18
Gambar 4.1 Uji Normalitas
Normal P-P PlotVariabel dependen Total Asset Growth
Gambar 4.1 menunjukkan bahwa data yang diwakili dengan titik-titik tidak terpencar jauh dari garis diagonal atau garis acuan normalitas sehingga dapat
disimpulkan bahwa data penelitian memiliki distribusi normal Priyatno,
2009:74. b.
One Sample Kolmogrov-Smirnov
One Sampel Kolmogrov-Smirnov menguji normalitas data dengan
menggunakan tingkat signifikan 0,05, dimana jika nilai Asymp Sig. 2-tailed diatas nilai signifikan 0,05 artinya variabel residual berdistribusi normal
Situmorang, 2012:105. Hasil uji One sample Kolmogrov-Smirnov ditunjukkan pada Tabel 4.3. berikut :
Tabel 4.3 Uji Normalitas
One Sample Kolmogrov-Smirnov variabel dependen
Total Asset Growth
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 64
Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,18610652
Most Extreme Differences Absolute
,130 Positive
,130 Negative
-,069 Kolmogorov-Smirnov Z
1,036 Asymp. Sig. 2-tailed
,233 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Olah Data Penelitian SPSS.18
Tabel 4.3 menunjukkan nilai Asymp. Sig 2-tailed diatas nilai signifikan yaitu sebesar 0,233, sehingga dapat disimpulkan bahwa data penelitian
berdistribusi normal.
4.3.1.2. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang
lain.Model regresi yang baik adalah tidak terjadi heteroskedastisitas Situmorang dan Lufti, 2012:108. Heteroskedastisitas diuji dengan menggunakan Grafik
Scatterplot dan Uji Glejser.
a. Grafik Scatterplot
