1. Uji kenormalan data
Uji kenormalan data digunakan untuk menentukan macam Uji Statistika pengujian pengaruh variabel bebas terhadap variabel tergantungnya. Jika datanya
berdistribus normal maka uji statistikanya menggunakan Uji Parametrik, dan kalau datanya tidak berdistribus normal menggunakan Uji Non-Parametrik, sebab
Uji Parametrik mensyaratkan data berdistribusi normal, galat error bebas, varian homogen, rerata proporsional terhadap standard deviasinya, sedangkan Uji Non-
Parametrik tidak mensyaratkannya Gomez dan Gomez, 1985; McClave dan Sincich, 2000. Dari hasil olah data pada penelitian ini data dinyatkan tidak
normal, dan karena data tersebut dinyatakan dalam , maka untuk menormalkan distribusinya harus ditransformasikan dalam
Arc Sin
, transformasi hanya boleh dilakukan sekali dan jika data tetap tidak normal, uji kenormalan distribusi
dataharus menggunakan Uji Non-Parametrik Gomez dan Gomez, 1985; Steel dan Torrie, 1985; McClave dan Sincich, 2000.
Uji Statistika kenormalan data yang biasa digunakan adalah uji grafik kenormalan sebaran data dari
Kolmogorov-Smirnov
.
2. Uji Kolmogorov – Smirnov
Uji
Kolmogorov
–
Smirnov
satu sampel digunakan untuk menguji distribusi data kontinyu dengan beberapa parameter khusus, yang secara konservatif
menghipotesiskan PH ditolak|H
benar α
tabel
atau P-Value 0,05, dan uji ini dapat pula digunakan untuk menguji distribusi data diskret Steel dan Torrie,
1985. Hasil Uji
Kolmogorov-Smirnov
terhadap sebaran data variabel trasformasi, disajikan pada Gambar sebagai berikut:
commit to user
a. Uji kenormalan data CAR
70 60
50 40
30 20
10 -10
99 95
90 80
70 60
50 40
30 20
10 5
1
CA R
P e
r c
e n
t
Mean 22,87
StDev 12,46
N 45
KS 0,204
P-Value 0,010
UJI KENORMALAN DATA CAR
Normal
Gambar 2.Grafik Kenormalan data CAR
Gambar 2 menunjukkan bahwa distribusi data CAR tidak normal, karena nilai P-Value = 0,010 0,05 sehingga untuk menguji pengaruh variael bebas
CAR terhadap ROA adalah dengan uji Non-Parametrik, yaitu uji
Kruskal- Wallis.
b. Uji kenormalan data NPF
commit to user
15,0 12,5
10,0 7,5
5,0
99 95
90 80
70 60
50 40
30 20
10 5
1
NPF
P e
r c
e n
t
Mean 9,215
StDev 2,101
N 45
KS 0,076
P-Value 0,150
UJI KENORMALAN DATA NPF
Normal
Gambar 3. Grafik Kenormalan data NPF
Gambar 3terlihat bahwa data Transformasi NPF tidak normal karena nilai P-Value = 0,150 0,05 sehingga untuk menguji pengaruh variael bebas
NPF terhadap ROA adalah dengan uji Non-Parametrik, yaitu uji
Kruskal- Wallis.
c. Uji kenormalan data NIM
25 20
15 10
5
99 95
90 80
70 60
50 40
30 20
10 5
1
NIM
P e
rc e
n t
Mean 14,64
StDev 4,588
N 45
KS 0,169
P-Value 0,010
UJI KENORMALAN DATA NIM
Normal
Gambar 4.Grafik Kenormalan data
commit to user
Gambar 4terlihat bahwa data Transformasi NIM tidak normal karena nilai P-Value = 0,010 0,05 sehingga untuk menguji pengaruh variael bebas NIM
terhadap ROA adalah dengan uji Non-Parametrik, yaitu uji
Kruskal-Wallis.
d. Uji kenormalan data FDR
140 120
100 80
60 40
20
99 95
90 80
70 60
50 40
30 20
10 5
1
FDR
P e
rc e
n t
Mean 55,49
StDev 28,83
N 45
KS 0,264
P-Value 0,010
UJI KENORMALAN DATA FDR
Normal
Gambar 5. Grafik Kenormalan data FDR
Gambar 5 terlihat bahwa data Transformasi FDR tidak normal karena nilai P-Value = 0,010 0,05 sehingga untuk menguji pengaruh variael bebas FDR
terhadap ROA adalah dengan uji Non-Parametrik, yaitu uji
Kruskal-Wallis.
e. Uji kenormalan data CSR
100 90
80 70
60 50
40 30
20 10
99 95
90 80
70 60
50 40
30 20
10 5
1
CSR
P e
rc e
n t
Mean 55,97
StDev 16,05
N 45
KS 0,266
P-Value 0,010
UJI KENORMALAN DATA CSR
Normal
Gambar 6. Grafik Kenormalan data CSR
commit to user
Gambar 6 terlihat bahwa data Transformasi CSR tidak normal karena nilai P-Value = 0,010 0,05 sehingga untuk menguji pengaruh variael bebas CSR
terhadap ROA adalah dengan uji Non-Parametrik, yaitu uji
Kruskal-Wallis.
f. Uji kenormalan data ROA
16 14
12 10
8 6
4 2
99 95
90 80
70 60
50 40
30 20
10 5
1
ROA
P e
rc e
n t
Mean 6,709
StDev 3,107
N 45
KS 0,130
P-Value 0,053
UJI KENORMALAN DATA ROA
Normal
Gambar 7. Grafik Kenormalan data ROA
Gambar 7 terlihat bahwa data Transformasi ROA tidak normal karena nilai P-Value = 0,053 0,05.
3. Uji Non - Parametrik
Kruskal-Wallis
Uji pengaruh variabel bebas
Capital Adequasy Ratio
CAR,
Non Performing Financing
NPF,
Net Interest Margin
NIM,
Finance Deposit Ratio
FDR, dan
Corporate Social Responsibility
CSR terhadap
Return On Asset
ROA menggunakan Uji Non-Parametrik
Kruskal-Wallis
k-Sampel Steel dan Torrie, 1985; Mendenhall et al. 1989; McClave dan Sincich, 2000 dengan
kriteria: H
: Distribusi k populasi identik. H
i
: Paling tidak distribusi dua populasi berbeda. perpustakaan.uns.ac.id
commit to user
k i
i i
n R
n n
H
1 2
1 12
……………………………………………….. 13 n
i
= Banyaknya pengukuran pada sampel populasi, R
i
= Jumlah peringkat sampel ke i. Pengukuran sesuai dengan besar relatif ukuran dari seluruh set n = n
1
+ n
2
+ ...+n
k
pengamatan yang dibuat dengan mengkombinasikan data dari seluruh k sampel.Daerah Penolakan : H
ditolak jika H
2
dengan derajad bebas k – 1
Hasil dari uji Kruskal-Wallis dengan Minitab Release 16 adalah sebagai berikut:
Tabel 5 Uji Kruskal-Wallis
Sumber : data sekunder diolah Dari Tabel 5 terlihat bahwa P-value variabel-variabel bebas
Capital Adequasy Ratio
CAR,
Non Performing Financing
NPF,
Net Interest Margin Variabel
df H
H
adjusted
P-value CAR
NPF NIM
FDR CSR
38 38
36 33
25 41,59
40,99 42,87
38,99 30,27
41,60 40,99
42,88 38,99
30,27 0,317
0,341 0,200
0,218 0,214
commit to user
NIM,
Finance Deposit Ratio
FDR,
Corporate Social Responsibility
CSR masing-masing lebih besar dari P0,05 yang berarti bahwa variabel-variabel
bebas tersebut berpengaruh tidak nyata terhadap variabel tergantung
Return On Asset
ROA.
4. Analisis Regresi Linier Berganda