Uji kenormalan data Uji Non - Parametrik

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