40
4.3 Uji Asumsi Klasik
Dalam uji asumsi klasik, penelitian dilakukan untuk mengetahui apakah data yang digunakan dalam penelitian sudah normal dan bebas dari gejala
multikolinearitas, heteroskedastisitas serta autokorelasi. Uji asumsi klasik ini terdiri dari:
4.3.1 Uji Normalitas
Uji normalitas bertujuan untuk mengetahui normal tidaknya suatu distribusi data. Uji normalitas ini menjadi hal yang penting karena salah satu
syarat dalam pengujian parametic-test uji parametik adalah data harus memiliki distribusi normal. Pengujian ini menggunakan analisis statistik dan
analisis grafik. 1.
Analisis Statistik
Untuk meningkatkan hasil uji normalitas data, maka akan dilakukan dengan uji Kolmogorov-Smirnov. Uji ini digunakan untuk
menghasilkan angka yang lebih detail, apakah suatu persamaan regresi yang akan dipakai lolos normalitas. Suatu persamaan regresi
dikatakan lolos normalitas apabila nilai signifikansi uji Kolmogorov Smirnov lebih besar dari 0,05 Imam Ghozali, 2006.
Uji normalitas dengan Kolmogorov-Smirnov dapat dilihat sebagai berikut:
Universitas Sumatera Utara
41
Tabel 4.2 Uji Normalitas Sebelum Ditransformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 18
Normal Parameters
a,b
Mean -,0000004
Std. Deviation 1,81596835E10
Most Extreme Differences Absolute
,183 Positive
,183 Negative
-,178 Kolmogorov-Smirnov Z
,777 Asymp. Sig. 2-tailed
,582 a. Test distribution is Normal.
b. Calculated from data.
Dari tabel tersebut, besarnya nilai signifikansi adalah 0,582. Nilai ini lebih besar dari 0,05 sehingga dapat disimpulkan bahwa data
terdistribusi secara normal.
Universitas Sumatera Utara
42
2. Analisis Grafik
Analisis grafik dilakukan dengan grafik histogram dan grafik P-P of regression standarlized residual yang digambarkan sebagai berikut:
Gambar 4.1 Uji Normalitas Sebelum Data Ditransformasi
Dari gambar diatas dapat dilihat bahwa grafik histogram menunjukkan distribusi data mengikuti garis diagonal yang menceng ke
kanan. Dengan demikian dapat disimpulkan bahwa distribusi data tidak normal.
Universitas Sumatera Utara
43
Gambar 4.2 Uji Normalitas Sebelum Data Ditransformasi
Demikian pula pada pengujian normalitas dengan menggunakan grafik P-P of regression standarlized residual, terlihat titik-titik yang
menyebar disekitar garis diagonal, serta penyebarannya agak menjauh dari garis diagonal sehingga dapat disimpulkan bahwa data tidak
terdistribusi secara normal. Untuk mengubah data agar berdistribusi secara normal, maka
dilakukanlah transformasi dengan menggunakan Logaritma Natural Ln. Dimana variabel yang ditransformasikan adalah arus kas operasi
masa depan, laba bersih dan arus kas masa depan.
Universitas Sumatera Utara
44
Tabel 4.3 Uji Normalitas Setelah Ditransformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 18
Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,91170496
Most Extreme Differences Absolute
,103 Positive
,103 Negative
-,084 Kolmogorov-Smirnov Z
,437 Asymp. Sig. 2-tailed
,991 a. Test distribution is Normal.
b. Calculated from data.
Dari tabel tersebut, besarnya nilai Kolmogorov-Smirnov adalah
0,437
dan signifikansi pada
0,991
. Nilai ini lebih besar dari 0,05 sehingga dapat disimpulkan bahwa data terdistribusi
secara normal.
Universitas Sumatera Utara
45
Gambar 4.3 Uji Normalitas Setelah Data Ditransformasi
Dari grafik histogram setelah transformasi pada tabel diatas dapat disimpulkan bahwa data terdistribusi secara normal karena grafik tidak
menceng ke kiri maupun ke kanan.
Universitas Sumatera Utara
46
Gambar 4.4 Uji Normalitas Setelah Data Ditransformasi
Dari grafik P-P of regression standarlized residual pada tabel diatas, dapat disimpulkan bahwa terdapat penyebaran data yang
merata dan penyebarannya mengikuti arah garis diagonalnya. Hal ini menunjukkan bahwa data terdistribusi normal.
4.3.2 Uji Multikolinearitas