nilai maksimum 92.35, nilai mean nilai rata-rata 29.9300 dan standar deviasi 16.68778. Variabel Laba memiliki nilai minimum 725.22, nilai
maksimum 151649.69, nilai mean nilai rata-rata 827.9827 dan standar deviasi 10168.37809.
4.2.1. Pengujian Asumsi Klasik
Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan
pengujian hipotesis. Apabila terjadi penyimpangan dalam pengujian asumsi klasik perlu dilakukan perbaikan terlebih dahulu.
4.2.1.1. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah residual data dari model regresi linear memiliki distribusi
normal atau tidak. Uji statistik yang dapat digunakan untuk menguji apakah residual data berdistribusi normal adalah uji
statistik non parametric Kolmogorov-Smirnov K-S dengan membuat hipotesis.
H : Data residual berdistribusi normal
H
A
: Data residual tidak berdistribusi normal Apabila nilai signifikansi lebih besar dari 0.05, maka H
diterima atau H
A
ditolak dan sebaliknya jika nilai signifikansi lebih kecil dari 0.05, maka H
ditolak atau H
A
diterima.
Universitas Sumatera Utara
Tabel 4.3 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 225
Normal Parameters
a,b
Mean .0000000
Std. Deviation
9932.79465409
Most Extreme Differences Absolute
.413 Positive
.413 Negative
-.302 Kolmogorov-Smirnov Z
6.190 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
b. Calculated from data. Sumber : Data Diolah
Dari hasil pengolahan data pada tabel 4.3 diperoleh besarnya nilai Kolmogorov-Smirnov adalah 6.190 dan signifikan
pada 0.000. Nilai siginifikansi lebih kecil dari 0.05, maka H ditolak yang berarti data residual berdistribusi tidak normal.
Data yang tidak berdistribusi normal dapat disebabkan oleh adanya data yang outlier yaitu data yang memiliki nilai yang
sangat menyimpang dari nilai data lainnya. Beberapa cara mengatasi data outlier menurut Erlina 2007:106 yaitu:
- lakukan transformasi data ke bentuk lainnya
- lakukan trimming, yaitu membuang data outlier, dan
- lakukan winsorizing, yaitu mengubah nilai data yang outlier
ke suatu nilai tertentu. Untuk mengubah nilai residual agar berdistribusi normal,
Universitas Sumatera Utara
dilakukan transformasi data ke model logaritma natural Ln dari Pertumbuhan Laba = fCR, CAR, DER, TATO, ITO, ROE,
GPM menjadi Ln_Pertumbuhan Laba = fLn_CR, Ln_CAR, Ln_DER, Ln_TATO, Ln_ITO, Ln_ROE, Ln_GPM.
Transformasi data ke dalam bentuk logaritma natural menyebabkan data yang bernilai negatif tidak dapat
ditransformasi sehingga menghasilkan missing values. Setiap data yang terdapat missing values akan dihilangkan dan
diperoleh jumlah sampel yang valid menjadi 156 pengamatan. Kemudian data diuji ulang berdasarkan asumsi normalitas,
berikut ini hasil pengujian dengan Kolmogorov-Smirnov.
Tabel 4.2. Uji Kolmogorov-Smirnov
Sumber : Data diolah
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 156
Normal Parameters
a,b
Mean .0000000
Std. Deviation
1.55830821
Most Extreme Differences Absolute
.090 Positive
.090 Negative
-.070 Kolmogorov-Smirnov Z
1.120 Asymp. Sig. 2-tailed
.163 a. Test distribution is Normal.
b. Calculated from data.
Universitas Sumatera Utara
Dari hasil uji Kolmogorov-Smirnov di atas diperoleh nilai Kolmogorov-Smirnov adalah 1.120 dan nilai Asymp. Sig.
2-tailed sebesar 0.163. Karena Asymp. Sig. 2-tailed 0.05, maka dapat disimpulkan bahwa data terdistribusi normal.
Setelah data berdistribusi normal dapat dilanjutkan uji asumsi klasik lainnya yaitu dengan melihat grafik probability plot.
Gambar 4.1. Grafik Normal Probability Plot
Sumber : Data Diolah
Dari grafik normal probability plot di atas dapat dilihat bahwa titik-titik plot menyebar di sekitar garis diagonal. Hal ini
dapat disimpulkan bahwa data yang digunakan terdistribusi normal atau model regresi memenuhi asumsi klasik normalitas.
Universitas Sumatera Utara
4.2.1.2. Uji Multikolinearitas
