4.2.2 Uji Asumsi Klasik
Sebelum dilakukan pengujian hipotesis dengan menggunakan uji regresi linear sederhana, dilakukan terlebih dahulu uji asumsi klasik yang meliputi uji
normalitas dan uji autokorelasi.
4.2.2.1 Uji Normalitas
Tujuan dilakuannya uji normalitas adalah untuk mengetahui apakah dalam model regresi variabel penganggu atau residual memiliki distribusi normal. Jika
asumsi ini dilanggar atau tidak dipenuhi maka uji statistic menjadi tidak valid untuk jumlah sampel kecil. Cara yang digunakan adalah dengan menggunakan
analisis grafik dan analisis statistic pada ketiga fungsi sesuai dengan jumlah variabel dependennya.
Analisis grafik dilakukan dengan melihat grafik histogram dan normal probability plot. Sedangkan dalam analisis statistik dilakukan dengan uji
Kolmogorov-Smirnov. Data dikatakan terdistribusi normal, jika nilai signifikansi lebih besar dari 0,05, dan dikatakan tidak normal jika nilai signifikansi-nya lebih
kecil dari 0,05. Hasil pengujian normalitas data pada penelitian ini adalah sebagai berikut:
4.2.2.1.1 Uji Normalitas Terhadap Return on Investment ROI
Pada Tabel 4.4 disajikan hasil uji normalitas terhadap variabel dependen return on investment ROI:
Universitas Sumatera Utara
Tabel 4.4 Hasil Uji Normalitas Terhadap ROI
Unstandardized Residual
N 51
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 9.63041409
Most Extreme Differences Absolute
.189 Positive
.082 Negative
-.189 Kolmogorov-Smirnov Z
1.352 Asymp. Sig. 2-tailed
.052
Sumber: Hasil Penelitian, 2014 Data Diolah
Berdasarkan Tabel 4.4 diperoleh besarnya nilai Aymp.Sig. 2-tailed adalah 1,476 dan signifikansi 0,052. Dengan demikian nilai signifikansinya lebih besar
dari 0,05 yang berarti data berdistribusi normal. Hasil uji normalitas juga dapat dilihat pada Gambar berikut ini:
Sumber: Hasil penelitian, 2014 Data diolah
Gambar 4.1 Grafik Histogram ROI
Berdasarkan Gambar 4.1 dapat dilihat pola distribusi yang tidak menceng ke kiri dan kekanan menunjukkan bahwa data terdistribusi secara normal.
Universitas Sumatera Utara
Sumber: Hasil penelitian, 2014 Data diolah
Gambar 4.2 Normal P-P Plot ROI
Dari Gambar 4.2 dapat dilihat bahwa titik-titik menyebar disekitar garis diagonal dan penyebarannya tidak jauh dari garis diagonal yang berarti bahwa
data berdistribusi normal.
4.2.2.1.2 Uji Normalitas Terhadap Return on Equity ROE
Pada Tabel 4.6 disajikan hasil uji normalitas terhadap variabel dependen return on investment ROE:
Tabel 4.5 Hasil uji normalitas terhadap ROE
Unstandardized Residual
N 51
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 40.48816247
Most Extreme Differences Absolute
.323 Positive
.213 Negative
-.323 Kolmogorov-Smirnov Z
2.307 Asymp. Sig. 2-tailed
.000
Sumber: Hasil penelitian, 2014 Data diolah
Hasil uji normalitas terhadap ROE return on equity dapat di lihat pada Tabel 4.4 diatas. Besarnya nilai Asymp.Sig. 2-tailed adalah 2,307 dan
Universitas Sumatera Utara
signifikansi 0,000. Dengan demikian nilai signifikansinya lebih kecil dari 0,05 yang berarti data residual tidak berdistribusi normal. Hal ini bisa diakibatkan oleh
adanya data yang outlier data yang memiliki nilai sangat menyimpang dari data lainnya. Untuk mengatasi hal tersebut, nilai residual dirubah agar berdistribusi
normal, telah dilakukan transformasi data ke model logaritma natural Ln dari profitabilitas perusahaan = fGCG, ROE menjadi Ln_Profitabilitas perusahaan =
fLn_GCG, Ln_ROE. Setelah data dibuah, maka dilakukan kembali uji normalitas. Berikut ini hasil pengujian dengan Kolmogorov-Smirnov setelah
proses transformasi:
Tabel 4.6 Hasil Uji Normalitas Setelah Transformasi Logaritma Natural ROE
Unstandardized Residual
N 45
Normal Parameters
a,b
Mean 0E-7
Std. Deviation .76059264
Most Extreme Differences Absolute
.184 Positive
.106 Negative
-.184 Kolmogorov-Smirnov Z
1.235 Asymp. Sig. 2-tailed
.095
Sumber: Hasil Penelitian, 2014 Data diolah
Berdasarkan Tabel 4.7, dapat dilihat bahwa nilai signifikansi variabel independen GCG dan variabel dependen ROE return on equity setelah
transformasi logaritma natural menunjukkan data terdistribusi secara normal, karena hasil signifikansinya adalah 0,095 yaitu diatas nilai signifikansi 0,05. Hasil
uji normalitas juga dapat dilihat dari grafik histogram yang disajikan pada Gambar berikut:
Universitas Sumatera Utara
Sumber: Hasil penelitian, 2014 Data diolah
Gambar 4.3 Grafik Histogram ROE setelah Ln
Berdasarkan Gambar 4.1 dapat dilihat pola distribusi yang tidak menceng ke kiri dan kekanan menunjukkan bahwa data terdistribusi secara normal.
Sumber: Hasil penelitian, 2014 Data diolah
Gambar 4.4 Normal P-P Plot ROE setelah Ln
Dari Gambar 4.2 dapat dilihat bahwa titik-titik menyebar disekitar garis diagonal dan penyebarannya tidak jauh dari garis diagonal yang berarti bahwa
data telah terdistribusi normal.
Universitas Sumatera Utara
4.2.2.2 Uji Autokorelasi