1 lakukan transformasi data ke bentuk lainnya,
2 lakukan trimming, yaitu membuang data outlier,
3 lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai
tertentu. Jika data tidak terdistribusi normal, maka dilakukan tindakan perbaikan
treatment agar model regresi memenuhi asumsi normalitas. Untuk mengubah nilai residual agar berdistribusi normal, maka Peneliti melakukan transformasi
data ke model logaritma natural Ln dengan menggunakan soft ware SPSS 17 dari DPS = fCR, DTA, NPM, PER, TATO menjadi Ln_DPS = fLn_CR, DTA,
NPM, PER, TATO. Setelah itu, data diuji ulang berdasarkan asumsi normalitas. Berikut ini
adalah hasil pengujian dengan Kolmogorov-Smirnov setelah dilakukan transformasi :
Tabel 4.10 Uji Normalitas 2
Setelah Transformasi Dengan Logaritma Natural
One-Sample Kolmogorov-Smirnov Test Unstandardized Residual
N Normal Parameters
a,,b
Mean .00000
Std. Deviation 1.693238
Most Extreme Differences Absolute
.0 Positive
.0 Negative
-.0 Kolmogorov-Smirnov Z
.3 Asymp. Sig. 2-tailed
.9 a. Test distribution is Normal.
Sumber : Output SPSS, diolah Peneliti 2010
Universitas Sumatera Utara
Dari hasil pengolahan data pada tabel 4.10 diperoleh besarnya nilai Kolmogorov-Smirnov adalah 0,370 dan signifikan pada 0,999. Nilai signifikansi
lebih besar dari 0,05, maka H diterima yang berarti data residual berdistribusi
normal. Setelah data berdistribusi normal dapat dilanjutkan dengan uji asumsi klasik lainnya. Untuk lebih jelas berikut ini dilampirkan grafik histogram dan
grafik p-plot data yang telah berdistribusi normal.
Gambar 4.3 Histogram setelah transformasi
Sumber : Output SPSS, diolah Peneliti 2010
Berdasarkan kurva histogram di atas, dapat dilihat bahwa kurva menyerupai bentuk lonceng yang hampir sempurna dengan kemiringan yang cenderung
imbang baik dari sisi kiri maupun dari sisi kanan, hal ini menunjukkan bahwa data telah terdistribusi secara normal.
Universitas Sumatera Utara
Menurut Ghozali 2005: 112, pendeteksian normalitas dapat dilakukan dengan melihat penyebaran data titik pada sumbu diagonal dari grafik Grafik
Normal P-P Plot of Regression, yaitu jika data titik menyebar di sekitar garis
diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan data yang telah terdistribusi normal.
Gambar 4.4 Normal P-P Plot of Regression setelah transformasi
Sumber : Output SPSS, diolah Peneliti 2010 Grafik Normal P-P Plot of Regression di atas memperlihatkan titik-titik
menyebar berhimpitan di sekitar diagonal dan ini menunjukkan data dalam model regresi berdistribusi normal. Jika secara keseluruhan data telah terdistribusi
secara normal, maka dapat dilakukan pengujian asumsi klasik lainnya.
Universitas Sumatera Utara
b. Uji Multikolinearitas