2 Analisis Statistik Uji normalitas yang digunakan dalam analisis statistik ini adalah uji
statistik non-parametrik One-Sample Kolmogrov Smirnov. Tabel 4.3 ditampilkan sebagai berikut:
Tabel 4.2 Hasil Uji Normalitas Setelah Data Di-
trimming
Tabel 4.2 memperlihatkan bahwa nilai Asymp.Sig 2-tailed Unstandardized Residual bernilai 0, 118 yang lebih besar dibandingkan dengan taraf nyata
α yaitu 0,05. Hal ini berarti model regresi variabel dependen dan independen
mempunyai distribusi normal.
4.2.2.2 Uji multikolineritas
Dalam penelitian ini, untuk mendeteksi data ada tidaknya gejala multikolinieritas adalah dengan melihat besaran korelasi antar
variable independen dan besarnya tingkat kolinieritas yang masih dapat ditolerir, yaitu : Tolerance 0,10 dan Variance Inflation Factor
VIF 10. Berikut disajikan tabel hasil pengujian:
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
377 Normal Parameters
a
Mean .0000000
Std. Deviation .63875859
Most Extreme Differences Absolute
.061 Positive
.061 Negative
-.034 Kolmogorov-Smirnov Z
1.190 Asymp. Sig. 2-tailed
.118 a. Test distribution is Normal.
b Calculated from data.
Tabel 4.3 Hasil Uji Multikolinearitas
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
1.299 .036
35.949 .000
Total aktiva 7.682E-15
.000 .125
1.355 .176
.313 3.192
Perputaran Modal Kerja
-8.998E-6 .000
-.021 -.413
.680 1.000
1.000 Arus Kas
Operasi -3.867E-14
.000 -.158
-1.717 .087
.313 3.192
a.
Dependent Variable: Likuiditas
Coefficient Correlations
a
Model Arus Kas
Operasi Perputaran
Modal Kerja Total aktiva 1 Correlations Arus Kas Operasi
1.000 -.007
-.829 Perputaran Modal Kerja
-.007 1.000
.016 Total aktiva
-.829 .016
1.000 Covariances Arus Kas Operasi
5.074E-28 -3.212E-21 -1.059E-28
Perputaran Modal Kerja -3.212E-21
4.750E-10 1.926E-21 Total aktiva
-1.059E-28 1.926E-21 3.217E-29
a.Dependent Variable : Likuiditas c. Uji Heterokedastisitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya heterokedastisitas adalah dengan melihat plot grafik yang dihasilkan dari pengolahan data dengan
menggunakan program SPSS. Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah
terjadi heterokedastisitas atau terjadi homokedastisitas dengan mengamati penyebaran titik-titik pada gambar.
Gambar 4.5
Dari grafik scatterplot terlihat bahwa titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit , maka
mengindikasikan telah terjadi heterokedatisitas. Tindakan perbaikan yang dilakukan dalam penelitian ini menggunakan
salah satu dari beberapa cara yang telah dikemukakan pada bab sebelumnya, yaitu dengan menggunakan transformasi seluruh variabel penelitian ke dalam fungsi
logaritma natural LN. Sehingga data total aktiva, perputaran modal kerja dan arus kas operasi menjadi LN total aktiva LNX
1
, LN perputaran modal kerja LNX
2
dan LN arus kas operasi LNX
3
. Kemudian data diuji ulang berdasarkan asumsi normalitas.
Gambar 4.6
Dari gambar 4.7 scatterplot di atas, terlihat bahwa titik-titik menyebar secara acak serta tidak membentuk pola tertentu atau tidak teratur, serta titik-titik
menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini mengindikasikan tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak
dipakai untuk memprediksi variabel dependen likuiditas berdasarkan masukan variabel independen, total aktiva, perputaran modal kerja dan arus kas operasi.
4.2.2.3 Uji Autokorelasi
