serta standart deviasi sebesar 0,1242766 dengan jumlah unit analisis sebanyak 44.
Hasil analisis statistik deskriptif dapat digunakan sebagai acuan bagi perusahaan-perusahaan pada industri makanan dan minuman yang terdaftar di
Bursa Efek Indonesia untuk mengukur kemampuan perusahaan dalam menjalankan kegiatan operasionalnya serta untuk mengukur kemampuan
perusahaan dalam menghasilkan keuntungan selama periode satu tahun.
4.3.2 Pengujian Asumsi Klasik
Sebelum melakukan pegujian hipotesis dengan model regresi, model regresi harus memenuhi uji asumsi klasik terlebih dahulu agar nilai regresi yang
dihasilkan baik. Pengujian asumsi klasik yang dilakukan pada penelitian ini yaitu sebagai berikut.
1. Uji Normalitas
Uji normalitas dilakukan untuk melihat apakah dalam model regresi variabel terikat dan variabel bebas yaitu perputaran piutang dan ROA
berdistribusi normal atau tidak. Model regresi yang baik yaitu model regresi yang berdistribusi normal. Uji normalitas data dilakukan dengan melihat nilai
Kolmogrov-smirnov dengan langkah-langkah sebagai berikut : a.
Hipotesis H
: Data berdistribusi normal H
1
: Data tidak berdistribusi normal
Universitas Sumatera Utara
b. Kriteria uji hipotesis
Jika sig 0,05 H ditolak, H
1
diterima Jika sig 0,05 H
diterima, H
1
ditolak
Tabel 4.12 Uji Normalitas dengan
Kolmogorov-Smirnov sebelum Transformasi Data
One-Sample Kolmogrov-Smirnov Test
Unstandardized Residual
N
44
Normal Parameters
a,b
Mean
0E-7
Std. Deviation
,12346744
Most Extreme Differences
Absolute
,229
Positive
,229
Negative
-,191
Kolmogrov-Smirnov Z
1,518
Asymp. Sig. 2-tailed
,020
a. Test distribution is Normal. b. Calculated from data.
Sumber : Data Olahan Peneliti. 2013 Tabel 4.12 menunjukkan hasil uji normalitas dengan Kolmogrov-
Smirnov . Dari hasil pengolahan data tersebut diperoleh nilai Kolmogrov-
Smirnov sebesar 1,518 dan signifikan pada 0,020. Nilai signifikansi K-S 0,020
0,05 sehingga menyatakan bahwa H ditolak, yang artinya data tidak
berdistribusi normal. Data yang tidak berdistribusi normal dapat disebabkan olah 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 dalam Ambarita yaitu:
Universitas Sumatera Utara
a. Lakukan transformasi data kebentuk lain.
b. Lakukan trimming, yaitu membuang data outlier
c. Lakukan winsorizing, yaitu mengubah data outlier ke suatu nilai tertentu.
Untuk mengubah data residual sehingga berdistribusi normal, maka peneliti melakukan transformasi data ke model logaritma natural Ln.
Logaritma Natural adalah logaritma yang didasarkan pada e, dimana e sebesar 2.71828. Logaritma ini digambarkan untuk semua angka riil positif x.
Transformasi data kebentuk ini menyebabkan data yang bernilai negative tidak dapat ditransformasi sehingga menghasilkan missing value. Setelah
dilakukannya transformasi data kebentuk logaritma natural, maka data diuji ulang berdasarkan asumsi normalitas. Berikut akan disajikan hasil analisis
kolmogrov-smirnov setelah transformasi data.
Tabel 4.13 Uji Normalitas dengan Kolmogrov-Smirnov
setelah transformasi data One-Sample Kolmogorov-Smirnov Test
UnstandardizedResidual N
43
Normal Parameters
a,b
Mean
0E-7
Std. Deviation
,83900117
Most Extreme Differences
Absolute
,099
Positive
,097
Negative
-,099
Kolmogorov-Smirnov Z
,652
Asymp. Sig. 2-tailed
,790
a. Test distribution is Normal. b. Calculated from data.
Universitas Sumatera Utara
Sumber : Data Olahan Peneliti. 2013 Dari hasil analisis data pada tabel 4.13 diperoleh nilai kolmogrov-smirnov
sebesar 0,652 dan signifikan pada 0,790. Nilai signifikan 0,790 0,05 maka H diterima, yang menyatakan bahwa data berdistribusi normal. Untuk lebih
lengkapnya maka akan disajikan histogram dan normal p-plot sebagai bagian dari uji normalitas lainnya.
Gambar 4.1 Histogram
setelah transformasi data
Sumber : Data Olahan Peneliti. 2013 Gambar 4.1 menjukkan bahwa data berdistribusi normal, dimana titik
puncak kurva berada tepat di titik 0 pada sumbu x, kurva tidak bergeser kekanan maupun kekiri. Selain histogram, hasil analisis normal p-plot memberikan
gambaran sebagai berikut.
Universitas Sumatera Utara
Gambar 4.2 Normal P-Plot Normal Probability Plot Normal P-Plot
setelah transformasi data
Sumber : Data Olahan Peneliti. 2013 Pengujian normalitas data setelah transformasi data, dengan uji
Kolmogorov-Smirnov dan Historgram telah memperlihatkan bahwa data berdistribusi normal. Demikian pula dengan grafik Normal P-Plot juga
menunjukkan bahwa penyebaran titik-titik berada disekitar garis diagonal dan mengikuti arah garis diagonal. Dapat disimpulkan bahwa model regresi telah
memenuhi syarat asumsi normalitas. Setelah data berdistribusi normal, maka dilanjutkanlah pengujian asumsi klasik lainnya sebagai berikut.
2. Uji Heteroskedastisitas
