0,05. Dengan demikian dapat disimpulkan bahwa data variabel X
5
dan X
15
memiliki distribusi data yang tidak normal. Normalitas data dapat diperbaiki dengan melakukan transformasi
data atau menambah jumlah sampel data. 4.3.1.2
Uji Normalitas – Setelah Transformasi Data Tabel 4.3.1.2 : Uji Normalitas – Setelah Transformasi Data
One-Sample Kolmogorov-Smirnov Test
36 36
36 36
36 36
36 36
36 36
36 36
36 36
36 36
17.96 27.86
61.39 47.60
6.412 54.30
9.679 15.57
11.959 14.82
18.95 15.30
11.12 21.32
2.367 -13.2518
8.570 14.29
16.76 11.66
1.215 13.93
2.350 4.250
4.7056 5.975
8.224 6.095
2.022 4.938
.2656 39.06669
.205 .128
.121 .141
.183 .123
.149 .097
.132 .196
.092 .107
.199 .086
.200 .123
.205 .128
.121 .141
.183 .123
.120 .097
.132 .196
.092 .107
.199 .086
.200 .123
-.136 -.107
-.072 -.090
-.095 -.069
-.149 -.055
-.084 -.121
-.083 -.068
-.103 -.058
-.090 -.066
1.229 .768
.723 .845
1.096 .739
.895 .582
.790 1.177
.552 .644
1.194 .516
1.201 .741
.097 .597
.673 .473
.181 .646
.400 .887
.560 .125
.921 .801
.115 .953
.112 .643
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed QR
X1 IPR
X2 BR
X3 ALR
X4 CR~
X5 LDR
X6 PR
X7 RAR
X8 CAR 2
X9 CAR 3
X10 GPM
X11 ROE
X12 GYTA
X13 RRL
X14 LM~
X15 Perubaha
n Laba Y
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Lampiran 1
Dengan menggunakan Uji Kolmogorov-Smirnov diperoleh nilai signifikansi variabel X
1
=0,097; X
2
=0,597; X
3
=0,673; X
4
=0,473; X
5
=0,181; X
6
=0,646; X
7
=0,400; X
8
=0,887; X
9
=0,560; X
10
=0,125; X
11
=0,921; X
12
=0,801; X
13
=0,115; X
14
=0,953; X
15
=0,112 dan Y=0,643 yang masing-masing 0,05. Dengan demikian dapat disimpulkan bahwa
data lima belas variabel X memiliki distribusi data yang normal.
4.3.2 Uji Asumsi Klasik
4.3.2.1 Uji Multikolinieritas
Menurut Imam Ghozali 2005: 91, uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar
variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas.
Untuk mengetahui ada tidaknya gejala multikolinieritas dapat dilakukan dengan cara menghitung Variance Inflation Factor VIF,
dengan ketentuan jika nilai VIF kurang dari 10 maka tidak terjadi multikolinieritas.
Tabel 4.3.2.1 : Uji Multikolinieritas – lterasi 1 setelah perbaikan normalitas data
Coefficients
a
-74.633 598.475
-.125 .902
-1.718 1.648
-.377 -1.043
.310 -.227
.096 10.431
-.149 2.044
-.055 -.073
.943 -.016
.022 44.648
21.799 17.162
9.350 1.270
.219 .273
.000 4325.022
7.971 5.076
2.380 1.571
.132 .331
.005 183.299
-12.782 9.903
-.397 -1.291
.212 -.277
.132 7.572
-30.379 23.241
-10.829 -1.307
.206 -.281
.000 5478.485
-23.827 38.601
-1.433 -.617
.544 -.137
.002 430.459
7.411 10.006
.806 .741
.467 .163
.011 94.594
12.186 9.391
1.468 1.298
.209 .279
.010 102.146
-5.175 10.874
-.791 -.476
.639 -.106
.005 220.842
-2.367 2.663
-.498 -.889
.385 -.195
.040 25.089
8.207 3.685
1.281 2.227
.038 .446
.038 26.382
-9.111 9.871
-.472 -.923
.367 -.202
.048 20.838
-.149 4.526
-.019 -.033
.974 -.007
.038 26.121
76.154 165.311
.518 .461
.650 .102
.010 100.860
Constant QR X1
IPR X2 BR X3
ALR X4 CR~X5
LDR X6 PR X7
RAR X8 CAR 2 X9
CAR 3 X10 GPM X11
ROE X12 GYTA X13
RRL X14 LM~X15
Model 1
B Std. Error
Unstandardized Coefficients
Beta Standardized
Coefficients t
Sig. Partial
Correla tions
Tolerance VIF
Collinearity Statistics
Dependent Variable: Perubahan Laba Y a.
Sumber : Lampiran 1
Hasil uji Multikolinieritas menunjukkan hanya nilai VIF X
5
kurang dari 10, sedangkan nilai VIF 14 variabel X lainnya lebih dari 10 sehingga
terjadi multikolinieritas yang tinggi. Dengan demikian dapat disimpulkan bahwa asumsi tidak terjadi multikolinieritas pada variabel bebas penelitian
tidak dapat dipenuhi.
VIF dapat diperbaiki dengan melakukan trimming membuang variabel yang memiliki nilai VIF paling besar yaitu variabel LDR X
6
4.3.2.2 Uji Multikolinieritas – lterasi 2 hapus X