rata-rata
1561817.88
. Standart Deviation simpangan baku variabel ini adalah
2829147.497
, 3.
variabel dividen kas memiliki jumlah sampel N sebanyak 52, dengan nilai minimum terkecil 2, nilai maksimum terbesar 1124 dan mean nilai rata-
rata 176.62 Standart Deviation simpangan baku variabel ini adalah 231.461,
4. jumlah sampel yang digunakan ada sebanyak 52 buah.
B. Hasil Uji Asumsi Klasik 1. Hasil Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal atau tidak, dengan membuat
hipotesis sebagai berikut: H
o
: data residual terdistribusi normal,
H
a
: data residual terdistribusi tidak normal. Ada dua cara yang dapat digunakan untuk mendeteksi apakah residual
berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik. Pada penelitian ini akan digunakan kedua cara tersebut.
a. Analisis Grafik
Analisis grafik dapat digunakan dengan dua alat, yaitu grafik histogram dan grafik P-P Plot. Data yang baik adalah data yang memiliki pola distribusi normal.
Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot, sebuah data
Universitas Sumatera Utara
dikatakan berdistribusi normal apabila titik-titik datanya tidak menceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal.
Gambar 4.1 Grafik Histogram
Gambar 4.2 Grafik P-P Plot
Dengan melihat tampilan grafik histogram, penulis melihat bahwa gambar histogram telah berbentuk lonceng tetapi menceng ke arah kiri yang
menunjukkan bahwa data tidak terdistribusi secara normal. Pada grafik P-P Plot
Universitas Sumatera Utara
terlihat titik-titik tidak menyebar di sekitar garis diagonal dan jauh dari garis diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi menyalahi
asumsi normalitas.
b. Uji Statistik
Pengujian normalitas data dengan hanya melihat grafik dapat menyesatkan kalau tidak melihat secara seksama, sehingga kita perlu melakukan uji normalitas
data dengan menggunakan statistik agar lebih meyakinkan. Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji
Kolmogorov-Smirnov 1 sample KS dengan melihat data residualnya apakah berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0,05
maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal. Hasil uji Kolmogorov-Smirnov
dapat dilihat pada tabel 4.2. Tabel 4.2
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 52
Normal Parameters
a
Mean .0000000
Std. Deviation 2.47043378E2
Most Extreme Differences Absolute
.303 Positive
.303 Negative
-.236 Kolmogorov-Smirnov Z
2.187 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
Hasil uji Kolmogorov-Smirnov pada penelitian ini menujukkan probabilitas = 0,000. Dengan demikian, data pada penelitian ini tidak berdistribusi normal
karena probabilitas 0.05.
Universitas Sumatera Utara
Pada pengujian normalitas dengan analisis statistik dan grafik dapat ketahui bahwa data yang digunakan oleh penulis tidak berdistribusi normal sehingga data
ini tidak dapat digunakan untuk melakukan uji hipotesis. Pada penelitian ini penulis menggunakan metode transformasi data untuk menormalkan data
penelitian. Menurut Ghozali 2005:32, “data yang tidak terdistribusi secara normal dapat ditransformasikan agar menjadi normal”. Salah satu trasformasi data
yang dapat dilakukan adalah dengan mentransformasikan data ke LG10 atau logaritma 10 atau LN. Hasil transformasi data dapat dilihat pada lampiran vi.
Setelah dilakukan transformasi, penulis melakukan pengujian ulang terhadap uji normalitas untuk melihat kembali apakah data penelitian ini telah berdistribusi
normal atau tidak. Berikut hasil uji normalitas data setelah transformasi:
a. Analisis Grafik