Variabel independen Rasio Hutang Terhadap Ekuitas DER mempunyai nilai minimum sebesar 0,08 nilai maximum sebesar 17,66 dan nilai rata-rata sebesar
1,1097serta nilai standar deviasi sebesar 1,86708. Hal ini menunjukkan bahwa Rasio Hutang Terhadap Ekuitas DER sangat berfluktuasi karena selisih antara nilai minimum
dengan nilai maximum relatif cukup besar dan nilai standar deviasi lebih besar dari nilai rata-rata. Hal ini mengindikasikan bahwa variabel Rasio Hutang Terhadap Ekuitas DER
tidak terdistribusi normal. Variabel independen Profitabilitas ROA mempunyai nilai minimum sebesar 0,01
nilai maximum sebesar 0,41 dan nilai rata-rata sebesar 0,1167 serta nilai standar deviasi sebesar 0,09162.
Variabel independen Likuiditas mempunyai nilai minimum sebesar 0,59 nilai maximum sebesar 17,61 dan nilai rata-rata sebesar 2.9049 serta nilai standar deviasi
sebesar 2,39508.
5.2. Hasil Pengujian Asumsi Klasik
Untuk menghasilkan suatu model regresi yang baik atau model regresi yang menghasilkan estimator linier tidak bias Best Linier Unbias Estimator BLUE, maka
terhadap data terlebih dahulu dilakukan pengujian asumsi klasik berupa pengujian normalitas data, multikoleniaritas, heteroskedastisitas dan autokorelasi. Apabila asumsi
klasik belum terpenuhi maka perlu terlebih dahulu perlu dilakukan perbaikan sesuai dengan tehnik yang dijinkan dalam ilmu statistik.
5.2.1. Hasil Pengujian Normalitas Data
Universitas Sumatera Utara
Asumsi distribusi normal adalah suatu persyaratan yang harus dipenuhi dalam pelaksanaan analisis regresi berganda. Jika asumsi ini terpenuhi maka nilai residual dari
analisis juga berdistribusi normal dan independen. Pengujian normalitas dilakukan dengan menggunakan grafik normal Pobability Plot dan uji One-Sample Kolmogorov-
smirnov, dengan hasil sebagai berikut :
Gambar 5.1. Uji Normalitas Data - Normal PP-Plot of Regresion Standardized Residual
Pada gambar 5.1. di atas terlihat bahwa titik-titik menyebar jauh dari garis diagonal dan
tidak mengikuti arah garis diagonal sehingga dapat disimpulkan bahwa data tidak berdistribusi normal atau tidak mendekati normal.
Berdasarkan uji One-Sample Kolmogorov-Smirnov, diperoleh hasil sebagai berikut :
Universitas Sumatera Utara
Tabel 5.2 Uji Normalitas Data One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
144 Normal Parameters
Mean
a,b
.0000000 Std. Deviation
.37065085 Most Extreme
Differences Absolute
Positive .150
Negative -.110
Kolmogorov-Smirnov Z 1.804
Asymp. Sig. 2-tailed .003
Berdasarkan hasil uji pada tabel 5.2 di atas dapat dilihat nilai signifikansi Asymp. Sig.
2-tailed adalah sebesar 0,003 0,05 berarti bahwa data tidak berdistribusi normal. Dengan demikian berdasarkan grafik normal Pobability Plot dan uji One-Sample
Kolmogorov-Smirnov di atas diketahui bahwa data tidak berdistribusi normal. Menurut Ghozali 2009, data yang tidak terdistribusi normal dapat ditransformasi
agar menjadi normal. Untuk menormalkan data terlebih dahulu harus dilihat bagaimana bentuk grafik histogram dari data yang ada. Dengan mengetahui bentuk grafik histogram
dapat ditentukan bentuk transformasinya. Bentuk grafik histogram variabel masing- masing variabel penelitian yang digunakan lampiran 3 adalah secara umum berbentuk
“moderat positif skewness” sehingga bentuk transformasi digunakan adalah SQRT x atau akar kuadrat.
Setelah melakukan transformasi maka langkah screening selanjutnya adalah mendeteksi dan mengeluarkan data outlier. Outlier adalah kasus atau data yang memiliki
karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk sebuah variabel tunggal atau variabel
kombinasi. Menurut Gozali 2009, deteksi terhadap univariate oulier dapat dilakukan
Universitas Sumatera Utara
dengan menentukan nilai batas yang akan dikategorikan sebagai data outlier yaitu dengan cara mengkonversi nilai data ke dalam skor standardized atau yang biasa disebut z-score.
Program SPSS 19 yang digunakan dalam penelitian ini, tidak membaca mengeluarkan data yang tidak memiliki nilai z-score dalam hal ini akibat Pertumbuhan perusahaan
negatif. Selanjutnya untuk sampel besar data dinyatakan outlier jika nilai z-score berada antara 3 sampai dengan 4, dimana menurut Hair Gozali, 2009 sampel kecil mempunyai
data 80. Dengan melakukan tehnik screening sesuai kriteria tersebut, maka data penelitain ini yang termasuk dalam kategori data outlier dikeluarkan sebanyak 23 data
sebagaimana terlihat dari selisih N pada tabel 5.2 N=144 dan tabel 5.3 N=121. Hasil uji normalitas data yang telah ditransformasi menggunakan akar kuadrat
SQRT dan pengeluaran data outlier berdasarkan grafik normal Pobability Plot dan uji One-Sample Kolmogorov-Smirnov adalah sebagai berikut :
Gambar 5.2 Uji Normalitas Data - Normal PP-Plot of Regresion Standardized
Residual Setelah Transformasi dan Pengeluaran Data Outlier
Universitas Sumatera Utara
Pada gambar 5.2 di atas terlihat bahwa titik-titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal sehingga dapat disimpulkan bahwa data berdistribusi
normal atau mendekati normal. Berdasarkan uji One-Sample Kolmogorov-Smirnov, diperoleh hasil sebagai
berikut :
Tabel 5.3. Uji Normalitas Data One-Sample Kolmogorov-Smirnov
Setelah Transformasi dan Pengeluaran Data Outlier
Unstandardized Residual
N 121
Normal Parameters
Mean
a,b
.0000000 Std. Deviation
.21559513 Most Extreme
Differences Absolute
.071 Positive
.071 Negative
-.050 Kolmogorov-Smirnov Z
.785 Asymp. Sig. 2-tailed
.569 a. Test distribution is Normal.
b. Calculated from data.
Berdasarkan hasil uji pada tabel 5.3 di atas dapat dilihat nilai signifikansi Asymp. Sig. 2-tailed adalah sebesar 0,569 0,05 yang berarti bahwa data berdistribusi normal.
Dengan demikian berdasarkan grafik normal Pobability Plot dan uji One-Sample Kolmogorov-Smirnov di atas diketahui bahwa setelah transformasi dan pengeluaran data
outlier maka data telah berdistribusi normal.
5.2.2. Hasil Pengujian Multikolonieritas