110
suatu model yang lebih representatif. Analisis data uji asumsi klasik dalam penelitian ini antara lain melalui uji normalitas, multikolonieritas,
heteroskedastisitas dan autokorelasi.
a. Uji Normalitas
Uji normalitas pada dasarnya bertujuan untuk menguji apakah dalam model regresi, variabel independen dan variabel dependen atau
keduanya telah terdistribusi secara normal atau tidak. Suatu model regresi yang baik adalah memiliki distribusi data normal atau
mendekati normal. Dalam menguji normalitas suatu nilai residual
umumnya dideteksi dengan grafik atau uji statistik. 1
Analisis Statistik
Pengujian normalitas dengan menggunakan grafik dapat menyesatkan jika tidak hati-hati karena secara visual kelihatan
normal tetapi secara statistik sebaliknya. Pengujian normalitas dengan menggunakan analisis statistik dapat menggunakan dua
metode, yaitu:
a Uji Skewness dan Kurtosis
Uji statistik sederhana dapat dilakukan dengan melihat nilai kurtosis dan skewness dari masing-masing variabel
penelitian baik variabel independen maupun variabel dependen. Skewnes berhubungan dengan simetri distribusi.
Sedangkan kurtosis berhubungan dengan puncak dari suatu
111
distribusi. Hasil uji skewness dan kurtosis dapat dilihat dibawah ini:
Tabel 4.10 Hasil Uji Skewness dan Kurtosis
Sebelum Tranformasi
N Skewness
Kurtosis Zskewness
Zkurtosis KM
140 2.714
6.502 13.109
15.704 KI
140 -.513
-.575 -2.478
-1.388 DPR
140 8.580
87.768 41.446
211.980 CH
140 .244
1.237 1.181
2.987 KA
140 -.738
-1.477 -3.564
-3.567 Q
140 3.574
14.495 17.263
35.008 Unstandardized
Residual 140
3.283 13.195
15.858 31.870
Valid N listwise
140
Sumber : Data sekunder diolah Hasil perhitungan Zskewness dan Zkurtosis beberapa
variabel penelitian jauh diatas nilai tabel yaitu sebesar 1,96
dengan tingkat signifikansi 0,05. Variabel penelitian tersebut adalah kepemilikan manajerial, dividend payout ratio dan
nilai perusahaan. Jadi dapat disimpulkan bahwa data variabel kepemilikan manajerial, dividend payout ratio, dan
nilai perusahaan tidak berdistribusi normal. Untuk mendapatkan hasil yang lebih baik dan valid,
maka selanjutnya adalah melakukan transformasi data mentah ke dalam bentuk natural logaritma dari masing-
masing data yang diuji. Hal ini disebabkan nilai skewness
112
dari data beberapa variabel penelitian yang tidak terdistribusi normal bernilai positif dan bentuk histogram
dari data tersebut berbentuk substansial positive skewness sehingga peneliti melakukan transformasi data dalam bentuk
logaritma natural.
Tabel 4.11 Hasil Uji Skewness dan Kurtosis
Setelah Tranformasi
N Skewness
Kurtosis Zskewness
Zkurtosis Ln.KM
140 .090
-1.429 0.4347779
-3.45164 KI
140 -.513
-.575 -2.478117
-1.38843 Ln.DPR
140 -.559
2.708 -2.700585
6.539646 CH
140 .244
1.237 1.1805986
2.986963 KA
140 -.738
-1.477 -3.56434
-3.56687 Ln.Q
140 .914
1.236 4.4132802
2.985454 Unstandardized
Residual 140
.484 .681
2.3357385 1.644552
Valid N listwise
140
Sumber : Data sekunder diolah Hasil perhitungan Zskewness dan Zkurtosis setelah
transformasi dari data variabel kepemilikan manajerial, dividend payout ratio, dan nilai perusahaan mendekati nilai
tabel yaitu sebesar 1,96 dengan tingkat signifikansi 0,05.
Jadi dapat disimpulkan bahwa data variabel kepemilikan manajerial, dividend payout ratio, dan nilai perusahaan
berdistribusi normal.
113
b Uji Statistik Kolmogrov-Smirnov K-S
Hasil uji normalitas dengan menggunakan uji statistik non parametric kolmogrov-smirnov K-S untuk ukuran
akrual sebelum transformasi menunjukkan nilai Kolmogrov- Smirnov K-S sebesar 2,592 dengan nilai signifikansi 2-
tailed sebesar 0,000. Hasil uji sebelum transformasi menunjukkan bahwa nilai signifikansi di bawah 0,05
α 0,05berarti data yang akan diuji mempunyai perbedaan
yang signifikan dengan data normal baku, berarti data tersebut tidak normal dan Ha ditolak. Sehingga data
penelitian harus dtransformasi Hasil setelah transformasi menunjukkan nilai Kolmogrov-Smirnov K-S sebesar 0,617
dengan nilai signifikansi 2-tailed sebesar 0,841. Hasil ini menunjukkan bahwa nilai signifikansi di atas 0,05
α 0,05 maka berarti tidak terdapat perbedaan yang signifikan antara
data yang akan diuji dengan data normal baku, artinya data yang kita uji normal karena tidak berbeda dengan normal
baku dan Ho diterima. Hal ini menunjukkan bahwa model regresi memenuhi asumsi normalitas karena tingkat
signifikansinya melebihi 0,05 α 0,05.
114
Tabel 4.12 Uji Normalitas : Nilai
Kolmogrov-Smirnov Sebelum Transformasi
Unstandardized Residual
N 140
Normal Parameters
a,b
Mean .0000000
Std. Deviation
2.21831366 Most Extreme
Differences Absolute
.219 Positive
.219 Negative
-.158 Kolmogorov-Smirnov Z
2.592 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
b. Calculated from data. Sumber : Output SPSS 19
Tabel 4.13 Uji Normalitas : Nilai
Kolmogrov-Smirnov Setelah Transformasi
Unstandardized Residual
N 140
Normal Parameters
a,b
Mean .0000000
Std. Deviation .59364747
Most Extreme
Differences Absolute
.052 Positive
.052 Negative
-.037 Kolmogorov-Smirnov Z
.617 Asymp. Sig. 2-tailed
.841 a. Test distribution is Normal.
b. Calculated from data. Sumber : Output SPSS 19
115
2 Analisis grafik Dalam penelitian ini, pengujian analisis grafik dilakukan
dengan menggunakan metode Probability Plot P-Plot atau model Uji Normalitas residual dan Grafik Histogram. Hasil Pengujian ini
dapat dilihat pada gambar 4.1 dan 4.2 berikut ini:
Gambar 4.1 Uji Normalitas : Grafik Normal Plot
Setelah Transformasi
Sumber: Ouput SPSS 19
116
Gambar 4.2 Uji Normalitas : Grafik Histogram
Setelah Transformasi
Sumber: Data sekunder diolah Pada gambar 4.1, grafik normal plot menunjukkan titik-titik
menyebar disekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal. Sedangkan pada gambar 4.2, grafik histogram
memberikan pola distribusi yang mendekati normal. Maka dapat disimpulkan bahwa model regresi dalam penelitian ini telah
terdistribusi secara normal. Terkait dengan data hasil uji normalitas, maka data tersebut akan digunakan dalam pengujian asumsi klasik
yang lainnya dan uji hipotesis selanjutnya.
117
b. Uji Multikolonieritas