artinya distribusi data earnings per share tidak baik yaitu nilai penyimpangan data besar. Earnings per share tertinggi terjadi pada
perusahaan Gudang Garam Tbk GGRM tahun 2014 sebesar 2804,08, sedangkan earnings per share terendah terjadi pada
perusahaan Indocement Tunggal Prakasa Tbk INTP tahun 2014 sebesar 1,43.
B. Hasil Penelitian
1. Hasil Uji Asumsi Klasik
a. Hasil Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel penganggu atau residual memiliki distribusi
normal. Model regresi yang baik adalah memiliki distribusi normal atau mendekati normal. Uji statistik yang digunakan untuk menguji
normalitas residual
adalah uji
statistik non-parametrik
Kolmogorov-smirnov K-S. Uji K-S dilakukan dengan membuat hipotesis:
H
o
: Data residual berdistribusi normal H
a
: Data residual tidak berdistribusi normal Pengujian normalitas dilakukan dengan melihat nilai 2-tailed
significant. Data dengan nilai 2-tailed significant lebih besar dari 0,05 maka Ho diterima dimana data tersebut berdistribusi normal.
Sebaliknya, data dengan nilai 2-tailed significant lebih kecil dari
0,05 maka H
o
ditolak dimana data tersebut tidak berdistribusi normal atau tidak memenuhi uji normalitas. Uji normalitas dalam
penelitian ini dapat dilihat pada tabel berikut: Uji normalitas dalam penelitian ini dilakukan 2 kali. Pertama,
dengan menggunakan 36 sampel dan kedua dengan menggunakan 17 sampel. Hasil uji normalitas dengan 36 sampel menunjukkan
bahwa data residual tidak berdistribusi normal, hasil tersebut dapat dilihat pada tabel 4 berikut ini :
Tabel 4. Hasil Uji Normalitas 1
Unstandardized Residual
Kesimpulan
Asymp. Sig. 2-tailed 0,000
Data tidak berdistribusi normal
Sumber: Lampiran 16, halaman 115 Hasil uji normalitas pada tabel 4 menunjukkan bahwa data
residual tidak berdistribusi normal, yaitu nilai 2-tailed significant sebesar 0,000 lebih kecil dari 0,05. Untuk mengatasi masalah
tersebut, penulis melakukan pembuangan outlier yaitu dengan menghilangkan data holding period yang memiliki nilai ekstrim
terlalu tinggi atau terlalu rendah. Pembuangan outlier yang penulis lakukan yaitu pada data holding period yang memiliki nilai
ribuan 2 sampel, data holding period yang memiliki nilai ratusan 5 sampel, data holding period yang memiliki nilai di atas 50 5
sampel, data holding period yang memiliki nilai di atas 40 1