Berdiri sendiri, bukan merupakan anak perusahaan atau cabang
perusahaan yang dimiliki, dikuasai, atau berafiliasi baik secara langsung maupun tidak langsung dengan usaha menengah tau
nusaha besar
4.2 Uji Asumsi Klasik
4.2.1 Uji Normalitas
Hasil dari uji normalitas dengan grafik histogram, normal probability plot, serta Kolmogorov-Smirnov Test. Pengujian normalitas
data Kolmogorov-Smirnov K-S dengan membuat hipotesis apabila nilai signifikansinya lebih besar dari 0,05 maka H
o
diterima, sedangkan jika nilai signifikansinya lebih kecil dari 0,05 maka H
o
ditolak.
Tabel 4.1 Uji Normalitas Sebelum Data Ditransformasi
One-Sample Kolmogorov-Smirnov Test
P.Lancar P.Kurang
Lancar P.Diragukan P.Macet
P.Bop N
36 36
36 36
36 Normal Parameters
a,,b
Mean 1.3597E8
5.4083E7 1.6667E7 4.5417E8 5.4154E8
Std.Deviation 6.12860E7
2.18820E7 8.92188E6 2.13239E8 8.78092E8
Most Extreme Differences Absolute
.264 .130
.245 .109
.451 Positive
.226 .130
.245 .109
.451 Negative
-.264 -.108
-.173 -.098
-.316 Kolmogorov-Smirnov Z
1.582 .777
1.469 .652
2.817 Asymp. Sig. 2-tailed
.013 .581
.027 .789
.000 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Data diolah penulis, 2013
Universitas Sumatera Utara
Dari hasil uji normalitas pada tabel 4.1, besarnya nilai Kolmogorov-Smirnov adalah 1.582 dan signifikansi pada 0.013 untuk
piutang lancar, 0.777 signifikansi pada 0.581 untuk piutang kurang lancar, 1.469 dan signifikansi pada 0.27 untuk piutang diragukan,
0.652 signifikansi padana 0.789 untuk piutang macet sedangkan 2.817 signifikansi pada 0.000 untuk beban operasional maka dapat
disimpulkan data tidak terdistribusi secara normal karena semua p 0,05. Data yang tidak terdistribusi secara normal tersebut juga dapat
dilihat melalui grafik histogram dan grafik normal plot.
Gambar 4.1 Histogram sebelum data ditransformasi
Sumber: Diolah dari SPSS
Universitas Sumatera Utara
Gambar 4.2 Grafik Normal P-P Plot sebelum data ditransformasi
Sumber: Diolah dari SPSS
Hasil uji normalitas dengan menggunakan histogram gambar 4.1 maupun uji normalitas dengan menggunakan grafik plot terdapat
data dalam model regresi terdistribusi secara tidak normal. Ada beberapa cara mengubah model regresi menjadi normal
menurut jogiyanto 2004:172 yaitu: a.
Melakukan transformasi data, misalnya mengubah data menjadi bentuk logaritma log atau natural Ln
b. Melakukan trimming, yaitu membuang data outlier.
Universitas Sumatera Utara
c. Melakukan winsorizing, yaitu mengubah nilai data yang outlier ke
suatu nilai tertentu. d.
Menghilangkan data yang dianggap sebagai penyebab tidak normalnya data.
e. Menerima data apa adanya.
Pengubahan nilai residual agar berdistribusi normal dapat dilakukan dengan transformasi data ke model logaritma natural Ln
yaitu dari persamaan Beban Operasional = fBOp menjadi LN_BOp = fLNBOp. Setelah itu, data diuji ulang berdasarkan asumsi normalitas.
Oleh karena itu, dilakukan transformasi data yang tidak terdistribusi secara normal tersebut untuk menormalkannya. Caranya adalah dengan
melakukan LN terhadap semua variabel yang tidak terdistribusi secara normal tersebut.
Tabel 4.2
One-Sample Kolmogorov-Smirnov Test
LN_Lancar LN_KurangLancar LN_Diragukan LN_Macet LN_BOp
N 36
36 36
36 36
Normal Parameters
a,,b
Mean 3.0644
2.4403 2.6830
19.8032 5.0192
Std.Deviation 1.49722
1.65314 1.57292
.55326 1.54241
Most Extreme Differences
Absolute .089
.157 .168
.114 .119
Positive .085
.134 .123
.085 .117
Negative -.089
-.157 -.168
-.114 -.119
Kolmogorov-Smirnov Z .534
.939 1.010
.683 .711
Asymp. Sig. 2-tailed .938
.341 .260
.739 .692
a. Test distribution is Normal. b. Calculated from data.
Sumber: Data yang diolah penulis, 2013
Universitas Sumatera Utara
Bila nilai signifikan 0.05 berarti distribusi data tidak normal. Sebaliknya bila nilai signifikan 0.05 distribusi data normal. Dapat
dilihat dari tabel 4.2 di atas bahwa setelah dilakukan transformasi data dengan LN, semua data variabel yang diuji menjadi normal karena nilai
signifikan Asymp. Sig untuk semua variabel 0.05. dilanjutkan membuat grafik histogram dan plot data pada gambar 4.3 dan 4.4
Sumber: Data diolah penulis, 2013 Gambar 4.3
Histogram sesudah data ditransformasi
Sumber: Diolah dari SPSS
Universitas Sumatera Utara
Gambar 4.4 Grafik Normal P-P Plot setelah data ditransformasi
Sumber: Diolah dari SPSS Grafik histogram dan normal probability plot pada gambar 4.3
dan gambar 4.4 di atas menunjukkan bahwa setelah dilakukan transformasi data menggunakan LN, grafik histogram memperlihatkan
pola distribusi yang normal data menyebar di sekitar garis diagonal atau mengikuti arah garis diagonal, atau grafik histogramnya menunjukkan
pola distribusi normal, maka model regresi memenuhi asumsi normalitas. Grafik P-P Plot memperlihatkan titik – titik menyebar di
sekitar atau mengikuti arah garis diagonal yang menunjukkan pola distribusi normal.
Universitas Sumatera Utara
4.2.2 Uji Multikolinearitas Tabel 4.3
