2. Variabel Debt to Equity Ratio DER mempunyai nilai minimum -3.91, nilai
maksimum 1.84, nilai rata-rata -0.5580, dan standar deviasi 1.37722 dengan jumlah pengamatan sebanyak 69.
3. Variabel Total Asset Turnover TATO mempunyai nilai minimum -3.68, nilai
maksimum -0.11, nilai rata-rata -1.8042, dan standar deviasi 0.81395 dengan jumlah pengamatan sebanyak 69.
4. Variabel Return on Equity ROE mempunyai nilai minimum -6.08, nilai
maksimum 3.78, nilai rata-rata -2.4976, dan standar deviasi 1.55637 dengan jumlah pengamatan sebanyak 54.
5. Variabel Market Value of Equity MVE mempunyai nilai minimum 18.60, nilai
maksimum 32.95, nilai rata-rata 27.7074, dan standar deviasi 1.72631 dengan jumlah pengamatan sebanyak 69.
C. Pengujian Asumsi Klasik
Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis. Apabila
terjadi penyimpangan dalam pengujian asumsi klasik perlu dilakukan perbaikan terlebih dahulu.
1. Uji Normalitas
Menurut Ghozali 2005:110, cara untuk mendeteksi apakah residual berdistribusi normal atau tidak ada dua, yaitu analisis grafik dan analisis statistik. Normalitas dapat
Universitas Sumatera Utara
dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dan grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusannya adalah:
1. jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola berdistribusi normal, maka model
regresi memenuhi asumsi normalitas. 2. jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal
atau grafik histogram tidak menunjukkan data berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Hasil uji grafik dalam penelitian ini menunjukkan distribusi residual yang tidak normal, yaitu bentuk normal probability plot yang menunjukkan titik-titik dalam plot
terlihat menyebar jauh dari garis diagonal baik diatas maupun dibawah garis diagonal.
Gambar 4.1 Normal Probability Plot 1
Sumber : Hasil Olahan Data oleh Penulis, 2010
Universitas Sumatera Utara
Selain uji grafik, dilakukan juga uji Kolmogorov-Smirnov K-S dengan membuat hipotesis.
H0 : Data residual berdistribusi normal HA : Data residual tidak berdistribusi normal
Apabila nilai signifikansi 0,05 dengan α = 5, berarti distribusi data normal dan H0
diterima, sebaliknya bila nilai signifikansi 0,05 berarti distribusi data tidak normal dan HA diterima.
Tabel 4.5 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
69 Normal Parameters
a
Mean .0008492
Std. Deviation 2.41106185E13
Most Extreme Differences Absolute
.387 Positive
.387 Negative
-.358 Kolmogorov-Smirnov Z
3.214 Asymp. Sig. 2-tailed
.000
Sumber : Data diolah Penulis, 2010
Dari hasil pengolahan data pada tabel diperoleh besarnya nilai Kolmogorov- Smirnov adalah 3.214 dan signifikan pada 0.000. Nilai signifikansi lebih kecil dari 0,05,
maka H0 ditolak yang berarti data residual berdistribusi tidak normal. Data yang tidak normal dapat disebabkan oleh adanya adanya data ourlier yaitu data yang memiliki
nilai yang sangat menyimpang dari nilai data lainnya.
Universitas Sumatera Utara
Cara untuk mengatasi data outlier menurut Erlina 2008:106 yaitu: 1.
Lakukan transformasi data ke bentuk lainnya 2.
Lakukan trimming, yaitu membuang data outlier 3.
Lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu. Tindakan perbaikan yang dilakukan dalam penelitian ini menggunakan
transformasi seluruh variabel penelitian dalam bentuk logaritma natural Ln dari MVE= fCR, DER, TATO, ROE menjadi Ln_MVE = fLn_CR, Ln_DER, Ln_TATO,
Ln_ROE. Bentuk ini menyebabkan data yang bernilai negatif tidak dapat ditransformasi sehingga jumlah sampel yang valid menjadi 54 pengamatan.
Setelah dilakukan transformasi data maka hasil uji normalitas data dapat dilihat pada grafik normal probability plot dan Tabel Kolmogorov Smirnov sebagai
berikut:
Universitas Sumatera Utara
Gambar 4.2 Normal Probability Plot 2
Sumber : Hasil Olahan Data oleh Penulis, 2010
Tabel 4.6 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 54
Normal Parameters
a
Mean .0000000
Std. Deviation 1.27290429
Most Extreme Differences Absolute .089
Positive .065
Negative -.089
Kolmogorov-Smirnov Z .653
Asymp. Sig. 2-tailed .788
Sumber : Data diolah Penulis, 2010
Universitas Sumatera Utara
Dari hasil pengolahan data diperoleh besarnya nilai
Kolmogorov-Smirnov adalah 0.653 dan signifikan pada 0.788. Nilai signifikasi ini lebih besar dari 0.05, maka H0 diterima yang berarti data residual berdistribusi normal.
Setelah data berdistribusi normal dapat dilanjutkan dengan uji asumsi lainnya.
2. Uji Multikolonieritas
