58 Berikut ini perincian data deskriptif yang telah diolah:
a. Variabel LG10_AKO memiliki nilai minimum -0,031517 dan maksimum
4,032879 dengan rata-rata LG10_AKO per lembar saham sebesar 2,00106128 dengan jumlah sampel sebanyak 54 perusahaan.
b. Variabel LG10_AKI memiliki nilai minimum -0,552842 dan nilai
maksimum 1,865222 dengan rata-rata LG10_AKI per lembar saham sebesar 0,35520499 dengan jumlah sampel sebanyak 54 perusahaan.
c. Variabel LG10_AKP memiliki nilai minimum 0,25306 dan nilai
maksimum 3,139923 dengan rata-rata LG10_AKP per lembar saham sebesar 1,79193795 dengan jumlah sampel 54 perusahaan.
d. Variabel LG10_HS memiliki nilai minimum 1,698970 dan nilai
maksimum 5,112270 dengan rata-rata LG10_HS sebesar 2,99624718 dengan jumlah sampel 54 perusahaan.
2. Uji Asumsi Klasik
a. Uji Normalitas
Pengujian normalitas data dalam penelitian ini mengunakan uji statistik non parametrik Kolmogorov-Smirnov K-S dengan membuat hipotesis:
H : Data residual berdistribusi normal
H
a
: Data residual tidak berdistribusi normal Apabila nilai signifikansinya lebih besar dari 0,05 maka H
diterima, sedangkan jika nilai signifikansinya lebih kecil dari 0,05 maka H
ditolak.
Universitas Sumatera Utara
59
Tabel 4.3 Uji Normalitas Sebelum Data Ditransformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 54
Mean .0000000
Normal Parameters
a
Std. Deviation 8.29709327E3
Absolute .270
Positive .270
Most Extreme Differences Negative
-.216 Kolmogorov-Smirnov Z
1.987 Asymp. Sig. 2-tailed
.001 a. Test distribution is Normal.
Sumber: Data yang diolah penulis, 2009.
Dari hasil pengolahan data tersebut, besarnya nilai Kolmogorov-Smirnov adalah 1,987 dan signifikansi pada 0,001 maka disimpulkan data tidak
terdistribusi secara normal karena p = 0,001 0,05. Data yang tidak terdistribusi secara normal tersebut juga dapat dilihat melalui grafik histogram dan grafik
normal plot data.
Gambar 4.1 Histogram sebelum data ditransformasi
Sumber : Data yang diolah penulis, 2009.
Universitas Sumatera Utara
60 Dengan cara membandingkan antara data observasi dengan distribusi yang
mendekati distribusi normal, dari grafik di atas dapat disimpulkan bahwa distribusi data tidak normal karena grafik histogram menunjukkan distribusi data
tidak mengikuti garis diagonal yaitu menceng kekiri positive skewness.
Gambar 4.2 Grafik Normal P-P Plot sebelum data ditransformasi
Sumber: Data yang diolah penulis, 2009.
Demikian pula dengan hasil uji normalitas dengan menggunakan grafik plot. Pada grafik normal plot, terlihat titik-titik menyebar disekitar garis diagonal serta
penyebarannya agak menjauh dari garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal. Dari hasil uji
normalitas dengan Kolmogorov-Smirnov K-S, grafik histogram dan grafik normal plot menunjukkan data tidak terdistribusi secara normal. Ada beberapa
cara mengubah model regresi menjadi normal menurut Jogiyanto 2004:172, yaitu:
Universitas Sumatera Utara
61 4
Dengan melakukan transformasi data, 5
Lakukan trimming, 6
Lakukan winsorizing. Untuk mengubah nilai residual agar berdistribusi normal, penulis melakukan
transformasi data ke model LG10 dari persamaan HS = fAKO, AKI, AKP, menjadi LG10_HS = fLG10_AKO, LG10_AKI, LG10_AKP. Kemudian, data
diuji ulang berdasarkan asumsi normalitas. Berikut ini hasil pengujian Kolmogorov-Smirnov K-S:
Tabel 4.4 Uji Normalitas Setelah Data Ditransformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 54
Mean .0000000
Normal Parameters
a
Std. Deviation .50597621
Absolute .116
Positive .064
Most Extreme Differences Negative
-.116 Kolmogorov-Smirnov Z
.853 Asymp. Sig. 2-tailed
.461 a. Test distribution is Normal.
Sumber: Data yang diolah penulis, 2009.
Dari tabel diatas, besarnya Kolmogorv-Smirnov K-S adalah 0,853 dan signifikansi pada 0,461 sehingga dapat disimpulkan bahwa data dalam model
regresi telah terdistribusi secara normal, dimana nilai signifikansinya 0,05 p = 0,461 0,005. Dengan demikian, secara keseluruhan dapat disimpulkan bahwa
Universitas Sumatera Utara
62 nilai-nilai observasi data telah terdistribusi secara normal dan dapat dilanjutkan
dengan uji asumsi klasik lainnya. Untuk lebih jelas, berikut ini turut dilampirkan grafik histogram dan plot data yang terdistribusi normal.
Gambar 4.3 Histogram setelah data ditransformasi
Sumber: Data yang diolah penulis, 2009.
Gambar 4.4 Grafik Normal P-P Plot setelah data ditransformasi
Sumber: Data yang diolah penulis, 2009.
Universitas Sumatera Utara
63 Dengan cara membandingkan antara data observasi dengan distribusi yang
mendekati distribusi normal, dari grafik di atas dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan distribusi data
mengikuti garis diagonal yang tidak menceng skewness ke kiri maupun ke kanan atau normal.
Demikian pula dengan hasil uji normalitas dengan menggunakan grafik plot. Pada grafik normal plot, terlihat titik-titik menyebar disekitar garis diagonal serta
penyebarannya agak mendekati dengan garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
b. Uji Multikolinearitas