Penulis menyadari bahwa dalam penelitian yang menggunakan data laporan keuangan, sering kali mengalami masalah multikoinieritas. Ada dua
pilihan yang dapat dilakukan jika terjadi masalah multikolinieritas yang serius, yaitu: 1 tidak melakukan sesuatu yang merupakan anjuran dari Blanchard
dimana multikolinieritas secara esensial adalah masalah defisiensi data dan terkadang kita tidak punya pilihan terhadap analisis data yang tersedia, dan 2
mengikuti beberapa kaidah perbaikan multikolinieritas. Salah satu kaidah dari perbaikan multikolinieritas adalah dengan mengeluarkan variabel Situmorang,
dkk., 2010:138. Oleh karena itu, variabel LDER dihilangkan dari model multiregresi. Sehingga, variabel bebas yang akan diuji dan diteliti adalah DAR,
LDAR dan EAR.
1. Uji Normalitas
Uji normalitas data bertujuan untuk menguji apakah variabel independen dan variabel dependen berdistribusi normal. Uji normalitas dilakukan dengan
menggunakan pendekatan Kolmogorv-Smirnov dan pendekatan grafik, yang terdiri dari histogram dan normal probability plot.
Hasil uji normalitas dalam penelitian ini sebelumnya menunjukkan distribusi data yang tidak normal. Hal ini terlihat dari nilai Asymp. Sig. 2-tailed
0.028 yaitu berada dibawah nilai signifikan 0.05. Selain itu, grafik histogram juga terlalu menceng ke arah kanan yang berarti data tidak berdistribusi dengan
normal. Normal Probability Plot juga menunjukkan pola titik-titik yang tidak mengikuti atau mendekati garis diagonal grafik.
Universitas Sumatera Utara
Data yang tidak berdistribusi dengan normal dapat disebabkan oleh adanya data yang outlier, yaitu data yang memiliki nilai yang sangat menyimpang dari
nilai data lainnya. Menurut Situmorang, dkk., 2010:97, ada beberapa cara yang dapat dilakukan jika data menyebar secara tidak normal, yaitu :
a. melakukan transformasi data, misalnya mengubah data menjadi bentuk
logaritma Log atau Logaritma natural Ln, b.
menambah jumlah data, c.
menghilangkan data yang dianggap sebagai penyebab tidak normalnya data, d.
menerima data apa adanya. Agar data berdistribusi dengan normal, penulis melakukan transformasi
data ke dalam bentuk Logaritma natural Ln. Setelah dilakukan transformasi data menjadi Logaritma natural Ln, jumlah sampel n berkurang akibat dari proses
penormalan data, yaitu dari 64 sampel menjadi 42 sampel. Berikut ini hasil uji
normalitas setelah data mengalami transformasi.
Tabel 4.7 Hasil Uji Normalitas
Variabel Nilai Asymp. Sig.
2-tailed Pengambilan
Keputusan
Unstandardized residual
0.895 Variabel residual
berdistribusi normal
Sumber: Hasil olahan SPSS 16.00 diolah
Hasil uji normalitas dengan pendekatan Kolmogorv-Smirnov pada tingkat signifikansi 5 menunjukkan bahwa nilai Asymp. Sig. 2-tailed adalah 0.895
yaitu di atas nilai signifikansi, Hal ini berarti variabel residual berdistribusi normal. Dengan demikian, dapat disimpulkan bahwa model regresi telah
memenuhi uji normalitas.
Universitas Sumatera Utara
2. Uji Heteroskedastisitas