c. Rata-rata dari likuiditas adalah 2,1790 dengan standard deviasi 1,80581 dan jumlah data yang ada adalah 48. Nilai likuiditas tertinggi adalah 7,82 dan nilai
likuiditas terendah adalah 0,34.
4.2.2 Pengujian asumsi klasik
4.2.2.1 Uji normalitas
Uji normalitas bertujuan untuk menguji apakah variabel residual berdistribusi normal. Pengujian normalitas data dalam penelitian ini mengunakan
uji statistik non parametrik Kolmogorov Smirnov K-S dengan membuat hipotesis:
H : Data residual berdistribusi normal.
H
1
: Data residua l tidak berdistribusi normal Dasar pengambilan keputusan dengan melihat angka probabilitas dengan
aturan: Probabilitas Sig. 0,05 maka Ho diterima.
Probabilitas Sig. 0,05 maka Ho ditolak.
Universitas Sumatera Utara
Tabel 4.3 Uji normalitas sebelum data ditransformasi
One-sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 48
Normal Parameters
a,b
Mean .0000000
Std. Deviation 1.27783744
Most Extreme Differences
Absolute .215
Positive .215
Negative -.118
Kolmogorov-Smirnov Z 1.488
Asymp. Sig. 2-tailed .024
a. Test distribution is Normal. b. Calculated from data.
Hasil analisis metode One-Sample Kolmogorov-Smirnov, menunjukkan bahwa Nilai Kolmogrov – Smirnov sebesar 1,488 dan signifikan pada 0,024
karena Asymp. Sig. 2-tailed 0,024 dari 0,05. Dari hasil yang diproleh maka H
O
ditolak atau H
1
diterima, dengan kata lain data tidak terdistribusi normal. Data yang tidak terdistribusi secara normal tersebut juga dapat dilihat melalui grafik
histogram dan grafik normal plot data.
Universitas Sumatera Utara
Gambar 4.1 Grafik histogram
Sumber : Diolah dari SPSS 2011 Hasil uji normalitas di atas memperlihatkan bahwa pada grafik histogram di atas
distribusi data tidak mengikuti kurva berbentuk lonceng namun distribusi data condong skewness ke kanan atau bisa disimpulkan bahwa data tersebut tidak normal.
Universitas Sumatera Utara
Gambar 4.2 Normal probability plot
Sumber : Diolah dari SPSS 2011 Demikian pula dengan hasil uji normalitas dengan menggunakan grafik plot. Pada
grafik normal plot, terlihat titik-titik tidak menyebar disekitar garis diagonal serta penyebarannya menjauhi garis diagonal sehingga dapat disimpulkan bahwa data dalam
model regresi tidak berdistribusi secara normal. Semua hasil pengujian melalui analisis grafik dan statistik diatas menunjukkan hasil yang sama yaitu data tidak berdistribusi
secara normal, sehingga dilakukan tindakan perbaikan yaitu dengan melakukan
Universitas Sumatera Utara
transformasi seluruh variabel penelitian ke dalam fungsi LN Logaritma Natural. Hasil pengujian data ulang menghasilkan:
Tabel 4.4 Uji normalitas
Setelah transformasi dengan LN One-sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 48
Normal Parameters
a,b
Mean .0000000
Std. Deviation .57522248
Most Extreme Differences Absolute
.137 Positive
.121 Negative
-.137 Kolmogorov-Smirnov Z
.946 Asymp. Sig. 2-tailed
.333 a. Test distribution is Normal.
b. Calculated from data.
Dari transformasi data, maka nilai Kolmograf – Smirnov menjadi 0,946 dan signifikan pada 0,333 sehingga dapat disimpulkan bahwa data dalam model regresi telah
terdistribusi secara normal, dimana nilai signifikansinya lebih dari 0,005 Karena Asymp. Sig. 2-tailed 0,333 dari 0,05. Dengan demikian secara keseluruhan dapat
dilanjutkan dengan uji asumsi klasik lainnya. Untuk lebih jelas, berikut ini turut dilampirkan grafik histogram dan plot data yang terdistribusi normal.
Universitas Sumatera Utara
Gambar 4.3 Grafik Histogram
setelah transformasi dengan LN
Sumber : Diolah dari SPSS 2011 Hasil uji normalitas setelah dilakukan transformasi data di atas memperlihatkan
bahwa pada grafik histogram di atas distribusi data mengikuti kurva berbentuk lonceng yang tidak condong skewness ke kiri maupun condong ke kanan atau bisa disimpulkan
bahwa data tersebut berdistribusi secara normal.
Universitas Sumatera Utara
Gambar 4.4 Normal Probability Plot
Setelah transformasi dengan LN
Sumber : Diolah dari SPSS 2011 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 setelah ditransformasi kedalam bentuk LN juga berdistribusi secara normal.
Universitas Sumatera Utara
4.2.2.2 Uji multikolinearitas
