c. non-autokorelasi, artinya kesalahan pengganggu dalam model regresi
tidak saling berkorelasi. d.
homokedastisitas, artinya variance variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
a. Uji Normalitas
Uji data statistik dengan model Kolmogorov-Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak, Santoso
2002:34 memberikan pedoman pengambilan keputusan untuk data yang mendekati atau telah terdistribusi secara normal.
1 apabila nilai signifikansi atau nilai probabilitas 0,05, maka distribusi data
normal, 2
apabila nilai signifikansi atau nilai probabilitas 0,05, maka distribusi data tidak normal.
Hasil uji normalitas dengan menggunakan model Kolmogorov –Smirnov, grafik histogram dan normal probability plot adalah seperti yang ditampilkan berikut ini:
Gambar 4.1 Uji Normalitas data 1
Universitas Sumatera Utara
Gambar 4.2 Uji Normalitas data 2
Tabel 4.2 Uji Normalitas data 3
Sumber: output SPSS, diolah Peneliti,2009
Berdasarkan hasil uji statistik dengan model Kolmogorov-Smirnov seperti yang terdapat dalam tabel 4.2 dapat disimpulkan bahwa data tidak terdistribusi
normal. Hal ini dapat dilihat dari nilai Asymp.Sig.2 tailed Kolmogorov-Smirnov adalah 0.00, karena 0,00 0,05. Ada beberapa cara mengubah model regresi
menjadi normal menurut Erlina 2008:104 yaitu:
Universitas Sumatera Utara
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.
Untuk mengubah nilai residual agar berdistribusi normal, peneliti melakukan transformasi data ke model logaritma natural Ln yaitu dari persamaan ROI = f
Perputaran piutang, Perputaran persediaan menjadi LN_ROI = f LN_Perputaran piutang, LN_Perputaran persediaan. Setelah itu, data diuji ulang berdasarkan
asumsi normalitas. Hasil uji normalitas setelah dilakuk an transformasi data yang tidak normal
tersebut dapat dilihat pada grafik histogram, normal probability plot, dan tabel Kolmogorov-Smirnov Test berikut ini:
Gambar 4.3 Uji Normalitas data 4
Universitas Sumatera Utara
Gambar 4.4 Uji Normalitas data 5
Cara yang digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah dengan desain grafik. Jika data menyebar di sekitar garis
diagonal atau mengikuti arah garis diagonal, atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi
normalitas, demikian sebaliknya. Dari grafik histogram dan normal probability plot pada gambar 4.3 dan
gambar 4.4 di atas terlihat bahwa setelah dilakukan transformasi data menggunakan LN, grafik histogram memperlihatkan pola distribusi yang normal,
dan grafik P-P Plot memperlihatkan titik-titik menyebar di sekitar atau mengikuti arah garis diagonal yang menunjukkan pola distribusi normal.
Universitas Sumatera Utara
Tabel 4.3 Uji Normalitas data 6
Sumber: Output SPSS, diolah peneliti,2009
Bila nilai signifikan 0.05 berarti distribusi data tidak normal. Sebaliknya bila nilai signifikan 0.05 berarti distribusi data normal.
Berdasarkan hasil uji statistik dengan model Kolmogorov-Smirnov seperti yang terdapat dalam tabel 4.3 dapat disimpulkan bahwa data terdistribusi normal.
Hal ini dapat dilihat dari nilai Asymp.Sig.2 tailed Kolmogorov-Smirnov adalah 0.066, karena 0,066 0,05.
Universitas Sumatera Utara
b. Uji multikolinearitas