Jumlah data N masing-masing pada variabel ARTO dan ROA adalah 36 data dan semuanya dinyatakan valid. Ini berarti, tidak ada data yang tidak
validhilang missing. Nilai minimum atau nilai terendah dari data variabel ARTO adalah 0,14
sedangkan nilai minimum atau nilai terendah dari data variabel ROA adalah 0,02.
Nilai maksimum atau nilai tertinggi dari data variabel ARTO adalah 0,60 sedangkan nilai maksimum atau nilai tertinggi dari data variabel ROA adalah
0,07. Rata-rata atau mean atau average adalah nilai total dibagi dengan jumlah
kejadiannya frekuensi. Nilai rata-rata mean dari data variabel ARTO adalah 0,3084, sedangkan nilai rata-rata mean dari data variabel ROA adalah 0,0295.
Deviasi standar standar deviation mengukur rata-rata penyimpangan masing- masing item data terhadap nilai yang diharapkannya Jogiyanto :2005. Deviasi
standar ini juga dapat disebut nilai simpangan baku. Deviasi standar dari variabel ARTO adalah 0,1379, sedangkan deviasi standar dari variabel ROA
adalah 0,0295. Range jarak antara nilai maksimum dengan nilai minimum untuk variabel
ARTO adalah sebesar 0,019, sedangkan range untuk variabel ROA adalah sebesar 0.
2. Uji Normalitas
Universitas Sumatera Utara
Sebelum melakukan uji statistik, maka data yang diolah harus di- screening
terlebih dahulu sebagai langkah awal. Salah satu asumsi penggunaan statistik parametrik adalah asumsi multivaraiate colinearity. Multivariate
Colinearity merupakan asumsi bahwa setiap variabel dan semua kombinasi linear
dari variabel terdistribusi normal. Jika ini dipenuhi, maka nilai residual dari analisis juga berdistribusi normal dan independen yang artinya perbedaan antara
nilai prediksi dan nilai skor yang sesungguhnya atau error akan terdistribusi secara simetris di sekitar nilai mean sama dengan nol. Walaupun normalitas suatu
variabel tidak diperlukan dalam analisis, akan tetapi hasil uji statistik akan lebih baik jika semua variabel berdistribusi normal. Jika variabel tidak terdistribusi
secara normal menceng kekiri atau menceng ke kanan maka hasil uji statistik akan terdegradasi. Pengujian normalitas ini dilakukan dengan uji Kolmogorov-
Smirnov dan terlebih dahulu menentukan hipotesis pengujian yaitu : H0 : Data terdistribusi secara normal
Ha : Data tidak terdistribusi secara normal
Tabel 4.5 One-Sample Kolmogorov-Smirnov Test
ARTO ROA
N 36
36 Normal
Parametersa,b Mean
,3084 ,0295
Std. Deviation ,13790
,01394 Most Extreme
Differences Absolute
,146 ,264
Positive ,146
,264 Negative
-,106 -,168
Kolmogorov-Smirnov Z ,878
1,583 Asymp. Sig. 2-tailed
,425 ,013
a Test distribution is Normal. b Calculated from data.
Universitas Sumatera Utara
Dari tabel diatas , dapat diketahui : Nilai K-S untuk variabel ARTO adalah 0,878 dengan probabilitas signifikan
Asymp. Sis 2-tailed 0,425. Nilai tersebut jauh diatas α = 0,05 karena Asymp.
Sig 2-tailed α2 0,025. Hal ini berarti bahwa variabel ARTO terdistribusi
secara normal. H0 dterima Nilai K-S untuk variabel ROA adalah 1,583 dengan probabilitas signifikan
Asymp. Sis 2-tailed 0,013. Nilai tersebut berada dibawah α = 0,05 karena
Asymp. Sig 2-tailed α2 0,025. Hal ini berarti bahwa variabel ROA tidak
terdistribusi secara normal. Dengan demikian, Ha diterima. Untuk menguji apakah data grafik variabel RTO dan ROA memiliki distribusi
normal atau tidak, dapat dilakukan dengan menggambarkan kurva histogramnya yaitu pada gambar 4.1 sebagai berikut :
Universitas Sumatera Utara
Gambar 4.2 Histogram
Dari hasil tampilan grafik histogram diatas dapat terlihat bahwa data tidak
terdistribusi dengan normal dan menceng ke kiri positive skewness.
Regression Standardized Residual
3 2
1 -1
-2 12.5
10.0 7.5
5.0 2.5
0.0
Histogram
Dependent Variable: ROA
Mean =-2.78E-17 Std. Dev. =0.986
N =36
F R
E Q
U E
N C
y
Universitas Sumatera Utara
Gambar 4.3 Normal P-Plot Regression
Dari grafik Normal P-P plot Regression diatas dapat dilihat titik-titik menyebar jauh dari garis diagonal yang menunjukkan data tidak terdistribusi dengan normal.
Data yang tidak terdistribusi secara normal dapat ditransformasi agar menjadi normal. Oleh karena itu, kedua variabel ditransformasi dengan cara di-log-kan.
Hasil pengolahan data setelah ditransformasikan tersebut dapat dilihat sebagai berikut :
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Expected Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: ROA
Universitas Sumatera Utara
Tabel 4.6 One-Sample Kolmogorov-Smirnov Test
LN_ARTO LN_ROA
Unstandardized Residual
N 36
36 36
Normal Parametersa,b Mean -1,2723
-3,6029 ,0000000
Std. Deviation ,44418
,38205 ,37748775
Most Extreme Differences
Absolute ,126
,177 ,159
Positive ,106
,177 ,159
Negative -,126
-,096 -,085
Kolmogorov-Smirnov Z ,758
1,062 ,954
Asymp. Sig. 2-tailed ,613
,209 ,322
a Test distribution is Normal. b Calculated from data.
Berdasarkan tabel diatas dapat disimpulkan bahwa setelah kedua variabel yaitu
ARTO dan ROA di transformasi, maka kedua variabel dan juga nilai residual berdistribusi normal dengan nilai 0,954 dan signifikansi 0,322 0,05. Dengan
demikian maka Ho diterima yang berarti bahwa data terdistribusi dengan normal. Hasil pengujian normalitas dengan Histogram dan Normal P-Plot
Regression Standardized Residual ini juga dapat dilihat pada gambar berikut :
Universitas Sumatera Utara
Gambar 4.4 Histogram
Histogram pada gambar diatas menggambarkan data berdistribusi normal dan berbentuk simetris karena tidak menceng kekanan atau kekiri.
Regression Standardized Residual
3 2
1 -1
-2
Frequency
10 8
6 4
2
Histogram
Dependent Variable: LN_ROA
Mean =1.53E-15 Std. Dev. =0.986
N =36
Universitas Sumatera Utara
Gambar 4.5 Normal P-P Plot Regression Standardized Residual
Grafik Normal P-P Plot Regression Standardized Residual diatas memperlihatkan titik-titik menyebar berhimpitan disekitar diagonal dan ini
menunjukkan data dalam model regresi berdistribusi normal.
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Expected Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: LN_ROA
Universitas Sumatera Utara
3. Uji Parametrik
