1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah variabel residual berdistribusi normal. Uji statistik yang dapat digunakan untuk menguji
apakah residual berdistribusi normal adalah uji statistik non parametrik Kolmogorov-Smirnov K-S dengan membuat hipotesis:
H0 : Data residual berdistribusi normal H1 : Data residual tidak berdistribusi normal
Apabila nilai signifikansi lebih besar dari 0.05, maka H0 diterima dan sebaliknya jika nilai signifikansi lebih kecil dari 0.05, maka H0
ditolak atau H1 diterima.
Tabel 4.6 Hasil Uji Normalitas Sebelum Transformasi Data
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 99
Normal Parameters
a
Mean .0000000
Std. Deviation .18328548
Most Extreme Differences
Absolute .229
Positive .169
Negative -.229
Kolmogorov-Smirnov Z 2.282
Asymp. Sig. 2-tailed .000
Sumber: Data yang diolah penulis, 2009
Dari hasil pengolahan data tersebut, diperoleh besarnya nilai K-S adalah 2,282 dan signifikan pada 0,000. Nilai signifikansi lebih kecil dari
Universitas Sumatera Utara
0,05, maka H0 ditolak yang berarti data residual berdistribusi tidak normal. Data yang tidak berdistribusi normal dapat disebabkan oleh
adanya data yang outlier, yaitu data yang memiliki nilai yang sangat menyimpang dari nilai data lainnya. Beberapa cara mengatasi data outlier
menurut Erlina 2007:106 yaitu: a.
lakukan transformasi data ke bentuk lainnya, b. lakukan trimming, yaitu membuang data outlier,
c. lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu.
Untuk mengubah nilai residual agar berdistribusi normal, penulis melakukan transformasi data ke model logaritma natural Ln yaitu dari
persamaan ROA = fROA menjadi LN_ROA = fLN_ROA. Transformasi data ke dalam bentuk logaritma natural menyebabkan data
yang bernilai negatif tidak dapat ditransformasi sehingga menghasilkan missing values. Setiap data yang terdapat missing values akan dihilangkan
dan diperoleh jumlah sampel yang valid menjadi 87 pengamatan. Kemudian data diuji ulang berdasarkan asumsi normalitas. Berikut ini
adalah hasil pengujian dengan Kolmogorov-Smirnov.
Universitas Sumatera Utara
Tabel 4.7 Hasil Uji Normalitas Setelah Transformasi Dengan Logaritma Natural
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 87
Normal Parameters
a
Mean .0000000
Std. Deviation 1.34872944
Most Extreme Differences Absolute .122
Positive .075
Negative -.122
Kolmogorov-Smirnov Z 1.140
Asymp. Sig. 2-tailed .149
Sumber: Data yang diolah penulis, 2009 Dari hasil pengolahan data pada tabel 4.7 diperoleh besarnya nilai K-
S 1,140 dan signifikan pada 0,149. Nilai signifikan lebih besar dari 0,05, maka H0 diterima yang berarti data residual berdistribusi normal. Setelah
data terdistribusi secara normal, maka dilajutkanlah uji asumsi klasik lainnya. Untuk lebih jelas berikut ini dilampirkan grafik histogram dan
grafik p-plot data yang telah berdistribusi normal.
Universitas Sumatera Utara
Gambar 4.1 Histogram
Sumber: Data yang diolah penulis, 2009 Grafik histogram pada gambar 4.1 menunjukkan distribusi normal
karena grafik tidak menceng kiri maupun menceng kanan. Dengan demikian dapat disimpulkan bahwa model regresi telah memenuhi asumsi
normalitas. Demikian pula hasil uji normalitas dengan menggunakan grafik normal P-Plot.
Universitas Sumatera Utara
Gambar 4.2 Grafik Normal P-Plot
Sumber: Data yang diolah penulis, 2009 Pada grafik normal P-Plot terlihat bahwa model regresi telah
memenuhi asumsi normalitas.
2. Uji Heteroskedastisitas