Uji Normalitas Uji Multikolinearitas Sesudah Outlier

66 klasik yang terdiri dari uji normalitas, uji multikolinearitas, uji heteroskedasitas, dan uji autokorelasi.

3.8.1 Statistik Deskriptif

Menurut Situmorang dan Lufti 2014:10, statistik deskriptif berusaha menjelaskan atau menggambarkan berbagai karakteristik data, seperti melihat mean, varians, modus, median, serta distribusi frekuensi. Dalam penelitian ini statistik deskriptif akan memberikan gambaran mengenai perusahaan-perusahaan sektor properti, real estate, dan konstruksi bangunan yang akan diteliti. 3.8.2Uji Asumsi Klasik Untuk melakukan regresi linear berganda, terlebih dahulu dilakukan uji asumsi klasik. Menurut Situmorang dan Lufti 2014:114 uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda yang berbasis ordinary least square OLS. Uji asumsi klasik terdiri dari uji normalitas, multikolonieritas, heteroskedastisitas, dan autokorelasi.

1. Uji Normalitas

Tujuan uji normalitas adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Dengan adanya tes normalitas maka hasil penelitian bisa kita digeneralisasikan pada populasi. Dalam pandangan statistik sifat dan karakteristik populasi adalah terdistribusi secara normal Situmorang dan Lufti, 2014:114-115. Universitas Sumatera Utara 67 Menurut Situmorang dan Lufti 2014:115-120 terdapat beberapa pendekatan dalam uji asumsi klasik, yaitu : 1. Pendekatan Histogram Pendekatan ini digunakan untuk menguji normalitas data dapat dilihat dengan kurva normal yaitu kurva yang memiliki ciri-ciri khusus, salah satu diantaranya adalah bahwamean, mode dan median pada tempat yang sama. Jika ketiga tendensi sentral tersebut tidak teletak pada satu tempat maka berarti bahwa kurva tersebut juling ke kiri atau ke kanan. Ukuran kemiringan puncak kurva ke kiri atau ke kanan tersebut dikenal dengan namakemiringan kurva atau kemencengan kurvaskewness. Kemencengan suatu kurva distribusi data dapat bertanda positif jika kurva juling ke kanan atau bertanda negatif jika kurva juling ke kiri. 2. Pendekatan Grafik PP plot akan membentuk plot antara nilai-nilai teoritis sumbu x melawan nilai-nilai yang didapat dari sampel sumbu y. Apabila plot dari keduanya berbentuk linear dapat didekati oleh garis lurus, maka hal ini merupakan indikasi bahwa residual menyebar normal. Seringkali ditemui bahwa ujung-ujung plot pada PP plot agak menyimpang dari garis lurus. Bila pola-pola titik yang terletak selain di ujung-ujung plot masih berbentuk liniear, meskipun ujung-ujung plot agak menyimpang dari garis lurus, dapat dinyatakan bahwa sebaran data dalam hal ini residual adalah menyebar normal. Universitas Sumatera Utara 68 3. Pendekatan Kolmogrov-Smirnov Pendekatan ini digunakan untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal maka dilakukan uji kolmogrov- smirnov 1 sampel KS dengan melihat data residualnya apakah berdistribusi normal atau tidak. Dengan menggunakan tingkat signifikan α 10. Jika nilai Asymp.Sig 2 tailed nilai signifikan α 10, maka variabel residual berdistribusi normal. Sebaliknya jika nilai Asymp.Sig 2 ta iled nilai signifikansi α 10 , maka variabel residual tidak berdistribusi normal.

2. Uji Heterokedastisitas