c. Variabel perputaran modal kerja memiliki nilai minimum -1,093 dan nilai maksimum 2,942 dengan rata-rata perputaran modal kerja sebesar 7,916
dengan jumlah sampel sebanyak 377 perusahaan. d. Variabel arus kas operasi memiliki nilai minimum -9,E11 dan nilai
maksimum 3,E13 dengan rata-rata arus kas operasi sebesar 5,27E11 dengan jumlah sampel 377 perusahaan.
4.2.2 Uji Asumsi Klasik
Ada beberapa syarat asumsi klasik yang harus dipenuhi agar model persamaan regresi berganda dapat digunakan dalam menganalisis faktor-faktor
yang mempengaruhi likuiditas, antara lain uji normalitas, uji multikolinieritas, uji heteroskedastisitas, dan uji autokorelasi.
4.2.2.1 Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal.
Pengujian normalitas data dalam penelitian ini menggunakan uji statistik non parametrik one-sample kolmogrov smirnov, tingkat
signifikan 5 dengan membuat hipotesis: H
H : data residual berdistribusi normal
1
Apabila nilai signifikansinya lebih besar dari 0,05 maka H : data residual tidak berdistribusi normal
diterima, sedangkan jika nilai signifikansinya lebih kecil dari 0,05 maka H
ditolak.
Hasil Uji Normalitas Sebelum Data di Trimming Grafik Normal P-Plot sebelum data di-
trimming
Gambar 4.1
Hasil uji normalitas dengan menggunakan grafik plot. Pada grafik normal plot, kelihatan titik-titik menyebar di sekitar garis diagonal serta mendekati garis
diagonal sehingga disimpulkan bahwa data dalam model regresi terlihat terdistribusi secara normal. Dari hasil uji normalitas dengan grafik histogram, dan
grafik normal plot, menunjukkan data tidak terdistribusi secara normal.
Histogram sebelum data di- trimming
Gambar 4.2
Dengan cara membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal, dari grafik di atas dapat disimpulkan bahwa
distribusi data tidak normal karena grafik histogram menunjukkan distribusi data tidak mengikuti garis diagonal yaitu menceng ke kiri. Ada beberapa cara
mengubah model regresi menjadi normal menurut Erlina 2009: 106, yaitu : 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 terdistribusi normal, penulis melakukan trimming data. Kemudian data diuji ulang berdasarkan asumsi
normalitas. Berikut ini hasil pengujian Kolmogorov-Smirnov K-S: 1 Analisis Grafik
Uji normalitas yang digunakan dalam analisis grafik ini adalah dengan melihat grafik histogram dan normal probability plot sebagai berikut
Uji Normalitas Setelah Data Di- trimming
Histogram Dependent Variable Likuiditas
Gambar 4.3 Histogram setelah data di-
trimming
Gambar 4.3 menunjukkan bahwa grafik histogram memberikan pola distribusi yang tidak menceng ke kiri atau menceng ke kanan. Hal ini berarti data
residual mempunyai distribusi normal. Uji normalitas dapat juga dilakukan
dengan analisis statistik selain dengan analisis grafik histogram melalui grafik normal p-p plot regression standardized residual seperti yang disajikan pada
Gambar 4.4
Gambar 4.4 Grafik Normal P-Plot setelah data di-
trimming
Gambar 4.4 menunjukkan bahwa titik-titik pada scatter plot mengikuti data di sepanjang garis diagonal. Hal ini menunjukkan bahwa data residual
mempunyai distribusi normal. Uji normalitas dapat juga dilakukan dengan analisis statistik. Analisis statistik memberikan hasil yang lebih akurat dibandingkan
dengan analisis grafik.
2 Analisis Statistik Uji normalitas yang digunakan dalam analisis statistik ini adalah uji
statistik non-parametrik One-Sample Kolmogrov Smirnov. Tabel 4.3 ditampilkan sebagai berikut:
Tabel 4.2 Hasil Uji Normalitas Setelah Data Di-
trimming
Tabel 4.2 memperlihatkan bahwa nilai Asymp.Sig 2-tailed Unstandardized Residual bernilai 0, 118 yang lebih besar dibandingkan dengan taraf nyata
α yaitu 0,05. Hal ini berarti model regresi variabel dependen dan independen
mempunyai distribusi normal.
4.2.2.2 Uji multikolineritas