4.1.2.1 Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah variabel dependen dan independen yang digunakan dalam penelitian mempunyai ditribusi normal atau
tidak. Model regresi yang layak adalah model yang mempunyai distribusi normal atau mendekati normal. Hasil pengujian normalitas data dapat dilihat pada
Gambar 5.1.
Gambar 4.1. Normal P-Plot
Sumber: Lampiran Output SPSS Pada grafik normal probility Gambar 4.1. menunjukkan titik-titik menjauhi
garis diagonal dan hal ini menunjukkan bahwa residual tidak terdistribusi secara
normal.
Gambar 4.2. Grafik Histogram
Sumber: Lampiran Output SPSS Pada grafik histogram pada gambar diatas tampak bahwa residual
terdistribusi secara tidak normal karena grafik histogram tidak proporsional yaitu melenceng ke kiri. Uji Kolmogorov-Smirnov dapat dilakukan untuk menguji
apakah residual terdistribusi secara normal. Hasil uji Kolmogorov-Smirnov tampak dibawah ini:
Tabel 4.2. One-Sample Kolmogorov-Smirnov Test
SBI RTA
SIZE ROA
DER Unstandardiz
ed Residual N
115 115
115 115
115 115
Normal Parameters
a
Mean 6.5740
.3605 14.5636 16.6870
.2440 .0000000
Std. Deviation
.56708 .46185 1.76851 2.96291E1 .35084
.34456184 Most Extreme
Differences Absolute
.296 .262
.114 .287
.253 .255
Positive .296
.252 .114
.252 .232
.255 Negative
-.234 -.262
-.086 -.287
-.253 -.252
Kolmogorov-Smirnov Z 3.172
2.806 1.225
3.074 2.712
2.730 Asymp. Sig. 2-tailed
.000 .000
.099 .000
.000 .000
Sumber: Lampiran Output SPSS
Berdasarkan uji Kolmogorov-Smirnov diperoleh sig. K-S 0,05 nilai α
yaitu 0,000 0,05 untuk variabel SBI, 0,000 0,05 untuk variabel RTA, 0,099 0,05 untuk variabel SIZE, 0,000 0,05 untuk variabel ROA, 0,000 0,05 untuk
variabel DER dan secara keseluruhan dari Unstandardized Residual sebesar 0,000 0,05. Oleh sebab itu, residual data tidak terdistribusi dengan normal.
4.1.2.2. Uji Normalitas Setelah Transformasi
Berikut ini dijelaskan hasil uji normalitas data setelah ditransformasi menggunakan Logaritma Natural LN. Hasil pengujian normalitas data dapat
dilihat pada Gambar 5.3.
Gambar 4.3. Normal P-Plot Setelah Transformasi Gambar pada tampilan Normal P-Plot memberikan pola distribusi normal
dengan penyebaran secara merata mendekati garis diagonal.
Gambar 4.4. Grafik Histogram Setelah Transformasi
Gambar pada tampilan grafik histogram memberikan pola distribusi normal dengan penyebaran secara merata baik ke kiri maupun ke kanan. Selain
dari gambar diatas, uji normalitas dapat dilakukan dengan uji statistik Kolmogorov Smirnov, yang merupakan pengujian yang paling valid atas
normalitas. Pengujian ini dilakukan terhadap nilai yang dihasilkan dari setiap variabel dengan hasil yang terlihat pada Tabel 4.3. berikut:
Tabel 4.3. One-Sample Kolmogorov-Smirnov Test
SBI.Ln RTA.Ln SIZE.Ln ROA.Ln DER.Ln Unstandard
ized Residual
N 115
114 115
114 115
113 Normal Parameters
a
Mean 1.8795
-1.2559 2.6711
2.2659 -2.0436 .0000000
Std. Deviation .08532
.62975 .12284
1.06174 1.08938 .98134552 Most Extreme
Differences Absolute
.279 .085
.096 .068
.127 .051
Positive .279
.057 .092
.068 .127
.051 Negative
-.250 -.085
-.096 -.068
-.088 -.036
Kolmogorov-Smirnov Z 2.989
.913 1.031
.725 1.358
.545 Asymp. Sig. 2-tailed
.000 .375
.238 .669
.050 .928
Sumber Lampiran Output SPSS Berdasarkan uji Kolmogorov-Smirnov pada data yang ditransformasi
dalam bentuk Logaritma Natural LN diperoleh sig. K-S 0,05 nilai α yaitu
0,000 0,05 untuk variabel SBI, 0,375 0,05 untuk variabel RTA, 0,238 0,05 untuk variabel SIZE, 0,669 0,05 untuk variabel ROA, 0,050 0,05 untuk
variabel DER dan secara keseluruhan dari Unstandardized Residual sebesar 0,928 0,05. Oleh sebab itu, residual data terdistribusi dengan normal sehingga layak
untuk menggunakan statistik parametrik.
4.1.2.3. Uji Multikolonieritas
Kategori