Dimana : Y
= Tingkat likuiditas a
= Konstanta b1, b2
= Koefisien regresi X1
= Tingkat pertumbuhan piutang X2
= Tingkat perputaran piutang e
= Tingkat kesalahan penggangu
2. Pengujian Asumsi Klasik
Peneliti menggunakan pengujian asumsi klasik yang meliputi :
a. Uji Normalitas
Menurut Ghozali 2005, “uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki
distribusi normal”. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak menurut Ghozali 2005, yaitu : analisis
grafik dan analisis statistik. i Analisis Grafik
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data
observasi dengan distribusi yang mendekati distribusi normal. Metode yang lebih handal adalah dengan melihat normal
probability plot yang membandingkan distribusi kumulatif dan distribusi normal. Distribusi normal akan membentuk satu garis
lurus diagonal dan plotnya data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis
yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
Universitas Sumatera Utara
ii Analisis statistik Uji statistic sederhana dapat dilakukan dengan melihat nilai
kurtosis dan nilai Z-skewness. Uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistic
non parametric Kolmogorov-Simrnov K-S.
Pedoman pengambilan keputusan tentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov-Smirnov dapat
dilihat dari : - nilai Sig. Atau signifikan atau probabilitas 0,05, maka distribusi
data adalah tidak normal, - nilai Sig, atau signifikan atau probabilitas 0,05, maka distibusi
data adalah normal.
• Transformasi Data Oleh karena pengujian data asli dari setiap perusahaan menghasilkan
data yang tidak terdistribusi secara normal, maka peneliti melakukan transformasi data dengan tujuan agar data menjadi normal. Setelah
melakukan transformasi data untuk mendapatkan normalitas, maka langkah selanjutnya adalah mendeteksi ada atau tidaknya outlier.
b. Uji Multikolinearitas
Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Dalam hal ini kita sebut
variabel-variabel bebas ini tidak ortogonal. Variabel-variabel bebas yang bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi di
Universitas Sumatera Utara
antara sesamanya sama dengan nol. Jika terjadi korelasi sempurna di antara sesama variabel bebas, maka konsekuensinya adalah: 1 Koefisien-
koefisien regresi menjadi tidak dapat ditaksir. 2 Nilai standar error setiap koefisien regresi menjadi tak terhingga. Pengujian ini bermaksud untuk
menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka dinamakan terdapat
problem multikolinearitas. Ada dua cara yang dapat dilakukan jika terjadi multikolinearitas, yaitu: a Mengeluarkan salah satu variabel dari model
regresi. b Menggunakan metode lanjut seperti Regresi Bayesian atau Regresi Ridge. Menurut Ghozali dalam Erlina 2007,
pengujian multikolinearitas dilakukan dengan melihat nilai VIF dan korelasi di antara variabel independen. Jika nilai VIF lebih
besar dari 2, maka terjadi multikolinearitas di antara variabel independen. Di samping itu, suatu model dikatakan terdapat gejala
multikolinearitas jika korelasi di antara variabel independen lebih besar dari 0,9.
c. Uji Heterokedastisitas