a. Uji Normalitas Data
Uji normalitas data bertujuan untuk menguji apakah variabel residual berdistribusi normal atau tidak. Uji statistik yang dapat digunakan untuk
menguji apakah residual berdistribusi normal adalah uji statitstik non parametrik Kolmogorov-Smirnov K-S dengan membuat hipotesis:
H : data residual berdistribusi normal,
Ha : data residual tidak berdistribusi normal. Apabila nilai siginifikansi lebih besar dari 0,05 maka H
diterima dan Ha ditolak, sebaliknya jika nilai signifikansi lebih kecil dari 0,05 maka H
ditolak dan Ha diterima.
Universitas Sumatera Utara
Tabel 4.3 Hasil Uji Normalitas sebelum Transformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 90
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.37102126
Most Extreme Differences
Absolute .235
Positive .235
Negative -.149
Kolmogorov-Smirnov Z 2.225
Asymp. Sig. 2-tailed .000
a. Test distribution is Normal. b. Calculated from data.
Sumber: Output SPSS, diolah penulis, 2010 Dari hasil pengolahan data pada Tabel 4.3 di atas, diperoleh besarnya
nilai Kolmogorov-Smirnov adalah 2,225 dan signifikansi pada 0,000. Nilai signifikansi ternyata lebih kecil dari 0,05 maka Ha diterima yang berarti
data residual tersebut tidak berdistribusi normal. Data yang tidak berdistribusi normal dapat disebabkan oleh adanya data yang outlier, yaitu
Universitas Sumatera Utara
data yang memiliki nilai yang sangat menyimpang dari nilai data lainnya. Beberapa cara mengatasi data outlier yaitu:
− lakukan transformasi data ke bentuk lainnya,
− lakukan trimming, yaitu membuang data outlier,
− lakukan winsorizing, yaitu mengubah nilai data yang outlier ke
suatu nilai tertentu. Untuk mengubah nilai residual agar normal, Peneliti melakukan
transformasi data ke model logaritma natural LN dari PL = fCR,, DER, TATO, GPM menjadi LN_PL = fLN_CR, LN_DER, LN_TATO,
LN_GPM. Setelah dilakukan transformasi data ke model logaritma natural, jumlah sampel observasi berkurang menjadi hanya 72 sampel.
Kemudian data diuji ulang berdasarkan asumsi normalitas, berikut ini hasil pengujian dengan Kolmogorov-Smirnov setelah transformasi.
Universitas Sumatera Utara
Tabel 4.4 Hasil Uji Normalitas Setelah Transformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 72
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.26311117
Most Extreme Differences
Absolute .104
Positive .050
Negative -.104
Kolmogorov-Smirnov Z .883
Asymp. Sig. 2-tailed .416
a. Test distribution is Normal. b. Calculated from data.
Sumber: Output SPSS, diolah penulis, 2010 Dari hasil pengolahan data pada Tabel 4.4 diperoleh besarnya nilai
Kolmogorov-Smirnov adalah 0,883 dan signifikansi pada 0,416. Nilai signifikansi lebih besar dari 0,05 maka H
diterima yang berarti data residual berdistribusi normal. Data yang berdistribusi normal tersebut juga
dapat dilihat melalui grafik histrogram dan grafik normal p-plot data.
Universitas Sumatera Utara
Gambar 4.1 Grafik Histogram
Sumber: Output SPSS, diolah penulis, 2010
Grafik histogram pada Gambar 4.1 menunjukkan pola distribusi normal karena grafik tidak miring ke kiri maupun miring ke kanan.
Demikian pula hasil uji normalitas dengan menggunakan grafik p-plot pada Gambar 4.2 di bawah ini.
Universitas Sumatera Utara
Gambar 4.2 Grafik Normal P-Plot
Sumber: Output SPSS, diolah penulis, 2010
Pada grafik normal p-plot terlihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan
bahwa model regresi telah memenuhi asumsi normalitas.
b. Uji Multikolinieritas