70
• Non-Heterokedastisitas, artinya variance variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
4.1.2.1 Uji Normalitas
Pengujian normalitas data dalam penelitian ini menggunakan uji statistik non parametrik Kolmogorov-Smirnov untuk mengetahui apakah data sudah terdistribusi secara
normal atau tidak. Ghozali 2005, memberikan pedoman pengambilan keputusan rentang data mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov- Smirnov
yang dapat dilihat dari: a. Jika nilai signifikansi yang diperoleh 0.05, maka distribusi data tidak normal
b. Jika nilai signifikansi yang diperoleh 0.05 maka distribusi data normal Hipotesis yang digunakan :
• Ho : Data variabel berdistribusi normal • Ha : Data variabel tidak berdistribusi normal
Hasil uji normalitas dengan menggunakan model Kolmogorov-Smirnov adalah seperti yang
ditampilkan berikut ini
Tabel 4.2
UNIVERSITAS SUMATERA UTARA
71
Hasil Uji Normalitas 1
One-Sample Kolmogorov-Smirnov Test
EG DER
DPR PER
N 44
44 44
44 Normal Parameters
a
Mean .3436
.8841 7.3105 13.1689
Std. Deviation .34975 1.32594
45.1477 7.97947 Most Extreme
Differences Absolute
.220 .287
.529 .172
Positive .220
.239 .529
.172 Negative
-.141 -.287
-.436 -.100
Kolmogorov-Smirnov Z 1.460
1.906 3.510
1.140 Asymp. Sig. 2-tailed
.028 .001
.000 .149
Sumber :Lampiran 10 Output SPSS
Berdasarkan hasil uji statistik dengan model Kolmogorov-Smirnov seperti yang terdapat dalam tabel 4.2 dapat diketahui bahwa :
• Nilai K-S untuk variabel EG adalah 1,460 dengan Asymp.Sig.2-tailed 0,028. Nilai tersebut di atas α = 0,05 karena Asymp. Sis 2-tailed α2 0,025. Hal ini berarti bahwa
variabel EG terdistribusi secara normal. Ho diterima dan Ha ditolak. • Nilai K-S untuk variabel DER adalah 1,906 dengan Asymp.Sig.2-tailed 0,001. Nilai
terse but di bawah α = 0,05 karena Asymp. Sis 2-tailed α2 0,025. Hal ini berarti
bahwa variabel DER terdistribusi secara tidak normal. Ho ditolak dan Ha diterima..
UNIVERSITAS SUMATERA UTARA
72
• Nilai K-S untuk variabel DPR adalah 3,510 dengan Asymp.Sig.2-tailed 0. Nilai tersebut di
bawah α = 0,05 karena Asymp. Sis 2-tailed α2 0,025. Hal ini berarti bahwa variabel DPR terdistribusi secara tidak normal. Ho ditolak dan Ha diterima.
• Nilai K-S untuk variabel PER adalah 1,140 dengan Asymp.Sig.2-tailed 0,149. Nilai tersebut di atas
α = 0,05 karena Asymp. Sis 2-tailed α2 0,025. Hal ini berarti bahwa variabel PER terdistribusi secara normal. Ho diterima dan Ha ditolak.
Untuk menguji apakah data grafik variabel EG, DER, DPR dan PER memiliki distribusi normal atau tidak, dapat dilakukan dengan menggambarkan kurva histogram dan grafik
Normality Probability Plot yaitu sebagai berikut.
UNIVERSITAS SUMATERA UTARA
73
Gambar 4.1. Histogram
Hasil tampilan kurva histogram di atas dapat kita ketahui bahwa kemiringan kurva cenderung ke kiri, hal ini menunjukkan bahwa data tidak terdistribusi dengan normal.
Selain itu, dari hasil grafik Normal P-Plot Regression dapat juga kita ketahui bahwa titik – titik menyebar jauh dari garis diagonal yang menunjukkan data tidak terdistribusi dengan
normal. Berikut gambar grafik Normal P-Plot Regression.
UNIVERSITAS SUMATERA UTARA
74
Gambar 4.2 Normal P-Plot Regression
Menurut Erlina dan Mulyani 2007 ada beberapa cara mengubah model regresi menjadi normal yaitu :
a. lakukan transformasi data ke bentuk lainnya, b. lakukan trimming, yaitu membuang data outlier,
c. lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu. Untuk mengubah nilai residual agar berdistribusi normal, peneliti melakukan
transformasi data ke model logaritma natural Ln. Setelah itu, data diuji ulang berdasarkan asumsi normalitas. Berikut ini adalah hasil pengujian dengan Kolmogorov - Smirnov setelah
dilakukan transformasi.
UNIVERSITAS SUMATERA UTARA
75
Tabel 4.3 Hasil Uji Normalitas 2
Setelah Transformasi Dengan Logaritma Natural One-Sample Kolmogorov-Smirnov Test
Ln_EG Ln_DER Ln_DPR Ln_PER
N 44
44 44
44 Normal Parameters
a
Mean -1.4172
-.5940 -.8328
2.4139 Std. Deviation
.93591 .87550
1.44743 .58215
Most Extreme Differences
Absolute .085
.106 .194
.071 Positive
.063 .106
.194 .065
Negative -.085
-.059 -.177
-.071 Kolmogorov-Smirnov Z
.553 .704
1.257 .473
Asymp. Sig. 2-tailed .920
.705 .085
.979 Test distribution is Normal.
Sumber : Lampiran 10 Output SPSS
Berdasarkan hasil uji statistik setelah dilakukan transformasi data ke model logaritma natural Ln seperti yang terdapat dalam tabel 4.3 dapat diketahui bahwa nilai signifikansi
variabel EG sebesar 0,920; DER sebesar 0,705; DPR sebesar 0,085; dan PER sebesar 0,979. Nilai signifikansi 2 - tailed variabel EG, DER,DPR, dan PER tersebut di atas lebih dari
0,05. Dengan demikian dapat disimpulkan bahwa data variabel EG, DER, DPR, dan PER adalah berdistribusi normal.
UNIVERSITAS SUMATERA UTARA
76
Hasil pengujian normalitas dengan histogram dan Normal P-Plot Regression Standardized Residual juga dapat dilihat pada gambar berikut:
Gambar 4.3 Histogram setelah transformasi
Sumber : Lampiran 10 Output SPSS
Berdasarkan kurva histogram di atas, dapat dilihat bahwa kurva menyerupai bentuk lonceng yang hampir sempurna dengan kemiringan yang cenderung imbang baik dari sisi kiri
maupun dari sisi kanan, hal ini menunjukkan bahwa data telah terdistribusi secara normal. Menurut Ghozali 2005, pendeteksian normalitas dapat dilakukan dengan melihat
penyebaran data titik pada sumbu diagonal dari grafik Grafik Normal P-P Plot of
UNIVERSITAS SUMATERA UTARA
77
Regression, yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti arah
garis diagonal, hal ini menunjukkan data yang telah terdistribusi normal.
Gambar 4.4 Normal P-P Plot of Regression setelah transformasi
Sumber : Lampiran 10 Output SPSS
Grafik Normal P-P Plot of Regression di atas memperlihatkan titik – titik menyebar
berhimpitan di sekitar diagonal dan ini menunjukkan data dalam model regresi berdistribusi normal. Karena secara keseluruhan data telah terdistribusi secara normal, maka dapat
dilakukan pengujian asumsi klasik lainnya.
UNIVERSITAS SUMATERA UTARA
78
4.1.2.2. Uji Multikolinieritas