C. Pengujian Asumsi Klasik
Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis.
Apabila terjadi penyimpangan dalam pengujian asumsi klasik perlu dilakukan perbaikan terlebih dahulu. Pengujian asumsi klasik yang telah dilakukan
adalah sebagai berikut.
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah variabel residual berdistribusi normal. Uji statistik yang dapat digunakan untuk menguji
apakah residual berdistribusi normal adalah uji statistik non parametrik Kolmogorov-Smirnov K-S dengan membuat hipotesis:
H0 : Data residual berdistribusi normal H1 : Data residual tidak berdistribusi normal
Dalam uji Kolmogrov Smirnov, pedoman yang digunakan dalam pengambilan keputusan yaitu:
a. Jika nilai signifikansi 0.05 maka distribusi data tidak normal b. Jika nilai signifikansi 0.05 maka distribusi data normal
Universitas Sumatera Utara
Tabel 4.7 Hasil Uji Normalitas Sebelum Transformasi Data
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
132 Normal Parameters
a
Mean .0000000
Std. Deviation .15816098
Most Extreme Differences Absolute
.144 Positive
.138 Negative
-.144 Kolmogorov-Smirnov Z
1.651 Asymp. Sig. 2-tailed
.009
Sumber: Data yang diolah penulis, 2009
Dari hasil pengolahan data tersebut, diperoleh besarnya nilai K-S adalah 1,651 dan signifikan pada 0,009. Nilai signifikansi lebih kecil dari
0,05, maka H0 ditolak yang berarti data residual berdistribusi tidak normal. Data yang tidak berdistribusi normal dapat disebabkan oleh
adanya data yang outlier, yaitu data yang memiliki nilai yang sangat menyimpang dari nilai data lainnya. Beberapa cara mengatasi data outlier
menurut Erlina 2007:106 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. Data residual yang terdistribusi tidak normal juga dapat dilihat melalui
grafik histogram dan grafik Normal P-P Plot berikut ini:
Universitas Sumatera Utara
Gambar 4.1 Grafik Histogram 1
Sumber: Data yang diolah penulis, 2009 Grafik histogram menunjukkan bahwa data residual terdistribusi
tidak normal. Hal ini dilihat dari grafik histogram yang menunjukkan distribusi data tidak mengikuti garis diagonal yang seharusnya. Hal ini
juga didukung dengan hasil uji normalitas dengan menggunakan grafik
Normal P-P Plot . Grafik Normal P-P Plot menunjukkan titik-titik dalam
plot terlihat menyebar jauh dari garis diagonal baik di atas maupun di bawah garis diagonal. Grafik Normal P-P Plot dapat dilihat sebagai
berikut:
Universitas Sumatera Utara
Gambar 4.2 Grafik Normal P-P Plot 1
Sumber: Data yang diolah penulis, 2009
Untuk mengubah nilai residual agar berdistribusi normal, penulis melakukan transformasi data ke model logaritma natural Ln yaitu dari
persamaan ROA = fROA menjadi LN_ROA = fLN_ROA. Transformasi data ke dalam bentuk logaritma normal menyebabkan data
yang bernilai negatif tidak dapat ditransformasi sehingga menghasilkan missing values. Setiap data yang terdapat missing values akan dihilangkan
dan diperoleh jumlah sampel yang valid menjadi 113 pengamatan.
Universitas Sumatera Utara
Kemudian data diuji ulang berdasarkan asumsi normalitas. Berikut ini adalah hasil pengujian dengan Kolmogorov-Smirnov.
Tabel 4.8 Hasil Uji Normalitas Setelah Transformasi Dengan Logaritma Natural
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
113 Normal Parameters
a
Mean .0000000
Std. Deviation 1.24210126
Most Extreme Differences Absolute
.087 Positive
.087 Negative
-.075 Kolmogorov-Smirnov Z
.921 Asymp. Sig. 2-tailed
.365
Sumber: Data yang diolah penulis, 2009
Dari hasil pengolahan data pada tabel 4.8 diperoleh besarnya nilai K-S sebesar 0,921 dan signifikan pada 0,365. Nilai signifikan lebih besar
dari 0,05, maka H0 diterima yang berarti data residual berdistribusi normal. Setelah data terdistribusi secara normal, maka dilajutkanlah uji
asumsi klasik lainnya. Untuk lebih jelas berikut ini dilampirkan grafik histogram dan grafik p-plot data yang telah berdistribusi normal.
Universitas Sumatera Utara
Gambar 4.3 Histogram 2
Grafik Histogram Setelah Data Ditransformasi
Sumber: Data yang diolah penulis, 2009
Grafik histogram pada gambar 4.3 menunjukkan distribusi normal karena grafik tidak menceng kiri maupun menceng kanan. Dengan
demikian dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas. Demikian pula hasil uji normalitas dengan menggunakan
grafik normal P-Plot. Pada grafik Normal P-P Plot, terlihat titik-titik menyebar disekitar garis diagonal serta penyebarannya agak mendekati
dengan garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
Universitas Sumatera Utara
Gambar 4.4 Grafik Normal P-P Plot 2
Grafik Normal P-P Plot Setelah Data Ditransformasi
Sumber: Data yang diolah penulis, 2009
2. Uji Heteroskedastisitas
Kategori