5.3. Uji Asumsi Klasik Hipotesis Pertama Setelah Transformasi
Setelah ditemukan masalah pada uji asumsi klasik sebelumnya, peneliti melakukan transformasi data dengan menggunakan
Log Logaritma sehingga dapat menyelesaikan masalah normalitas serta heteroskedastisitas serta dapat
memenuhi syarat pengujian asumsi klasik. Hasil uji asumsi klasik setelah transformasi dilakukan adalah sebagai berikut :
5.3.1. Uji Normalitas Hipotesis Pertama Setelah Transformasi
a. Analisis Grafik Setelah dilakukan transformasi data maka data tersebut berdistribusi
normal hal ini dapat dilihat melalui analisis grafik seperti pada gambar 5.4:
Gambar 5.4 Normal P-Plot Setelah Transformasi
Sumber : Lampiran 8 Berdasarkan gambar 5.4 menunjukkan titik-titik tidak menyebar jauh dari
titik diagonal sehingga model regresi sudah memenuhi asumsi normalitas.
Universita Sumatera Utara
Pola distribusi normal dapat dilihat juga dengan dari grafik histogram pada gambar 5.5 yang memberikan pola distribusi normal dengan penyebaran secara
merata baik ke kiri maupun ke kanan
Gambar 5.5. Grafik Histogram Setelah Transformasi
Sumber : Lampiran 8 b. Uji Statistik
Uji normalitas bertujuan untuk melihat apakah model regresi, variabel pengganggu atau residual berdistribusi normal. Untuk itu dilakukan uji
one Sample Kolmogorov Smirnov Test. Adapun hasil pengujian terdapat pada tabel
berikut :
Tabel 5.6. Hasil Uji One
– Sample Kolmogorov Smirnov Test
Unstandardized Residual
N 96
Normal Parameters
a,b
,0000000 ,0000000
,78386311 ,78396081
Most Extreme Differences ,044
,044 ,038
,036 -,044
-,044 Kolmogorov-Smirnov Z
,432 Asymp. Sig. 2-tailed
,992 Sumber : Lampiran 8
Universita Sumatera Utara
Dari hasil uji normalitas residual pada Tabel 5.6 dengan uji statistik non parametrik
Kolmogorov Smirnov K-S dengan nilai hasil sebesar 0,432 dan signifikansinya pada 0,992 dan nilainya jauh di atas
= 0,05. Dalam hal ini Ho ditolak yang berarti data residual berdistribusi normal.
5.3.2. Uji Multikolinearitas Hipotesis Pertama Setelah Transformasi
Setelah diadakan transformasi, diperoleh nilai VIF yang lebih kecil dari 10, dan nilai korelasi yang lebih besar dari 0,1. Multikolinearitas terjadi apabila
nilai tolerance 0,10 dan Variance Inflation Factor VIF 10. Hal ini
menunjukkan bahwa variabel independen dalam penelitian ini tidak saling berkolerasi atau tidak ditemukan adanya kolerasi antara variabel independen.
Hasil pengujian terlihat pada tabel 5.7 sebagai berikut :
Tabel 5.7 Hasil Uji Multikolinearitas Setelah Transformasi
Model Collinearity Statistics
Keterangan Tolerance
VIF 1 Constant
LOG_PRO_X1 ,631
1,585 Tidak Terjadi Multikolinearitas LOG_ FCF_X2
,715 1,398 Tidak Terjadi Multikolinearitas
LOG_IOS_X3 ,588
1,701 Tidak Terjadi Multikolinearitas a. Dependen Variabel : log_CD_Y
Sumber : Lampiran 9
Universita Sumatera Utara
5.3.3. Uji Autokolerasi Hipotesis Pertama Setelah Transformasi Tabel 5.8 Autokolerasi