a. Analisis Grafik
Regression Standardized Residual
12 10
8 6
4 2
-2
F re
q u
e n
c y
60
40
20
Histogram Dependent Variable: Debt to Total Asset Ratio
Mean =-3.69E-16 Std. Dev. =0.989
N =140
Gambar 4.1 Histogram
Dari grafik histogram yang terdapat pada gambar 4.1 dapat dilihat bahwa distribusi tidak normal dimana terlihat titik-titik menjauhi garis
normal, sehingga penulis melakukan transformasi data ke bentuk Logaritma Natural.
Universitas Sumatera Utara
Regression Standardized Residual
6 4
2 -2
-4
F re
q u
en cy
40 30
20 10
Histogram Dependent Variable: Debt to Total Asset Ratio
Mean =-5.01E-16 Std. Dev. =0.987
N =117
Gambar 4.2 LN Histogram
Setelah dilakukan transformasi ke dalam bentuk Logaritma Natural, garfik histogram menunjukkan perubahan distribusi menjadi normal, hal
ini dapat dilihat dalam gambar 4.2
Universitas Sumatera Utara
b. Analisis Normal Probability Plot
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E x
p e
c te
d C
u m
P ro
b
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Debt to Total Asset Ratio
Gambar 4.3 Normal Probability Plot
Dengan melihat tampilan grafik normal p-plot dapat disimpulkan bahwa distribusi normal tidak normal, sehingga penulis melakukan transformasi
data ke model logaritma Natural.
Universitas Sumatera Utara
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E x
p e
c te
d C
u m
P ro
b
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Debt to Total Asset Ratio
Gambar 4.4 LN Normal Probability Plot
Setelah dilakukan transformasi data maka grafik normal probability plot yang terdapat dalam gambar 4.4 menunjukkan bahwa data
berdistribusi normal.
Universitas Sumatera Utara
c. Uji statistik non-parametik Kolomogorov-Smirnov K-S
Uji data statistik dengan model Kolmogorov-Smirnov dilakukan untuk mengetahui apakah daat sudah terdistribusi secara normal atau tidak,
dengan membuat hipotesis sebagai berikut Ho : data terdistribusi nornal
Ha : data residual terdistribusi tidak normal
Tabel 4.2 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 140
Normal Parametersa,b
Mean .0000000
Std. Deviation 3.80745523
Most Extreme Differences
Absolute .304
Positive .304
Negative -.256
Kolmogorov-Smirnov Z 3.596
Asymp. Sig. 2-tailed .000
a Test distribution is Normal. b Calculated from data.
Berdasarkan hasil uji statistik dengan model Kolmogorov-Smirnov seperti yang terdapat dalam tabel 4.2 dapat disimpulkan bahwa daat tidak
terdistribusi secara normal. Hal ini dapat dilihat dari Asymp. Sig. 2-tailed adalah 0.0000.05 maka Ho ditolak, data tidak terdistribusi normal.
Untum itu penulis melakukan transformasi data.
Universitas Sumatera Utara
Tabel 4.3 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 117
Normal Parametersa,b
Mean .0000000
Std. Deviation .77373672
Most Extreme Differences
Absolute .096
Positive .096
Negative -.092
Kolmogorov-Smirnov Z 1.035
Asymp. Sig. 2-tailed .234
a Test distribution is Normal. b Calculated from data.
Setelah dilakukan transformasi data maka hasil uji Kolmogorov- Smirnov seperti terlihat dalam tabel 4.3 menunjukkan nilai Asymp. Sig.
2-tailed lebih besar dari 0.05 yaitu sebesar 0.234, maka Ho diterima dan data berdistribusi normal.
2. Uji Multikolinearitas