37
Berdasarkan hasil statistik deskriptif pada table 4.1 di atas menunjukkan bahwa variabel struktur modal memiliki nilai minimum sebesar 0,108242,
nilai maksimum sebesar 2,137302, nilai rata-rata 0,731768, dan standar deviasinya sebesar 0,472883. Variabel kinerja keuangan memiliki nilai
minimum sebesar 0,005548, nilai maksimum sebesar 174,515954, nilai rata- rata sebesar 2,657288, dan standar deviasinya sebesar 20,540534. Variabel
keputusan investasi memiliki nilai minimum sebesar 2,932098, nilai maksimum sebesar 69,498069, nilai rata-rata sebesar 19,546919 dan standar
deviasinya sebesar 10,769800. Variabel nilai perusahaan memiliki nilai minimum sebesar 0,36, nilai maksimum sebesar 46,63, nilai rata-rata sebesar
5,4111 dan standar deviasinya sebesar 8,63376.
4.3. Uji Asumsi Klasik
4.3.1. Uji Normalitas
Uji normalitas digunakan untuk menguji apakah dalam model regresi kedua variabel variabel dependen dan variabel independen
mempunyai distribusi normal atau tidak. Model regresi yang baik adalah datanya terdistribusi normal atau setidaknya mendekati normal. Analisis
grafik merupakan cara yang mudah untuk mendeteksi normalitas yaitu dengan melihat penyebaran data titik pada sumbu diagonal dari grafik
normal probability plot. Pengambilan keputusan dalam uji normalitas menggunakan analisis grafik ini didasarkan pada :
38
• Jika data menyebar di sekitar garis diagonal dan mengikuti garis diagonal, maka model regresi memenuhi asumsi
normalitas. • Jika data menyebar jauh dari diagonal dan atau tidak
mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Untuk melengkapi hasil analisis grafik normal probability plot digunakan uji statistic non-parametrik Kolomogorov-Smirnoc K-S. Pada
uji statistic one-sample Kolmogorov Smirnov dapat dilihat probabilitas signifikan terhadap variabel. Jika probabilitas signifikan diatas 0,05, maka
variabel tersebut terdistribusi secara normal Ghozali, 2013.
Uji normalitas dalam penelitian ini dapat dilihat pada tabel 4.2. berikut ini:
Tabel 4.2 Hasil Uji Normalitas Data
Berdasarkan tabel 4.2, diketahui nilai probabilitas atau Asymp. Sig. 2- tailed sebesar 0,476. Nilai probabilitas sebesar 0,476 lebih besar
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 72
Normal Parameters
a,b
Mean .0000000
Std. Deviation 6.51898677
Most Extreme Differences Absolute
.112 Positive
.112 Negative
-.069 Kolmogorov-Smirnov Z
.951 Asymp. Sig. 2-tailed
.476
39
dibandingkan tingkat signifikansi yaitu 0,05. Hal ini berarti asumsi normalitas terpenuhi.
Uji normalitas juga dapat menggunakan pendeketan analisis grafik, yaitu Normal Probability Plot dan Histogram. Pada pendekatan Normal
Probability Plot, jika titik-titik menyebar jauh maka diindikasi asumsi normalitas tidak dipenuhi. Jika titik-titik menyebar sangat dekat dengan
garis diagonal, maka asumsi normalitas dipenuhi. Sedangkan untuk pendekatan Histogram, jika kurva berbentuk kurva normal, maka asumsi
normalitas dipenuhi. Berikut adalah grafik histogram dan plot data yang terdistribusi normal.
Gambar 4.1 Uji Normalitas Histogram
Sumber: Lampiran 6
40
Dari gambar 4.1 diatas menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data mengikuti garis diagonal yang tidak
menceng skewness kiri maupun menceng skewness kanan.
Gambar 4.2 Grafik P-Plot
Sumber: Lampiran 6
Dengan melihat tampilan grafik normal plot dapat disimpulkan bahwa grafik normal plot terlihat titik-titik menyebar disekitar garis
diagonal serta mengikuti arah garis diagonal. Dapat dikatakan bahwa distribusi data model regresi adalah normal.
41
4.3.2. Uji Multikolinearitas