dibandingkan nilai standar deviasi, hal ini menunjukkan bahwa data terdistribusi kurang baik.
Employee Productivity EP mempunyai nilai minimum sebesar 0,29 dan nilai maksimum sebesar 797,70. Sementara nilai standar deviasi sebesar
174,74030 dan nilai rata-rata sebesar 134,4411. Nilai rata-rata lebih kecil dibandingkan nilai standar deviasi, hal ini menunjukkan bahwa data terdistribusi
kurang baik. Umur Perusahaan mempunyai nilai minimum sebesar 19 tahun dan nilai
maksimum sebesar 96 tahun. Sementara nilai standar deviasi sebesar 16,91918 dan nilai rata-rata sebesar 39,4167. Nilai rata-rata lebih besar dibandingkan nilai
standar deviasi, hal ini menunjukkan bahwa data terdistribusi dengan baik. Ukuran Perusahaan mempunyai nilai minimum sebesar 4,68 dan nilai
maksimum sebesar 8,33. Sementara nilai standar deviasi sebesar 0,58652 dan nilai rata-rata sebesar 6,6531. Nilai rata-rata lebih besar dibandingkan nilai
standar deviasi, hal ini menunjukkan bahwa data terdistribusi dengan baik.
4.2.2 Uji Asumsi Klasik
Penelitian ini menggunakan data sekunder, maka untuk menentukan ketepatan model perlu dilakukan pengujian atas beberapa uji asumsi klasik yang
digunakan antara lain: Uji Normalitas, Uji Heteroskedastisitas, Uji Autokorelasi, dan Uji Multikolinieritas.
4.2.2.1 Uji Normalitas
Uji normalitas adalah uji yang digunakan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi
Universitas Sumatera Utara
data dengan bentuk seperti lonceng. Penelitian ini menggunakan pendekatan histogram, grafik, dan Kolmogorov-Smirnov untuk menguji data normalitas.
Sumber: Hasil Penelitian, 2014 data diolah
Gambar 4.1 Hasil Uji Normalitas Histogram
Pada Gambar 4.1 terlihat bahwa data variabel dependen yaitu VAIC terdistribusi normal, karena bentuk kurva memiliki kemiringan yang cenderung
seimbang dan kurva berbentuk menyerupai lonceng. Cara lain untuk menguji normalitas data dengan grafik yakni dengan melihat penyebaran data titik pada
garis diagonal dari grafik normalitas Normal P-P Plot. Jika data menyebar di sekitar garis diagonal, maka dapat disimpulkan bahwa data berdistiribusi normal.
Namun, jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal, maka dapat disimpulkan bahwa data tidak berdistribusi normal.
Universitas Sumatera Utara
Sumber: Hasil Penelitian, 2014 data diolah
Gambar 4.2 Hasil Uji Normalitas Normal P-P Plot
Pada Gambar 4.2 Normal Probability Plot dapat disimpulkan bahwa model regresi memenuhi asumsi normalitas, karena data menyebar di sekitar garis
diagonal dan penyebaran data searah mengikuti garis diagonal.
Tabel 4.2 Hasil Uji Normalitas Sebelum Transformasi Data
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 144
Normal Parameters
a,b
Mean .0000000
Std. Deviation 4.27067119
Most Extreme Differences Absolute
.156 Positive
.156 Negative
-.083 Kolmogorov-Smirnov Z
1.867 Asymp. Sig. 2-tailed
.002
Universitas Sumatera Utara
a. Test distribution is Normal. b. Calculated from data.
Pada Tabel 4.2 diketahui bahwa nilai Asymp.Sig. 2-tailed adalah 0,002 di bawah batas nilai signifikan 5 0,05. Dengan kata lain variabel residual tidak
berdistribusi normal. Sehingga dilakukan transformasi data, dengan mengubah seluruh data variabel menjadi bentuk logaritma natural Ln.
Tabel 4.3 Hasil Uji Normalitas Sesudah Transformasi Data
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 144
Normal Parameters
a,b
Mean .0000000
Std. Deviation .44788056
Most Extreme Differences Absolute
.086 Positive
.086 Negative
-.053 Kolmogorov-Smirnov Z
1.035 Asymp. Sig. 2-tailed
.234 a. Test distribution is Normal.
b. Calculated from data.
Pada Tabel 4.3 diketahui bahwa nilai Asymp.Sig. 2-tailed adalah 0,234 di atas batas nilai signifikan 5 0,05. Dengan kata lain variabel residual telah
terdistribusi secara normal.
4.2.2.2 Uji Heteroskedastisitas
