Keterangan: Y = likuiditas rasio cepat ~ quick ratio
= perputaran persediaaan inventory turnover ~ ITO = perputaran aktiva tetap fix asset turnover ~ FATO
4.2.2 Statistik Deskriptif dan Distribusi Variabel
Statistik deskriptif merupakan langkah awal yang dilakukan sebelum melakukan uji asumsi klasik yang berikutnya dilanjutkan dengan analisis
regresi. Statistik deskriptif ini memberikan gambaran mengenai jumlah sampel, nilai minimum, nilai maksimum, nilai rata-rata mean, standar deviasi dan
varians. Berikut ini adalah tabel statistic deskriptif pada penelitian ini yang telah diolah dengan bantuan program SPSS for Windows :
Tabel 4.2.2 Statistik Deskriptif
Descriptive Statistics
N Range
Minimum Maximum
Sum Mean
Std. Deviation Variance Statistic Statistic
Statistic Statistic
Statistic Statistic Std. Error
Statistic Statistic
ITO 144
116.74 .12
116.86 1242.54 8.6287
1.30332 15.63982
244.604 FATO
144 497.58
.03 497.61 2380.02 16.5279
5.50730 66.08764
4.368E3 QR
144 7.50
.08 7.58
185.78 1.2901
.10145 1.21735
1.482 Valid N
listwise 144
Sumber: diolah peneliti melaui program SPSS
Tabel di atas memberikan informasi sebagai berikut: 1. Sampel yang digunakan dalam penelitian berjumlah 144 sampel;
Universitas Sumatera Utara
2. ITO perputaran persediaan memiliki nilai minimum 0,12 dan nilai maksimum 116,86 dengan rentang data range 116,74. Range merupakan
selisih antara nilai maksimum dengan nilai minimum. Total 144 ITO adalah 1.242,54 dengan rata-rata mean 8,6287. Standar deviasi simpangan baku
ITO adalah 15,63982 dengan varians jumlah selisih antar data dengan rata- rata data dan kemudian dibagi dengan jumlah data dikurangi 1 244,604.
3. FATO perputaran aset tetap memiliki nilai minimum 0,03 dan nilai maksimum 497,61 dengan range 497,58. Total 144 FATO adalah 2.380,02
dengan mean 16,5279. Standar deviasi FATO adalah 66,08764 dan varians sebesar 4.368
4. QR quick ratio ~ rasio cepat memiliki nilai minimum 0,08 dan nilai maksimum sebesar 7,58 dengan range 7,50. Total QR dari 144 sampel
adalah 185,78 dengan mean 1,2901. Standar deviasi QR adalah 1,21735 dan varians sebesar 1,482.
Selanjutnya data harus dilihat apakah terdistribusi normal atau tidak . Menurut Ghozali 2005:28 “ walaupun normalitas suatu variabel tidak selalu
diperlukan dalam analisis akan tetapi hasil uji statistik akan lebih baik jika semua variabel berdistribusi normal”. Cara untuk melihat data tersebut
terdistribusi normal atau tidak adalah dengan skewness dan kurtosis, uji Kolmogorov – Smirnov dan melalui grafik.
Universitas Sumatera Utara
4.2.2.1 Skewness dan Kurtosis
Nilai skewness dan kurtosis digunakan untuk mengetahui simetri dan puncak distribusi. Nilai skewness menunjukkan kemencengan suatu grafik.
Variabel yang terdistribusi normal memiliki mean yang berada di tengah- tengah distribusi sehingga grafik akan terlihat simetris dari sisi kanan maupun
dari sisi kiri. Nilai skewness yang baik adalah mendekati angka 0. Berikut ini adalah nilai skewness dan kurtosis pada penelitian ini yang telah diolah dengan
program SPSS: Tabel 4.2.2.1
Nilai Skewness dan Kurtosis
Descriptive Statistics
N Skewness
Kurtosis Statistic
Statistic Std. Error
Statistic Std. Error
ITO 144
5.592 .202
32.793 .401
FATO 144
5.991 .202
36.033 .401
QR 144
2.690 .202
8.775 .401
Valid N listwise 144
Sumber: diolah peneliti melalui program SPSS Berdasarkan tabel di atas dapat dilihat bahwa nilai skewness untuk ketiga
variabel tidak mendekati angka 0, artinya variabel tidak terdistribusi normal.
4.2.2.2 Uji Kolmogorov – Smirnov
Uji Kolmogorov – Smirnov merupakan cara lain untuk mendeteksi normalitas data. Menurut Ghozali 2005: 30 “ Caranya adalah menentukan
terlebih dahulu hipotesis pengujian yaitu:
Universitas Sumatera Utara
Hipotesis Nol Ho : data terdistribusi secara normal
Hipotesis Alternatif Ha : data tidak terdistribusi secara normal”
Hasil uji Kolmogorov – Smirnov pada penelitian ini dapat dilihat sebagai berikut:
Tabel 4.2.2.2 Uji Kolmogorov – Smirnov K-S
One-Sample Kolmogorov-Smirnov Test
ITO FATO
QR N
144 144
144 Normal Parameters
a
Mean 8.6288
16.5279 1.2901
Std. Deviation 1.56398E1 6.60876E1
1.21735 Most Extreme Differences
Absolute .318
.401 .227
Positive .318
.398 .227
Negative -.315
-.401 -.160
Kolmogorov-Smirnov Z 3.822
4.817 2.729
Asymp. Sig. 2-tailed .000
.000 .000
a. Test distribution is Normal.
Sumber : diolah peneliti melalui program SPSS
Nilai K-S untuk variabel ITO 3,822 dengan probabilitas signifikansi 0,00 dan nilainya jauh di bawah α = 0,05 hal ini berarti hipotesis nol ditolak atau
variabel ITO tidak terdistribusi secara normal. Nilai K-S untuk variabel FATO 4,817 dengan probabilitas signifikansi 0,00 dan nilainya jauh di bawah α = 0,05
hal ini berarti hipotesis nol ditolak atau variabel FATO tidak terdistribusi secara normal. Nilai K-S untuk variabel QR 2,729 dengan probabilitas
Universitas Sumatera Utara
signifikansi 0,00 dan nilainya jauh di bawah α = 0,05 hal ini berarti hipotesis nol ditolak atau variabel QR tidak terdistribusi secara normal.
4.2.2.3 Uji distribusi melalui Grafik
Uji grafik juga dapat dilakukan untuk melihat apakah variabel terdistribusi normal atau tidak. Grafik dari ketiga variabel dalam penelitian ini
dapat dilihat sebagai berikut :
Universitas Sumatera Utara
Gambar 4.2.2.3 Grafik Distribusi ITO, FATO dan QR
Sumber : diolah peneliti melalui program SPSS
Universitas Sumatera Utara
Ketiga grafik tersebut memperlihatkan bahwa variabel ITO, FATO dan QR tidak terdistribusi normal . Hal ini terlihat dari kurva yang menceng ke kiri dan
puncak yang tidak berada di angka 0.
4.2.3 Transformasi Data
