42
adalah 0.0848 dengan standar deviasi sebesar 0.09901. Jumlah data yang digunakan adalah sebanya 48.
4. Variabel nilai perusahaan Y memiliki nilai minimum 0.05 dan nilai maksimum 12.66. Nilai rata-rata dari nilai perusahaan
adalah 2.0128 dengan standar deviasi 2.48116. Jumlah data yang digunakan adalah sebanyak 48.
4.2.2 Pengujian Asumsi Klasik
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda yang berbasis ordinary least square
OLS untuk mengetahui apakah hasil estimasi regresi yang dilakukan tidak
terdapat gejala
heteroskedastisitas, multikolinearitas,
dan autokorelasi. Model regresi akan dapat dijadikan alat estimasi yang tidak
bias jika telah memenuhi persyaratan BLUE best linear unbiased estimator yakni tidak terdapat heteroskedastisitas, tidak terdapat
multikolinearitaas, dan tidak terdapat autokorelasi Sudrajat, 1988:164.
4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki
distribusi normal atau tidak, karena model regresi yang baik adalah model dengan distribusi data normal atau mendekati normal. Untuk
mengetahui apakah data sudah terdistribusi secara normal maka
Universitas Sumatera Utara
43
dilakukan dengan dua cara, yaitu yang pertama dengan analisis statistik melalui uji Kolmogorov-Smirnov, dengan hipotesis
sebagai berikut: H
: data residual berdistribusi normal H
a
: data residual tidak berdistribusi normal Dengan kritreria nilai signifikansi lebih besar dari 0.05 maka H
diterima dan H
a
ditolak, sebaliknya jika nilai signifikansi lebih kecil dari 0.05 maka H
ditolak dan H
a
diterima. Dan cara yang kedua adalah dengan analisis grafik. Berikut ini adalah tabel hasil
uji Kolmogorov-Smirnov:
Tabel 4.2 Hasil Uji Normalitas Sebelum Transformasi Data
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 48
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.84551296
Most Extreme Differences Absolute
.251 Positive
.251 Negative
-.165 Kolmogorov-Smirnov Z
1.738 Asymp. Sig. 2-tailed
.005 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Output SPSS, diolah penulis 2013
Universitas Sumatera Utara
44
Dari tabel 4.2 tersebut, dapat dilihat besarnya nilai Kolmogorov-Smirnov adalah 1.738 dengan nilai signifikansi
sebesar 0.005. Dari hasil ini dapat diketahui bahwa nilai Asymp. Sig. 2-tailed yaitu sebesar 0.005 lebih kecil dari 0.05. Dengan
demikian H ditolak dan H
a
diterima, atau dengan kata lain, data residual tidak berdistribusi normal. Data yang tidak terdistribusi
secara normal, dapat ditransformasikan agar menjadi normal Ghozali, 2005. Oleh karena itu, untuk mengubah data ini menjadi
normal, maka penulis menggunakan metode transformasi data. Salah satu cara yang dapat dilakukan adalah dengan mengubah data
ke dalam bentuk logaritma natural LN. Setelah melakukan transformasi, penulis melakukan pengujian ulang untuk melihat
apakah data residual dalam penelitian ini sudah terdistribusi dengan normal atau tidak. Maka berikut ini disajikan hasil pengujian
normalitas setelah transformasi data:
Universitas Sumatera Utara
45
Tabel 4.3 Hasil Uji Normalitas Setelah Transformasi Data
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 45
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .38007497
Most Extreme Differences Absolute
.098 Positive
.089 Negative
-.098 Kolmogorov-Smirnov Z
.657 Asymp. Sig. 2-tailed
.782 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Output SPSS, diolah penulis 2013
Dari tabel 4.3 tersebut, dapat dilihat bahwa besarnya nilai Kolmogorov-Smirnov setelah dilakukan transformasi data ke dalam
logaritma natural LN adalah sebesar 0.657 dengan nilai Asymp. Sig. 2-tailed sebesar 0.782 lebih besar dari 0.05. dengan
demikian, dapat disimpulkan H diterima dan H
a
ditolak, dengan kata lain data residual telah terdistribusi dengan normal.
Selanjutnya, untuk mengetahui apakah data residual telah terdistribusi dengan normal dengan cara yang kedua, yaitu dengan
analisis grafik. Berikut ini disajikan hasil uji normalitas dengan
Universitas Sumatera Utara
46
analisis grafik, yaitu grafik histogram dan grafik normal probability plot:
Gambar 4.1 Pengujian Normalitas 2
Dari gambar 4.1 dapat dilihat bahwa setelah data ditransformasi ke dalam logaritma natural, garis yang membentuk
grafik histogram tidak melenceng ke kiri dan ke kanan. Grafik histogram berbentuk lonceng, ini menunjukkan bahwa data telah
terdistribusi dengan normal.
Universitas Sumatera Utara
47
Gambar 4.2 Pengujian Normalitas 3
Gambar 4.2 menunjukkan grafik normal priority plot dimana titik-titik data menyebar di sekitar garis diagonal dan
mengikuti arah garis diagonal. Ini berarti data telah terdistribusi dengan normal.
Universitas Sumatera Utara
48
4.2.2.2 Uji Multikolinearitas