1.2439980 dengan jumlah pengamatan sebesar 37. Nilai rata-rata perubahan laba menunjukkan rendahnya perubahan laba dalam perusahaan yang diambil
sebagai sampel pada periode pengamatan.
C. Pengujian Asumsi Klasik
Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis. Apabila terjadi
penyimpangan dalam pengujian asumsi klasik perlu dilakukan perbaikan terlebih dahulu.
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah variabel residual berdistribusi normal. Uji statistik yang dapat digunakan untuk menguji apakah residual
berdistribusi normal adalah uji statistik non parametrik Kolmogorov-Smirnov K-S
dengan membuat hipotesis.
H0 : Data residual berdistribusi normal HA : Data residual tidak berdistribusi normal
Apabila nilai signifikansi lebih besar dari 0.05, maka H0 diterima dan sebaliknya jika nilai signifikansi lebih kecil dari 0.05, maka H0 ditolak atau HA
diterima.
Universitas Sumatera Utara
Tabel 4.6 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
PBHN_LABA N
51 Normal Parameters
a
Mean .873604
Std. Deviation 2.7754029
Most Extreme Differences Absolute
.306 Positive
.306 Negative
-.190 Kolmogorov-Smirnov Z
2.184 Asymp. Sig. 2-tailed
.000
Sumber: Data diolah peneliti, 2010
Dari hasil pengolahan data pada tabel 4.6 diperoleh besarnya nilai Kolmogorov- Smirnov adalah 2.184 dan signifikan pada 0.000. Nilai siginifikansi lebih kecil dari
0.05, maka H0 ditolak yang berarti data residual berdistribusi tidak normal. Data yang tidak berdistribusi normal dapat disebabkan oleh adanya data yang outlier
yaitu data yang memiliki nilai yang sangat menyimpang dari nilai data lainnya. Beberapa cara mengatasi data outlier menurut Erlina 106 : 2007 yaitu:
− lakukan transformasi data ke bentuk lainnya,
− lakukan trimming, yaitu membuang data outlier
− lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai
tertentu.
Universitas Sumatera Utara
Untuk mengubah nilai residual agar berdistribusi normal, peneliti melakukan transformasi data ke model logaritma natural Ln dari Perubahan Laba = fCR, DR,
TATO, ITO, ROA, ROE, GPM menjadi Ln_Perubahan Laba = fLn_CR, Ln_DR, Ln_TATO, Ln_ITO, Ln_ROA, Ln_ROE, Ln_GPM. Transformasi data ke dalam
bentuk logaritma natural menyebabkan data yang bernilai negatif tidak dapat ditransformasi sehingga menghasilkan missing values. Setiap data yang terdapat
missing values akan dihilangkan dan diperoleh jumlah sampel yang valid menjadi 37 pengamatan. Kemudian data diuji ulang berdasarkan asumsi normalitas, berikut
ini hasil pengujian dengan Kolmogorov-Smirnov.
Tabel 4.7 Hasil Uji Normalitas Pada Data Setelah Transformasi Logaritma Natural
One-Sample Kolmogorov-Smirnov Test
LN_PBHN_LABA N
37 Normal Parameters
a
Mean -.471852
Std. Deviation 1.2439980
Most Extreme Differences Absolute
.128 Positive
.128 Negative
-.069 Kolmogorov-Smirnov Z
.777 Asymp. Sig. 2-tailed
.581
Sumber: Data diolah peneliti, 2010
Dari hasil pengolahan data pada tabel 4.7 diperoleh besarnya nilai Kolmogorov- Smirnov adalah 0.777 dan signifikan pada 0.581. Nilai signifikansi lebih besar dari
0.05, maka H0 diterima yang berarti data residual berdistribusi normal. Setelah data berdistribusi normal dapat dilanjutkan dengan uji asumsi klasik lainnya. Untuk
Universitas Sumatera Utara
lebih jelas berikut ini dilampirkan grafik histogram dan grafik p-plot data yang telah berdistribusi normal.
Gambar 4.1 Histogram
Sumber: Data diolah peneliti, 2010
Grafik histogram pada gambar 4.1 menunjukkan pola distribusi normal karena grafik tidak menceng kiri maupun menceng kanan. Dengan demikian dapat
Universitas Sumatera Utara
disimpulkan bahwa model regresi telah memenuhi asumsi normalitas. Demikian pula hasil uji normalitas dengan menggunakan grafik normal p-plot.
Gambar 4.2 Grafik Normal P-Plot
Sumber: Data diolah peneliti, 2010
Pada grafik normal p-plot terlihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi
telah memenuhi asumsi normalitas.
Universitas Sumatera Utara
2. Uji Multikolinearitas