HASIL PENELITIAN DAN PEMBAHASAN
9. Variabel Penelitian
4.3 Uji Data dan Uji Asumsi Klasik .1 Uji Data .1 Uji Data
4.3.2.1 Uji Normalitas
Uji normalitas dilakukan pada tiap-tiap variabel penelitian untuk mengetahui variabel mana yang memenuhi dan tidak memenuhi asumsi normalitas (variabel tersebut terdistribusi secara normal). Uji normalitas juga dilakukan pada tiap-tiap fungsi dalam korelasi kanonikal untuk mengetahui apakah model regresi yang digunakan memenuhi asumsi normalitas. Uji normalitas dilakukan dengan analisis statistik dan analisis grafik (histogram dan normal probability plot).
Dalam analisis statistik, dilakukan dengan alat uji statistik Kolmogorov Smirnov. Apabila nilai signifikansi > 0,05, berarti variabel terdistribusi secara normal. Hasil output SPSSnya disajikan dalam tabel berikut ini:
Hasil output SPSS pengujian normalitas sebelum transformasi data disajikan pada tabel 4.14 berikut ini:
Tabel 4.14
Uji Normalitas Variabel Sebelum Transformasi Data One-Sample Kolmogorov-Smirnov Test
DAR LDER TIER ROA ROE NPM
N 63 63 63 63 63 63
Normal Mean ,3565 ,1363 12,0725 ,0816 ,1287 ,0729
Parametersa,b Std. Deviation ,08827 ,09145 8,90984 ,05209 ,08743 ,04757
Absolute ,093 ,153 ,176 ,105 ,093 ,118 Most Extreme Positive ,056 ,153 ,176 ,105 ,093 ,118 Differences Negative -,093 -,084 -,096 -,085 -,087 -,096 Kolmogorov-Smirnov Z ,737 1,215 1,394 ,834 ,736 ,935
Asymp. Sig. (2-tailed) ,649 ,104 ,041 ,489 ,650 ,346
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan Tabel 4.14, dapat dilihat bahwa variabel yang terdistribusi secara normal dengan nilai signifikansi di atas 5% adalah variabel DAR (0.649), LDER (0.104), ROA (0.489), ROE (0.650) dan NPM (0.346). Sedangkan variabel TIER dapat dikatakan tidak berdistribusi normal karena nilai signifikansinya berada di bawah 5%, yaitu 0.041.
Menurut Santoso (2014:47), jika sebuah variabel mempunyai sebaran data yang tidak normal, maka ada beberapa perlakuan yang dimungkinkan agar data menjadi normal. Salah satu caranya adalah dengan melakukan transformasi data, misalnya ke bentuk logaritma natural (Ln)
Oleh karena itu, peneliti memutuskan untuk melakukan transformasi data terhadap semua variabel menjadi bentuk Logaritma natural (Ln), agar variabel-variabel dalam penelitian ini memenuhi asumsi normalitas. Setelah itu, dilakukan pengujian ulang dengan metode statistik. Hasil output SPSSnya disajikan pada tabel 4.15 berikut ini:
Tabel 4.15
Uji Normalitas Variabel Setelah Transformasi Data One-Sample Kolmogorov-Smirnov Test
LnDAR LnLDER LnTIER LnROA LnROE LnNPM
N 63 63 63 63 63 63 Mean -1,0651 -2,2697 2,1533 -2,8024 -2,3911 -2,9085 Normal Parametersa,b Std. ,27177 ,82947 ,98292 ,88962 ,97811 ,85541 Deviation Absolute ,104 ,091 ,137 ,151 ,155 ,147 Most Extreme Positive ,066 ,071 ,082 ,106 ,085 ,092 Differences Negative -,104 -,091 -,137 -,151 -,155 -,147 Kolmogorov-Smirnov Z ,822 ,721 1,086 1,200 1,231 1,170
Asymp. Sig. (2-tailed) ,509 ,676 ,189 ,112 ,097 ,129
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan Tabel 4.16, dapat dilihat bahwa seluruh variabel telah terdistribusi secara normal karena nilai signifikansinya berada di atas tingkat kepercayaan 5%, yaitu LnDAR(0.509), LnLDER(0.676), LnTIER(0.189), LnROA(0.112), LnROE(0.097) dan LnNPM(0.129). Hal ini menunjukkan bahwa semua variabel dan fungsi kanonikal telah terdistribusi secara normal.
Selain uji normalitas terhadap variabel secara terpisah, analisis korelasi kanonikal juga mensyaratkan adanya pengujian terhadap tiap-tiap
fungsi dalam korelasi kanonikal. Dalam hal ini, peneliti melakukan uji normalitas dengan analisis statistik dan grafik pada ke tiga fungsi dalam korelasi kanonikal sesuai dengan jumlah variabel dependennya. Hasil output SPSSnya adalah sebagai berikut:
(1) Terhadap variabel dependen ROA
Hasil pengujian normalitas terhadap variabel dependen ROA akan disajikan pada tabel 4.16 berikut ini:
Tabel 4.16
Uji Normalitas LnROA = f(LnDAR,LnLDER,LnTIER) One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 63
Normal Parametersa,b Mean ,0000000
Std. Deviation ,59424910
Absolute ,098 Most Extreme Differences Positive ,044
Negative -,098
Kolmogorov-Smirnov Z ,778
Asymp. Sig. (2-tailed) ,580
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan tabel 4.16, dapat dikatakan bahwa nilai residual dari fungsi LnROA = f(LnDAR,LnLDER,LnTIER) telah terdistribusi secara normal dengan tingkat signfikansi di atas 5% yaitu 0.580.
Uji normalitas fungsi LnROA = f(LnDAR,LnLDER,LnTIER) juga dapat dilihat dari grafik histogram yang akan disajikan pada gambar 4.1
dan normal probability plot yang akan disajikan pada gambar 4.2 berikut ini :
Gambar 4.1
Grafik Histogram LnROA = f(LnDAR,LnLDER,LnTIER) Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan gambar 4.1, terlihat bahwa grafik histogram fungsi LnROA = f(LnDAR,LnLDER,LnTIER) telah terdistribusi secara normal. Dilihat dari grafiknya yang tidak condong ke kiri atau ke kanan.
Gambar 4.2
Normal P-P Plot LnROA = f(LnDAR,LnLDER,LnTIER) Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan gambar 4.2, terlihat bahwa Normal P-P Plot fungsi LnROA = f(LnDAR,LnLDER,LnTIER) telah terdistribusi secara normal. Dilihat dari titik-titiknya yang menyebar di sepanjang garis diagonal.
(2) Terhadap variabel dependen ROE
Hasil pengujian normalitas terhadap variabel dependen ROE akan disajikan pada tabel 4.17 berikut ini:
Tabel 4.17
Uji Normalitas LnROE = f(LnDAR,LnLDER,LnTIER) One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 63
Normal Parametersa,b Mean ,0000000
Std. Deviation ,61145267
Absolute ,080 Most Extreme Differences Positive ,050
Negative -,080
Kolmogorov-Smirnov Z ,636
Asymp. Sig. (2-tailed) ,813
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan tabel 4.17, dapat dikatakan bahwa nilai residual dari fungsi LnROE = f(LnDAR,LnLDER,LnTIER) telah terdistribusi secara normal dengan tingkat signfikansi di atas 5% yaitu 0.813.
Uji normalitas fungsi LnROE = f(LnDAR,LnLDER,LnTIER) juga dapat dilihat dari grafik histogram yang akan disajikan pada gambar 4.3 dan normal probability plot yang akan disajikan pada gambar 4.4 berikut ini :
Gambar 4.3
Grafik Histogram LnROE = f(LnDAR,LnLDER,LnTIER) Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan gambar 4.3, terlihat bahwa grafik histogram fungsi LnROE = f(LnDAR,LnLDER,LnTIER) telah terdistribusi secara normal. Dilihat dari grafiknya yang tidak condong ke kiri atau ke kanan.
Gambar 4.4
Berdasarkan gambar 4.4, terlihat bahwa Normal P-P Plot fungsi LnROE = f(LnDAR,LnLDER,LnTIER) telah terdistribusi secara normal. Dilihat dari titik-titiknya yang menyebar di sepanjang garis diagonal.
(3) Terhadap variabel dependen NPM
Hasil pengujian normalitas terhadap variabel dependen NPM akan disajikan pada tabel 4.18 berikut ini:
Tabel 4.18
Uji Normalitas LnNPM = f(LnDAR,LnLDER,LnTIER) One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 63
Normal Parametersa,b Mean ,0000000
Std. Deviation ,63339415
Absolute ,118 Most Extreme Differences Positive ,054
Negative -,118
Kolmogorov-Smirnov Z ,935
Asymp. Sig. (2-tailed) ,347
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan tabel 4.18, dapat dikatakan bahwa nilai residual dari fungsi LnNPM = f(LnDAR,LnLDER,LnTIER) telah terdistribusi secara normal dengan tingkat signfikansi di atas 5% yaitu 0.347.
Uji normalitas fungsi LnNPM = f(LnDAR,LnLDER,LnTIER) juga dapat dilihat dari grafik histogram yang akan disajikan pada gambar 4.5 dan normal probability plot yang akan disajikan pada gambar 4.6 berikut ini :
Gambar 4.5
Grafik Histogram LnNPM = f(LnDAR,LnLDER,LnTIER) Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan gambar 4.5, terlihat bahwa grafik histogram fungsi LnNPM = f(LnDAR,LnLDER,LnTIER) telah terdistribusi secara normal. Dilihat dari grafiknya yang tidak condong ke kiri atau ke kanan.
Berdasarkan gambar 4.6, terlihat bahwa Normal P-P Plot fungsi LnNPM = f(LnDAR,LnLDER,LnTIER) telah terdistribusi secara normal. Dilihat dari titik-titiknya yang menyebar di sepanjang garis diagonal.
Berdasarkan tabel 4.16–4.18 dan gambar 4.1- 4.6 dapat disimpulkan bahwa ketiga fungsi dalam korelasi kanonial memenuhi asumsi normalitas.