• Uji Normalitas adalah sebuah uji yang dilakukan dengan
tujuan untuk menilai sebaran data pada sebuah kelompok data atau variabel, apakah sebaran data tersebut berdistribusi normal atau tidak • Berdasarkan pengalaman empiris beberapa pakar statistik, data yang banyaknya lebih dari 30 angka (n > 30), maka sudah dapat diasumsikan berdistribusi normal • Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normal atau tidak, sebaiknya digunakan uji normalitas Lanjutan…
• Karena belum tentu data yang lebih dari 30
bisa dipastikan berdistribusi normal, demikian sebaliknya data yang banyaknya kurang dari 30 belum tentu tidak berdistribusi normal • Uji normalitas yang dapat digunakan diantaranya: uji grafik, Chi-Square, Kolmogorov-Smirnov, Lilliefors dan Shapiro- Wilk Uji Normalitas: Kolmogorov-Smirnov • Buka data Normalitas • Pilih Analyze - Non Parametrik Test - Legacy Dialogs - 1-Sample K-S • Dengan menggunakan tanda → pindahkan profitabilitas dan ukuran perusahaan ke kotak Test Variable List Test Distribution: pilih Normal Klik OK • Jika benar akan menghasilkan output seperti slide di bawah ini. Jika tidak sesuai, proses mengolah data di ulang dari awal dengan cara klik tanda (x) kemudian klik No • Jika sudah yakin benar simpan dengan nama Output Normalitas Output SPSS Analisis
• Jika Sig > 0.05 maka data berdistribusi normal
Jika Sig < 0.05 maka data tidak berdistribusi normal • Sig data untuk profitabilitas adalah 0.200 > 0.05 sehingga data berdistribusi normal • Sig data untuk ukuran perusahaan adalah 0.067 > 0.05 sehingga data berdistribusi normal Uji Linieritas
• Uji Linearitas bertujuan untuk mengetahui apakah dua
variabel mempunyai hubungan yang linear atau tidak secara signifikan • Pengujian ini melihat bagaimana variabel (X) mempengaruhi variabel (Y), baik itu pengaruh berbanding lurus maupun berbanding terbalik • Uji ini biasanya digunakan sebagai prasyarat dalam analisis korelasi atau regresi linier • Uji linieritas yang dapat digunakan diantaranya: uji Durbin Watson d statistik, uji Ramsey dan uji Langrange Multiplier Uji Linieritas: Ramsey Test • Buka data Normalitas • Pilih Analyze – Regression – Linier • Dengan menggunakan tanda → pindahkan variabel profitabilitas ke kotak Dependent dan variabel ukuran perusahaan ke kotak Independent(s) • Pilih Save Pada Influence Statistics pilih DfFit Klik Continues Klik OK • Jika benar akan menghasilkan output seperti slide di bawah ini. Jika tidak sesuai, proses mengolah data di ulang dari awal dengan cara klik tanda (x) kemudian klik No • Jika sudah yakin benar simpan dengan nama Output Linieritas (Old) Output SPSS (Old) Lanjutan… • Kemudian klik (x) akan muncul variabel baru DFF_1 • Pilih Analyze – Regression – Linier • Dengan menggunakan tanda → pindahkan variabel profitabilitas ke kotak Dependent dan variabel ukuran perusahaan, DFF_1 ke kotak Independent(s) Klik OK • Jika benar akan menghasilkan output seperti slide di bawah ini. Jika tidak sesuai, proses mengolah data di ulang dari awal dengan cara klik tanda (x) kemudian klik No • Jika sudah yakin benar simpan dengan nama Output Linieritas (New) Output SPSS (New) Analisis •• Besarnya Rsquare old = 0.423 sedangkan Rsquare new = 0.809, jumlah varibel bebas yang baru masuk adalah 1 yaitu DFF_1 dan n jumlah observasi 20, dan jumlah varibel bebas k persamaan adalah 2. • F hitung = Dimana : m = jumlah varibel bebas yang baru masuk n = jumlah data observasi k = banyaknya varibel bebas dalam persamaan baru Lanjutan… • F hitung = = 0.386/0.0106 = 36.42 • Nilai F hitung = 36.42 kemudian dibandingkan dengan F tabel (lihat tabel F) dengan cara DF1 = k, DF2 = n-k- 1, dalam hal ini DF1=2 dan DF2 =17 dengan tingkat kepercayaan 95% (α = 5%) di dapat nilai 3.5915 Catatan: cara melihat tabel DF1 secara horizontal, tabel DF2 secara vertikal Lanjutan… Lanjutan… • Kriteria : Jika F hitung > F tabel maka H0 ditolak Jika F hitung < F tabel maka H0 diterima H0 = bentuk linier benar H1 = bentuk linier salah • Karena 36.42 > 3.5915 artinya F hitung > F tabel, maka H0 ditolak yang berarti bentuk bukan linier