BAB IV ANALISIS HASIL PENELITIAN
4.2 Analisis Data Penelitian
Analisis deskriptif dari data yang diambil untuk penelitian ini adalah dari tahun 2007 sampai dengan tahun 2010 yaitu sebanyak 48 data pengamatan. Deskripsi variabel dalam statistik deskriptif yang digunakan pada penelitian ini meliputi nilai minimum, maksimum, mean dan standar deviasi dari satu variabel dependen yaitu struktur modal dan empat variabel independen yaitu firm size, growth opportunity, liquidity dan profitability. Statistik deskriptif berkaitan dengan pengumpulan dan peringkat data. Statistik deskriptif menggambarkan karakter sampel yang digunakan dalam penelitian ini. Distribusi statistik deskriptif untuk masing-masing variabel terdapat pada Tabel 4.1 berikut
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation struktur modal(DER) 48 .23 27.04 2.8165 4.75527 firm size 48 18.74 25.45 21.2961 1.66372 growth opportunity 48 -.32 .76 .1335 .20836 Liquidity 48 .67 4.98 1.5909 .83439 Profitability 48 -.22 .37 .0607 .08427 Valid N (listwise) 48
Sumber : data diolah oleh penulis (2011)
Tabel 4.1 menunjukan bahwa rata-rata masing dapat dilihat bahwa selama periode pengamatan, dapat diberi kesimpulan yaitu:
1. Variabel dependen dengan struktur modal yang diukur melalui (debt to equity ratio) DER rasio total hutang dan ekuitas modal perusahaan. DER memiliki nilai terendah 0,23 dan nilai tertinggi 27,04 dengan nilai rata-rata 2,816 dengan standar deviasi 4,75.
2. Variabel independen firm size yang diukur melalui total asset yang dimiliki oleh perusahaan. angka total asset terendah adalah 18,74 dan nilai tertinggi 25,45 dengan nilai rata-rata 21,296 dengan standar deviasi 1,66. 3. Variabel independen growth opportunity yang merupakan peluang
pertumbuhan perusahaan. nilai terendah adalah -0,32 dan nilai tertinggi 0,76 dengan nilai rata-rata 0,133 dan standar deviasi 0,20.
4. Variabel independen liquidity yang merupakan tingkat pengembalian hutang, dengan nilai terendah adalah 0,67 dan nilai tertinggi 4,98 dengan nilai rata-rata 1,5909 dan standart deviasi 0,83.
5. Variabel independen profitability yang diukur melalu NPM (net profit margin). Menunjukan nilai terendah -0,22 dan nilai tertinggi 0,37 dengan nilai rata-rata 0,0607 dan standar deviasi 0,084.
4.2.2 Pengujian Asumsi Klasik
menguji hipotesis akan digunakan analisis regresi linier berganda. Namun demikian akan terlebih dahulu diuji mengenai ada tidaknya penyimpangan terhadap asumsi klasik yang diperlukan untuk mendapatkan model regresi yang baik.
4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan variabel independen keduanya mempunyai distribusi normal ataukah mendekati normal. Normalitas umumnya dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya.
Gambar 4.1
Gambar 4.2
Uji Normalitas Grafik P-Plot
Analisis grafik dapat digunakan dengan dua alat yaitu grafik histogram dan grafik P-P Plot. Data yang baik adalah data yang memiliki pola distribusi normal. Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot, sebuah data dikatakan berdistribusi normal apabila titik-titik datanya tidak menceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal. Berikut hasil uji normalitas dengan menggunakan analisis grafik.
Dengan melihat tampilan grafik histogram pada gambar 4.1 diatas kita dapat melihat bahwa gambar grafik berbentuk lonceng dan menceng ke kiri dan ke kanan yang menunjukkan bahwa data tidak terdistribusi secara normal. Pada grafik P-P Plot pada gambar 4.2 diatas terlihat titik-titik tidak menyebar di sepanjang garis diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi menyalahi asumsi normalitas.
Pengujian normalitas data dengan hanya melihat grafik tidak cukup, sehingga kita perlu melakukan uji normalitas data dengan menggunakan statistik agar lebih meyakinkan. Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji Kolmogorov-Smirnov (1 sample KS) dengan melihat data residualnya apakah berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0,05 maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal. Pengujian normalitas dengan metode statistik ini dapat dilihat pada tabel 4.2 sebagai berikut:
Tabel 4.2
Uji Normalitas Data Awal One-Sample Kolmogorov-Smirnov Test
Unstandardized Predicted Value
N 48
Normal Parametersa,b Mean 2.8164583
Std. Deviation 2.05957947
Most Extreme Differences Absolute .142
Positive .090
Negative -.142
Kolmogorov-Smirnov Z .986
Asymp. Sig. (2-tailed) .285
a. Test distribution is Normal. b. Calculated from data.
Hasil uji Kolmogorov-Smirnov pada tabel diatas menunjukan nilai profitabilitas = 0,285. Dengan demikian, data pada penelitian ini tidak berdistribusi normal dan tidak dapat digunakan untuk melakukan uji hipotesis karena 0,285 < 0,05.
Pada pengujian normalitas dengan analisis statistik dapat diketahui bahwa data yang digunakan oleh penulis tidak berdistribusi normal sehingga data ini tidak dapat digunakan untuk melakukan uji hipotesis. Pada penelitian ini penulis menggunakan metode transformasi data untuk menormalkan data penelitian. Menuru Ghozali (2006), “data yang tidak terdistribusi secara normal dapat ditransformasi agar menjadi normal”. Salah satu transformasi data yang dapat dilakukan adalah dengan mentransformasikan data ke logaritma 10 atau LN. Setelah dilakukan transformasi, penulis melakukan pengujian ulang terhadap uji normalitas untuk melihat kembali apakah data penelitian ini telah berdistribusi normal atau tidak. Hasil pengujian normalitas dengan uji grafik dan statistik setelah ditansformasi dapat dilihat sebagai beriku :
Gambar 4.3
Gambar 4.4
Uji Normalitas P-Plot (setelah transformasi) Tabel 4.3
Uji Normalitas (setelah transformasi) One-Sample Kolmogorov-Smirnov Test
Unstandardized Predicted Value
N 37
Normal Parametersa,b Mean .2711787
Std. Deviation .74751963
Most Extreme Differences Absolute .082
Positive .082
Negative -.049
Kolmogorov-Smirnov Z .496
Asymp. Sig. (2-tailed) .966
a. Test distribution is Normal. b. Calculated from data.
Dengan melihat tampilan grafik histrogram pada gambar 4.3 diatas kita dapat melihat bahwa gambar grafik berbentuk lonceng dan tidak menceng ke kiri dan ke kanan yang menunjukkan bahwa data terdistribusi secara normal. Pada grafik P-P Plot pada gambar 4.4 diatas
terlihat titik-titik menyebar di sepanjang dan tidak menjauhi garis diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi tidak menyalahi asumsi normalitas. Hasil uji Kolmogorov-Smirnov pada tabel 4.3 diatas menujukkan nilai probabilitas = 0,966. Dengan demikian, data pada penelitian ini berdistribusi normal dan dapat digunakan untuk melakukan uji hipotesis karena 0,966 > 0,05.
4.2.2.2 Uji Heterokedastisitas
Uji Heterokedastisitas bertujuan untuk menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode yang lain. Menurut Ghozali (2006) Uji Heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heterokedastisitas. Cara mendeteksi ada tidaknya gejala heterokedastisitas adalah dengan melihat grafik scatterplott yang dihasilkan dari pengolahan data menggunakan program software statistic. Dasar pengambilan keputusannya menurut Ghozali (2006) adalah sebagai berikut:
a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi heterokedasitas.
b. Jika tidak ada pola yang jelas, serta titik menyebar dibawah angka 0 dan y, maka tidak heterokedasitas
Uji ini dilakukan dengan mengamati pola tertentu pada grafik scatterplot, dimana bila ada titik-titik yang menyebar di atas dan dibawah angka 0 pada sumbu Y serta tidak membentuk pola maka tidak terjadi heterokedastisitas.
Gambar 4.5
Uji Heterokedastisitas (scatterplot) Setelah Transformasi Pada gambar 4.5 tentang grafik scatterplot diatas terlihat titik-titik menyebar secara acak tidak membentuk sebuh pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk melihat pengaruh variabel independen terhadap variabel dependen.
4.2.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menganalisis apakah dalam model regresi linear terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan t-1 atau sebelumnya (Erlina, 2008). Model
regresi yang baik adalah yang bebas dari autokorelasi. Masalah autokorelasi umumnya terjadi pada regresi yang datanya time series. Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji Durbin Watson. Panduan untuk mendeteksi ada atau tidaknya autokorelasi adalah sebagai berikut:
a. angka D-W dibawah -2 berarti ada autokorelasi positif,,
b. angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi, c. angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.4
Hasil Uji Autokorelasi Setelah Transformasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .714a .509 .448 .77847 1.562
a. Predictors: (Constant), profitability, growth opportunity, firm size, liquidity b. Dependent Variable: struktur modal
Tabel 4.4 memperlihatkan nilai statistik D-W sebesar 1.562 Angka ini terletak di antara -2 sampai +2, dari pengamatan ini dapat disimpulkan bahwa tidak terjadi autokorelasi dalam penelitian ini.
4.2.2.4 Multikolinearitas
Multikolinearitas adalah situasi adanya korelasi variabel – variabel independen antara yang satu dengan yang lainnya. Dalam hal ini, kita sebut variabel – variabel bebas ini tidak ortogonal (Erlina, 2008). Variabel – variabel bebas yang bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol.
Pengujian bertujuan mengetahui ada tidaknya multikolinearitas antar variabel-variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Deteksi dilakukan dengan melihat nilai VIF (Variable Inflation Factor) dan nilai tolerance. Multikolinearitas terjadi jika VIF > 10 dan nilai tolerance < 0,10.
Tabel 4.5
Uji Multikolinearitas Setelah Tranformasi Coefficientsa
Model Collinearity Statistics
Tolerance VIF 1 (Constant) firm size .974 1.026 growth opportunity .882 1.133 Liquidity .792 1.263 Profitability .870 1.149
a. Dependent Variable: struktur modal (DER)
Berdasarkan tabel 4.5 diatas dapat dilihat bahwa tidak ada satupun variabel bebas yang memiliki nilai VIF lebih dari 10 dan tidak ada yang memiliki tolerance value lebih kecil dari 0,1. Jadi dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas. Dari hasil uji ini maka dapat disimpulkan bahwa semua variabel bebas yang dipakai dalam penelitian ini lolos uji gejala multikolinearitas.
4.3 Pengujian Hipotesis
4.3.1 Uji Koefesien Determinasi (R2)
Nilai yang digunakan untuk melihat uji koefisien determinasi yang adalah nilai Adjusted R2 pada intinya mengukur seberapa jauh kemampuan variabel independen dalam menerangkan variasi variabel dependen. Dalam hal
ini adjusted R2 digunakan untuk mengetahui seberapa besar pengaruh variabel firm size, growth opportunity, liquidity dan profitability terhadap struktur modal. “Adjusted R2 dianggap lebih baik dari R2 karena nilai adjusted R2 dapat naik atau turun apabila satu variabel independen ditambahkan kedalam model”(Ghozali, 2006).
Oleh karena itu, pada penelitian ini yang digunakan adjusted �2 berkisar
antara nol dan satu. Jika nilai adjusted �2 makin mendekati satu maka makin
baik kemampuan model tersebut dalam menjelaskan variabel independen dan sebaliknya.
Tabel 4.6
Uji Koefesien Determinasi (R2) Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .714a .509 .448 .77847
Besarnya adjustedR2 berdasarkan hasil analisis statistik yang diperoleh sebesar 0.448. Dengan demikian besarnya pengaruh yang diberikan firm size, growth opportunitty, liquidity, dan profitability terhadap struktur modal adalah sebesar 44,8%. Sedangkan sisanya sebesar 55,2% adalah dipengaruhi oleh faktor lain yang tidak diteliti dalam penelitian ini.
4.3.2 Uji Simultan (Uji F)
Uji ini bertujuan untuk menguji pengaruh antara variabel independen terhadap variabel dependen secara bersama-sama. Apabila probabilitas (signifikansi) lebih besar dari α (0,05) maka variabel independen secara
a. Predictors: (Constant), profitability, growth opportunity, b. Dependent Variable: struktur modal (DER)
bersama-sama tidak berpengaruh terhadap variabel struktur modal, tetapi jika probabilitas (signifikansi) lebih kecil dari α (0,05) maka variabel independen secara bersama-sama berpengaruh terhadap variabel sturuktur modal.
Pengujian hipotesis uji F ini digunakan untuk melihat apakah secara keseluruhan variabel bebas mempunyai pengaruh yang bermakna terhadap variabel terikat. Dari hasil pengujian simultan diperoleh sebagai berikut :
Tabel 4.7
Hasil Uji Simultan (Uji F) ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 20.116 4 5.029 8.299 .000a
Residual 19.393 32 .606
Total 39.509 36
a. Predictors: (Constant), profitability, growth opportunity, firm size, liquidity b. Dependent Variable: struktur modal (DER)
Pada tabel 4.7 diatas dapat dilihat bahwa nilai p-value uji simultan ini adalah sebesar 0.000 < α = 0,05 dan dari tabel diatas menunjukan bahwa nilai Fhitung > Ftabel (8.299 > 2,67). Berdasarkan hasil tersebut maka dapat disimpulkan bahwa firm size, growth opportunity, liquidity dan profitability secara simultan berpengaruh signifikan terhadap struktur modal.
4.3.2 Uji Signifikan Parsial (Uji t)
Uji t digunakan untuk mengetahui hubungan antara variabel-variabel independen terhadap variabel dependen secara parsial (individu). Kesimpulan yang dapat diambil dari uji t ini adalah:
Jika probabilitas (signifikasi) lebih besar dari 0,05 (α) maka variabel bebas secara individu tidak berpengaruh terhadap struktur modal, jika lebih
kecil dari 0,05 maka variabel bebas secara individu berpengaruh terhadap struktur modal.
Hasil uji parsial ini dapat dilihat pada tabel 4.8 sebagai berikut: Tabel 4.8
Hasil Uji Parsial (Uji t) Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) -5.534 5.146 -1.075 .290 firm size 1.666 1.660 .126 1.004 .323 growth opportunity -.013 .153 -.011 -.087 .931 Liquidity -.919 .338 -.378 -2.719 .010 Profitability -.302 .081 -.493 -3.711 .001
a. Dependent Variable: struktur modal (DER)
Pada tabel 4.8 Berdasarkan hasil penelitian diatas dapat diambil kesimpulan bahwa variabel firm size memiliki nilai p value sebesar 0.323 (lebih besar dari 0,05). Nilai tersebut menyimpulkan bahwa firm size tidak berpengaruh signifikan terhadap struktur modal (DER). Nilai p value variabel growth opportunity adalah sebesar 0.917 (lebih besar dari 0,05), Hal ini menyimpulkan bahwa growth opportunity tidak berpengaruh signifikan terhadap struktur modal (DER). Nilai p value variabel liquidity adalah sebesar 0,010 (lebih kecil dari 0,05) hal ini menyimpulkan bahwa liquidity berpengaruh signifikan terhadap struktur modal. Nilai p value variabel profitability adalah sebesar 0,001 (lebih kecil dari 0,05) hal ini menyimpulkan bahwa profitability berpengaruh terhadap struktur modal.
Dari tabel 4.8 diatas dapat diperoleh model persamaan regresi berganda sebagai berikut:
Y = -0,5534 + 1.666X1 – 0,013X2 – 0,919X3 - 0,302X4+e
a) Koefisien konstan adalah -0,5534 menyatakan jika X1, X2, X3, X4 dan X5 adalah 0. Maka struktur modal (DER) adalah -0,5534.
b) Firm size mempunyai koefisien regresi kearah yang positif sebesar +1.666. hal ini berarti bahwa kenaikan 1 persen dari variabel firm size maka struktur modal perusahaan akan mengalami penaikan sebesar 1,666 persen.
c) Growth opportunity mempunyai koefisien regresi kearah negatif sebesar -0,013. Hal ini berarti bahwa kenaikan sebesar 1 persen variabel growth opportunity akan menyabkan struktur modal perusahaan akan mengalami penurunan sebesar 0,013 persen.
d) Liquidity mempunyai koefisien kearah negatif sebesar -0,919. Hal ini berarti bahwa kenaikan sebesar 1 persen dari variabel liquidity akan menyebabkan variabel struktur modal turun sebesar 0,919 persen.
e) Profitability mempunyai koefisien kearah negatif sebesar -0,302. Hal ini berarti bahwa setiap kenaikan sebesar 1 persen dari variabel profitability akan menurunkan tingkat struktur modal sebesar 0,302 persen.