METODE PENELITIAN
G. Analisis Data dan Uji Hipotesis 1. Analisis Statistik Deskriptif
Statistik deskriptif dapat memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata – rata (mean), standar deviasi, varian, maksimum, minimum, sum, range, kurtosis,dan skewness (kemencengan distribusi) (Ghozali, 2018:19).
2. Uji Asumsi Klasik
Model regresi yang memenuhi asumsi klasik yaitu uji normalitas, uji multikolonieritas, uji heteroskedastisitas dan uji autokorelasi merupakan suatu model regresi yang baik.
a. Uji Normalitas
Menurut Ghozali (2018:161), uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan variabel independen keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik yaitu memiliki distribusi data normal atau mendekati normal. Untuk mengujinya maka dapat dilakukan analisis grafik atau dengan melihat normal probability plot yang membandingkan distribusi kumulatif dan distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis normal. Jika distribusi data residual normal, maka garis yang
menggambarkan data sesungguhnya akan mengikuti garis diagonal.
b. Uji multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Ortogonal yang dimaksud yaitu variabel independen sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolinieritas di dalam model regresi adalah sebagai berikut:
a) Nilai R2 yang dihasilkan oleh suatu estimasi model regresi sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang tidak signifikan mempengaruhi variabel dependen.
b) Menganalisis matriks korelasi variabel-variabel independen. Jika antar variabel independen terdapat nilai korelasi yang cukup tinggi (umumnya diatas 0,90), maka hal ini merupakan indikasi adanya multikolinieritas.
c) Mengamati nilai tolerance dan VIF. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai tolerance yang rendah sama dengan nilai VIF yang tinggi (karena VIF
= 1/tolerance). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah apabila nilai tolerance < 0,1 atau sama dengan nilai VIF > 10.
c. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan lain (Ghozali, 2018:137). Jika varian dari residual dari pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas, dan jika varians berbeda disebut heteroskedastisitas. Model regresi yang baik tidak terjadi heteroskedastisitas.
Pada penelitian ini pengujian heteroskedastisitas dilakukan dengan menggunakan scatterplot dan Uji Park. Scatterplot dilakukan dengan melihat grafik antara nilai prediksi variabel terikat (dependent) yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah residual (Y prediksi-Y sesungguhnya). Sedangkan melaui Uji Park dengan meregres nilai logaritma dari kuadrat residual terhadap variabel independen, yang dihitung dengan rumus sebagai berikut (Ghozali, 2018:140) :
LnU2i = α + β LnXi +vi
Xi : variabel independen yang diperkirakan mempunyai hubungan erat dengan variance (δi2)
Vi : unsur kesalahan d. Uji Autokorelasi
Menurut Ghozali (2018: 111) Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu dengan lainnya. Masalah timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu (time series) karena “gangguan” pada seseorang individu/kelompok yang cenderung mempengaruhi “gangguan” pada individu/kelompok yang sama pada periode sebelumnya. Contoh model regresi yang bagus adalah model regresi yang bebas autokorelasi. Salah satu cara untuk mendeteksi autokorelasi adalah dengan Uji Durbin-Watson. Menurut Sunyoto (2013: 98). salah satu pengukuran untuk menentukan ada tidaknya masalah autokorelasi yakni dengan uji Durbin-Watson (DW) dengan ketentuan sebagai berikut:
a. Terjadi autokorelasi positif, jika nilai DW dibawah -2 ( DW < -2).
b. Tidak terjadi autokorelasi, jika nilai DW berada diantara -2 dan 2 atau -2 < DW <2.
c. Terjadi autokorelasi negatif, jika nilai DW diatas 2 atau DW >2
3. Analisis Regresi Linier Berganda
Analisis regresi linier berganda digunakan untuk mengetahui adanya perngaruh variabel independen struktur aset, profitabilitas, kebijakan dividen, pertumbuhan perusahaan dan ukuran perusahaan secara bersama-sama terhadap kebijakan hutang sebagai variabel dependen atau dalam arti lain digunakan bila bermaksud meramalkan bagaiana keadaan (naik turunnya) variabel dependen, bila dua atau lebih variabel independen dinaikturunkan nilainya. Persamaan fungsinya dirumuskan sebagai berikut (Sugiyono, 2017:305):
Y =a+b1X1+b2X2+b3X3+b4X4+b5X5+e Dimana : Y = kebijakan hutang X1 = struktur aset X2 = profitabilitas X3 = kebijakan dividen X4 = pertumbuhan perusahaan X5 = ukuran perusahaan
b1,b2,b3,b4,b5 = koefisien regresi
a = konstanta
e = error
Dari analisis regresi diatas akan dapat disimpulkan bagaimana pengaruhnya antara variabel independen terhadap variabel dependen dengan melihat koefisien regresi. Apabila koefisien regresi variabel independen positif maka akan berpengaruh positif terhadap variabel dependen, begitu juga sebaliknya. Regresi Linier dibedakan menjadi 2 (dua) kelompok yaitu regresi linier sederhana dan berganda. Adapun alat analisis yang digunakan dalam regresi yaitu :
4. Pengujian Hipotesis a. Uji Statistik t
Menurut Ghazali (2018:98) Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas / independen secara individual dalam menerangkan variasi variabel dependen. Untuk pengujian dalam penelitian ini menggunakan program SPSS versi 22.0. Adapun prosedurnya sebagai berikut : 1) Menentukan Ho dan Ha :
Ho : β1, β2 ,β3, β4, β5 = 0 Tidak terdapat pengaruh struktur aset, profitabilitas, kebijakan dividen, pertumbuhan perusahaan dan ukuran perusahaan secara parsial terhadap kebijakan hutang
Ho : β1, β2 ,β3, β4, β5 ≠ 0 Terdapat pengaruh struktur aset, profitabilitas, kebijakan dividen, pertumbuhan perusahaan dan ukuran perusahaan secara parsial terhadap kebijakan hutang.
2) Menentukan Level of Significance (α)
Menentukan level signifikansi yaitu sebesar 5 %. 3) Kriteria pengujian
Kriteria untuk menerima atau menolak Ho yaitu :
Ho ditolak apabila = α < 5 % yang artinya hipotesis yang menyatakan bahwa terdapat pengaruh struktur aset, profitabilitas, kebijakan dividen, pertumbuhan perusahaan dan ukuran perusahaan secara parsial terhadap kebijakan hutang diterima.
Ho diterima apabila = α > 5 % yang artinya hipotesis yang menyatakan bahwa terdapat pengaruh struktur aset, profitabilitas, kebijakan dividen, pertumbuhan perusahaan dan ukuran perusahaan secara parsial terhadap kebijakan hutang ditolak.
4) Menghitung signifikansi dengan menggunakan SPSS 5. Koefisien Determinasi (R2)
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen (Ghozali, 2018:97). Nilai koefisien determinasi (R2) antara 0 (nol) dan 1 (satu). Nilai R2 yang kecil menunjukkan kemampuan variabel-variabel independen dalam menjelaskan variasi variabel-variabel dependen sangat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Dalam hal ini koefisien determinasi digunakan untuk mengetahui seberapa besar pengaruh struktur aset, profitabilitas, kebijakan dividen, pertumbuhan perusahaan dan ukuran perusahaan terhadap kebijakan dividen. Formula untuk menghitung besarnya koefisien determinasi adalah sebagai berikut :
KD = (KK)2 x 100% Keterangan :
BAB IV