Menurut ElvinaroArdianto (2011: 47), metode penelitian kuantitatif adalah penelitian yang sarat dengan nuansa angka-angka dalam teknik pengumpulan data di lapangan. Dalam analisis data, metode penelitian kuantitatif memerlukan bantuan perhitungan ilmu statistik, baik statistik deskriptif maupun inferensial (yang menggunakan rumus-rumus statistic non-parametik).
Metode analisis kuantitatif adalah metode pengolahan data berbentuk angka. Pengertian analisis kuantitatif menurut Sugiyono (2008: 13) adalah sebagai berikut:
“Analisis kuantitatif merupakan metode analisis yang berlandaskan pada filsafat positivisme, digunakan untuk meneliti pada populasi dan sampel tertentu.Analisis data bersifat kuantitatif atau lebih dikenal dengan statistik dilakukan dengan tujuan menguji hipotesis yang telah ditetapkan.”
a. Analisis Regresi Linear Berganda
Persamaan yang menyatakan bentuk hubungan antara variabel independent (X) dan variabel dependent (Y) disebut dengan persamaan regresi. Menurut Iqbal Hasan (2008:269), pengertian regresi linear berganda adalah: “Regresi di mana variabel terikatnya (Y) dihubungkan/dijelaskan lebih dari satu variabel, mungkin dua, tiga, dan seterusnya variabel bebas (X1, X2, X3,…, Xn)”.
Bentuk umum persamaan regresi linier berganda ini menurut Iqbal Hasan, (2008:254) adalah sebagai berikut:
Y = a + b1X1 + b2X2
Keterangan:
Y = variabel terikat (Struktur Modal)
X1 = variabel bebas pertama (Struktur Aktiva) X2 = variabel bebas kedua (Ukuran Perusahaan)
a = konstanta, merupakan nilai terikat yang dalam hal ini adalah Y pada saat varibel bebasnya adalah 0 (X1,X2 = 0) b1 = koefisien regresi berganda X1 terhadap variabel terikat Y,
b2 = koefisien regresi berganda X2 terhadap variabel terikat Y, apabila variabel bebas X1 dianggap konstan.
Menurut Sugiyono(2009:279), regresi linier berganda dengan dua variabel bebas X1 dan X2 metode kuadrat kecil memberikan hasil bahwa koefisien-koefisien a, b1, dan b2 dapat dihitung dengan menggunakan rumus sebagai berikut:
∑Y = na + b1∑X1 + b2∑X2
∑XY = a∑X1 + b1∑X12 + b2∑X1X2 ∑X2Y= a∑X2 + b1∑X1X2 + b2∑X22
Dimana n = banyaknya sampel
Arti koefisien b adalah jika nilai b positif (+), hal tersebut menunjukkan hubungan yang searah antara variabel bebas dengan variabel terikat. Dengan kata lain peningkatan atau penurunan besarnya variabel bebas akan diikuti oleh peningkatan atau penurunan besarnya variabel terikat.
Sedangkan jika nilai b negatif (-), menunjukkan hubungan yang berlawanan antara variabel bebas dengan variabel terikat. Dengan kata lain setiap peningkatan besarnya nilai variabel bebas akan diikuti oleh penurunan besarnya nilai veriabel terikat, dan sebaliknya.
b. Uji Asumsi Klasik
Untuk memperoleh hasil yang lebih akurat pada analisis regresi berganda maka dilakukan pengujian asumsi klasik agar hasil yang diperoleh merupakan persamaan regresi yang memiliki sifat Best Linier Unbiased Estimator (BLUE).Pengujian mengenai ada tidaknya pelanggaran asumsi-asumsi klasik merupakan dasar dalam model regresi linier berganda yang dilakukan sebelum dilakukan pengujian terhadap hipotesis.
Beberapa asumsi klasik yang harus dipenuhi terlebih dahulu sebelum menggunakan analisis regresi berganda (multiple linear regression) sebagai alat untuk menganalisis pengaruh variabel-variabel yang diteliti, terdiri atas :
a) Uji Normalitas
Uji normalitas untuk mengetahui apakah variabel dependen, independen atau keduanya berdistribusi normal, mendekati normal atau tidak.Model regresi yang baik hendaknya berdistribusi normal atau mendekati normal.Mendeteksi apakah data terdistribusi normal atau tidak dapat diketahui dengan menggambarkan penyebaran data melalui sebuah garfik.Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonalnya, model regresi memenuhi asumsi normalitas (Husein Umar, 2011:181). Dasar pengambilan keputusan bisa dilakukan berdasarkan probabilitas (Asymtotic Significance), yaitu :
Jika struktur modal> 0,05 maka distribusi dari populasi adalah normal.
Jika struktur modal< 0,05 maka populasi tidak berdistribusi secara normal.
Pengujian secara visual dapat juga dilakukan dengan metode gambar normal struktur modal Plots dalam program SPSS. Dasar pengambilan keputusan yang dilakukan adalah sebagai berikut:
Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi memenuhi asumsi normalitas.
Jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi tidak memenuhi asumsi normalitas.
b) Uji Multikolinieritas
Uji ini digunakan untuk mengetahui ada atau tidaknya hubungan linier antar variabel independen dalam model regresi Priyatno (2008:39). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independennya.Untuk mendeteksi adanya multikolinieritas, menurut Singgih Santoso (2012:236):
1. Besaran VIF (Variance Inflation Factor) dan Tolerance
Pedoman suatu model regresi yang bebas multikolinieritas adalah : Mempunyai nilai VIF di sekitar 1.
Mempunyai angka tolerance mendekati 1. Nilai VIF dapat diperoleh dengan rumus berikut :
VIF =
��
2. Besaran Korelasi Antar variabel Independen
Pedoman suatu model regresi yang bebas multikolinieritas adalah : Koefisien korelasi antar variabel independen haruslah lemah(dibawah 0,5).
Jika korelasi kuat, terjadi problem multikolinieritas.
Menurut Ghozali (2006:95) dasar pengambilan keputusan : VIF >10 : Antar variabel independen terjadi multikolinieritas. VIF<10 : Antar variabel independen tidak terjadi multikolinieritas.
c) Uji Heteroskedastisitas
Menurut Gujarati (2005:406), situasi heteroskedastisitas akan menyebabkan penaksiran koefisien regresi menjadi tidak efisien dan hasil taksiran dapat menjadi kurang atau melebihi dari yang semestinya. Dengan demikian, agar koefisien-koefisien regresi tidak menyesatkan, maka situasi heteroskedastisitas tersebut harus dihilangkan dari model regresi.Untuk menguji ada tidaknya heteroskedastisitas digunakan uji Gletjser yaitu dengan meregresikan variabel bebas terhadap nilai absolut dari residual.Jika nilai koefisien regresi dari masing-masing variabel bebas terhadap nilai absolut dari residual (error) ada yang signifikan, maka kesimpulannya terdapat heteroskedastisitas (varian dari residual tidak homogen).
Selain itu, dengan menggunakan program SPSS, heteroskedastisitas juga bisa dilihat dengan melihat grafik scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SDRESID. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka telah terjadi heteroskedastisitas.Sebaliknya, jika tidak membentuk pola tertentu yang teratur, maka tidak terjadi heteroskedastisitas (varian dari residual tidak homogen).
d) Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi ini ada korelasi antara kesalahan pengganggu pada periode sebelumnya.Akibat dari adanya autokorelasi dalam model regresi,
koefisien regresi yang diperoleh menjadi tidak efisien, artinya tingkat kesalahan menjadi sangat besar dan koefisien regresi menjadi tidak stabil.
Untuk menguji ada tidaknya autokorelasi dari data residual terlebih dahulu dihitung nilai statistik Durbin-Watson (D-W) sebagai berikut:
� − =∑ e − e∑ −
�
Sumber : Gujarati (2003 : 467)
Kriteria uji: Bandingkan nilai D-W dengan nilai d dari tabel Durbin-Watson:
a. Jika D-W < dL atau D-W > 4 – dL, kesimpulannya pada data terdapat autokorelasi
b. Jika dU < D-W < 4 – dU, kesimpulannya pada data tidak terdapat autokorelasi
c. Tidak ada kesimpulan jika : dL ≤ D-W ≤ dU atau 4 –dU ≤ D-W ≤ 4 – dL
Apabila hasil uji Durbin-Watson tidak dapat disimpulkan apakah terdapat autokorelasi atau tidak maka dilanjutkan dengan runs test.
c. Analisis Korelasi
Analisis korelasi bertujuan untuk mengukur kekuatan asosiasi (hubungan) linier antara dua variabel.Korelasi digunakan untuk melihat kuat lemahnya hubungan antara variabel bebas dan tergantung (Sarwono,2006: 37). Korelasi juga tidak menunjukkan hubungan fungsional. Dengan kata lain, analisis korelasi tidak membedakan antara variabel dependen dengan variabel independen. Dalam analisis regresi, analisis korelasi yang digunakan juga menunjukkan arah
hubungan antara variabel dependen dengan variabel independen selain mengukur kekuatan asosiasi (hubungan). Sedangkan untuk mencari koefisien korelasi antara variabel X1 dan Y, Variabel X2 dan Y, X1 dan X2 sebagai berikut:
� = ∑ − ∑ ∑ √[ ∑ − ∑ ][ ∑ − ∑ ] � = ∑ − ∑ ∑ √[ ∑ − ∑ ][ ∑ − ∑ ] � = ∑ − ∑ ∑ √[ ∑ − ∑ ][ ∑ − ∑ ]
Langkah-langkah perhitungan uji statistik dengan menggunakan analisis korelasi dapat diuraikan sebagai berikut:
a. Koefisien korelasi parsial
Koefisien korelasi parsial antar X1 terhadap Y, bila X2 dianggap konstan dapat dihitung dengan menggunakan rumus sebagai berikut:
� = � − � �
√[ − � ][ − �
b. Koefisien korelasi parsial
Koefisien korelasi parsial antar X2 terhadap Y, apabila X1 dianggap konstan dapat dihitung dengan menggunakan rumus sebagai berikut:
� = � − � �
√[ − � ][ − �
c. Koefisien korelasi secara simultan
Koefisien korelasi simultan antar X1 dan X2 terhadap Y dapat dihitung dengan menggunakan rumus sebagai berikut:
� = √� + � − � − � − �− �
Besarnya koefisien korelasi adalah -1 < r <1 :
Apabila (-) berarti terdapat hubungan negatif. Apabila (+) berarti terdapat hubungan positif. Interprestasi dari nilai koefisien korelasi :
Kalau r = -1 atau mendekati -1, maka hubungan antara kedua variabel kuat dan mempunyai hubungan yang berlawanan (jika X naik maka Y turun atau sebaliknya).
Kalau r = +1 atau mendekati +1, maka hubungan yang kuat antara variabel X dan variabel Y dan hubungannya searah.
Sedangkan harga r akan dikonsultasikan dengan table interprestasi nilai r sebagai berikut:
Tabel 3.2
Pedoman untuk memberikan Interprestasi Koefesien Korelasi
Interval Koefesien Tingkat Hubungan
0,00 – 0,199 Sangat Rendah 0,20 – 0,399 Rendah 0,40 – 0,599 Sedang 0,60 – 0,799 Kuat 0,80 – 1,000 Sangat Kuat Sumber: Sugiyono (2006:183) d. Koefesien Determinasi
Analisis Koefisiensi Determinasi (KD) digunakan untuk melihat seberapa besar variabel independen (X) berpengaruh terhadap variabel dependen (Y) yang dinyatakan dalam persentase. Menurut Riduwan dan Sunarto (2007:81),
besarnya koefisien determinasi dihitung dengan menggunakan rumus sebagai berikut:
KD = (r)2x 100% Dimana :
KD = Seberapa jauh perubahan variabel Y dipergunakan oleh variabel X r² = Kuadrat koefisien korelasi
3.2.5.2 Uji Hipotesis
Rancangan pengujian hipotesis ini dinilai dengan penetapan hipotesis nol dan hipotesis alternatif, penelitian uji statistik dan perhitungan nilai uji statistik, perhitungan hipotesis, penetapan tingkat signifikan dan penarikan kesimpulan.
Hipotesis yang akan digunakan dalam penelitian ini berkaitan dengan ada tidaknya pengaruh variabel bebas terhadap variabel terikat. Hipotesis nol (Ho) tidak terdapat pengaruh yang signifikan dan Hipotesis alternatif (Ha) menunjukkan adanya pengaruh antara variabel bebas dan variabel terikat.
Rancangan pengujian hipotesis penelitian ini untuk menguji ada tidaknya pengaruh antara variabel independent (X) yaitu Struktur Aktiva (X1) dan Ukuran Perusahaan (X2) terhadap Struktur Modal sebagai variabel dependen (Y), dengan langkah-langkah sebagai berikut:
1. Penetapan Hipotesis
