METODE PENELITIAN
HASIL PENELITIAN DAN PEMBAHASAN
20. PT.Unilever Indonesia Tbk (UNVR)
4.2 Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang
dilihat darimean, minimum, maximum dan standar deviasi.
Statistik deskriptif dari variabel penelitian ini disajikan dalam Tabel 4.1
berikut ini :
Tabel 4.1 Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
LnROA 60 -8.5172 2.6195 -2.605194 2.0029084 LnASV 60 -2.8439 3.2056 -.926500 1.0501308 LnSIZE 60 3.2319 3.4535 3.334088 .0473234 LnRISK 60 -5.2983 1.8554 -2.942310 1.4046060 LnNDTS 60 -5.0995 1.3253 -3.108659 1.1325160 LnMB 60 -2.6465 3.6628 .580710 1.2533749 LnDAR 60 -3.1725 -.1439 -1.058880 .6722170 Valid N (listwise) 60
Berdasarkan data diatas, dapat dijelaskan bahwa:
1. Variabel ROA memiliki jumlah sampel (N) sebanyak 60, dengan nilai
minimum -8.5172, nilai maksimum 2.6195, mean -2.605194, dan Standar
deviasi 2.0029084.
2. Variabel ASV memiliki jumlah sampel (N) sebanyak 60, dengan nilai
minimum -2.8439, nilai maksimum 3.2056, mean -.926500, dan Standar
3. Variabel SIZE memiliki jumlah sampel (N) sebanyak 60, dengan nilai
minimum 3.2319, nilai maksimum 3.4535, mean 3.334088, dan Standar
deviasi 0.0473234.
4. Variabel RISK memiliki jumlah sampel (N) sebanyak 60, dengan nilai
minimum -5.2983, nilai maksimum 1.8554, mean -2.942310, dan Standar
deviasi 1.4046060.
5. Variabel NDTS memiliki jumlah sampel (N) sebanyak 60, dengan nilai
minimum -5.0995, nilai maksimum 1.3253, mean -3.108659, dan Standar
deviasi 1.1325160.
6. Variabel MB memiliki jumlah sampel (N) sebanyak 60, dengan nilai
minimum -2.6465, nilai maksimum 3.6628, mean 0.580710, dan Standar
deviasi 1.2533749.
7. Variabel DAR memiliki jumlah sampel (N) sebanyak 60, dengan nilai
minimum -3.1725, nilai maksimum -0.1439, mean -1.058880, dan Standar
deviasi .6722170.
4.2.2 Pengujian Asumsi Klasik
4.2.2.1 Normalitas
Pengujian Normalitas data dapat dalam penelitian ini menggunakan
1.Pendekatan Histogram
Gambar 4.1 Histogram
Berdasarkan gambar histogram di atas tampak bahwa residual
terdistribusi secara normal dan berbentuk simetris tidak menceng ke
kanan atau ke kiri.
2. Pendekatan Grafik dengan Normal P-P Plot
Gambar 4.2 Grafik Normal P-P Plot
2 1 0 -1 -2 -3
Regression Standardized Residual
14 12 10 8 6 4 2 0
Frequency Mean =3.57E-16Std. Dev. =0.948N =60 Histogram Dependent Variable: DAR
1.0 0.8 0.6 0.4 0.2 0.0
Observed Cum Prob
1.0 0.8 0.6 0.4 0.2 0.0
Expected Cum Prob
Berdasarkan grafik di atas, titik-titik menyebar berhimpit di sekitar
diagonal dan hal ini menunjukkan bahwa residual terdistribusi secara
normal.
3.Pendekatan Kolmogrov-Smirnov
Tabel 4.2 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 60
Normal Parameters(a,b) Mean .0000000
Std. Deviation .62260712
Most Extreme Differences Absolute .141
Positive .064
Negative -.141
Kolmogorov-Smirnov Z 1.091
Asymp. Sig. (2-tailed) .185
a Test distribution is Normal. b Calculated from data.
Pada tabel 4.2 tampak besarnya nilai Kolmogrov-Smirnov adalah
1.091 dan signifikansinya pada 0.185. Maka dapat disimpulkan bahwa
data berdistribusi normal, karena 0.185 > 0.05.
4.2.2.2 Heteroskedastisitas
“Pengujian gejala heteroskedastisitas bertujuan untuk melihat apakah dalam
model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
Alat untuk menguji heteroskedastisitas bisa dibagi dua, yakni dengan
analisis statistik dan analisis grafik.
1.Analisis Statistik
Tabel 4.3 Uji Glejser Coefficients(a)
Model Unstandardized Coefficients
Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -2.590 8.460 -.306 .761 LnASV .418 .209 .653 2.001 .051 LnSIZE .345 2.565 .024 .135 .893 LnRISK -.111 .148 -.232 -.752 .455 LnNDTS -.159 .229 -.267 -.694 .491 LnMB -.041 .101 -.076 -.406 .686 LnROA .011 .067 .034 .171 .865
a Dependent Variable: LnDAR
Pada tabel di atas tampak semua variabel independen memiliki
signifikansi > 0.05. ASV signifikansinya 0.051, SIZE signifikansinya 0.893,
RISK signifikansinya 0.455, NDTS signifikansinya 0.491, MB
signifikansinya 0.686, ROA signifikansinya 0.865. Maka dapat disimpulkan
2.Pendekatan Grafik
Gambar 4.3 Grafik Scatterplot
Dari grafik scatterplot di atas tampak bahwa titik-titik menyebar
secara acak dan tidak membentuk suatu pola tertentu yang jelas serta
tersebar baik di atas maupun di bawah angka nol pada sumbu Y, sehingga
dapat disimpulkan bahwa tidak terjadi heteroskedastisitas.
4.2.2.3 Autokorelasi
Uji Autokorelasi bertujuan menguji apakah dalam model regresi
linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan periode sebelumnya. Ada tidaknya autokorelasi dalam penelitian
dideteksi dengan menggunakan uji Durbin-Watson (DW).
2.5 0.0
-2.5 Regression Standardized Predicted Value
2 1 0 -1 -2 -3 -4
Regression Studentized Residual
Scatterplot Dependent Variable: DAR
Tabel 4.4
Hasil Uji Durbin-Watson Model Summary(b)
Model R R Square
Adjusted R
Square Std. Error of the Estimate Durbin-Watson
1 .620(a) .385 .314 .557428 2.161
a Predictors: (Constant), LnROA, LnSIZE, LnMB, LnNDTS, LnRISK, LnASV b Dependent Variable: lag_LnDAR
Pada tabel di atas tampak bahwa nilai Durbin-Watson sebesar 2.161,
nilai ini akan dibandingkan dengan nilai tabel dengan menggunakan nilai
sigifikansi 5%, jumlah sampel 60 (N) dan jumlah variabel independen 6
(k=6), maka di tabel DW akan didapatkan nilai dl=1.372 dan du=1.808.
Oleh karena nilai DW 2.161>dari batas atas (du) 1.808 dan kurang dari
4-1.808 (4-du), berarti kriteria pengambilan keputusan uji autokorelasi jika
1.808 < 2.161 < 2.192 menyatakan bahwa tidak ada autokorelasi positif
atau negatif, maka dapat disimpulkan bahwa tidak terdapat autokorelasi
4.2.2.4 Multikoliniearitas
Tabel 4.5
Coefficient Correlations(a)
Model ROA SIZE MB NDTS RISK ASV
1 Correlations LnROA 1.000 -.327 -.287 -.114 .077 -.335 LnSIZE -.327 1.000 .025 .520 -.467 -.021 LnMB -.287 .025 1.000 .115 -.566 .316 LnNDTS -.114 .520 .115 1.000 -.548 -.611 LnRISK .077 -.467 -.566 -.548 1.000 -.129 LnASV -.335 -.021 .316 -.611 -.129 1.000 Covariances LnROA .004 -.056 -.002 -.002 .001 -.005 LnSIZE -.056 6.579 .007 .305 -.177 -.011 LnMB -.002 .007 .010 .003 -.008 .007 LnNDTS -.002 .305 .003 .052 -.018 -.029 LnRISK .001 -.177 -.008 -.018 .022 -.004 LnASV -.005 -.011 .007 -.029 -.004 .044
a Dependent Variable: LnDAR
Tabel 4.6 Coefficients(a) Model Unstandardized Coefficients Standardized
Coefficients t Sig. Collinearity Statistics B
Std.
Error Beta Tolerance VIF
1 (Constant) -2.590 8.460 -.306 .761 LnASV .418 .209 .653 2.001 .051 .152 6.584 LnSIZE .345 2.565 .024 .135 .893 .496 2.015 LnRISK -.111 .148 -.232 -.752 .455 .170 5.891 LnNDTS -.159 .229 -.267 -.694 .491 .109 9.159 LnMB -.041 .101 -.076 -.406 .686 .460 2.174 LnROA .011 .067 .034 .171 .865 .412 2.427
a Dependent Variable: DAR
Melihat hasil besaran korelasi antar variabel independen tampak
61,1%. Oleh karena korelasi ini masih di bawah 95%, maka dapat
dikatakan tidak terjadi multikolonieritas.
Hasil perhitungan nilai toleransi juga menunjukkan tidak ada
variabel independen yang memiliki nilai toleransi kurang dari 0,1. Hasil
perhitungan nilai VIF juga menunjukkan tidak ada satu variabel
independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan
bahwa tidak ada multikolonieritas antar variabel independen dalam model
regresi.
4.2.3 Hasil Pengujian Hipotesis Penelitian
4.2.3.1 Analisis Koefisien Korelasi dan Koefisien Determinasi
Tabel 4.7
Model Summary(b)
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .377(a) .142 .045 .6569044
a Predictors: (Constant), LnROA, LnSIZE, LnMB, LnNDTS, LnRISK, LnASV b Dependent Variable: LnDAR
Model summary pada tabel di atas menunjukkan bahwa nilai koefisien R sebesar 0,377 berada pada hubungan antar variabel 0,20 -
0,399 yang berarti bahwa hubungan antara struktur modal dengan
koefisien determinasi adalah 0,045 atau sebesar 4,5% mengindikasikan
bahwa variasi dari keenam variabel independen (profitabilitas,
tangibility, ukuran perusahaan, risiko, NDTS, dan pertumbuhan perusahaan) dapat menjelaskan variabel dependen sebesar 4,5% dan
sisanya 95,5% dijelaskan oleh variabel-variabel lain yang tidak
dimasukkan dalam persamaan. Adjusted R Square sebesar 4,5%
mengindikasikan bahwa keenam variabel independen memiliki
pengaruh yang sangat lemah terhadap struktur modal. Standard Error
of Estimate (SEE) adalah 0,6569044yang mana semakin kecil SEE akan membuat model regresi semakin tepat dalam memprediksi
variabel dependen .
4.2.3.2 Uji Signifikansi Simultan (Uji-F)
Pengujian ini dilakukan untuk mengetahui apakah semua
variabel independen secara bersama-sama atau serempak mempunyai
pengaruh yang signifikan terhadap variabel dependen.
Pengambilan keputusan dengan menggunakan tingkat
signifikan (α) 5%, jika nilai sig.F > 0,05 maka H0 diterima, artinya tidak ada pengaruh yang signifikan secara bersamaan dari variabel
independen terhadap variabel dependen. Sebaliknya, jika nilai sig. F <
bersamaan dari variabel independen terhadap variabel dependen.
Pengambilan keputusan juga dapat dilakukan dengan membandingkan
nilai Fhitung dan nilai Ftabel. Dimana kriterianya, yaitu: • H0 diterima jika Fhitung < Ftabel pada α = 5%
• Ha diterima jika Fhitung > Ftabel pada α = 5%
Tabel 4.8
Uji-F ANOVA(b)
Model Sum of Squares Df Mean Square F Sig.
1 Regression 3.790 6 .632 1.464 .209(a)
Residual 22.871 53 .432
Total 26.661 59
a Predictors: (Constant), LnROA, LnSIZE, LnMB, LnNDTS, LnRISK, LnASV b Dependent Variable: LnDAR
Dari tabel uji F di atas, dapat diperoleh Fhitung sebesar 1,464 dengan tingkat signifikansinya 0,209. Berdasarkan hasil tersebut dapat
disimpulkan bahwa profitabilitas, tangibility, ukuran perusahaan,
risiko, nondebt tax shield, dan pertumbuhan perusahaan secara
simultan tidak berpengaruh terhadap struktur modal dilihat dari : • Fhitung< Ftabel (1,464 < 2,25)
4.2.3.3 Uji Signifikansi Parsial (Uji-t)
Pengujian ini dilakukan untuk mengetahui apakah setiap
variabel independen secara parsial mempunyai pengaruh yang
signifikan terhadap variabel dependen. Uji ini digunakan untuk
menguji pengaruh profitabilitas, tangibility, ukuran perusahaan, risiko,
nondebt tax shield, dan pertumbuhan perusahaan terhadap struktur modal secara parsial.
Tabel 4.9 Uji-t Coefficients(a) Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -2.590 8.460 -.306 .761 LnASV .418 .209 .653 2.001 .051 LnSIZE .345 2.565 .024 .135 .893 LnRISK -.111 .148 -.232 -.752 .455 LnNDTS -.159 .229 -.267 -.694 .491 LnMB -.041 .101 -.076 -.406 .686 LnROA .011 .067 .034 .171 .865
a Dependent Variable: LnDAR
Pada tabel uji-t di atas dapat kita lihat bahwa :
1. Konstanta (a) sebesar -0,306 menunjukkan bahwa apabila tidak ada
variabel independen (X = 0), maka struktur modal sebesar -0,306
2. Ln ASV menunjukkan thitung sebesar 2,001 dengan nilai signifikansinya
0,051, nilai ttabel adalah 2,00030 sehingga thitung< ttabel (2,001 >
2,00030) maka disimpulkan bahwa Ln ASV secara individual tidak
mempengaruhi DAR. Signifikansi juga menunjukkan angka di atas
0,05 (0,051 < 0,05) maka tangibility tidak berpengaruh signifikan
terhadap struktur modal perusahaan.
3. Ln SIZE menunjukkan thitung sebesar 0,135 dengan nilai
signifikansinya 0,893, nilai ttabel adalah 2,00030 sehingga thitung< ttabel
(0,135 < 2,00030) maka dapat disimpulkan bahwa Ln SIZE secara
individual tidak mempengaruhi DAR. Signifikansi menunjukkan
angka di atas 0,05 (0,893 > 0,05) maka ukuran perusahaan tidak
berpengaruh signifikan terhadap struktur modal perusahaan.
4. Ln RISK menunjukkan thitung sebesar -0,752 dengan nilai signifikansi
0,455, nilai ttabel adalah 2,00030 sehingga thitung< ttabel (0,752 <
2,00030) maka dapat disimpulkan bahwa Ln RISK secara individual
tidak mempengaruhi DAR. Signifikansi menunjukkan angka di atas
0,05 (0,455 > 0,05) maka risiko tidak berpengaruh signifikan terhadap
struktur modal perusahaan..
5. Ln NDTS menunjukkan thitung -0,694 dengan nilai signifikansinya
0,491, nilai ttabel adalah 2,00030 sehingga thitung< ttabel (0,491 <
2,00030) maka dapat disimpulkan bahwa Ln NDTS secara individual
0,05 (0,491 > 0,05) maka nondebt tax shield tidak berpengaruh
signifikan terhadap struktur modal perusahaan.
6. Ln MB menunjukkan thitung -0,171 dengan nilai signifikansinya 0,686,
nilai ttabel adalah 2,00030 sehingga thitung< ttabel (-0,171 < 2,00030)
maka dapat disimpulkan bahwa Ln MB secara individual tidak
mempengaruhi DAR. Signifikansi menunjukkan angka di atas 0,05
(0,686 > 0,05) maka pertumbuhan perusahaan tidak berpengaruh
signifikan terhadap struktur modal perusahaan.
7. Ln ROA menunjukkan thitung -0,171 dengan nilai signifikansinya 0,865,
nilai ttabel adalah 2,00030 sehingga thitung< ttabel ( 0,865 < 2,00030) maka
dapat disimpulkan bahwa Ln ROA secara individual tidak
mempengaruhi DAR. Signifikansi menunjukkan angka di atas 0,05
(0,865>0,05) maka profitabilitas tidak berpengaruh signifikan terhadap
struktur modal perusahaan.
Pengolahan data dalam penelitian ini menggunakan regresi linier
berganda yang dilakukan dengan beberapa tahapan untuk mencari
Hasil regresi dapat dilihat pada tabel 4.10 berikut ini .
Tabel 4.10
Persamaan Regresi Linier Berganda Coefficients(a)
Model Unstandardized Coefficients Standardized Coefficients
B Std. Error Beta 1 (Constant) -2.590 8.460 LnASV .418 .209 .653 LnSIZE .345 2.565 .024 LnRISK -.111 .148 -.232 LnNDTS -.159 .229 -.267 LnMB -.041 .101 -.076 LnROA .011 .067 .034
a Dependent Variable: LnDAR
Berdasarkan tabel di atas, maka diperoleh persamaan regresinya yaitu :
Log DAR = -2,590 + 0,011 Log ROA + 0,418 Log ASV+ 0,345 Log SIZE-0,111LogRISK–0,159LogNDTS–0,041LogMB
Keterangan :
1.Konstanta sebesar -2,590 menunjukkan bahwa apabila tidak ada
variabel independen (ASV = 0, SIZE = 0, RISK = 0, NDTS = 0, MB
= 0, dan ROA = 0) maka struktur modal sebesar -2,590.
2. B1sebesar 0,011 menunjukkan bahwa setiap kenaikan ROA sebesar
1% akan diikuti oleh penurunan struktur modal sebesar 1,1% dengan
3.B2 sebesar 0,418 menunjukkan bahwa setiap kenaikan ASV sebesar
1% akan diikuti oleh penurunan struktur modal sebesar 41,8%
dengan asumsi variabel yang lain tetap.
4.B3 sebesar 0,345 menunjukkan bahwa setiap kenaikan SIZE sebesar
1% akan diikuti oleh penurunan struktur modal sebesar 34,5%
dengan asumsi variabel yang lain tetap.
5.B4 sebesar 0,111 menunjukkan bahwa setiap kenaikan RISK sebesar
1% akan diikuti oleh penurunan struktur modal sebesar 11,1%
dengan asumsi variabel yang lain tetap.
6. B5 sebesar 0,159 menunjukkan bahwa setiap kenaikan NDTS
sebesar 1% akan diikuti oleh penurunan struktur modal sebesar
15,9% dengan asumsi variabel yang lain tetap.
7. B6 sebesar -0,041 menunjukkan bahwa setiap kenaikan MB sebesar
1% akan diikuti oleh penurunan struktur modal sebesar 4,1% dengan
Tabel 4.11
Ringkasan Hasil penelitian
Hipotesis Keterangan
H1 : Terdapat pengaruh signifikan profitabilitasterhadap struktur modal.
Ditolak
H2 : Terdapat pengaruh signifikan tangibilitity terhadap struktur modal.
Ditolak
H3 : Terdapat pengaruh signifikan ukuran perusahaanterhadap struktur modal.
Ditolak
H4 : Terdapat pengaruh signifikan risiko terhadap struktur modal. Ditolak H5 : Terdapat pengaruh signifikan nondebt tax shieldterhadap
struktur modal.
Ditolak
H6 : Terdapat pengaruh signifikan pertumbuhan perusahaan terhadap struktur modal.
Ditolak
H7 : Terdapat pengaruh signifikan profitabilitas, tangibilitity, ukuran perusahaan, risiko, nondebt tax shield, dan pertumbuhan perusahaan secara simultan terhadap struktur modal.
Ditolak