B. Hasil uji kualitas data 1.Analisis deskriptif 1.Analisis deskriptif
2. Uji asumsi klasik
Uji asumsi klasik dilakukan untuk melihat apakah asumsi-asumsi yang diperlukan dalam analisi regresi linier terpenuhi. Uji asumsi klasik ini meliputi uji normalitias, uji multikolonearitas, uji autokolerasi, dan uji heteroskidasitas.
a. Uji normalitas
Uji normalitas adalah untuk menguji apakah dalam model regresi variabel dependen, variabel independen atau keduanya berdistribusi normal atau tidak. Uji normalitas data residual dilakukan menggunakan uji statistik non-parametrik Kolmogorof-Smirnov (K-S). Uji K-S untuk menguji normalitas data residual, apabila nilai signifikasi uji K-S lebih besar dari 0,05 (α = 5%) berarti data
berdistribusi normal (Ghozali,2011). Hasil uji K-S tampak seperti dalam tabel berikut:
Table 4.3 Uji normalitas
One-Sample Kolmogorov-Smirnov Test
a Test distribution is Normal. b Calculated from data. Sumber: hasil olah data
Dalam penelitian ini data yang digunakan tidak normal, karena data yang digunakan sangat besar yaitu 470 data dari tahun penelitian yang dilakukan selama 2010-2014, data yang besar sudah dianggap normal menurut Gujarati ( 2012).
b. Uji autokorelasi
Uji autokolerasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada kolerasi antara residual (kesalahan penganggu) pada periode t dengan residual pada periode t-1 (sebelumnya). Jika terjadi kolerasi, maka dinamakan ada problem autokolerasi (Ghozali, 2011). Hasil uji autokolerasi dengan menggunakan Durbin-Watson (DW test). Nilai Durbin Watson yang berada diantara du dan 4- du/dl <
T Unstandardized
Residual
N 470
Normal Parameters(a,b) Mean .0000000
Std. Deviation .67798756
Most Extreme Differences Absolute .122
Positive .122
Negative -.083
Kolmogorov-Smirnov Z 2.655
d < 4-du menunjukkan model yang tidak terkena masalah autokolerasi. Setelah dilakukan tranformasi data kedalam bentuk log, ternyata persamaan regresi terkena gejala autokorelasi. Untuk mengobati gejala autokorelasi digunakan metode Theil Nagar dengan rumus sebagai berikut:
Pertama-tama mencari nilai dari p
p =
� −d k� − k
Dimana:
N = banyaknya jumlah sampel d = Durbin-Watson
k = banyaknya jumlah variabel
Mencari nilai p dengan perhitungan sebagai berikut:
P = − , + −
P = − , + − P = , P = 0,994
P digunakan untuk mencari nilai dari rumus dibawah ini: √ − � = √ − , 4
Setelah diketahui nilai dari persamaan diatas, maka data pertama dari sampel diturunkan terlebih dahulu menjadi data sampel kedua. Setelah diketahui hasil dari perhitungan sebesar 0,044 maka angka ini digunakan untuk menghitung data 1 dengan rumus y/x (0,044), untuk data kedua dan seterusnya menggunakan rumus y-(��− , 4 ).
Table 4.4
Hasil Uji Autokolerasi Sebelum Theil-Nagar Uji Autokolerasi Du DW-test 4-Du Keterangan
Durbin Watson 1.8094 0,013 2,1906 Terdapat masalah autokolerasi
Table 4.5
Hasil Uji Autokolerasi Setelah Theil-Nagar Uji Autokolerasi dU DW-test 4-Du Keterangan Durbin Watson 1.8094 1.947 2.1906
Tidak terdapat masalah autokolerasi Sumber: hasil olah data
Hasil pengujian pada tabel 4.5 menunjukkan bahwa data sebanyak 470 sampel dengan nilai DW yang diperoleh adalah 1.947. nilai dU tabel pembanding adalah sebesar 1,8094. Nilai tabel dU < DW < 4-dU = 1,8094 < 1,947 < 2,1906. Sehingga dapat disimpulkan bahwa pada model regresi tidak terjadi autokolerasi.
c. Uji multikolateral
Uji multikolonearitas merupakan uji yang digunakan untuk mengguji apakah model regresi ditemukan adanya korelasi antara
variabel independen pada nilai tolerance dan nilai variance inflation factor (VIF) dalam collinearity statistics. Nilai cut off yang dipakai untuk menunjukkan adanya mutikolonearitas adalah nilai VIF < 10 atau nilai tolerance> 0,1. Tabel 4.5 menunjukan ringkasan hasil uji multikolonearitas.
Table 4.6
Hasil Uji Multikolonearitas
Variabel independen
Collinearity
Statistics Keterangan Tolerance VIF
Size 0.926 1. 080 Tidak Ada Multikolonearitas Roe 0.963 1.038 Tidak Ada Multikolonearitas Cr 0.968 1.033 Tidak Ada Multikolonearitas Ta 0.918 1.089 Tidak Ada Multikolonearitas Sumber: hasil olah data
Hasil tabel 4.6 menunjukkan nilai tolerance keempat variabel lebih dari 0,1 dan nilai VIF keempat variabel bebas tidak ada yang memiliki nilai lebih dari 10, maka dapat disimpulkan bahwa tidak terjadi mutikolonearitas didalam model regresi.
d. Uji heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah data mempunyai varian yang sama atau data mempunyai varian yang tidak sama. Uji heteroskedastisitas yang dilakukan pada penelitian ini menggunakan uji glejser yang digunakan untuk meregres nilai absolut
residual terhadap variabel independen. Hasil uji heteroskedastisitas adalah sebagai berikut:
Tabel 4.7
Ringkasan Hasil Uji Hetesoskedastisitas Variabel bebas Nilai Sig. Keterangan
Size 0.851 Tidak terjadi heteroskedastisitas ROE 0.490 Tidak terjadi heteroskedastisitas CR 0.420 Tidak terjadi heteroskedastisitas TA 0.707 Tidak terjadi heteroskedastisitas Sumber: hasil olah data
Berdasarkan tabel 4.7 dari hasil pengujian heteroskedastisitas dengan menggunakan uji glejser diketahui bahwa variabel independen tidak berpengaruh signifikan secara statistik terhadap variabel
dependen. Hasil tersebut dapat dilihat dari nilai signifikansi > alpha (α)
0,05 maka regresi ini tidak mengandung heteroskedastisitas. 3. Hasil penelitian (uji hipotesis)
Metode analisis data yang digunakan untuk melakukan pengujian hipotesis dalam penelitian ini adalah regresi linier berganda, uji F, uji t dan Adjusted R Squared.
a. Regresi linier berganda
Regresi linier berganda digunakan untuk menuntukan signifikansi masing-masing koefisien, tujuan regresi linier berganda untuk menguji pengaruh variabel independen terhadap variabel dependen.
tabel 4.8
Hasil Uji Regresi Berganda
Berdasarkan hasil pengujian regresi di atas diketahui dapat dibentuk sebuah persamaan sebagai berikut:
DERi,t = 0,040 + 0,104, t SIZEi, t +0,349, t ROEi, t -0,007 t CRi, t +0,635, t
TAi, t
Persamaan regresi diatas dapat dijelaskan sebagai berikut:
a. Konstanta sebesar 0,040 artinya jika ada pengaruh SIZE (� ), ROE (� ), CR (� ) dan TA (� ) terhadap Struktur Modal, maka Struktur Modal (Y) nilainya adalah 10,174.
b. Variabel SIZE mempunyai nilai 0,104 artinya bahwa setiap terjadi kenaikan SIZE sebesar 1%, maka struktur modal akan mengalami peningkatan sebesar 10,4%. Dengan asumsi variabel lain tetap. c. Variabel ROE mempunyai nilai 0,349 artinya bahwa setiap terjadi
kenaikan ROE sebesar 1%, maka struktur modal akan mengalami kenaikan sebesar 34,9%. Dengan asumsi variabel lain tetap.
.040 .285 .141 .888 .104 .047 .102 2.202 .028 .349 .164 .096 2.133 .033 -.007 .003 -.125 -2.768 .006 .635 .164 .180 3.879 .000 (Constant) SIZE ROE CR TA Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig.
Dependent Variable: DER a.
d. Variabel CR mempunyai nilai -0,007 artinya bahwa setiap terjadi kenaikan CR sebesar 1%, maka struktur modal akan mengalami penurunan sebesar 0,7%. Dengan asumsi variabel lain tetap.
e. Variabel TA mempunyai nilai 0,635 artinya bahwa setiap terjadi kenaikan TA sebesar 1%, maka struktur modal akan mengalami penurunan sebesar 63,5%. Dengan asumsi variabel lain tetap. b. Uji nilai t
Uji secara parsial ditunjukan dalam 4.8
1) Ukuran perusahaan(size) pada tabel 4.8 menunjukkan bahwa nilai koefisien regresi konstanta sebesar 0,040 dan memiliki nilai t sebesar 2,202 dengan nilai signifikasi sebesar 0,028. Nilai signifikasi < 0,05, artinya SIZE berpengaruh positif dan signifikan terhadap struktur modal. hipotesis satu (H ) dalam penelitian ini diterima.
2) profitabilitaS (ROE) pada tabel 4,8 menunjukkan bahwa nilai koefisien regresi konstanta sebesar 0,349 dan memiliki nilai t sebesar 2,133 dengan nilai signifikasi sebesar 0,0,033. Nilai signifikasi > 0,05, artinya ROE berpengaruh secara signifikan terhadap struktur modal. hipotesis dua (H ) dalam penelitian ini ditolak.
3) Likuiditas (current ratio) pada tabel 4.8 menunjukkan bahwa nilai koefisien regresi konstanta sebesar -0,007 dan memiliki nilai t sebesar -0,768 dengan nilai signifikasi sebesar 0,006. Nilai
signifikasi 0,05, artinya CR tidak berpengaruh signifikan terhadap struktur amodal. hipotesis tiga (H ) dalam penelitian ini diterima. 4) Struktur aktiva (TA) pada tabel 4.8 menunjukkan bahwa nilai
koefisien regresi konstanta sebesar 0,635 dan memiliki nilai t sebesar 3,879 dengan nilai signifikasi sebesar 0,00. Nilai signifikasi < 0,05, artinya TA berpengaruh positif dan signifikan terhadap struktur modal. hipotesis empat (H ) dalam penelitian ini diterima.
c. Uji nilia F
Table 4.9 Uji F ANOVA
a Predictors: (Constant), TA, ROE, CR, SIZE b Dependent Variable: DER
sumber: hasil olah data
Hasil uji F pada tabel 4.9 menunjukkan bahwa nilai F hitung sebesar 10,807 bertanda positif dengan nilai sig 0,000 < α (0,05). Hal ini menandakan bahwa variabel ukuran perusahaan, profitabilitas, likuiditas dan struktur aktiva berpengaruh terhadap struktur modal. d. Uji koefesien deterninasi (R2)
Koefisien determinasi (R ) berfungsi untuk mengukur seberapa besar perubahan atau variasi variabel dependen dapat dijelaskan oleh
Model Sum of Squares Df Mean Square F Sig. 1 Regression 20.041 4 5.010 10.807 .000(a) Residual 215.584 465 .464 Total 235.625 469
perubahan atau variabel independen. Hasil pengujian koefisien determinasi dapat dilihat pada tabel 4.10
Table 4.10
Hasil Uji Koefisien Determinasi
Model Summary(b)
a Predictors: (Constant), TA, ROE, CR, SIZE b Dependent Variable: DER
sumber: hasil olah data
Berdasarkan hasil analisis pada tabel 4.10 diperoleh nilai Adjusted R Square sebesar 0,077 maka dapat disimpulkan bahwa 0,077 atau7,7% variabel struktur modal dapat dijelaskan oleh variabel ukuran perusahaan, profitabilitas, likuiditas dan struktur aktiva 92,3% dipengaruhi oleh variabel lain.
C. Pembahasan
Hasil penelitian yang telah dilakukan, secara simultan terbukti bahwa ukuran perusahaan, profitabilitas, likuiditas dan struktur aktiva berpengaruh terhadap struktur modal. Hasil dari pengujian parsial atau individu masing-masing besarnya pengaruh variabel independen terhadap variabel dependen adalah sebagai berikut: