HASIL PENELITIAN DAN PEMBAHASAN
2.2. Gambaran Umum
Tujuan dari dilakukannya penelitian ini untuk mengetahui pengaruh Kepemilikan Manajerial, Ukuran Perusahan, dan Kebijakan Dividen terhadap Kebijakan Hujang dengan Investment Opportunity Set sebagai variabel moderating di Bursa Efek Indonesia. Populasi yang digunakan dalam penelitian ini adalah perusahaan perkebunan yang telah terdaftar di Bursa Efek Indonesia pada tahun 2010-2014, yang terdiri dari 16 perusahaan. Berdasarkan populasi tersebut didapatkan sampel sebanyak 8 perusahaan yang menerbitkan laporan keuangan dan annual report secara lengkap x 5 tahun = 40 unit sampel perusahaan.
2.3. Analisis Deskriptif
Pada bagian analisis deskriptif akan digambarkan data dari masing-masing variabel yang telah diolah berdasarkan nilai minimun, maksimum, rata-rata, dan standar deviasi. Variabel dalam penelitian ini adalah kepemilikan manajerial (X1), ukuran perusahaan (X2), kebijakan deviden (X3), dan Kebijakan Hutang (Y) serta variabel moderasi yaitu Investment Oppurtunity Set (Z)
.
Hasil pengujian statistik deskriptif dapat dilihat pada Tabel 4.1 berikut ini:Tabel 4.1 Analisis Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Kebijakan Hutang 40 .00 3.20 1.2760 .67350
Kepemilikan Manajerial 40 .00 6.42 1.4308 2.07100 Ukuran Perusahaan 40 27.68 31.06 29.5198 .97484
Kebijakan Deviden 40 .01 3.47 .3067 .55143
Investment Opportunity Set 40 .14 4.47 1.6182 1.01458 Valid N (listwise) 40
Sumber: Hasil Pengolahan SPSS (Juni, 2016)
Berdasarkan Tabel 4.1 dapat dijelaskan bahwa rata-rata Kebijakan Hutang adalah 1.2760 nilai maksimum 3.20 dan nilai minimum 0.00. Rata-rata Kepemilikan Manajerial adalah 1.4308, dengan nilai maksimum 6.24, dan nilai minimum 0.00 Rata-rata Ukuran Perusahaan adalah 29.5198, dengan nilai maksimum 31.06 dan nilai minimum 27.68. Rata-rata Kebijakan Deviden adalah 0.3067, dengan nilai maksimum 3.47 dan nilai minimum 0.0. Rata-rata Investment Oppurtunity Set adalah 1.6182, dengan nilai maksimum 4.47 dan nilai minimum 0.14.
2.4. Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk mengetahui kondisi data yang digunakan dalam sebuah penelitian. Hal ini dilakukan agar diperoleh model analisis yang tepat untuk digunakan dalam penelitian ini. Adapun uji asumsi klasik yang dilakukan meliputi; Uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi.
1. Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah data yang digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal probability plot. Uji normalitas yang pertama dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.1.
Gambar 4.1 Grafik Histogram
Sumber: Hasil Pengolahan SPSS (Juni, 2016)
Berdasarkan gambar 4.1 terlihat bahwa pola distribusi normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dan distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat normal probability plot dapat dilihat dalam gambar 4.2 berikut:
Gambar 4.2 Grafik Normal P-Plot
Sumber: Hasil Pengolahan SPSS (Juni, 2016)
Berdasarkan Gambar 4.2 P-Plot di atas menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data residualnya mengikuti arah garis diagonal (garis normal). Pengujian normalitas data secara analisis statistik dapat dilakukan dengan melakukan uji Kolmogorov-Smirnov. Data yang terdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0.05. Sedangkan, data yang tidak berdistribusi normal ditunjukkan dengan nilai signifikansi dibawah 0.05 (Ghozali,2007:12).
Tabel 4.2
Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 40
Normal Parametersa Mean .0000000
Std. Deviation .65690617 Most Extreme Differences Absolute .159
Positive .159
Negative -.092
Kolmogorov-Smirnov Z 1.007
Asymp. Sig. (2-tailed) .263
a. Test distribution is Normal.
Berdasarkan hasil uji normalitas dengan Kolmogorov-Smirnovdiatas, terlihat bahwa data telah terdistribusi dengan normal yang mana terlihat bahwa nilai signifikansi diatas 0.05 yaitu sebesar 0.263 dan nilai Kolmogorov-Smirnov Z sebesar 1.007.
2. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika variance dari residual satu pengamatan ke pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplot, dengan dasar analisis (Ghozali, 2005:139).
1. Jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada gambar 4.3 berikut:
Gambar 4.3 Grafik Scatterplot
Sumber: Hasil Pengolahan SPSS (Mei 2016)
Pada Gambar 4.3 scatterplot diatas, terlihat titik-titik menyebar secara acak, serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.
3. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model regresi dimana prasyarat dalam model regresi adalah tidak adanya multikolinearitas. Pada uji multikolinearitas ini dapat dilihat melalui nilai inflation factor (VIF) dan Tolerance.
Tabel 4.3 Uji Multikolinearitas Coefficientsa Model Unstandardized Coefficients Standardized
Coefficients Collinearity Statistics B Std. Error Beta Tolerance VIF
1 (Constant) -2.544 3.409
Kepemilikan Manajerial .052 .055 .160 .912 1.097
Ukuran Perusahaan .126 .115 .183 .950 1.053
Kebijakan Deviden .044 .207 .036 .917 1.090
a. Dependent Variable: Kebijakan Hutang
Sumber: Hasil Pengolahan SPSS (Juni,2016)
Berdasarkan aturan Variance Inflation Factor (VIF) dan Tolerance, apabila VIF melebihi angka 10 atau Tolerance kurang dari 0.10 maka dinyatakan terjadi gejala multikolinearitas, sebaliknya apabila VIF kurang dari 10 atau Tolerance lebih dari 0.10 maka dinyatakan tidak terjadi gejala multikolinearitas. Dalam penelitian ini data yang digunakan dalam uji multikolinearitas ini adalah data dari variabel independen. Berdasarkan tabel 4.3. diatas diketahui masing-masing nilai VIF berada dibawah 10, dan nilai Tolerance diatas 0.1, maka dapat dipastikan data dari variabel independen tidak terjadi multikolinearitas.
4. Uji Autokorelasi
Uji autokorelasi dilakukan untuk menguji apakah sebuah model regresi terdapat korelasi antara kesalahan penganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau sebelumnya (Ghozali, 2005). Jika terjadi korelasi dinamakan ada masalah autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi, peneliti menggunakan Durbin-Watson (DW test). Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Pengambilan keputusan pada asumsi ini memerlukan dua nilai bantu yang diperoleh dari tabel
Durbin Watson, yaitu nilai dl dan du untuk K = jumlah variabel bebas dan n = jumlah sampel. Jika nilai DW berada diantara nilai du hingga (4-du), berarti asumsi tidak terjadi autokorelasi terpenuhi. Adapun kriteria dalam penentuan autokorelasi adalah sebagai berikut :
1) Jika Dw < Dl atau Dw > 4-Dl maka terdapat autokorelasi.
2) Jika Dl < Dw < Du atau 4-Du < Dw < 4-Dl maka status autokorelasi tidak dapat dijelaskan (inconclusive).
3) Jika Du < Dw < 4-Du maka tidak terjadi autokorelasi (Non Autokorelasi). Hasil pengujian autokorelasi dapat dilihat pada tabel berikut:
Tabel 4.4 Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .221a .049 -.031 .68373 1.473
a. Predictors: (Constant), Kebijakan Deviden, Ukuran Perusahaan, Kepemilikan Manajerial
b. Dependent Variable: Kebijakan Hutang
Sumber: Hasil Pengolahan SPSS (Juni, 2016)
Tabel 4.4 digunakan untuk melihat nilai Durbin Watson yang didapat dengan menggunakan bantuan SPSS Versi 16. Tabel DW menunjukkan bahwa dengan n = 40, K = 3, maka akan diperoleh nilai dl = 1.3384 dan du = 1.6589 dan 4-du = (4 –1.6589) = 2.3411.
Berdasarkan hasil pengujian Durbin-Watson dengan SPSS maka diperoleh nilai Durbin-Watson sebesar 1.3384 < 1.473< 4 –1.6589 yang berarti berdasarkan kriteria Durbin-Watson hasil tersebut tidak terjadi autokorelasi.
2.5. Analisis Regresi Linear Berganda
Analisis regresi linear berganda dari pengaruh kepemilikan manajerial, ukuran perusahaan, dan kebijakan dividen terhadap kebijakan hutang dengan investment opportunity set sebagai variabel pemoderasi pada perusahaan perkebunan yang terdaftar di Bursa Efek Indonesia tahun 2010-2014 memiliki hasil yang dapat kita lihat pada tabel 4.5.
Tabel 4.5
Hasil Regresi Linier Berganda
Coefficientsa Model Unstandardized Coefficients Standardize d Coefficients t Sig. B Std. Error Beta 1 (Constant) -2.544 3.409 -.746 .460 Kepemilikan Manajerial .052 .055 .160 .937 .355 Ukuran Perusahaan .126 .115 .183 1.097 .280 Kebijakan Deviden .044 .207 .036 .215 .831 a. Dependent Variable: Kebijakan
Hutang
Sumber: Hasil Pengolahan SPSS (Juni, 2016)
Berdasarkan Tabel 4.5 diperoleh persamaan regresi linear sebagai berikut berikut : Y = -2,544 + 0.052X1 + 0,126X2 + 0,044X3 + e Dimana: Y = Kebijakan Hutang α = Konstanta X1 = Kepemilikan Manajerial X2 = Ukuran Perusahaan
X3 = Kebijakan Dividen e = koefisien error
Dari persamaan regresi tersebut, dapat diketahui bahwa:
a. Konstanta (α) sebesar -2,544 dan menunjukkan bahwa jika variabel
independen bernilai nol, maka nilai variabel terikat (β ) sebesar -2,544.
b. Koefisien regresi untuk variabel kepemilikan manajerial sebesar 0.052. Hal ini berarti bahwa setiap kenaikan satu satuan kepemilikan manajerial, maka akan menaikkan rasio hutang sebesar 0,052, dengan asumsi bahwa variabel independen yang lain dari model regresi adalah tetap.
c. Koefisien regresi dari variabel ukuran perusahaan sebesar 0,126. Hal ini berarti bahwa setiap kenaikan satu satuan ukuran perusahaan, maka akan menaikkan rasio hutang sebesar 0,126, dengan asumsi bahwa variabel independen yang lain dari model regresi adalah tetap.
d. Koefisien regresi dari variabel kebijakan dividen sebesar 0,044. Hal ini berarti bahwa setiap kenaikan satu satuan kebijakan dividen, maka akan menaikkan rasio hutang sebesar 0,044, dengan asumsi bahwa variabel independen yang lain dari model regresi adalah tetap.
2.6. Uji Hipotesis