BAB II TINJAUAN PUSTAKA
2.4 Hipotesis Penelitian
2.4.5 Pengaruh Struktur Aktiva sebagai Variabel
Struktur aktiva adalah kekayaan yang dimiliki perusahaan yang diharapkan dapat memberikan manfaat di masa yang akan datang.
Struktur aktiva adalah variabel yang menentukan besar kecilnya
penggunaan struktur modal perusahaan. Variabel ini berhubungan dengan jumlah aktiva yang dimiliki perusahaan untuk dapat dijadikan jaminan ketika perusahaan menerbitkan hutang.
Perusahaan yang sebagian besar modalnya ada di dalam aktiva tetap, maka perusahaan itu akan mengutamakan penggunaan modal sendiri untuk memenuhi kebutuhan operasional perusahaan. Perusahaan dengan struktur aktiva yang baik secara langsung memiliki dampak positif yang sangat besar bagi perusahaan. Dampak positif tersebut berupa aset yang besar. Apabila aset perusahaan semakin besar, maka perusahaan tidak memerlukan dana tambahan berupa hutang.
Perusahaan yang memiliki aset yang besar akan mendanai kegiatan operasionalnya dengan menggunakan sumber pendanaan internal. Ini berarti perusahaan dapat mengoptimalkan penggunaan sumber pendanaan internal sesuai kebutuhan perusahaan itu sendiri dan secara langsung perusahaan bisa meminimalkan pengunaan sumber pendanaan eksternal sekecil mungkin. Perusahaan yang memiliki aset yang besar cenderung menggunakan hutang yang sedikit. Perusahaan yang memiliki hutang kecil cenderung memiliki kemampuan likuiditas yang tinggi. Perusahaan yang memiliki kemampuan likuiditas yang tinggi semakin mampu menggunakan sumber pendanaan internal (dana sendiri) dalam mendanai kegiatan operasionalnya, kemudian menggunakan pinjaman jika memang diperlukan. Berdasarkan uraian tersebut, maka hipotesis yang diajukan adalah:
H5: Struktur aktiva mampu memoderasi hubungan antara likuiditas dan struktur modal.
Seperti yang telah dijelaskan sebelumnya, perusahaan dengan struktur aktiva yang baik secara langsung memiliki dampak positif yang sangat besar bagi perusahaan. Dampak positif tersebut berupa aset yang besar. Perusahaan yang memiliki aset yang besar cenderung menggunakan hutang yang sedikit. Perusahaan yang memiliki hutang kecil cenderung memiliki kemampuan likuiditas yang tinggi.
Perusahaan yang lebih banyak menggunakan sumber pendanaan internal daripada sumber pendanaan eksternal untuk mendanai kegiatan operasionalnya cenderung dapat memperoleh laba atau keuntungan yang maksimal, artinya memiliki tingkat profitabilitas yang tinggi.
Perusahaan yang memiliki profitabilitas tinggi cenderung menggunakan hutang yang relatif kecil karena laba ditahan yang tinggi sudah memadai untuk membiayai sebagian besar kebutuhan pendanaan.
Semakin besar nilai profitabilitas perusahaan, maka semakin baik karena dianggap kemampuan perusahaan memperoleh laba semakin tinggi. Perusahaan dengan tingkat pengembalian yang tinggi atas investasi menggunakan hutang yang relatif kecil karena tingkat pengembalian yang tinggi memungkinkan perusahaan untuk membiayai sebagian besar pendanaan dengan dana internal berupa laba ditahan.
Perusahaan yang memiliki jumlah laba ditahan yang besar akan mengakibatkan perusahaan tersebut menggunakan laba ditahan terlebih dahulu sebelum memutuskan untuk menggunakan utang. Hal ini sesuai
dengan Pecking Order Theory yang menyarankan bahwa manajer lebih senang menggunakan pembiayaan yang pertama yaitu laba ditahan kemudian hutang. Berdasarkan uraian tersebut, maka hipotesis yang diajukan adalah:
H6: Struktur aktiva mampu memoderasi hubungan antara profitabilitas dan struktur modal.
Perusahaan dengan struktur aktiva yang baik akan memiliki aset perusahaan yang besar. Perusahaan yang memiliki total aset yang besar akan memiliki ukuran perusahaan yang besar. Besarnya ukuran perusahaan menandakan bahwa perusahaan tersebut memiliki tingkat risiko yang besar dibandingkan dengan perusahaan yang memiliki ukuran kecil. Tetapi besarnya ukuran perusahaan dapat mempermudah perusahaan dalam memperoleh hutang. Ketika target suatu perusahaan yang harus dicapai semakin besar, maka perusahaan tersebut membutuhkan dana yang semakin besar juga. Hal ini membuktikan bahwa perusahaan yang besar memiliki aset yang besar, berarti perusahaan bisa membiayai kegiatan operasionalnya dengan menggunakan sumber pendanaan internal yang lebih banyak dibandingkan sumber pendanaan eksternalnya. Berdasarkan uraian tersebut, maka hipotesis yang diajukan adalah:
H7: Struktur aktiva mampu memoderasi hubungan antara ukuran perusahaan dan struktur modal.
BAB III
METODE PENELITIAN
3.1 Jenis Penelitian
Jenis penelitian ini adalah penelitian pengujian hipotesis. Menurut Erlina (2011:76) Pengujian hipotesis (hypothesis testing) bertujuan untuk menguji hipotesis dan merupakan penelitian yang menjelaskan fenomena dalam bentuk hubungan antara variabel yakni hubungan yang bersifat korelasional dimana pengujian ini dilakukan untuk menggambarkan variabel-variabel yang penting yang berhubungan dengan suatu masalah.
Penelitian ini akan menguji hipotesis mengenai pengaruh likuiditas, profitabilitas, dan ukuran perusahaan terhadap struktur modal dengan struktur aktiva sebagai variabel moderating.
3.2 Tempat dan Waktu Penelitian
Penelitian dilakukan di Bursa Efek Indonesia melalui media internet dengan menggunakan situs www.idx.co.id dan waktu penelitian dilakukan mulai dari bulan Januari 2016.
3.3 Batasan Operasional
Adapun yang menjadi batasan operasional penelitian ini adalah sebagai berikut:
a. Data yang digunakan adalah data laporan keuangan perusahaan perbankan yang terdaftar di Bursa Efek Indonesia periode 2011-2015.
b. Variabel-variabel yang akan diteliti, yaitu likuiditas, profitabilitas, ukuran perusahaan sebagai variabel independen, struktur modal sebagai variabel dependen, dan struktur aktiva sebagai variabel moderating.
3.4 Definisi Operasional dan Skala Pengukuran Variabel
“Definisi operasional adalah petunjuk bagaimana sebuah variabel diukur” (Hamidi, 2007:142). Penelitian ini menggunakan lima variabel, terdiri dari satu variabel dependen yaitu struktur modal dan tiga variabel independen yaitu likuiditas, profitabilitas, ukuran perusahaan, serta satu variabel moderating yaitu struktur aktiva
Tabel 3.1
Definisi Operasional dan Skala Pengukuran Variabel
No Variabel Defenisi Pengukuran Skala
1. Likuiditas (X1)
Rasio likuiditas adalah rasio yang digunakan untuk mengukur
Dalam penelitian ini akan diproksikan dengan return on assets (ROA), yaitu rasio yang digunakan untuk mengukur efektivitas
No Variabel Defenisi Pengukuran Skala merupakan ukuran atau besarnya asset yang modal perusahaan yang berasal dari hutang.
DER = Total Utang
Total Ekuitas Rasio
5. Struktur aktiva (Z)
Struktur aktiva adalah kekayaan yang dimiliki perusahaan yang
Sumber : Olahan Peneliti (2017) 3.5 Populasi dan Sampel Penelitian
Populasi adalah sekelompok entitas yang lengkap yang dapat berupa orang, kejadian, atau benda yang mempunyai karakteristik tertentu, yaitu yang berada dalam satu wilayah dan memenuhi syarat-syarat tertentu yang berkaitan dengan masalah penelitian (Erlina, 2011:80).
Populasi yang digunakan dalam penelitian ini adalah seluruh perusahaan perbankan yang terdaftar di Bursa Efek Indonesia periode 2011-2015. Berdasarkan data yang diperoleh melalui situs Bursa Efek Indonesia di www.idx.co.id jumlah populasi perusahaan perbankan yang terdaftar di Bursa Efek Indonesia periode 2011-2015 adalah 39 perusahaan.
Sampel adalah bagian populasi yang digunakan untuk memperkirakan karakteristik populasi (Erlina, 2011:81). Teknik pengambilan sampel yang digunakan dalam penelitian ini adalah metode purposive sampling, yaitu dengan mengambil sampel berdasarkan suatu kriteria tertentu. Kriteria yang digunakan dapat berdasarkan perimbangan (judgment) atau berdasarkan kuota tertentu (Erlina, 2011:87).
Adapun kriteria pengambilan sampel dalam penelitian ini adalah sebagai berikut:
1. Perusahaan perbankan yang terdaftar di Bursa Efek Indonesia selama periode 2011-2015.
2. Perusahaan tersebut telah menerbitkan dan mempublikasikan laporan keuangan yang telah diaudit secara teratur dan lengkap selama periode 2011-2015.
3. Perusahaan yang memiliki kelengkapan data tentang laporan keuangan yang berkaitan dengan pengukuran variabel yang digunakan dalam penelitian ini.
Berdasarkan kriteria yang dikemukakan di atas, maka perusahaan yang memenuhi kriteria adalah sebanyak 22 perusahaan, sehingga total sampel dalam penelitian ini adalah 110 (22 perusahaan x 5 tahun). Adapun daftar populasi dan sampel dapat diliat pada tabel 3.2 berikut ini:
Tabel 3.2
DAFTAR POPULASI DAN SAMPEL PENELITIAN
NO KODE
17 BJBR PT BANK PEMBANGUNAN DAERAH JAWA BARAT
DAN BANTEN, TBK 9
18 BJTM PT BANK PEMBANGUNAN DAERAH JAWA TIMUR
TBK x x -
3.6 Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif, yaitu data yang berbentuk angka-angka. Data ini merupakan data sekunder, yaitu data yang informasinya diperoleh secara tidak langsung dari perusahaan. Data dalam penelitian ini bersumber dari hasil publikasi Bursa Efek Indonesia, buku-buku referensi, internet dan literatur ilmiah lainnya yang berkaitan dengan bahasan penelitian. Adapun data yang digunakan dalam penelitian ini adalah data laporan keuangan perusahaan perbankan yang menjadi sampel penelitian yang terdaftar di Bursa Efek Indoneisa (BEI) tahun 2011 sampai dengan 2015. Data tersebut diperoleh dari website Bursa Efek Indonesia yaitu www.idx.co.id.
3.7 Metode Pengumpulan Data
Metode pengumpulan data yang dilakukan dalam penelitian ini adalah metode kepustakaan (library research), yaitu penelitian dilakukan dengan mengumpulkan dan mempelajari literatur pustaka seperti majalah, jurnal dan sumber-sumber lain yang berhubungan dengan penelitian sehingga dapat digunakan dalam membahas teori yang mendasari penelitian, membahas masalah, menganalisis data dan menelaah penelitian lain.
Penelitian ini juga menggunaan metode dokumentasi, yaitu dengan cara mengumpulkan, mencatat, dan mengkaji data sekunder yang berupa laporan keuangan perusahaan perbankan yang terdaftar di Bursa Efek Indonesia periode tahun 2011-2015 yang termuat dalam situs www.idx.co.id.
3.8 Teknik Analisis Data
Teknik analisis data bertujuan untuk mengetahui apakah variabel independen dapat mempengaruhi variabel dependen secara signifikan dan apakah variabel moderating memperkuat atau memperlemah pengaruh variabel independen terhadap variabel dependen. Metode analisis data yang digunakan pada penelitian ini adalah metode analisis statistik dengan menggunakan program SPSS.
3.8.1 Statistik Deskriptif
Statistik deskriptif 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, 2013). Statistik deskriptif yang akan ditampilkan di penelitian ini, meliputi: minimum, maksimum, nilai rata-rata (mean), dan standar deviasi.
3.8.2 Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk mengetahui apakah hasil analisis regresi yang digunakan untuk menganalisis dalam penelitian ini terbebas dari penyimpangan. Uji asumsi klasik ini meliputi uji normalitas, multikolinieritas, autokorelasi, dan heteroskedastisitas.
Adapun masing-masing pengujian tersebut dapat dijelaskan sebagai berikut:
3.8.2.1 Uji Normalitas
“Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik” (Ghozali, 2013:160).
a. Analisis Grafik
Menurut Ghozali (2013:160-161), Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal.
Namun demikian, jika hanya dengan melihat histogram, hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal.
Dasar pengambilan keputusan dari analisis normal probability plot adalah sebagai berikut:
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka menunjukkan pola distribusi normal. Model regresi memenuhi asumsi normalitas.
Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal serta tidak menunjukkan pola distribusi normal maka model regresi tidak memenuhi asumsi normalitas (Ghozali, 2013:163).
b. Analisis Statistik
Uji statistik sederhana dapat dilakukan dengan melihat uji kurtosis dab skewness dari residual. Selain
itu, uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non-parametrik Kolmogorov-Smirnov (K-S). Analisis statistik yang digunakan di dalam penelitian ini adalah uji statistik non-parametrik Kolmogorov-Smirnov (K-S). Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut:
Nilai sig atau signifikansi atau nilai probabilitas <
0,05, distribusi adalah tidak normal.
Nilai sig atau signifikansi atau nilai probabilitas >
0,05, distribusi adalah normal
Uji K-S (Kolmogorov-Smirnov) dilakukan dengan membuat hipotesis:
H0 : Data residual berdistibusi normal H1 : Data residual tidak berdistribusi normal
Apabila probabilitas nilai Z uji K-S signifikan secara
statistik, maka H0 ditolak, yang berarti data tersebut terdistribusi tidak normal.
Apabila probabilitas nilai Z uji K-S tidak signifikan
secara statistik maka H0 diterima, yang berarti data tersebut terdistribusi normal.
3.8.2.2 Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam 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.
Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol (Ghozali, 2013:105).
Untuk mendeteksi ada tidaknya multikolinieritas dalam model regresi dapat dilihat dari Tolerance Value dan Variance Inflation Factor (VIF). Kedua ukuran tersebut menunjukkan variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dapat dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi (karena VIF = 1/tolerance atau Tolerance=1/VIF).
Nilai cut-off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah:
1. Jika nilai tolerance >10 persen dan nilai VIF < 10, maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variable independen dalam model regresi.
2. Jika nilai tolerance < 10 persen dan nilai VIF > 10, maka dapa disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi.
3.8.2.3 Uji Autokorelasi
Uji autokorelasi dilakukan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan penganggu pada periode t-1 (sebelumnya). Apabila terjadi korelasi, kemungkinan terdapat masalah autokorelasi.
Menurut Ghozali (2013:110) autokorelasi muncul disebabkan adanya observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi yang lainnya. Hal ini sering ditemukan pada data runtut waktu atau time series karena “gangguan” pada seorang individu/kelompok cenderung mempengaruhi
“gangguan” pada individu/kelompok yang sama pada periode berikutnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Cara yang umum digunakan untuk mendeteksi ada tidaknya autokorelasi, maka dilakukan pengujian Durbin-Watson (DW). Model dikatakan bebas dari autokorelasi jika nilai DW lebih dari nilai dua pada tabel. Autokorelasi terjadi jika nilai Durbin-Watson (DW) memiliki nilai lebih dari 5, atau Durbin-Watson (DW) > 5. Pengambilan keputusan ada atau tidaknya autokorelasi adalah sebagai berikut:
Tabel 3.3
Pengambilan Keputusan Ada Tidaknya Autokorelasi No Hipotesis Nol Keputusan Jika
1
Tidak ada autokorelasi
positif
Tolak 0 < 𝑑 < 𝑑𝑙
No Hipotesis Nol Keputusan Jika
Jika nilai Durbin-Watson tidak dapat memberikan kesimpulan apakah data yang digunakan terbebas dari autokorelasi atau tidak, maka perlu dilakukan Run-Test.
Pengambilan keputusan didasarkan pada acak atau tidaknya data, apabila bersifat acak maka dapat diambil kesimpulan bahwa data tidak terkena autokorelasi.
Menurut Ghozali (2013) acak atau tidaknya data didasarkan pada batasan sebagai berikut:
a. apabila nilai probabilitas ≥ α = 0,05 maka observasi terjadi secara acak.
b. apabila nilai probabilitas ≤ α = 0,05 maka observasi terjadi secara tidak acak.
3.8.2.4 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap atau memiliki kesamaan, maka disebut
Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas (Ghozali, 2013:139).
Untuk mendeteksi ada atau tidaknya heteroskedastisitas dilakukan dengan melihat grafik scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Dimana sumbu Y menjadi sumbu yang telah diprediksi dan sumbu X adalah residual (Y prediksi-Y sesungguhnya) yang telah di studentized (Ghozali, 2013:139).
Dasar analisisnya adalah sebagai berikut:
a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang,
melebar kemudian menyempit), maka
mengidentifikasikan telah terjadi heteroskedastisitas.
b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
3.8.3 Pengujian Hipotesis
3.8.3.1 Uji Signifikansi Simultan (Uji Statistik F)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat (Ghozali, 2013:98).
Uji ini dilakukan dengan membandingkan F hitung dengan F tabel dengan ketentuan sebagai berikut:
a. Jika Fhitung < Ftabel maka H0 diterima atau Ha ditolak, b. Jika Fhitung > Ftabel maka H0 ditolak dan Ha diterima, c. Jika tingkat signifikansi < 0.05 maka H0 ditolak dan
Ha diterima,
d. Jika tingkat signifikansi > 0.05 maka H0 diterima dan Ha ditolak (Ghozali,2013).
3.8.3.2 Uji Signifikansi Parsial (Uji Statistik t)
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh variabel penjelas/ independen secara individual dalam menerangkan variasi variabel dependen (Ghozali, 2013:98). Kriteria pengujian yang digunakan sebagai berikut :
a. Jika t hitung < t tabel maka H0 diterima atau Ha ditolak b. Jika t hitung > t tabel maka H0 ditolak dan Ha diterima
c. Jika tingkat signifikansi < 0.05 maka H0 ditolak dan Ha diterima
d. Jika tingkat signifikansi > 0.05 maka H0 diterima dan Ha ditolak
3.8.3.3 Uji Koefisien Determinasi (R²)
Koefisien determinasi (R²) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel depende. Nilai koefisien determinasi adalah antara nol dan 1. Nilai R² yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas.
Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Kelemahan mendasar penggunaan koefisien determinasi adalah bisa terhadap jumlah variabel
independen yang dimasukkan kedalam model. Setiap tambahan satu variabel independen, maka R2 pasti meningkat tidak perduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Oleh karena itu banyak peneliti menganjurkan untuk menggunakan nilai Adjusted R² pada saat mengevalusi mana model regresi terbaik.
Tidak seperti R², nilai Adjusted R² dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model (Ghozali, 2013:97).
3.8.4 Analisis Regresi Linear Berganda
Analisis regresi linear berganda digunakan untuk mendapatkan koefisien regresi yang akan menentukkan apakah hipotesis yang dibuat akan diterima atau ditolak. Data yang telah dikumpulkan dianalisis dengan menggunakan alat analisis statistik.
Persamaan Analisis Regresi Linear Berganda : Y = a + b1X1 + b2X2 + b3X3 + e
Dimana :
Y = Struktur modal (DER) a = Konstanta
b1 – b3 = Koefisien Regresi X1 = Likuiditas (Current Ratio)
X2 = Profitabilitas (Return On Asset (ROA)) X3 = Ukuran Perusahaan (Size)
e = Error/ kesalahan
3.8.5 Uji Hipotesis dengan Menggunakan Variabel Pemoderasi
Variabel moderating adalah variabel independen yang akan menguatkan atau melemahkan hubungan antara variabel independen lainnya terhadap variabel dependen (Ghozali, 2013). Ada tiga cara menguji regresi dengan variabel moderating yaitu : (1) uji interaksi, (2) uji nilai selisih mutlak, dan (3) uji residual. Peneliti menggunakan uji interaksi atau sering disebut dengan Moderated Regression Analysis (MRA) dalam penelitian ini. Karena, uji interaksi atau MRA lebih cocok digunakan dalam penelitian ini, di mana Moderated Regression Analysis (MRA) merupakan aplikasi yang khusus digunakan untuk regresi berganda linier, di mana dalam persamaan regresinya mengandung unsur interaksi (perkalian dua atau lebih variabel independen). Persamaan regresi variabel moderating yang dimaksud antara lain adalah:
Persamaan 1 ( Moderat 1):
Y = a + b1X1 + b2Z+ b3X1*Z + e Persamaan 2 ( Moderat 2):
Y = a + b1X2 + b2Z+ b3X2*Z + e Persamaan 3 ( Moderat 3):
Y = a + b1X3 + b2Z+ b3X3*Z + e Dimana :
Y = Struktur modal (DER) a = Konstanta
b1 – b3 = Koefisien Regresi X1= Likuiditas (Current Ratio)
X2= Profitabilitas (Return On Asset (ROA)) X3= Ukuran Perusahaan (Size)
Z = Struktur Aktiva
X1*Z = Interaksi antara Likuiditas dengan Struktur Aktiva X2*Z = Interaksi antara Profitabilitas dengan Struktur Aktiva X3*Z = Interaksi antara Ukuran Perusahaan dengan Struktur Aktiva e = Error/ kesalahan
Kriteria :
a. Jika Sig > 0,05, maka Z tidak mampu memoderasi hubungan X dan Y.
b. Jika Sig < 0,05, maka Z mampu memoderasi hubungan X dan Y.
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Deskripsi Data Penelitian
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi berganda.
Langkah awal analisis data dimulai dengan input atau entry data (yang berupa angka yang terdapat dalam laporan keuangan) yang dibutuhkan dengan menggunakan Microsoft Excel, selanjutnya dilakukan pengujian dengan menggunakan software SPSS (Statistical Package for Social Science).
Prosedur dimulai dengan memasukkan variabel-variabel penelitian ke program SPSS tersebut dan menghasilkan output-output sesuai metode analisis data yang telah ditentukan.
Penelitian ini menggunakan perusahaan perbankan yang terdaftar di Bursa Efek Indonesia (BEI) dan sesuai dengan kriteria yang telah ditentukan sebagai sampel penelitian. Berdasarkan kriteria sampel terdapat 22 perusahaan dengan jumlah pengamatan 5 tahun, sehingga jumlah sampel terdapat sebanyak 110 data perusahaan. Data yang diperlukan diperoleh dari laporan keuangan dan laporan auditor independen yang diterbitkan oleh Bursa Efek Indonesia melalui situs www.idx.co.id.
4.2 Analisis Data
4.2.1 Hasil Statistik Deskriptif
Statistik deskriptif 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, 2013). Statistik deskriptif yang akan ditampilkan di penelitian ini, meliputi: minimum, maksimum, nilai rata-rata (mean), dan standar deviasi. Statistik deskriptif dari masing-masing variabel penelitian yang digunakan dalam penelitian ini dapat dilihat pada tabel 4.1 dibawah ini :
Tabel 4.1
Hasil Statistik Deskriptif
Sumber: Output SPSS, diolah Penulis, 2017 Berdasarkan data dari tabel 4.1 dapat dijelaskan bahwa :
1. Variabel dependen yaitu struktur modal yang diproksikan dengan DER (Debt to Equity Ratio) memiliki sampel (N) sebanyak 110 dengan nilai minimum (terkecil) sebesar 3.03 dimiliki oleh Bank QNB Kesawan Tbk, nilai maksimum (terbesar) sebesar 14.12 dimiliki oleh Bank Artha Graha Internasional Tbk, mean (nilai rata-rata) sebesar 7.8883, dan standar deviation (simpangan baku) sebesar 2.18738.
2. Variabel independen pertama adalah likuiditas yang diproksikan dengan current ratio memiliki sampel (N) sebanyak 110 dengan
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
DER 110 3.03 14.12 7.8883 2.18738
CURRENT RATIO 110 33.47 296.65 118.2467 31.70209
ROA 110 -7.64 4.46 1.4947 1.74948
UKURAN PERUSAHAAN
(SIZE) 110 4.76 9.92 6.8915 1.19445
STRUKTUR AKTIVA 110 .0005 .1587 .019489 .0212705 Valid N (listwise) 110
nilai minimum (terkecil) sebesar 33.47 dimiliki oleh Bank CIMB Niaga Tbk, nilai maksimum (terbesar) sebesar 296.65 dimiliki oleh Bank Rakyat Indonesia (Persero) Tbk, mean (nilai rata-rata) sebesar 118.2467, dan standar deviation (simpangan baku) sebesar 31.70209.
3. Variabel independen kedua adalah profitabilitas yang diproksikan dengan ROA (Return On Assets) memiliki sampel (N) sebanyak 110 dengan nilai minimum (terkecil) sebesar -7.64 dimiliki oleh Bank Mutiara Tbk, nilai maksimum (terbesar) sebesar 4.46 dimiliki oleh Bank Rakyat Indonesia (Persero) Tbk, mean (nilai
3. Variabel independen kedua adalah profitabilitas yang diproksikan dengan ROA (Return On Assets) memiliki sampel (N) sebanyak 110 dengan nilai minimum (terkecil) sebesar -7.64 dimiliki oleh Bank Mutiara Tbk, nilai maksimum (terbesar) sebesar 4.46 dimiliki oleh Bank Rakyat Indonesia (Persero) Tbk, mean (nilai