Uji Simultan (Uji F) - Analisis Data - PENGARUH GROWTH OPPORTUNITY, PROFITABILITAS,RISIKO BISNI

B. Analisis Data

5. Uji Simultan (Uji F)

Menurut Ghozali (2013:98) uji F pada dasarnya menunjukan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat. Berdasarkan tabel 4.5 dari uji Eviews diatas menghasilkan nilai prob F-testsebesar 0.172456 dapat disimpulkan bahwa variabel growth opportunity, profitabilitas, risiko bisnis, pajak, asset tangibility dan likuiditas bersama-sama tidak berpengaruh terhadap struktur modal dengan koefisien alpha 5%.

6. Koefisien Determinasi (R²)

Menurut Ghozali (2013:97) uji determinasi koefisien determinasi (R²) dalam uji ini pada intinya menguji seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen nilai koefisien determinasi adalah antara nol dan satu. Hasil koefisien determinan yang diperoleh dalam penelitian ini dapat dilihat pada tabel 4.5 pada hasil uji output Eviews nilai R-squared = 0.202203 nilai ini berarti variasi variabel

independen berkontribusi sebesar 20% terhadap struktur modal. Sedangkan 80% dipengaruhi oleh variasi variabel lain yang tidak dimasukan kedalam model penelitian ini.

7. Uji Asumsi Klasik a. Normalitas

Menurut Winarno (2015:5.4) uji ini bertujuan untuk menguji apakah dalam model regresi variabel penganggu atau residual memiliki distribusi normal, seperti diketahui bahwa uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Untuk melakukan pengujian asumsi normalitas data tersebut dilakukan dengan menggunakan pengujian Jarque Berra (JB) uji ini untuk mengetahui apakah data berdistribusi normal jika probabilitas JB hitung lebih besar dari 0,05 maka data tersebut terdistribusi normal, tetapi apabila lebih kecil dari 0,05 maka data tersebut tidak terdistribusi normal

Tabel 4.7 Hasil Uji Normalitas

0 1 2 3 4 5 6 7 8 9 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5

Series: Standardized Residuals Sample 2013 2017 Observations 45 Mean -1.13e-15 Median -0.205901 Maximum 1.749473 Minimum -1.508566 Std. Dev. 0.958492 Skewness 0.253383 Kurtosis 1.802955 Jarque-Bera 3.168241 Probability 0.205128

Sumber : Data sekunder yang diolah 2018

Berdasarkan hasil gambar histogram 4.7 diatas terlihat bahwa nilai probability Jarque-Bera sebesar 0.205128. Dengan demikian dapat disimpulkan bahwa data dari variabel dalam penelitian ini telah terdistribusi normal.

b. Multikolonieritas

Menurut Gujarati(2006:68)Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi yang terbentuk ada korelasi yang tinggi dan sempurna antara variabel bebas atau tidak. Hasil regresi yang baik yaitu apabila model terbebas dari multikolinearitas.

Tabel 4.8

Hasil Uji Multikolonieritas

No Variabel Dependen r² Pembahasan Kesimpulan 1 Growth = f(Roa, Roe,

Etr, Tangibility, Fdr)

0,148911 R² > r² Tidak ada

multikolonieiritas 2 Roa = f(Roe, Etr,

Tangibility, Fdr, Growth)

0.199008 R² > r² Tidak ada

multikolonieiritas

3 Roe= f(Etr, Tangibility, Fdr, Growth, Roa)

0.370042 R² < r² Terjadi

Multikolonieritas 4 Etr= f(Tangibility,

Fdr,Growth, Roa, Roe)

0.090954 R² > r² Tidak ada

multikolonieiritas 5 Tangibility = f(Fdr,

Growth, Roa, Roe, Etr)

0.387116 R² < r² Terjadi

multikolonieritas 6 Fdr = f(Growth, Roa,

Roe, Etr, Tangibility)

0.110716 R² > r² Tidak ada

multikolonieiritas

Regresi Utama (R²) 0.202203

Sumber : Data sekunder yang diolah 2018

Dari tabel 4.8 diatas, hasil perhitungan R² menunjukkan ada dua variabel independen yang memiliki nilai r² lebih dari R² (regresi utama). Jadi, dapat disimpulkan bahwa terdapat multikolonieritas antar variabel independen dalam model regresi.

Tabel 4.9

Hasil Uji Multikolonieritas setelah penyembuhan

Dependent Variable: DER

Method: Panel EGLS (Cross-section random effects) Date: 09/26/18 Time: 09:00

Sample: 2013 2017 Periods included: 5 Cross-sections included: 9

Total panel (balanced) observations: 45

Swamy and Arora estimator of component variances

Variable Coefficient Std. Error t-Statistic Prob.

C 1.641127 1.582863 1.036809 0.3062 GROWTH -0.002523 0.010335 -0.244117 0.8084 ROA -0.082261 0.266104 -0.309131 0.7589 ROE 0.139585 0.054018 2.584032 0.0136 ETR 3.711063 1.838110 2.018956 0.0504 FDR -0.018876 0.016275 -1.159832 0.2532 Effects Specification S.D. Rho Cross-section random 0.672409 0.5874 Idiosyncratic random 0.563574 0.4126 Weighted Statistics

R-squared 0.178315 Mean dependent var 0.595188 Adjusted R-squared 0.072971 S.D. dependent var 0.611978 S.E. of regression 0.589226 Sum squared resid 13.54032 F-statistic 1.692693 Durbin-Watson stat 1.280921 Prob(F-statistic) 0.159288

Unweighted Statistics

R-squared 0.170016 Mean dependent var 1.695778 Sum squared resid 37.63737 Durbin-Watson stat 0.460821

Sumber : Data sekunder yang diolah tahun 2018

Dalam tabel 4.9 penyembuhan multikolonieritas adalah dengan menghilangkan salah satu variabel yang memiliki pengaruh r² paling kuat yaitu variabel Asset Tangibility. Hasil regresi inilah yang akan digunakan untuk menguji Autokorelasi dan Heteroskedastisitas.

c. Autokorelasi

Menurut Winarno (2015:5.3) autokolerasi bertujuan untuk menguji apakah dalam model regresi nya ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan penganggu pada periode t-1 (sebelumnya) jika terjadi korelasi maka dinamakan ada problem autokorelasi untuk mengetahui adanya autokorelasi dalam penelitian ini digunakan uji Durbin Watson.

Dalam Tabel 4.9 durbin watson sebesar 1.280921, yang setelah diuji menggunakan tabel masih terdapat autokorelasi. Untuk itu tabel dibawah ini adalah penyembuhan dari autokorelasi yang memakai durbin watson.

Tabel 4.10

Hasil Uji Autokorelasi penyembuhan

Dependent Variable: DER

Method: Panel EGLS (Cross-section random effects) Date: 09/26/18 Time: 09:13

Sample (adjusted): 2014 2017 Periods included: 4

Cross-sections included: 9

Total panel (balanced) observations: 36

Swamy and Arora estimator of component variances

Variable Coefficient Std. Error t-Statistic Prob.

C 1.134651 1.750232 0.648286 0.5219 GROWTH -0.019889 0.010250 -1.940344 0.0621 ROA 0.278583 0.236502 1.177932 0.2484 ROE 0.013166 0.040272 0.326928 0.7461 ETR 3.229915 1.723255 1.874310 0.0710 FDR -0.019209 0.017126 -1.121635 0.2712 DER(-1) 0.754780 0.120880 6.244054 0.0000 Effects Specification S.D. Rho Cross-section random 0.000000 0.0000

Sumber : data sekunder yang diolah 2018

Pada tabel 4.10 penyembuhan autokorelasi dengan menambah rumus der(-1) dengan keterangan nilai dU = 1.8346 dan nilai dL = 1.2385 dan kemudian 4-Du = 2.1654 dan k = 5, n = 45. Nilai DW yang keluar dari data olah eviews diatas sebesar 1.9788, nilai ini akan kita bandingkan dengan nilai tabel dengan menggunakan nilai signifikan 5%. Oleh karena nilai DW 1.9788 > dari batas atas (DU) 1.8346 dan nilai 2.1654 (4-dU) > DU, maka dapat disimpulkan pada penelitian ini tidak terdapat autokorelasi. d. Uji Heterokedastisitas

Menurut Winarno (2015: 5.8) uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan kepengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak

Idiosyncratic random 0.564352 1.0000

Weighted Statistics

R-squared 0.670257 Mean dependent var 1.628333 Adjusted R-squared 0.602034 S.D. dependent var 1.024524 S.E. of regression 0.646316 Sum squared resid 12.11400 F-statistic 9.824543 Durbin-Watson stat 1.978807 Prob(F-statistic) 0.000006

Unweighted Statistics

R-squared 0.670257 Mean dependent var 1.628333 Sum squared resid 12.11400 Durbin-Watson stat 1.978807

terjadi heteroskedastisitas. Cara mengetahui ada atau tidaknya gejala heteroskedastisitas pada penelitian ini melakukan pengujian dengan uji white.

Tabel 4.11

Hasil Uji Heteroskedastisitas

Dependent Variable: DER

Method: Panel EGLS (Cross-section random effects) Date: 09/26/18 Time: 09:13

Sample (adjusted): 2014 2017 Periods included: 4

Cross-sections included: 9

Total panel (balanced) observations: 36

Swamy and Arora estimator of component variances

Variable Coefficient Std. Error t-Statistic Prob.

Unweighted Statistics

R-squared 0.670257 Mean dependent var 1.628333 Sum squared resid 12.11400 Durbin-Watson stat 1.978807

ikarenakan model spesifikasi tidak lolos asumsi homoskedastisitas dengan uji white maka peneliti melakukan model White’s Robust Standard Error.

Tabel 4.12

Uji Heteroskedastisitas setelah penyembuhan

Sumber : Data sekunder yang diolah 2018

Dari tabel 4.7 Di atas dapat dilihat hasil yang setelah dilakukan uji White”s Robust Standard Error.

Dependent Variable: DER

Method: Panel EGLS (Cross-section random effects) Date: 09/26/18 Time: 09:15

Sample (adjusted): 2014 2017 Periods included: 4

Cross-sections included: 9

Total panel (balanced) observations: 36

Swamy and Arora estimator of component variances White diagonal standard errors & covariance (d.f. corrected)

Variable Coefficient Std. Error t-Statistic Prob.

C 1.134651 1.295523 0.875825 0.3883 GROWTH -0.019889 0.010714 -1.856289 0.0736 ROA 0.278583 0.210180 1.325448 0.1954 ROE 0.013166 0.039413 0.334056 0.7407 ETR 3.229915 1.197698 2.696770 0.0115 FDR -0.019209 0.012319 -1.559209 0.1298 DER(-1) 0.754780 0.123223 6.125321 0.0000 Effects Specification S.D. Rho Cross-section random 0.000000 0.0000 Idiosyncratic random 0.564352 1.0000 Weighted Statistics

Dalam dokumen PENGARUH GROWTH OPPORTUNITY, PROFITABILITAS,RISIKO BISNIS, PAJAK, ASSET TANGIBILITY, LIKUIDITASTERHADAP STRUKTUR MODAL BANK SYARIAH (Di Bank Umum Syariah tahun 2013-2017) SKRIPSI Diajukan untuk Memenuhi Tugas dan Melengkapi Syarat Guna (Halaman 101-110)