HASIL DAN PEMBAHASAN
4.1 Hasil Penelitian
4.1.2 Statistik Deskriptif
Statistik deskriptif untuk setiap variabel bebas yang dianalisis disajikan pada Tabel 4.2 Variabel bebas yang digunakan dalam analisis ini sebanyak 5 (lima) variabel independen yaitu Pertumbuhan Perusahaan (X1), Profitabilitas (X2), Firm Size (X3), Struktur Aset (X4), dan Kepemilikan Manajerial (X5). Variabel dependenyaitu Struktur Modal (Y). Hal tersebut terdapat pada Tabel 4.2 berikut:
Tabel 4.2 Statistik Deskriptif Data Penelitian Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Struktur Modal 99 11,97 1324,46 474,3697 373,13243 Pertumbuhan perusahaan 99 1,42 759,78 38,4923 81,87906 Profitabilitas 99 ,17 12,40 3,1762 2,85545 Firm Size 99 15,14 29,03 21,2805 4,08250 Struktur Aset 99 ,20 65,59 3,3585 8,84084 Kepemilikan Manajerial 99 ,005 ,098 ,02485 ,027765 Valid N (listwise) 99
Sumber: Hasil Output SPSS, data yang diolah oleh Peneliti, 2015 Berdasarkan tabel 4.2 di atas dapat diketahui:
1. Jumlah sampel (N) sebanyak 99,
2. Struktur Modal pada Perusahaan Jasa tahun 2010 – 2013 yang terendah adalah 11,97 diperoleh oleh Perusahaan Clipan Finance Indonesia Tbk.(CFIN) pada tahun 2013, dan yang tertinggi adalah 1324,46 diperoleh oleh Perusahaan Bank Himpunan Saudara 1906 Tbk. (SDRA) pada tahun 2013, dengan rata – rata 474,3697 dan standart deviasi sebesar 373,13243. 3. Pertumbuhan Perusahaan pada Perusahaan Jasa tahun 2010 – 2013 yang
Tbk.(CFIN) pada tahun 2012 dan yang tertinggi adalah 759,78 yang diperoleh oleh Perusahaan Bank Rakyat Indonesia Agro Niaga Tbk (AGRO) pada tahun 2012, dengan rata - rata 38,4923 dan standart deviasi sebesar 81,87906.
4. Profitabilitas Perusahaan Jasa pada tahun 2010 – 2013 yang terendah adalah 0,17 diperoleh oleh Perusahaan Bank Kesawan Tbk (BKSW) pada tahun 2011, dan yang tertinggi adalah 12,40 diperoleh oleh Perusahaan Maskapai Reasuransi Indonesia Tbk (MREI) pada tahun 2012, dengan rata – rata 3,1762 dan standart deviasi sebesar 2,85545.
5. Firm Size Perusahaan Jasa pada tahun 2010 – 2013 yang terendah adalah 15,14 diperoleh oleh Perusahaan Bank Kesawan Tbk (BKSW) pada tahun 2011 dan yang tertinggi adalah 29,03 diperoleh oleh Perusahaan Bank Bumi Arta Tbk (BNBA) Pada tahun 2013, dengan rata – rata 21,2805dan standart deviasi sebesar 4,08250.
6. Struktur Aset Perusahaan Jasa pada tahun 2010 – 2013 yang terendah adalah 0,20 diperoleh oleh Perusahaan Panin Insurance Tbk (PNIN) pada tahun 2013 dan yang tertinggi adalah 65,59 diperoleh oleh Perusahaan Bumi Teknokultura Unggul Tbk (BTEK) pada tahun 2011, dengan rata – rata 3,3585 dan standart deviasi sebesar 8,84084.
7. Kepemilikan manajerial pada tahun 2010– 2013 yang terendah adalah 0,005 diperoleh oleh Perusahaan Bank Bukopin Tbk (BBKP) pada tahun 2011 dan yang tertinggi adalah 0,98 diperoleh oleh Perusahaan Bank
Mandiri Persero Tbk (BMRI) pada tahun 2013 dengan rata – rata 0,02485dan standart deviasi sebesar 0,027765.
4.1.3 Pengujian Asumsi Klasik
Sebelum melakukan pengujian statistikdengan analisis regresi berganda,makaperludilakukan tahap pengujian untuk mempertimbangkan tidak adanya pelanggaran yang terjadi pada asumsi klasik. Asumsi klasik tersebut antara lain:
4.1.3.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah variabel residual berdistribusi normal. .Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji analisis statistik.
1. Analisis grafik
Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasar dalam pengambilan kesimpulansebagaimana dikemukakan oleh Ghozali (2005 : 149):
a. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan
pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
b. Jika data menyebar menjauh dari diagonal dan atau tidak mengikuti arah garis diagonal atau garis histogram tidak menunjukkan pola pada distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Berikut ini gambar grafik analisis grafik:
Gambar 4.1 Histogram
Sumber: Hasil Output SPSS, data yang diolah oleh Peneliti, 2015
Grafik histogram pada gambar menunjukkan distribusi normal karena grafik tidak condong ke kiri maupun condong ke kanan. Dengan demikian dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas.
Normalitas data dapat dilakukan dengan menggunakan Normal P_Plot data, jika data (titik) menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka data telah terdistribusi normal”. Hasil pengujian normalitas dengan P-P Plot juga dapat dilihat pada gambar berikut:
Gambar 4.2 Grafik P-P Plot
Sumber: Hasil output SPSS, data yang diolah oleh Peneliti, 2015
1. Analisis Statistik
Analisis Statistik dapat digunakan untuk menguji apakah residual berdistribusi normal. Uji statistik ini dapat digunakan melalui uji statistik non parametrik Kolmogorov-Smirnov (K-S) dengan membuat hipotesis:
Haditerima berarti data residual tidak berdistribusi normal. Apabila nilai signifikan atau probabilitas lebih besar dari 0.05, maka Ho diterima dan sebaliknya jika nilai signifikansi atau probabilitas lebih kecil dari 0.05, maka Ho ditolak atau Ha diterima.
Berikut ini tabel hasil uji Kolmogorov-Smirnov (K-S): Tabel 4.3
Hasil Uji NormalitasKolmogorov-Smirnov (K-S)
Sumber: Hasil Output SPSS, data diolah oleh peneliti, 2015 Dari hasil pengolahan data pada tabel di atas, diperoleh nilai Kolmogorov-Smirnov Z sebesar 0,859 dan Asymp.Sig. (2-tailed) adalah 0,451 dan nilai ini di atas 0,05 dengan kata lain variabel residual berdistribusi normal.
Semua hasil pengujian melalui analisis grafik dan statistik di atas menunjukkan hasil yang sama yaitu normal.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 99
Normal Parametersa,b Mean ,0000000
Std. Deviation 294,66254638 Most Extreme Differences Absolute ,068
Positive ,068
Negative -,054
Kolmogorov-Smirnov Z ,673
Asymp. Sig. (2-tailed) ,755
a. Test distribution is Normal. b. Calculated from data.
4.1.3.2 Uji Multikolinearitas
Uji multikolinearitas memiliki bahwa arti bahwa antara variabel independen yang terdapat dalam model regresi memiliki hubungan yang sempurna. Salah satu cara untuk mendeteksi multikolinearitas dilakukan dengan mengkorelasikan antara variabel independen dengan variabel dependen dan jika korelasinya signifikan.Pengujian multikolinearitas dilakukan dengan melihat:
1. VIF > 5 maka diduga mempunyai persoalan multikolineritas.
2. VIF < 5 maka tidak terdapat persoalan multikolineritas. 3. Tolerance< 0,1 maka diduga mempunyai persoalan
multikolineritas.
4. Tolerance > 0,1 maka tidak terdapat persoalan multikolineritas.
Berdasarkan perhitungan dengan menggunakan SPSS versi 18.0 maka dapat dilihat hasilnya sebagai berikut:
Tabel 4.4
Hasil Uji Multikolinieritas
Sumber: Hasil Output SPSS, data diolah oleh peneliti, 2015
Dari hasil pengujian pada tabel hasil uji multikolinearitas di atas, dapat dilihat bahwa nilaitolerancePertumbuhan Perusahaan (X1), Profitabilitas (X2), Firm Size (X3), Struktur Aset (X4), dan Kepemilikan Manajerial (X5) tidak kurang dari 0,1 yaitu : 0,985, 0,861, 0,907, 0,933, 0,903.
Sedangkan nilai VIF Pertumbuhan Perusahaan (X1), Profitabilitas (X2), Firm Size (X3), Struktur Aset (X4), dan Kepemilikan Manajerial (X5) tidak lebih dari 5 yaitu : 1,016, 1,612, 1,102, 1,071,1,108.
Maka dapat dinyatakan bahwa tidak terjadi multikolinieritas diantara variabel independen dalam penelitian.
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
(Constant) 1084,032 168,716 6,425 ,000 Pertumbuhan perusahaan ,563 ,376 ,123 1,496 ,138 ,985 1,016 Profitabilitas -58,202 11,534 -,445 -5,046 ,000 ,861 1,162 Firm Size -17,179 7,857 -,188 -2,186 ,031 ,907 1,102 Struktur Aset -9,283 3,577 -,220 -2,595 ,011 ,933 1,071 Kepemilikan Manajerial -2000,094 1158,396 -,149 -1,727 ,088 ,903 1,108 a. Dependent Variable: Struktur Modal
4.1.3.3 Uji Heteroskedastisitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat plot grafik yang dihasilkan dari pengolahan data dengan menggunakan program SPSS versi 18.0. Dasar pengambilan keputusannya adalah:
1. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang terartur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas. Model regresi yang baik adalah regresi yang bebas dari heteroskedastisitas. Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi heteroskedastisitas atau terjadi homoskedastisitas dengan mengamati penyebaran titik-titik pada gambar. Berikut ini adalah grafik scatterplot untuk menganalisis apakah terjadi heteroskedastisitas dengan mengamati penyebaran titik- titik pada gambar.
Gambar 4.3
Hasil Uji Heteroskedastisitas
Sumber: Hasil Output SPSS, data diolah oleh peneliti, 2015
Dari hasil tampilan output scatter plot jika scatter plot menunjukkan titik data menyebar di atas, di bawah dan di sekitar angka nol pada sumbu Y maka data penelitian bebas dari heterokedastisitas dan data layak digunakan untuk penelitian.
4.1.3.4 Uji Autokorelasi
Menurut Ghozali (2005:95), “uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t-1 (sebelumnya)”. Autokorelasi menunjukkan adanya korelasi antara kesalahan pengganggu pada kata yang tersusun, baik berupa data cross sectional dan time series. Autokorelasi yang terjadi dalam model regresi menimbulkan koefisien korelasi yang diperoleh menjadi tidak akurat dan model regresi yang baik adalah model regresi yang bebas dari autokorelasi.
Penggunaan progres SPSS bertujuan untuk mendeteksi adanya problem autokorelasi adalah dengan melihat besaran Durbin Watson, yaitu panduan mengenai D-W (Durbin Watson). Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
1. Angka D-W dibawah -2, berarti ada autokorelasi positif. 2. Angka D-W diantara -2 sampai +2 berarti tidak ada
autokorelasi.
3. Angka D-W diatas +2, berarti ada autokorelasi negatif. Berikut inilah adalah tabel hasil uji autokorelasi yang telah dilakukan:
Tabel 4.5
Hasil Uji Autokorelasi
Sumber: Hasil Output SPSS, data diolah oleh peneliti, 2015
Berdasarkan tabel 4.5 diatas dapat dilihat bahwa nilai Durbin Watson sebesar 1,919 yang berarti tidak terjadi terjadi autokorelasi, yang terbukti dari angka D-W yang dihasilkan terletak diantara -2 sampai +2yang artinya tidak terjadi autokorelasi.
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,613a ,376 ,343 302,47989 1,919
a. Predictors: (Constant), Kepemilikan Manajerial, Pertumbuhan perusahaan, Firm Size, Struktur Aktiva, Profitabilitas
