METODE PENELITIAN 3.1. Jenis Penelitian
3.5 Jenis dan Sumber Data
3.8.1 Statistik Deskriptif
Statistik deskriptif digunakan untuk memperoleh gambaran umum sampel data. Statistik deskriptif bertujuan untuk menggambarkan tentang
ringkasan data-data penelitian seperti mean, standar deviasi, varian,
modus, sum, range, minimum, dan maksimum. 3.8.2 Uji Asumsi Klasik
Untuk mengetahui apakah model regresi benar-benar menunjukkan hubungan yang signifikan dan representatif, maka model tersebut harus memenuhi asumsi klasik regresi. Uji asumsi klasik yang dilakukan adalah uji normalitas, multikolinearitas, autokorelasi, dan heteroskedastisitas.
3.8.2.1 Uji Normalitas
Uji normalitas dilakukan untuk menentukan alat statistik yang dilakukan, sehingga kesimpulan yang diambil dapat dipertanggung jawabkan. Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Menurut Erlina (2008:154), uji ini
49 berguna untuk tahap awal dalam metode analisis data. Jika data normal, gunakan statistik parametrik dan jika data tidak normal gunakan statistik non parametrik atau lakukan treatment agar data normal. Cara yang digunakan untuk melihat apakah data normal atau tidak adalah dengan melakukan analisis grafik dengan melihat
grafik histogram dan probability plot dan dengan melakukan
analisis statistik. Analisis grafik ini dapat dilakukan dengan melihat grafik histogram dan probability plot. Sedangkan analisis statistik dapat dilakukan dengan uji Kolmogorov-Smirnov.
Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak, yaitu:
A. Analisis Grafik
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati normal. Namun demikian, hanya dengan melihat histogram, hal ini dapat membingungkan, khususnya untuk jumlah sampel yang kecil. Metode lain yang dapat digunakan adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal.
Dasar pengambilan keputusannya adalah :
- Jika data menyebar di sekitar garis diagonal dan mengikuti
50 pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
- Jika data menyebar jauh dari diagonal dan/atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
B. Analisis Statistik
Uji statistik yang digunakan untuk menguji normalitas
adalah uji statistik nonparametric Kolmogorov-Smirnov (K-S).
Pedoman dalam pengambilan keputusan normal atau tidaknya data yang akan diolah adalah sebagai berikut:
- Apabila hasil signifikansi lebih besar (>) dari 0,05 maka data terdistribusi normal.
- Apabila hasil signifikansi lebih kecil (<) dari 0,05 maka data tersebut tidak terdistribusi secara normal.
3.8.2.2 Uji Multikolinearitas
Multikolinearitas adalah situasi adanya korelasi variabel– variabel independen antara yang satu dengan yang lainnya. Dalam hal ini, kita sebut variabel – variabel bebas ini tidak ortogonal (Erlina,2008:156). Variabel – variabel bebas yang bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol. Model regresi yang baik selayaknya tidak terjadi multikolinearitas. Multikolinearitas dapat
51 dilihat dari VIF (Variance Inflation Factor), jika VIF 10 maka tingkat multikolinearitas dapat ditoleransi. Multikolinearitas dilihat
juga melalui TOL (Tolerance). Nilai TOL berkebalikan dengan
nilai VIF. Tolerance (TOL) mengukur variabilitas dari variabel
independen yang tidak dijelaskan oleh variabel inpenden lainnya. Jadi multikolinearitas terjadi jika VIF > 10 dan nilai tolerance < 0,10.
3.8.2.3 Uji Autokorelasi
Uji ini bertujuan untuk mengetahui apakah ada korelasi antar kesalahan pengganggu pada periode t dengan periode t-1 (sebelumnya). Model regresi yang baik adalah yang bebas dari autokorelasi. Cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan uji Durbin Watson (DW). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Hal ini terjadi karena kesalahan pengganggu tidak bebas dari observasi lainnya. Salah satu cara yang dapat dilakukan untuk mendeteksi terjadi atau tidaknya
autokorelasi adalah dengan uji Durbin Watson. Uji ini hanya
digunakan untuk autokorelasi tingkat pertama (first order
autokorelasi) dan mensyaratkan adanya intercept (konstanta) dalam model regresi.
52 Tabel 3.2
Kriteria Pengambilan Keputusan Metode Durbin-Watson
Kriteria Pengujian Keputusan Kesimpulan
0 < d < dl
Terjadi autokorelasi positif
Tolak
dl ≤ d ≤ du Tidak ada autokorelasi positif
Tidak Ada Keputusan
4-dl < d < 4
Terjadi autokorelasi negatif
Tolak
4-du ≤ d ≤ 4-dl
Tidak ada autokoelasi negatif
Tidak Ada Keputusan
du < d < 4-du
Tidak ada autokorelasi positif atau negatif
Tidak Ditolak
Sumber : Ghozali, Imam, 2006. Aplikasi Analisis Multivariance dengan Program SPSS, Edisi Ketiga, Badan Penerbit Universitas Diponegoro, Semarang, hal 96.
3.8.2.4 Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk menguji apakah pada model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan lainnya. Jika varians dari residual
53 satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas.
Metode yang digunakan untuk menguji ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai variabel dependen (ZPRED) dengan nilai residual (SRESID). Dasar analisis ini adalah:
1. Titik-titik tersebar di atas dan di bawah atau disekitar angka 0. 2. Titik-titik data tidak mengumpul hanya di atas atau di bawah.
3. Penyebaran titik-titik data tidak boleh membentuk pola
bergelombang melebar kemudian menyempit dan melebar kembali. 3.8.3 Pengujian Hipotesis
3.8.3.1 Uji Signifikansi Parsial (Uji t)
Statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas atau independen secara individual dalam menerangkan variasi variabel dependen dengan asumsi variabel bebas lainnya konstan. Tahap pengujian adalah sebagai berikut :
1. Ho: β = 0, berarti tidak ada pengaruh yang signifikan dari variabel independen terhadap variabel dependen secara parsial. Ha: β = 0, berarti ada pengaruh yang signifikan dari variabel independen terhadap dependen secara parsial.
54 3. Jika probabilitas (signifikasi) lebih besar dari 0,05 (α) maka variabel bebas secara individu tidak berpengaruh terhadap struktur modal, jika lebih kecil dari 0,05 maka variabel bebas secara individu berpengaruh terhadap struktur modal.
3.8.3.2 Uji Signifikansi Simultan (Uji F)
Uji F digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama- sama terhadap variabel dependen. Uji ini dilakukan dengan membandingkan F hitung dengan F tabel. Tahap pengujiannya adalah sebagai berikut :
1. Ho : β1 = β2 = β3 = β4 =β5 = 0, berarti tidak ada pengaruh
yang signifikan dari variabel independen secara bersama-sama terhadap variabel dependen. Ha : β1 = β2 = β3 = β4 =β5 = 0, berarti ada pengaruh yang signifikan dari variabel independen secara bersama-sama terhadap variabel dependen.
2. Menentukan besarnya nilai F hitung dan signifikan F (Sig F). 3. Menentukan tingkat signifikan (α) yaitu sebesar 5%.
4. Menganalisis data penelitian yang telah diolah dengan kriteria pengujian yaitu :
• Jika nilai sig F > 0.05, maka Ho diterima, artinya variabel
bebas secara simultan tidak mempengaruhi variabel terikat secara signifikan.
55 • Jika nilai sig F ≤ 0.05, maka Ho ditolak, artinya variabel bebas
secara simultan mempengaruhi variabel terikat secara signifikan.
3.8.3.3 Uji Koefisien Determinasi
Koefisien determinasi (R2) adalah sebuah koefisien yang menunjukkan persentase pengaruh semua variable independen terhadap variabel dependen. Persentase tersebut menunjukkan seberapa besar variabel independen dapat menjelaskan variabel dependen. Semakin besar koefisien determinasinya maka semakin baik variabel independent dalam menjelaskan variabel dependen.
Nilai R2 besarnya antara 0-1 (0 < R2 < 1) koefisien determinasi ini digunakan untuk mengetahui seberapa besar variabel bebas mempengaruhi variabel tidak bebas. Nilai R-Square dikatakan baik bila nilainya di atas 0,5 karena nilai dari R-Square berkisar antara
0 sampai 1. Bila nilai R-Square mendekati 1 maka sebagian besar
variabel independen menjelaskan variabel dependen sedangkan jika koefisien determinasi adalah 0 berarti variabel independen tidak berpengaruh terhadap variabel dependen.
56 BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Deskriptif Data
Pada bab IV ini akan dilakukan analisis data melalui analisis regresi berganda dan pembahasan hasil pengolahan data untuk membuktikan hipotesis yang telah ditentukan sebelumnya. Analisis data dimulai dengan mengolah data
melalui Microsoft Excel dan seluruh data yang telah diperoleh akan diolah
dengan menggunakan SPSS (Statistical Product and Service Sollution). Hasil
pengolahan dari SPSS akan dianalisis untuk mengetahui pengaruh antara variabel independen yang digunakan dalam penelitian ini terhadap Struktur Modal perusahaan.
Objek dalam penelitian ini adalah perusahaan manufaktur sektor aneka industri yang terdaftar di Bursa Efek Indonesia pada tahun 2012-2014. Populasi penelitian berjumlah 40 perusahaan. Berdasarkan kriteria yang telah ditetapkan, didapat 34 perusahaan manufaktur sektor aneka industri yang memenuhi kriteria dan dijadikan sampel dalam penelitian ini selama periode 2012-2014.