BAB II KAJIAN PUSTAKAKAJIAN PUSTAKA
METODE PENELITIAN
F. Teknik Analisis Data
Teknik analisis data yang digunakan dalam penelitian ini adalah regresi linier berganda, karena variabel independen dalam penelitian lebih dari dua. Analisis regresi linier berganda digunakan untuk mengetahui pengaruh dividend payout ratio, profitabilitas, struktur aktiva dan ukuran perusahaan terhadap variabel struktur modal pada perusahaan manufaktur yang terdaftar di Bursa Efek
40
Indonesia periode 2011 – 2013. Persamaan fungsinya dirumuskan sebagai berikut :
Y = a +β1X1+ β2X2+ β3X3+ β 4X4 +e Dimana :
Y = struktur modal X1 = dividend payout ratio
X = profitabilitas X = struktur aktiva X = ukuran perusahaan β1, β 2, β 3, β4 = koefisien regresi a = konstanta e = error
1. Uji Asumsi Klasik a. Uji Normalitas
Menurut Ghozali (2009), uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Uji normalitas data dalam penelitian ini menggunakan uji Kolmogrov-Smirnov
untuk masing-masing variabel Hipotesis yang digunakan adalah : Ho : data residual tidak berdistribusi normal
Ha : data residual berdistribusi normal
Pengujian normalitas dilakukan dengan melihat nilai 2-tailed significant. Jika data memiliki tingkat signifikasi lebih besar dari
41
0,05 atau 5 % maka dapat disimpulkan bahwa Ha diterima, sehingga dikatakan data berdistribusi normal (Ghozali, 2009).
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam suatu model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Untuk mendeteksi adanya multikolinearitas dalam penelitian ini dengan mengamati nilai tolerance dan varian inflation factor (VIF).
Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai
cut-off yang umum dipakai adalah nilai tolerance ≥ 0,10 atau sama dengan VIF ≤ 10 Bila hasil regresi memiliki nilai VIF tidak lebih dari 10, maka dapat disimpulkan tidak ada multikolinearitas dalam model regresi (Ghozali, 2009).
c. Uji Autokorelasi
Autokorelasi digunakan untuk menguji apakah pada model regresi ditemukan adanya korelasi antara kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada masalah korelasi. Pengujian gejala autokorelasi dapat dilakukan dengan uji Durbin-Watson, dengan pedoman (dalam Algifari, 2000) :
42
2) Angka D-W di antara 1,10 sampai 1,54 berarti tidak ada kesimpulan.
3) Angka D-W di antara 1,55 sampai 2,46 berarti tidak ada autokorelasi.
4) Angka D-W di antara 2,47 sampai 2,90 berarti tidak ada kesimpulan.
5) Angka D-W diatas 2,91 berarti ada autokorelasi. d. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan lain (Ghozali, 2009). Jika variance dari residual suatu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika beda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
Pengujian dilakukan dengan uji Glejser yaitu meregresi masing-masing variabel independen dengan absolute residual terhadap variabel dependen. Kriteria yang digunakan untuk menyatakan apakah terjadi heteroskedastisitas atau tidak di antara data pengamatan dapat dijelaskan dengan menggunakan koefisien signifikansi. Koefisien signifikansi harus dibandingkan dengan tingkat signifikansi yang ditetapkan sebelumnya (biasanya 5%).
43
Apabila koefisien signifikansi lebih besar dari tingkat signifikansi yang ditetapkan, maka dapat disimpulkan tidak terjadi heteroskedastisitas (homoskedastisitas). Akan tetapi, jika koefisien signifikansi lebih kecil dari tingkat signifikansi yang ditetapkan, maka dapat disimpulkan terjadi heteroskedastisitas.
2. Uji Hipotesis
a. Uji t atau Uji Parsial
Uji t digunakan untuk menguji pengaruh variabel independen secara parsial terhadap variabel dependen yaitu pengaruh dari masing-masing variabel independen yang terjadi atas dividend payout ratio, profitabilitas, struktur aktiva dan ukuran perusahaan terhadap variabel struktur modal yang merupakan variabel dependen.
Pengujian terhadap hasil regresi dilakukan dengan menggunakan uji t pada derajat keyakinan sebesar 95% atau α = 5%. Langkah-langkahnya adalah sebagai berikut :
1) Menentukan formula hipotesis
Hipotesis dalam uji t ini adalah sebagi berikut :
a. Pengaruh dividend payout ratio terhadap sruktur modal :
H : β1 > 0, berarti variabel dividend payout ratio (X1) tidak berpengaruh negatif terhadap variabel struktur modal (variabel Y).
44
Ha1 : β1 < 0, berarti variabel dividend payout ratio (X1) berpengaruh negatif terhadap variabel struktur modal (variabel Y).
b. Pengaruh profitabilitas terhadap struktur modal:
Ho2 : β2 > 0, berarti variabel profitabilitas (X2) tidak berpengaruh negatif terhadap variabel struktur modal (variabel Y)
Ha2 : β2 < 0, berarti variabel profitabilitas (X2) berpengaruh negatif terhadap variabel struktur modal (variabel Y)
c. Pengaruh struktur aktiva terhadap struktur modal.
Ho3 : β3 < 0, berarti variabel struktur aktiva (X3) tidak berpengaruh positif terhadap variabel struktur modal (variabel Y).
Ha3 : β3 > 0, berarti variabel struktur aktiva (X3) berpengaruh positif terhadap variabel struktur modal (variabel Y)
d. Pengaruh ukuran perusahaan terhadap struktur Modal :
Ho4 : β4 < 0, berarti variabel ukuran perusahaan (X4) tidak berpengaruh positif terhadap variabel struktur modal (variabel Y)
Ha4 : β4 > 0, berarti variabel ukuran perusahaan (X4) berpengaruh positif terhadap variabel struktur modal (variabel Y).
2) Membandingkan probabilitas tingkat kesalahan t hitung dengan tingkat signifikansi tertentu.
45 3) Membuat keputusan.
Pengambilan Keputusan uji hipotesis secara parsial didasarkan pada nilai probabilitas yang didapatkan dari hasil pengolahan data melalui program SPSS sebagai berikut :
a) Jika probabilitas > 0,05 maka H diterima b) Jika probabilitas < 0,05 maka H ditolak b. Uji Kesesuaian Model
Ketetapan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari uji kesesuaian model. Secara statistik dapat diukur dari nilai statistik F, nilai koefisien determinasi. Uji F-hitung dimaksudkan untuk menguji model regresi atas pengaruh seluruh variabel independen secara simultan terhadap variabel dependen. Prosedur uji F hitung adalah sebagai berikut :
1) Menentukan formulasi hipotesis
H0 : β1= β2= β3= β4 = 0
Berarti tidak ada pengaruh X1, X2, X3, X4 terhadap Y
Ha : β1≠β2≠β3≠β4≠ 0
Berarti ada pengaruh X1, X2, X3, X4 terhadap Y 2) Membuat keputusan uji F hitung
Uji F dapat dilakukan dengan melihat tingkat signifikansi F pada output hasil regresi dengan level significant 5%. Jika nilai signifikansi lebih besar dari 5% maka H0 diterima dan Ha ditolak (koefisien regresi tidak signifikan), artinya secara
46
simultan variabel-variabel independen tidak mempunyai pengaruh signifikan terhadap variabel dependen. Jika nilai signifikansi lebih kecil dari 5% maka Ha diterima dan H0 ditolak (koefisien regresi signifikan), artinya secara simultan variabel-variabel independen mempunyai pengaruh signifikan terhadap variabel dependen.
Koefisien Determinasi (R2) dimaksudkan untuk mengetahui seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen (Ghozali, 2009). Nilai koefisien determinasi (R2) antara ) =0 (nol) dan 1 (satu). Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
Kelemahan mendasar pada penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan kedalam model. Setiap tambahan satu variabel independen, maka R2 pasti akan meningkat tanpa melihat apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Oleh karena itu, banyak peneliti menganjurkan untuk menggunakan Adjusted (R2) untuk mengevaluasi model regresi karena Adjusted (R2) dapat naik atau turun apabila satu variabel independen ditambahkan kedalam model (Ghosali, 2009).
47
Dengan demikian, pada penelitian ini menggunakan nilai
48