METODE PENELITIAN
F. Teknik Analisis Data
Teknik analisis data yang digunakan adalah analisis regresi linear berganda. Model analisis regresi linear berganda digunakan untuk menjelaskan hubungan dan seberapa besar pengaruh variabel-variabel bebas (independen) terhadap variabel terikat (dependen). Analisis regresi linear berganda dalam penelitian ini digunakan untuk mengetahui pengaruh Blockholder Ownership, Ukuran Perusahaan, Risiko Bisnis dan
Non Debt Tax Shield terhadap Kebijakan Hutang Perusahaan. Melakukan analisis regresi linear berganda diperlukan uji asumsi klasik. Langkah langkah untuk melakukan analisis pada penelitian ini sebagai berikut: 1. Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau rsidual terdistribusi normal (Ghozali 2011). Model regresi yang baik adalah memiliki residual yang berdistribusi normal. Penelitian ini menggunakan uji
Kolmogorov-Smirnov, distribusi data dinyatakan normal apabila
hasil signifikansi > taraf signifikansi yang ditetapkan (α=0,05) dan
tidak normal apabila hasil signifikansi < taraf signifikansi yang
ditetapkan (α=0,05).
b. Uji Multikolinieritas
Menurut Ghozali (2011) Uji Multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi
antar variabel bebas (independen). Jika ada korelasi yang tinggi antar variabel independen tersebut, maka hubungan antara variabel dependen dan independen menjadi terganggu. Model regresi yang baik seharusnya tidak terjadi multikolinieritas. Multikolinieritas dapat dilihat dari nilai tolerance dan VIF ( Variance Inflation Factor). Untuk terbebas dari masalah multikolinieritas, nilai
tolerenceharus≤10 (Ghozali, 2011). c. Uji Autokorelasi
Uji autokorelasi digunakan untuk mengetahui korelasi antara kesalahan pengganggu pada kurun waktu (time series). Autokorelasi bertujuan untuk menguji apakah dalam model regresi ada korelasi antara kesalahan pengganggu pada periode t dengan periode t-1 (sebelumnya). Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Alat ukur yang digunakan untuk mendeteksi adanya autokorelasi dalam penelitian ini menggunakan tes Durbin Watson (D-W). Hipotesis yang akan diuji dalam penelitian ini adalah: Ho ( tidak adanya autokorelasi, r = 0) dan Ha
Tabel 1. Tabel pengambilan keputusan Uji autokorelasi:
Nilai Statisitik d Hasil
0<d<dl Ada autokorelasi dl<d<du Tidak ada keputusam du<d<4-du Tidak ada autokorelasi 4-du<d<4-dl Tidak ada keputusan 4-dl<d<4 Ada autokorelasi Sumber: (Ghozali, 2011)
d. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamanan variance dari residual satu pengamatan ke pengamatan yang lain (Ghozali, 2011). Pengujian ini dilakukan dengan menggunakan uji Glejser yaitu dengan meregresi variabel independen terhadap absolute residual. Jika variabel independen signifikan secara statistik memengaruhi dependen, maka ada indikasi terjadi heteroskedastisitas.
Kriteria yang biasa digunakan untuk menyatakan apakah terjadi heteroskedastisitas atau tidak diantara data pengamatan dapat dijelaskan dengan menggunakan koefisien signifikansi. Koefisien signifikansi harus dibandingkan dengan tingkat signifikansi yang ditetapkan sebelumnya (ߙ=5%). Apabila koefisien signifikansi (nilai probabilitas) lebih besar dari tingkat signifikansi yang ditetapkan, maka dapat disimpulkan tidak terjadi heteroskedastisitas.
2. Uji Regresi Linear Berganda
Uji regresi linear berganda digunakan untuk mengetahui signifikansi pengaruh variabel independen blockholder ownership, ukuran perusahaan, risiko bisnis, likuiditas dan non debt tax shield
terhadap variabel terikat kebijakan hutang.
Menurut Ghozali (2011) persamaan regresi liniear berganda dapat dinyatakan sebagai berikut:
Y= α + β1BO +β2SIZE+β3RISK +β4NDTS +e
Keterangan :
Y = Kebijakan Hutang
BO =Blockholder Ownership
SIZE = Ukuran Perusahaan
RISK = Risiko Bisnis
NDTS =Non Debt Tax Shield
α = Konstanta
β1,β2,β3,β4,β5 = koefisien regresi
e = error
3. Uji Parsial (Uji Statistik t)
Pengujian hipotesis yang dilakukan secara parsial bertujuan untuk mengetahui pengaruh dan signifikansi dari masing-masing variabel independen terhadap variabel dependen. Pengujian ini dilakukan dengan uji-t pada tingkat keyakinan 95% dengan ketentuan sebagai berikut:
Ho : Apabila p-value > 0,05, maka Ho diterima dan Ha ditolak. Ha : Apabila p-value < 0,05, maka Ho ditolak dan Ha diterima. Hipotesis yang telah diajukan diatas dirumuskan sebagai berikut: a. Pengaruh blockholder ownership terhadap kebijakan hutang
perusahaan:
Ho1 : β1 < 0, artinya tidak terdapat pengaruh positif blockholder ownershipterhadap kebijakan hutang perusahaan.
Ha1 : β1 > 0, artinya terdapat pengaruh positif blockholder ownershipterhadap kebijakan hutang perusahaan.
b. Pengaruh ukuran perusahaan terhadap kebijakan hutang perusahaan:
Ho2 : β2 < 0, artinya tidak terdapat pengaruh positif ukuran perusahaan terhadap kebijakan hutang perusahaan.
Ha2 : β2 > 0, artinya terdapat pengaruh positif ukuran perusahaan terhadap kebijakan hutang perusahaan.
c. Pengaruh risiko bisnis terhadap kebijakan hutang perusahaan: Ho3 : β3 > 0, artinya tidak terdapat pengaruh negatif risiko bisnis terhadap kebijakan hutang perusahaan.
Ha3 : β3 < 0, artinya terdapat pengaruh negatif risiko bisnis terhadap kebijakan hutang perusahaan.
d. Pengaruh non debt tax shield terhadap kebijakan hutang perusahaan:
Ho4 : β4 > 0, artinya tidak terdapat pengaruh negatif non debt tax shieldterhadap kebijakan hutang perusahaan.
Ha4 : β4< 0, artinya terdapat pengaruh negatif non debt tax shield
terhadap kebijakan hutang perusahaan. 4. PengujianGoodness of Fit Model
a. Uji Simultan (Uji Statistik F)
Uji F digunakan untuk mengetahui pengaruh dari seluruh variabel independen (Blockholder ownership, ukuran perusahaan, risiko bisnis, dan non debt tax shield) terhadap variabel dependen (kebijakan hutang) secara menyeluruh. Uji ini dapat dilihat pada nilai F-test. Nilai F pada penelitian ini menggunakan tingkat signifikansi 5%, apabila nilai signifikansi f < 5% maka terdapat
goodness of fit model, sedangkan apabila nilai signifikansi F > 5% maka model regresi terbebas darigoodnes of fit model.
b. Koefisien Determinasi (R²)
Koefisien Determinasi (R²) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen (Ghozali, 2009). Nilai koefisien determinasi antara 0 (nol) dan 1 (satu). Dimana nilai R2 yang kecil atau mendekati nol berarti kemampuan variabel-variabel independen dalam menjelaskan variabel dependen amat terbatas. Sebaliknya, semakin
memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel dependen.
Kelemahan dari penggunaan R2 adalah bias terhadap jumlah variabel independen yang dimasukkan ke dalam model. Setiap penambahan satu variabel independen, maka nilai R2 pasti akan meningkat tanpa melihat adanya pengaruh atau tidak terhadap variabel dependen. Oleh karena itu, dalam penelitian ini digunakan
41