ANALISIS HASIL PENELITIAN
4.2. Hasil Penelitian
4.2.2. Uji Asumsi Klasik a.Uji Normalitas a.Uji Normalitas
Uji normalitas adalah uji yang dilakukan untuk mengetahui apakah variabel pengganggu atau variabel residual terdistribusi normal. Salah satu cara yang digunakan untuk melihat apakah data normal atau tidak adalah melakukan analisis grafik dengan melihat grafik histogram dan probability plot Suatu data dikatakan baik apabila data tersebut terdistribusi normal. Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng.
Gambar 4.1 Histogram
Sumber : Output SPSS. Diolah oleh penulis. 2014
Pada gambar 4.1 dapat melihat bahwa gambar grafik histogram berbentuk lonceng, tetapi gambar dari grafik tersebut tidak merata diantara sisi kiri dan kanan yang menunjukkan bahwa data tidak terdistribusi secara normal.
Pada grafik P-P Plot, data dikatakan terdistribusi secara normal apabila titik-titik datanya menyebar disekitar garis pola. Pada gambar 4.2 terlihat bahwa titik-titik data tidak menyebar dengan merata disekitar garis pola dimana ada beberapa titik yang menjauhi
garis pola, sehingga ini menunjukkan bahwa data tidak terdistribusi secara normal.
Gambar 4.2 Kurva Normal P-P Plot
Sumber : Output SPSS. Diolah oleh penulis, 2014
Pengujian normalitas data apakah terdistribusi normal atau tidak dengan melihat grafik histogram dan P-P Plot saja tidak cukup, sehingga perlu dilakukan uji normalitas data dengan menggunakan analisis statistik. Analisis statistik dapat dilakukan dengan pengujian kolmogorov smirnov. Untuk melihat apakah data terdistribusi normal atau tidak dapat dilihat dari nilai signifikansinya. Jika nilai signifikansinya lebih besar dari 0,05 maka data terdistribusi normal. Apabila nilai signifikansinya lebih kecil dari 0,05 maka data tidak
terdistribusi normal. Pengujian tersebut dapat dilihat pada tabel berikut ini :
Tabel 4.2
Uji Normalitas Data Awal
Sumber : Output SPSS. Diolah oleh penulis.
Hasil uji Kolmogorv Smirnov pada tabel diatas menunjukkan bahwa nilai signifikan atau nilai probabilitasnya sebesar 0,022. Maka dapat disimpulkan bahwa data tidak terdistribusi normal (Ho ditolak) karena nilai signifikansinya lebih kecil dari 0,05 yaitu 0,022 < 0,05. Pengujian normalitas data yang dilakukan dengan uji grafik dan uji statistik menunjukkan bahwa data tidak terdistribusi normal sehingga uji hipotesis tidak dapat dilakukan. Untuk menormalkan data penelitian maka penulis melakukan transformasi data. Salah satu transformasi data yang dapat dilakukan adalah dengan menggunakan Logaritma Natural (LN).
Penulis melakukan pengujian ulang terhadap normalitas data untuk melihat apakah data terdistribusi normal atau tidak setelah dilakukan transformasi data. Hasil uji normalitas data setelah dilakukan transformasi data dapat dilihat sebagai berikut :
Gambar 4.3
Histogram Setelah Transformasi Data
Grafik histogram pada gambar 4.3 menunjukkan pola distribusi normal karena bentuk kurva cenderung di tengah dan tidak condong ke kiri maupun condong ke kanan. Dilihat dari grafik diatas, maka dapat disimpulkan bahwa data dalam penelitian berdistribusi normal. Normalisasi data juga diuji menggunakan grafik P-P Plot. Sebuah data dapat dikatakan normal apabila distribusi data menyebar di sekitar
garis diagonal. Hal ini dapat dilihat pada gambar 4.4 yang menunjukkan grafik normal P-P Plot setelah dilakukan transformasi data.
Gambar 4.4
Kurva Normal P-P Plot Setelah Transformasi Data Berdasarkan pada hasil pengujian analisis statistik menggunakan uji Kolmogorov Smirnov yang terdapat dalam tabel 4.2 dapat disimpulkan bahwa data tidak terdistribusi secara normal. Hal ini dapat dilihat dari nilai siginifikan yang lebih kecil dari 0,05. Agar dapat dilakukan pengujian hipotesis maka peneliti melakukan transformasi data untuk mendapatkan distribusi data yang normal. Hasil pengujiannya adalah sebagai berikut :
Tabel 4.3
Uji Normalitas Setelah Transformasi
Sumber : Output SPSS. Diolah oleh penulis.
Hasil uji kolmogorov smirnov pada tabel 4.3 diatas menunjukkan nilai Kolmogorov Smirnov (K-S) sebesar 0,634 dan nilai signifikan sebesar 0,816 sehingga dapat disimpulkan bahawa data dalam model regresi berdistribusi normal, dimana nilai signifikansinya 0.816 > 0,05.
b. Uji Heteroskedastisitas
Uji heteroskedastisitas adalah uji yang dilakukan untuk melihat apakah dalam model regresi terjadi perbedaan variabel residu dari satu pengamatan ke pengamatan lain (Ghozali, 2006:105). Hasil pengujian heteroskedastisitas dapat dilihat pada gambar 4.5 berikut ini:
Gambar 4.5 Grafik Scatterplot Awal
Pada gambar 4.5 terlihat bahwa grafik scatterplot menunjukkan pola tertentu dimana titik-titik tidak tersebar baik diatas maupun dibawah angka 0 pada sumbu Y dan mengindikasikan telah terjadi heteroskedastisitas. Model regresi dikatakan baik apabila tidak terjadi heteroskedastisitas. Agar model regresi dapat digunakan maka peneliti melakukan transformasi data. Hasil dari transformasi data terhadap pengujian heteroskedastisitas adalah sebagai berikut:
Gambar 4.6
Grafik Scatterpplot Setelah Transformasi Data
Pengujian heteroskedastisitas setelah transformasi data pada gambar 4.6 menunjukkan bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y, sehingga dapat dikatakan tidak terjadi heteroskedastisitas dan model regresi layak dipakai untuk mengetahui faktor-faktor yang mempengaruhi struktur modal.
c. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode
t dengan kesalahan pada periode t-1 atau sebelumnya (Erlina, 2008:106). Autokorelasi sering terjadi pada sampel dengan data time series dengan n sampel adalah periode waktu. Pengujian autokorelasi pada penelitian ini dilakukan dengan menggunakan uji Durbin-Watson.
Tabel 4.4 Uji Durbin-Watson
Hasil pengujian pada tabel 4.4 menunjukkan bahwa nilai D-W (Durbin Watson) sebesar 1,768. Nilai ini akan dibandingkan dengan nilai tabel Durbin-Watson, dimana nilai batas bawah Durbin-Watson (dl) sebesar 1,485, nilai batas atas Durbin-Watson (du) sebesar 1,690 dengan jumlah sampel (n) sebanyak 61 dan jumlah variabel independen (k) sebanyak 4 variabel. Sesuai dengan kriteria pengambilan keputusan Durbin-Watson (du < d < 4-du = 1,690 < 1,768 < 2,310), maka model regresi pada penelitian ini tidak terjadi autokorelasi.
d. Uji Multikolinearitas
Uji multikolinearitas adalah uji yang dilakukan untuk mengetahui apaka pada model regresi ditemukan adanya korelasi di antara variabel independen. Model regresi yang baik seharusnya tidak terjadi multikolinearitas di antara variabel independen. Cara untuk mendeteksi terjadinya multikolinearitas yaitu dengan melihat nilai tolerance (TOL) dan variance inflation factor (VIF). Jika nilai VIF < 10 dan nilai tolerance > 0,1, maka dapat disimpulkan tidak terjadi multikolinearitas. Hasil pengujian multikolinearitas pada penelitian ini adalah sebagai berikut:
Tabel 4.5
Uji Multikolinearitas Setelah Transformasi Data
Hasil pengujian multikolinearitas pada tabel 4.5 menunjukkan nilai tolerance variabel independen lebih besar dari 0,1. Nilai
tolerance X1 (Struktur Aset) sebesar 0,841; X2 (ROE) sebesar 0,923; X3 (Pertumbuhan Penjualan) sebesar 0,939; dan X4 (CR) sebesar 0,823. Hasil perhitungan VIF kurang dari 10 terlihat pada
(Pertumbuhan Penjualan) sebesar 1,065; dan X4 (CR) sebesar 1,215. Dari nilai tolerance dan nilai VIF dimana masing-masing nilai variabel independen memenuhi kriteria pengujian multikolinearitas maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen.
4.2.3. Pengujian Hipotesis
Pada penelitian ini peneliti melakukan pengujian hipotesis dengan menggunakan pengujian koefisien determinasi, uji signifikansi simultan (Uji-F), dan uji signifikansi parsial (Uji-T).
a. Koefisien Determinasi
Koefisien determinasi (R-Square) menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Apabila nilai R-Square semakin mendekati satu, maka variabel-variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variabel dependen.
Tabel 4.6
Pada tabel 4.6 hasil analisis uji koefisien determinasi menunjukkan nilai R (koefisien korelasi) sebesar 0,571 yang berarti korelasi atau hubungan antar variabel yaitu variabel dependen (struktur modal) dengan variabel independennya (struktur aset, profitabilitas, pertumbuhan penjualan, dan likuiditas) mempunyai hubungan sebesar 57,1%. Koefisien korelasi (R) dikatakan kuat apabila nilai koefisien R berada diatas 0,5 dan mendekati 1.
Nilai koefisien determinasi (R-Square) sebesar 0,327 berarti 32,7% struktur modal perusahaan dipengaruhi oleh struktur aset, profitabilitas, pertumbuhan penjualan, dan likuiditas. Sementara sisanya 67,3% dapat dijelaskan oleh variabel lainnya yang tidak diteliti pada penelitian ini. Nilai Adjusted R Square sebesar 0,278 mengindikasikan bahwa variabel independen (struktur aset, profitabilitas, pertumbuhan penjualan, dan likuiditas) mampu menjelaskan variabel dependen sebesar 27,8% dan sisanya sebesar 72,2% dijelaskan oleh faktor-faktor lain yang tidak diteliti dalam penelitian ini.
b. Uji Signifikansi Simultan (Uji-F)
Untuk melihat pengaruh struktur aset, profitabilitas, pertumbuhan penjualan, dan likuiditas terhadap struktur modal perusahaan secara simultan dapat dihitung dengan menggunakan
F-test. Data penelitian yang telah diolah ditentukan dengan kriteria pengujian sebagai berikut :
• Apabila tingkat signifikansinya lebih besar dari 0,05 (sig F > 0,05) maka variabel independen secara bersama-sama tidak berpengaruh terhadap struktur modal.
• Apabila nilai signifikansinya lebih kecil dari 0,05 (sig F < 0,05) maka variabel independen secara bersama-sama berpengaruh terhadap struktur modal.
Tabel 4.7
Hasil Uji Simultan (F-Test)
Dari uji ANOVA (Analysis of Variance) didapat nilai Fhitung sebesar 6,788 dan diketahui nilai Ftabel sebesar 2,52. Berdasarkan hasil tersebut dapat diketahui bahwa nilai Fhitung > Ftabel (6,788 > 2,52) dan tingkat signifikansi sebesar 0,000 (< 0,05), maka hipotesis Ha diterima dan hipotesis Ho ditolak. Berdasarkan hasil tersebut dapat disimpulkan bahwa secara bersama-sama (simultan) variabel struktur aset, profitabilitas, pertumbuhan penjualan, dan likuiditas berpengaruh signifikan terhadap struktur modal.
c. Uji Signifikansi Parsial (Uji – t)
Secara parsial, pengujian hipotesis dilakukan dengan uji-t ( t-Test). Uji-t dilakukan untuk mengetahui hubungan antara variabel-variabel independen dengan variabel-variabel dependen secara inidividu (parsial). Dalam uji-t digunakan hipotesis sebagai berikut :
Ho : variabel struktur aset, profitabilitas, pertumbuhan penjualan dan likuiditas tidak berpengaruh signifikan secara parsial terhadap struktur modal.
Ha : variabel struktur aset, profitabilitas, pertumbuhan penjualan dan likuiditas berpengaruh signifikan secara parsial terhadap struktur modal.
Untuk menguji apakah hipotesis yang diajukan diterima atau ditolak digunakan statistik T (Uji Secara Parsial) dengan tingkat signifikansi (∝) = 5%. Kriteria pengujian yang digunakan adalah jika nilai signifikansi (∝) lebih kecil dari 0,05 maka variabel independen secara parsial berpengaruh terhadap variabel independen. Sebaliknya, jika nilai signifikansi (∝) lebih besar dari 0,05 maka variabel independen secara parsial tidak berpengaruh terhadap variabel dependen.
Tabel 4.8
Hasil Uji Parsial (t-Test)
Berdasarkan hasil pengujian t-test pada Tabel 4.8, maka dapat disimpulkan hasil signifikansi atau pengaruh variabel-variabel independen terhadap variabel dependen sebagai berikut:
1. Hasil uji variabel struktur aset (X1) terhadap struktur modal (Y) menunjukkan bahwa nilai signifikansi struktur aset lebih besar dari 0,05 (0,370 > 0,05) maka H0 diterima. Dengan demikian dapat disimpulkan bahwa struktur aset tidak berpengaruh signifikan terhadap struktur modal.
2. Hasil uji variabel profitabilitas (X2) terhadap struktur modal (Y) menunjukkan bahwa nilai signifikansi profitabilitas lebih besar dari 0,05 (0,304 > 0,05) maka H0 diterima. Dengan demikian dapat disimpulkan bahwa profitabilitas tidak berpengaruh signifikan terhadap struktur modal.
3. Hasil uji variabel pertumbuhan penjualan (X3) terhadap struktur modal (Y) menunjukkan bahwa nilai signifikansi pertumbuhan
penjualan lebih besar dari 0,05 (0,235 > 0,05) maka H0 diterima. Dengan demikian dapat disimpulkan bahwa pertumbuhan penjualan tidak berpengaruh signifikan terhadap struktur modal. 4. Hasil uji variabel likuiditas (X4) terhadap struktur modal (Y)
menunjukkan bahwa nilai signifikansi struktur aset lebih kecil dari 0,05 (0,000 > 0,05) maka Ha diterima. Dengan demikian dapat disimpulkan bahwa likuiditas berpengaruh signifikan terhadap struktur modal.
Dari hasil pengujian pada Tabel 4.8 diatas dapat diperoleh model persamaan linier berganda, yaitu :
Y = - 0,367 – 0,139X1 – 0,120X2 – 0,194X3 – 0,547X4 + e
Model persamaan linier berganda diatas dapat diinterpretasikan sebagai berikut :
1. Koefisien konstanta sebesar -0,367 menunjukkan bahwa apabila variabel independen bernilai 0 maka nilai struktur modal sebesar -0,367.
2. X1 adalah variabel struktur aset yang memiliki nilai koefisien regresi kearah negatif sebesar 0,139. Hal ini mempunyai arti bahwa kenaikan 1% variabel struktur aset maka struktur modal akan mengalami penurunan sebesar 0,139 dengan asumsi variabel lain tetap.
3. X2 adalah variabel profitabilitas yang memiliki nilai koefisien regresi kearah negatif sebesar 0,120. Hal ini mempunyai arti
bahwa kenaikan 1% variabel profitabilitas maka struktur modal akan mengalami penurunan sebesar 0,120 dengan asumsi variabel lain tetap.
4. X3 adalah variabel pertumbuhan penjualan yang memiliki nilai koefisien regresi kearah negatif sebesar 0,194. Hal ini mempunyai arti bahwa kenaikan 1% variabel pertumbuhan penjualan maka struktur modal akan mengalami penurunan sebesar 0,194 dengan asumsi variabel lain tetap.
5. X4 adalah variabel likuiditas yang memiliki nilai koefisien regresi kearah negatif sebesar 0,547. Hal ini mempunyai arti bahwa kenaikan 1% variabel likuiditas maka struktur modal akan mengalami penurunan sebesar 0,547 dengan asumsi variabel lain tetap.