BAB III METODE PENELITIAN
3.8 Teknik Analisis Data
3.8.5 Uji Hipotesis dengan Menggunakan Variabel
Variabel moderating adalah variabel independen yang akan menguatkan atau melemahkan hubungan antara variabel independen lainnya terhadap variabel dependen (Ghozali, 2013). Ada tiga cara menguji regresi dengan variabel moderating yaitu : (1) uji interaksi, (2) uji nilai selisih mutlak, dan (3) uji residual. Peneliti menggunakan uji interaksi atau sering disebut dengan Moderated Regression Analysis (MRA) dalam penelitian ini. Karena, uji interaksi atau MRA lebih cocok digunakan dalam penelitian ini, di mana Moderated Regression Analysis (MRA) merupakan aplikasi yang khusus digunakan untuk regresi berganda linier, di mana dalam persamaan regresinya mengandung unsur interaksi (perkalian dua atau lebih variabel independen). Persamaan regresi variabel moderating yang dimaksud antara lain adalah:
Persamaan 1 ( Moderat 1):
Y = a + b1X1 + b2Z+ b3X1*Z + e Persamaan 2 ( Moderat 2):
Y = a + b1X2 + b2Z+ b3X2*Z + e Persamaan 3 ( Moderat 3):
Y = a + b1X3 + b2Z+ b3X3*Z + e Dimana :
Y = Struktur modal (DER) a = Konstanta
b1 – b3 = Koefisien Regresi X1= Likuiditas (Current Ratio)
X2= Profitabilitas (Return On Asset (ROA)) X3= Ukuran Perusahaan (Size)
Z = Struktur Aktiva
X1*Z = Interaksi antara Likuiditas dengan Struktur Aktiva X2*Z = Interaksi antara Profitabilitas dengan Struktur Aktiva X3*Z = Interaksi antara Ukuran Perusahaan dengan Struktur Aktiva e = Error/ kesalahan
Kriteria :
a. Jika Sig > 0,05, maka Z tidak mampu memoderasi hubungan X dan Y.
b. Jika Sig < 0,05, maka Z mampu memoderasi hubungan X dan Y.
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Deskripsi Data Penelitian
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi berganda.
Langkah awal analisis data dimulai dengan input atau entry data (yang berupa angka yang terdapat dalam laporan keuangan) yang dibutuhkan dengan menggunakan Microsoft Excel, selanjutnya dilakukan pengujian dengan menggunakan software SPSS (Statistical Package for Social Science).
Prosedur dimulai dengan memasukkan variabel-variabel penelitian ke program SPSS tersebut dan menghasilkan output-output sesuai metode analisis data yang telah ditentukan.
Penelitian ini menggunakan perusahaan perbankan yang terdaftar di Bursa Efek Indonesia (BEI) dan sesuai dengan kriteria yang telah ditentukan sebagai sampel penelitian. Berdasarkan kriteria sampel terdapat 22 perusahaan dengan jumlah pengamatan 5 tahun, sehingga jumlah sampel terdapat sebanyak 110 data perusahaan. Data yang diperlukan diperoleh dari laporan keuangan dan laporan auditor independen yang diterbitkan oleh Bursa Efek Indonesia melalui situs www.idx.co.id.
4.2 Analisis Data
4.2.1 Hasil Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian,
maksimum, minimum, sum, range, kurtosis dan skewness (kemencengan distribusi) (Ghozali, 2013). Statistik deskriptif yang akan ditampilkan di penelitian ini, meliputi: minimum, maksimum, nilai rata-rata (mean), dan standar deviasi. Statistik deskriptif dari masing-masing variabel penelitian yang digunakan dalam penelitian ini dapat dilihat pada tabel 4.1 dibawah ini :
Tabel 4.1
Hasil Statistik Deskriptif
Sumber: Output SPSS, diolah Penulis, 2017 Berdasarkan data dari tabel 4.1 dapat dijelaskan bahwa :
1. Variabel dependen yaitu struktur modal yang diproksikan dengan DER (Debt to Equity Ratio) memiliki sampel (N) sebanyak 110 dengan nilai minimum (terkecil) sebesar 3.03 dimiliki oleh Bank QNB Kesawan Tbk, nilai maksimum (terbesar) sebesar 14.12 dimiliki oleh Bank Artha Graha Internasional Tbk, mean (nilai rata-rata) sebesar 7.8883, dan standar deviation (simpangan baku) sebesar 2.18738.
2. Variabel independen pertama adalah likuiditas yang diproksikan dengan current ratio memiliki sampel (N) sebanyak 110 dengan
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
DER 110 3.03 14.12 7.8883 2.18738
CURRENT RATIO 110 33.47 296.65 118.2467 31.70209
ROA 110 -7.64 4.46 1.4947 1.74948
UKURAN PERUSAHAAN
(SIZE) 110 4.76 9.92 6.8915 1.19445
STRUKTUR AKTIVA 110 .0005 .1587 .019489 .0212705 Valid N (listwise) 110
nilai minimum (terkecil) sebesar 33.47 dimiliki oleh Bank CIMB Niaga Tbk, nilai maksimum (terbesar) sebesar 296.65 dimiliki oleh Bank Rakyat Indonesia (Persero) Tbk, mean (nilai rata-rata) sebesar 118.2467, dan standar deviation (simpangan baku) sebesar 31.70209.
3. Variabel independen kedua adalah profitabilitas yang diproksikan dengan ROA (Return On Assets) memiliki sampel (N) sebanyak 110 dengan nilai minimum (terkecil) sebesar -7.64 dimiliki oleh Bank Mutiara Tbk, nilai maksimum (terbesar) sebesar 4.46 dimiliki oleh Bank Rakyat Indonesia (Persero) Tbk, mean (nilai rata-rata) sebesar 1.4947, dan standar deviation (simpangan baku) sebesar 1.74948.
4. Variabel independen ketiga adalah ukuran perusahaan yang diproksikan dengan Size memiliki sampel (N) sebanyak 110 dengan nilai minimum (terkecil) sebesar 4.76 dimiliki oleh Bank Bukopin Tbk, nilai maksimum (terbesar) sebesar 9.92 dimiliki oleh PT Bank Rakyat Indonesia Agroniaga Tbk, mean (nilai rata-rata) sebesar 6.8915, dan standar deviation (simpangan baku) sebesar 1.19445.
5. Variabel moderating yaitu struktur aktiva memiliki sampel (N) sebanyak 110 dengan nilai minimum (terkecil) sebesar 0.0005 dimiliki oleh Bank Of India Indonesia, nilai maksimum (terbesar) sebesar 0.1587 dimiliki oleh Bank CIMB Niaga Tbk, mean (nilai
rata-rata) sebesar 0.019489, dan standar deviation (simpangan baku) sebesar 0.0212705.
4.2.2 Hasil Uji Asumsi Klasik 4.2.2.1 Hasil Uji Normalitas
“Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik” (Ghozali, 2013:160).
b. Analisis Grafik
Menurut Ghozali (2013:160-161), Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal.
Namun demikian, jika hanya dengan melihat histogram, hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal.
Analisis grafik untuk melihat normalitas data yang dilakukan dengan melihat grafik histogram dan kurva normal probability plot.
Gambar 4.1
Hasil Uji Normalitas Histogram Sumber: Output SPSS, diolah Penulis, 2017 Grafik histogram di atas menunjukkan bahwa data telah terdistribusi secara normal, hal ini dapat dilihat dari grafik histogram yang cenderung di tengah dan tidak condong (skweness) ke kiri maupun ke kanan. Berikut ini akan ditampilkan juga kurva normal probability plot.
Gambar 4.2
Hasil Uji Normalitas P-P Plot
Sumber: Output SPSS, diolah Penulis, 2017
Menurut Ghozali (2013) pendeteksian normalitas dapat dilakukan dengan melihat penyebaran (titik) pada sumbu diagonal dari grafik, yaitu jika data (titik) menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan data telah terdistribusi normal. Pada gambar 4.2 dapat dilihat bahwa penyebaran data (titik) menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, oleh sebab itu dapat diketahui bahwa data telah terdistribusi dengan normal.
c. Analisis Statistik
Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati melihatnya. Secara visual kelihatan normal, padahal secara statistik bisa saja sebaliknya.
Oleh sebab itu, selain cara di atas peneliti juga menggunakan analisis statistik untuk memperoleh hasil pengujian yang lebih akurat. Analisis statistik yang digunakan di dalam penelitian ini adalah analisis statistik non-parametrik Kolmogorov-Smirnov (K-S) Uji K-S dilakukan dengan membuat hipotesis:
Ho : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal
Apabila nilai signifikansinya lebih besar dari 0,05 maka Ho diterima, sedangkan bila nilai signifikasinya lebih kecil dari 0,05 maka Ho ditolak. Hasil uji normalitas dengan menggunakan uji statistik Kolmogorov-Smirnov (K-S) dapat dilihat pada Tabel 4.2 berikut ini:
Tabel 4.2
Hasil Uji Normalitas K-S
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 110
Normal Parametersa,,b Mean .0000000
Std. Deviation 2.06913466 Most Extreme Differences Absolute .045
Positive .045
Negative -.037
Kolmogorov-Smirnov Z .475
Asymp. Sig. (2-tailed) .978
a. Test distribution is Normal.
b. Calculated from data.
Sumber: Output SPSS, diolah Penulis, 2017 Tabel 4.2 di atas menunjukkan bahwa data telah terdistribusi secara normal. Hal tersebut dapat dilihat dari nilai signifikansi atau nilai probabilitasnya yang lebih besar dari 0.05 yaitu 0.978
4.2.2.2 Hasil Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal.
Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol (Ghozali, 2013:105).
Untuk mendeteksi ada tidaknya multikolinieritas dalam model regresi dapat dilihat dari Tolerance Value dan Variance Inflation Factor (VIF). Data yang bebas multikolonieritas adalah yang memiliki nilai tolerance > 0,1 dan VIF < 10. Berikut adalah hasil dari uji multikolonieritas.
Tabel 4.3
Sumber: Output SPSS, diolah Penulis, 2017
Tabel 4.3 di atas menunjukkan bahwa masing-masing variabel independen yang digunakan dalam penelitian ini memiliki nilai tolerence yang lebih besar dari 0.10 dan VIF yang lebih kecil dari 10. Maka dapat disimpulkan bahwa tidak terjadi gejala multikolinieritas antara variabel independennya.
4.2.2.3 Hasil Uji Autokorelasi
Uji autokorelasi dilakukan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan penganggu pada periode t-1 (sebelumnya). Apabila terjadi korelasi, kemungkinan terdapat masalah autokorelasi. Uji autokorelasi yang digunakan untuk mendeteksi ada tidaknya autokorelasi pada penelitian ini adalah uji Durbin-Watson (DW Test) (Ghozali, 2013:111).
Uji autokorelasi dengan menggunakan uji Durbin-Watson (DW Test) dapat dilihat pada tabel 4.4 berikut ini:
Tabel 4.4
Hasil Uji Autokorelasi (DW Test)
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson
1 .324a .105 .080 2.09821 1.799
a. Predictors: (Constant), UKURAN PERUSAHAAN (SIZE), ROA, CURRENT RATIO
b. Dependent Variable: DER
Sumber: Output SPSS, diolah Penulis, 2017
Dari tabel 4.4 di atas menunjukkan nilai DW sebesar 1.799. Selanjutnya nilai ini akan dibandingkan dengan nilai tabel dengan tingkat signifikansi 5%, jumlah sampel 110 (n=110), dan variabel independen 3 (k=3). Dari tabel Durbin
Watson diperoleh nilai batas bawah (dl) sebesar 1.634 dan batas atas (du) adalah sebesar 1.746.
Nilai DW 1.799 lebih besar dari batas atas (du) 1.746 dan kurang dari 4 – 1.746 = 2.254 (4 – du), artinya du < d < 4 – du atau 1.746 < 1.799 < 2.254, maka dapat disimpulkan tidak terdapat masalah autokorelasi positif atau negatif, dengan kata lain tidak terdapat autokorelasi.
4.2.2.4 Hasil Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain (Ghozali, 2013:139).
Dasar analisisnya adalah sebagai berikut:
c. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang,
melebar kemudian menyempit), maka
mengidentifikasikan telah terjadi heteroskedastisitas.
d. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Gambar 4.3
Hasil Uji Heteroskedastisitas
Sumber: Output SPSS, diolah Penulis, 2017
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas.
4.2.3 Hasil Pengujian Hipotesis
4.2.3.1 Hasil Uji Signifikansi Simultan (Uji Statistik F)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat (Ghozali, 2013:98). Uji statistik F dapat dilihat pada tabel 4.5 berikut ini:
Tabel 4.5 Hasil Uji Statistik F
ANOVAb
Model Sum of
Squares df Mean Square F Sig.
1 Regression 54.861 3 18.287 4.154 .008a Residual 466.664 106 4.402
Total 521.524 109
a. Predictors: (Constant), UKURAN PERUSAHAAN (SIZE), ROA, CURRENT RATIO
b. Dependent Variable: DER
Sumber: Output SPSS, diolah Penulis, 2017
Hasil uji statistik F yang ditampilkan dalam tabel 4.5 menunjukkan bahwa nilai Fhitung 4.154 dan tingkat signifikansi 0.008, sedangkan Ftabel pada tingkat signifikansi 0.05 adalah 2.69. Dapat diketahui bahwa nilai Fhitung > Ftabel
(4.154 > 2.69), dan nilai signifikansi lebih kecil dari 0.05 yaitu 0.008 < 0.05. Berdasarkan hasil tersebut dapat disimpulkan bahwa H0 ditolak dan Ha diterima artinya variabel independen, yaitu likuiditas, profitabilitas, dan ukuran perusahaan secara simultan berpengaruh signifikan terhadap struktur modal.
4.2.3.2 Hasil Uji Signifikansi Parsial (Uji Statistik t)
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh variabel penjelas/ independen secara individual dalam menerangkan variasi variabel dependen (Ghozali, 2013:98). Uji statistik t dapat dilihat pada Tabel 4.6 berikut ini:
Tabel 4.6
Sumber: Output SPSS, diolah Penulis, 2017
Hasil uji statistik t yang ditampilkan dalam tabel 4.6 menunjukkan bahwa:
1. Nilai thitung untuk variabel likuiditas (current ratio) adalah -0.741 dan tingkat signifikansi 0.460. Hal ini menunjukkan bahwa thitung < ttabel (-0.741 < 1.983) dan signifikansi t lebih besardari 0.05 (0.460 > 0.05). Dengan demikian, maka dapat disimpulkan bahwa variabel likuiditas (current ratio) tidak berpengaruh secara signifikan terhadap struktur modal (DER).
2. Nilai thitung untuk variabel profitabilitas (ROA) adalah -3.256 dan tingkat signifikansi 0.002. Hal ini menunjukkan bahwa thitung < ttabel (-3.256 < 1.983) dan signifikansi t lebih kecildari 0.05 (0.002 < 0.05). Dengan demikian, maka dapat disimpulkan bahwa variabel
profitabilitas (ROA) berpengaruh negatif dan signifikan
Dengan demikian, maka dapat disimpulkan bahwa variabel ukuran perusahaan (size) tidak berpengaruh secara signifikan terhadap struktur modal (DER).
4.2.3.3 Hasil Uji Koefisien Determinasi (R²)
Koefisien determinasi (R²) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel depende. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R² yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas.
Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Ghozali, 2013:97).
Uji koefisien determinasi (R²) dapat dilihat pada tabel 4.7 berikut ini:
Tabel 4.7
Hasil Uji Koefisien Determinasi (R²)
Model Summaryb
a. Predictors: (Constant), UKURAN PERUSAHAAN (SIZE), ROA, CURRENT RATIO
b. Dependent Variable: DER
Sumber: Output SPSS, diolah Penulis, 2017
Tabel 4.7 di atas menunjukkan bahwa nilai Adjusted R Square sebesar 0.080 yang berarti bahwa 8% variabel dependen, yaitu struktur modal dapat dijelaskan oleh variabel independen, yaitu likuiditas, profitabilitas, dan ukuran perusahaan. Sedangkan sisanya 92% dijelaskan oleh faktor-faktor lain yang tidak diteliti dalam penelitian ini.
4.2.4 Hasil Analisis Regresi Linear Berganda
Hasil pengujian asumsi klasik menunjukkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi persyaratan BLUE (Best, Linear, Unbiased, Estimator), data yang digunakan telah normal dan bebas dari gejala multikolinearitas, heteroskedastisitas, autokorelasi dan layak dilakukan analisis regresi. Berikut ini adalah hasil regresi yang disajikan dalam bentuk tabel.
Tabel 4.8
Hasil Analisis Regresi Linear Berganda
Coefficientsa
Sumber: Output SPSS, diolah Penulis, 2017
Berdasarkan tabel di atas diperoleh persamaan regresi sebagai berikut:
Y = a + b1X1 + b2X2 + b3X3+ e
Y = 10.045 - 0.005X1 - 0.383X2 - 0.147X3 + e Dimana :
Y = Struktur modal (DER) a = Konstanta
b1 – b3 = Koefisien Regresi X1= Likuiditas (Current Ratio)
X2 = Profitabilitas (Return On Asset (ROA)) X3= Ukuran Perusahaan (Size)
e = Error/ kesalahan
Berdasarkan tabel 4.8 di atas dapat dilihat bahwa :
1. Konstansta sebesar 10.045 menunjukkan bahwa apabila tidak ada variabel independen (likuiditas, profitabilitas, dan ukuran perusahaan = 0), maka DER akan bernilai 10.045.
2. b1 sebesar -0.005 menunjukkan bahwa setiap kenaikan Current Ratio sebesar 1%, maka akan diikuti oleh penurunan DER sebesar -0.005 dengan asumsi variabel lain tetap.
3. b2 sebesar -0.383 menunjukkan bahwa setiap kenaikan ROA sebesar 1%, maka akan diikuti oleh penurunan DER sebesar -0.383 dengan asumsi variabel lain tetap.
4. b3 sebesar -0.147 menunjukkan bahwa setiap kenaikan ukuran perusahaan (size) sebesar 1%, maka akan diikuti oleh penurunan DER sebesar -0.147 dengan asumsi variabel lain tetap.
4.2.5 Hasil Uji Hipotesis dengan Menggunakan Variabel Pemoderasi Variabel moderating adalah variabel independen yang akan menguatkan atau melemahkan hubungan antara variabel independen lainnya terhadap variabel dependen (Ghozali, 2013). Berikut ini adalah hasil uji MRA (Moderated Regression Analysis):
4.2.5.1 Pengujian MRA (Moderated Regression Analysis) dengan Persamaan 1 (Moderat1)
Pengujian MRA dengan persamaan 1 dilakukan untuk melihat apakah struktur aktiva sebagai variabel moderating mampu memoderasi hubungan antara variabel likuiditas (diukur dengan current ratio) dan struktur modal (diukur dengan Debt to Equity Ratio (DER)) pada Perusahaan Perbankan yang terdaftar di Bursa Efek Indonesia. Hasil dari MRA pada persamaan 1 dapat dilihat pada tabel 4.9 di bawah ini:
Tabel 4.9
Uji MRA dan Uji Statistik t dengan Variabel Moderating (Persamaan 1)
Sumber: Output SPSS, diolah Penulis, 2017
Model persamaan Moderated Regression Analysis (MRA) yang terbentuk adalah :
Y = a + b1X1 + b2Z + b3X1*Z + e
Y = 9.579 - 0.009X1 - 15.642Z - 0.139X1*Z + e Dimana :
Y = Struktur modal (DER) a = Konstanta
b1 – b3 = Koefisien Regresi X1= Likuiditas (Current Ratio) Z = Struktur Aktiva
X1*Z = Interaksi antara Likuiditas dengan Struktur Aktiva e = Error/ kesalahan
Berdasarkan tabel 4.9 di atas dapat dilihat bahwa : 1. Konstanta sebesar 9.579 menunjukkan bahwa apabila
likuiditas (diukur dengan current ratio), struktur aktiva, dan variabel moderat1 (current ratio x struktur aktiva) = 0 atau dianggap konstan, maka struktur modal (diukur dengan DER) akan bernilai 9.579.
2. b1 sebesar -0.009 menunjukkan bahwa setiap kenaikan current ratio sebesar 1%, maka akan diikuti oleh penurunan DER sebesar -0.009 dengan asumsi variabel lain tetap.
3. b2 sebesar -15.642 menunjukkan bahwa setiap kenaikan struktur aktiva sebesar 1%, maka akan diikuti oleh penurunan DER sebesar -15.642 dengan asumsi variabel lain tetap.
4. b3 sebesar -0.139 menunjukkan bahwa setiap kenaikan variabel moderat1 (current ratio x sruktur aktiva) sebagai variabel moderating sebesar 1%, maka akan melemahkan hubungan antara likuiditas (diukur dengan current ratio) dan struktur modal (diukur dengan DER).
4.2.5.1.1 Uji Signifikansi Parsial (Uji Statistik t) dengan Variabel Moderating (Persamaan 1)
Berdasarkan tabel 4.9 di atas diperoleh hasil pengujian hipotesis secara parsial (uji t) sebagai berikut: Variabel likuiditas (current ratio) memberikan nilai koefisien parameter sebesar -0.009 dengan tingkat signifikansi 0.230 (>0,05).
Variabel struktur aktiva sebagai variabel moderating memberikan koefisien parameter sebesar -15.642 dengan tingkat signifikansi 0.419 (>0.05). Variabel moderat1 yang merupakan interaksi antara likuiditas (diukur dengan current ratio) dengan struktur aktiva (current ratio x sruktur aktiva) memberikan nilai koefisien
parameter sebesar -0.139 dengan tingkat signifikansi 0.468 (>0.05). Nilai signifikansi variabel moderat1 sebesar 0.468 > 0.05, sehingga dapat disimpulkan bahwa variabel Z atau variabel moderating yaitu struktur aktiva tidak mampu memoderasi hubungan antara likuiditas dan struktur modal.
4.2.5.1.2 Uji Signifikansi Simultan (Uji Statistik F) dengan Variabel Moderating (Persamaan 1)
Tabel 4.10
Uji Statistik F dengan Variabel Moderating (Persamaan 1)
ANOVAb Model Sum of
Squares df Mean
Square F Sig.
1 Regression 46.825 3 15.608 3.485 .018a Residual 474.699 106 4.478
Total 521.524 109
a. Predictors: (Constant), moderat1, CURRENT RATIO, STRUKTUR AKTIVA
b. Dependent Variable: DER
Sumber: Output SPSS, diolah Penulis, 2017 Hasil uji statistik F yang ditampilkan dalam tabel 4.10 menunjukkan bahwa nilai Fhitung sebesar 3.485 dan tingkat signifikansi 0.018 (> 0,005).
Dengan demikian dapat disimpulkan bahwa likuiditas (diukur dengan current ratio), struktur aktiva, dan variabel moderat1 yang merupakan interaksi antara likuiditas (diukur dengan current
ratio) dengan struktur aktiva (current ratio x sruktur aktiva) secara simultan tidak berpengaruh terhadap struktur modal.
4.2.5.1.3 Uji Koefisien Determinasi (R²) dengan Variabel Moderating (Persamaan 1)
Tabel 4.11
Uji Koefisien Determinasi (R²) dengan Variabel Moderating (Persamaan 1)
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .300a .090 .064 2.11620
a. Predictors: (Constant), moderat1, CURRENT RATIO, STRUKTUR AKTIVA
b. Dependent Variable: DER
Sumber: Output SPSS, diolah Penulis, 2017 Tabel 4.11 di atas menunjukkan bahwa nilai Adjusted R Square sebesar 0.064 yang berarti bahwa 6.4% variabel dependen, yaitu struktur modal dapat dijelaskan oleh variabel likuiditas (diukur dengan current ratio), struktur aktiva, dan variabel moderat1 (current ratio x struktur aktiva).
Sisanya 93.6% dijelaskan oleh faktor-faktor lain yang tidak diteliti dalam penelitian ini.
4.2.5.2 Pengujian MRA (Moderated Regression Analysis) dengan Persamaan 2 (Moderat 2)
Pengujian MRA dengan persamaan 2 dilakukan untuk melihat apakah struktur aktiva sebagai variabel moderating mampu memoderasi hubungan antara variabel profitabilitas (diukur dengan Return On Asset (ROA)) dan struktur modal (diukur dengan Debt to Equity Ratio (DER)) pada Perusahaan Perbankan yang terdaftar di Bursa Efek Indonesia. Hasil dari MRA pada persamaan 2 dapat dilihat pada tabel 4.12 di bawah ini :
Tabel 4.12
Uji MRA dan Uji Statistik t dengan Variabel Moderating (Persamaan 2)
Sumber: Output SPSS, diolah Penulis, 2017
Model persamaan Moderated Regression Analysis (MRA) yang terbentuk adalah :
Y = a + b1X2 + b2Z+ b3X2*Z + e
Y = 9.880 - 0.788 X2 - 86.824Z + 29.592X2*Z + e
Dimana :
Y = Struktur modal (DER) a = Konstanta
b1 – b3 = Koefisien Regresi
X2= Profitabilitas (Return On Asset (ROA)) Z = Struktur Aktiva
X2*Z = Interaksi antara Profitabilitas dengan Struktur Aktiva e = Error/ kesalahan
Berdasarkan tabel 4.12 di atas dapat dilihat bahwa : 1. Konstanta sebesar 9.880 menunjukkan bahwa apabila
profitabilitas (diukur dengan ROA), struktur aktiva, dan variabel moderat2 (ROA x struktur aktiva)= 0 atau dianggap konstan, maka struktur modal (diukur dengan DER) akan bernilai 9.880.
2. b1 sebesar -0.788 menunjukkan bahwa setiap kenaikan ROA sebesar 1%, maka akan diikuti oleh penurunan DER sebesar -0.788 dengan asumsi variabel lain tetap.
3. b2 sebesar -86.824 menunjukkan bahwa setiap kenaikan struktur aktiva sebesar 1%, maka akan diikuti oleh penurunan DER sebesar -86.824 dengan asumsi variabel lain tetap.
4. b3 sebesar 29.592 menunjukkan bahwa setiap kenaikan variabel moderat2 (ROA x struktur aktiva) sebagai
variabel moderating sebesar 1%, maka akan menguatkan hubungan antara profitabilitas (diukur dengan Return On Asset (ROA)) dan struktur modal (diukur dengan DER).
4.2.5.2.1 Uji Signifikansi Parsial (Uji Statistik t) dengan Variabel Moderating (Persamaan 2)
Berdasarkan tabel 4.12 di atas diperoleh hasil pengujian hipotesis secara parsial (uji t) sebagai berikut: Variabel profitabilitas (diukur dengan ROA) memberikan nilai koefisien parameter sebesar -0.788 dengan tingkat signifikansi 0.000 (<0,05). Variabel struktur aktiva sebagai variabel moderating memberikan koefisien parameter sebesar -86.824 dengan tingkat signifikansi 0.000 (<0.05). Variabel moderat2 yang merupakan interaksi antara profitabilitas (diukur dengan ROA) dengan struktur aktiva (ROA x struktur aktiva) memberikan nilai koefisien parameter sebesar 29.592 dengan tingkat signifikansi 0.003 (<0.05).
Nilai signifikansi Variabel moderat2 sebesar 0.003
< 0.05, sehingga dapat disimpulkan bahwa variabel Z atau variabel moderating yaitu struktur aktiva mampu memoderasi hubungan antara profitabilitas dan struktur modal.
4.2.5.2.2 Uji Signifikansi Simultan (Uji Statistik F) dengan Variabel Moderating (Persamaan 2)
Tabel 4.13
Uji Statistik F dengan Variabel Moderating (Persamaan 2)
ANOVAb
Model Sum of
Squares df Mean
Square F Sig.
1 Regression 111.503 3 37.168 9.609 .000a Residual 410.021 106 3.868
Total 521.524 109
a. Predictors: (Constant), moderat2, ROA, STRUKTUR AKTIVA
b. Dependent Variable: DER
Sumber: Output SPSS, diolah Penulis, 2017 Hasil uji statistik F yang ditampilkan dalam tabel 4.13 menunjukkan bahwa nilai Fhitung sebesar 9.609 dan tingkat signifikansi 0.000 (<0,005).
Dengan demikian dapat disimpulkan bahwa profitabilitas (diukur dengan ROA), struktur aktiva, dan variabel moderat2 yang merupakan interaksi antara profitabilitas (diukur dengan ROA) dengan struktur aktiva (ROA x struktur aktiva) secara simultan berpengaruh terhadap struktur modal.
4.2.5.2.3 Uji Koefisien Determinasi (R²) dengan Variabel Moderating (Persamaan 2)
Tabel 4.14
Uji Koefisien Determinasi (R²) dengan Variabel Moderating (Persamaan 2)
Model Summaryb
Model R R
Square
Adjusted R Square
Std. Error of the Estimate
1 .462a .214 .192 1.96675
a. Predictors: (Constant), moderat2, ROA, STRUKTUR AKTIVA
b. Dependent Variable: DER
Sumber: Output SPSS, diolah Penulis, 2017 Tabel 4.14 di atas menunjukkan bahwa nilai Adjusted R Square sebesar 0.192 yang berarti bahwa 19.2% variabel dependen, yaitu struktur modal dapat dijelaskan oleh variabel profitabilitas (diukur dengan ROA), struktur aktiva, dan variabel moderat2 (ROA x struktur aktiva). Sisanya 80.8%
dijelaskan oleh faktor-faktor lain yang tidak diteliti dalam penelitian ini.
4.2.5.3 Pengujian MRA (Moderated Regression Analysis) dengan Persamaan 3 (Moderat 3)
Pengujian MRA dengan persamaan 3 dilakukan untuk melihat apakah struktur aktiva sebagai variabel moderating mampu memoderasi hubungan antara variabel ukuran perusahaan (diukur dengan size) dan struktur modal (diukur
dengan Debt to Equity Ratio (DER)) pada Perusahaan Perbankan yang terdaftar di Bursa Efek Indonesia. Hasil dari MRA pada persamaan 3 dapat dilihat pada tabel 4.15 di bawah ini :
Tabel 4.15
Uji MRA dan Uji Statistik t dengan Variabel Moderating (Persamaan 3)
Sumber: Output SPSS, diolah Penulis, 2017
Model persamaan Moderated Regression Analysis (MRA) yang terbentuk adalah :
Y = a + b1X3 + b2Z + b3X3*Z + e X3= Ukuran perusahaan (size) Z = Struktur Aktiva
X3*Z = Interaksi antara ukuran perusahaan dengan struktur aktiva
e = Error/ kesalahan
Berdasarkan tabel 4.15 di atas dapat dilihat bahwa : 1. Konstanta sebesar 10.783 menunjukkan bahwa apabila
ukuran perusahaan (diukur dengan size), struktur aktiva, dan variabel moderat3 (size x struktur aktiva)= 0 atau dianggap konstan, maka struktur modal (diukur dengan DER) akan bernilai 10.783.
2. b1 sebesar -0.334 menunjukkan bahwa setiap kenaikan size sebesar 1%, maka akan diikuti oleh penurunan DER sebesar -0.334 dengan asumsi variabel lain tetap.
3. b2 sebesar -110.244 menunjukkan bahwa setiap kenaikan struktur aktiva sebesar 1%, maka akan diikuti oleh penurunan DER sebesar -110.244 dengan asumsi variabel lain tetap.
4. b3 sebesar 11.658 menunjukkan bahwa setiap kenaikan variabel moderat3 (size x struktur aktiva) sebagai variabel moderating sebesar 1%, maka akan menguatkan
4. b3 sebesar 11.658 menunjukkan bahwa setiap kenaikan variabel moderat3 (size x struktur aktiva) sebagai variabel moderating sebesar 1%, maka akan menguatkan