4.1. Hasil Seleksi Sampel
Jumlah sampel penilitian ini merupakan seluruh perusahaan manufaktur yang merupakan perusahaan publik yang sudah terdaftar di Bursa Efek Indonesia mulai tahun 2003 yakni sejumlah 151 perusahaan publik. Dari jumlah tersebut yang mempunyai ketersediaan semua data keuangan yang dibutuhkan pada studi ini yaitu LTD, TD, TA, PRF, GROWTH, dan SIZE berjumlah 131 perusahaan.
Dari total sejumlah 131 perusahaan tersebut, sejumlah 26 perusahaan dikeluarkan dari sampel dikarenakan perusahaan-perusahaan tersebut memiliki nilai Price to Book Value (PBV) negatif. Keseluruhan perincian 46 perusahaan yang dikeluarkan dari sampel pengamatan dapat dilihat pada lampiran 2. Sampel 105 perusahaan (cross section) selama pengamatan 5 tahun yaitu tahun 2003 sampai 2007 (time series) yang merupakan data panel sebagaimana telah dijelaskan di bab sebelumnya membuat data pengamatan menjadi sangat banyak yaitu sebanyak 525 sampel. Sampel sebanyak 105 perusahaan ini atau 525 data panel sudah lebih dari cukup untuk suatu penelitian dan diharapkan hasil penelitiannya akan lebih robust.
4.2. Statistik Deskriptif
Proses pengolahan data dilakukan dengan menggunakan software Eviews versi 5.0. Dalam sub bab ini pertama-tama akan dibahas mengenai uji normalitas dan statistik deskriptif. Dalam paparan statistik deskriptif ini akan dijelaskan mengenai keseluruhan gambaran statistik dari masing-masing variabel terikat dan variabel bebas secara umum seperti rata-rata dan standar deviasinya. Pada sub bab berikutnya akan dianalisa hubungan multikolinieritas, uji Heteroskedastisitas dan pemilihan model.
Ukuran standar distribusi normal adalah jika hasil skewness 0 (nol) dan kurtosis 3 (tiga) (Gujarati, 4th ed., 2003). Jika suatu observasi memiliki nilai kurtosis lebih besar dari +3 atau lebih kecil dari -3 berarti observasi tersebut mempunyai nilai yang ekstrim (outliers). Berdasarkan uji statistik, sejumlah 105
perusahaan atau data panel sebanyak 525 pada Eviews 5.0 mengenai variabel kuantitatif yang ada diperoleh uji sebagai berikut:
Tabel 4.1. Uji normalitas variabel kuantitatif 105 perusahaan dengan data panel 525 observasi
Descriptive
Statistic LTD TD TA PRF GROWTH SIZE
Skewness 12.942 19.718 0.305 -22.350 17.070 0.298 Kurtosis 192.258 419.732 2.226 507.225 308.079 3.080 Observations 525 525 525 525 525 525 Cross sections 105 105 105 105 105 105
Sumber: Output Eviews telah diolah kembali
Dari tabel di atas diperoleh data kurtosis berturut-turut untuk LTD, TD, TA, PRF, GROWTH, dan SIZE yakni 192.258; 419.732; 2.226; 507.225; 308.079 dan 3.080. Data ini berarti bahwa LTD, TD, PRF, GROWTH dan SIZE memiliki kurtosis di atas +3 sehingga ada kemungkinan terdapat nilai ekstrim (outliers) di dalam sampel sedangkan untuk variabel TA memiliki kurtosis di antara -3 sampai +3 yang artinya data ini telah terdistribusi secara normal.
Uji normalitas di atas telah menunjukkan hasil bahwa LTD, TD, PRF, GROWTH dan SIZE tidak terdistribusi secara normal dengan dibuktikan dengan kurtosis di atas 3 yakni secara berturut-turut 192.258; 419.732; 507.225; 308.079 dan 3.080 maka data ekstrim (outliers) harus disikapi. Data sampel yang mempunyai nilai di bawah atau di atas 3 kali standard deviasi dari nilai rata-ratanya dianggap outliers dan dikeluarkan dari sampel. Untuk mengetahui nilai rata-rata (mean) dan standard deviasi yang ada digunakan analisa statistik deskriptif pada Eviews dengan hasil sebagai berikut:
Tabel 4.2. Descriptive statistic variabel kuantitatif 105 perusahaan atau data panel 525 observasi
Descriptive
Statistic LTD TD TA PRF GROWTH SIZE
Mean 0.991 3.166 0.397 -0.173 2.556 20.442 Median 0.327 1.099 0.373 0.097 0.934 20.317 Maximum 59.069 445.876 1.000 5.568 333.333 24.974 Minimum 0.000 0.058 0.001 -130.901 0.100 15.866 Std. Dev. 3.675 20.479 0.206 5.760 17.030 1.530 Mean - 3 x Std. Dev. -10.035 -58.270 -0.222 -17.454 -48.534 15.853 Mean + 3 x Std. Dev. 12.017 64.601 1.016 17.108 53.646 25.032 Observations 525 525 525 525 525 525 Cross sections 105 105 105 105 105 105
Sumber: Output Eviews telah diolah kembali
Dari tabel 3 di atas dapat dinyatakan bahwa bila nilai LTD lebih kecil dari -10.035 atau lebih besar dari 12.017 maka data tersebut merupakan outliers dan akan dikeluarkan dari sampel. Hal ini berlaku juga untuk TD, PRF, GROWTH dan SIZE, bila nilai TD lebih kecil dari -58.270 atau lebih besar dari 64.601 dan bila nilai PRF lebih kecil dari -17.454 atau lebih besar dari 17.108 dan bila nilai GROWTH lebih kecil dari -48.534 atau lebih besar dari 53.646 dan bila nilai SIZE lebih kecil dari 15.853 atau lebih besar dari 25.032 maka data-data tersebut juga merupakan outliers. Dengan cara ini, diperoleh 3 perusahaan di tahun-tahun yang berbeda yang merupakan outliers dengan perincian 1 perusahaan memiliki nilai outliers pada LTD, TD, GROWTH, dan SIZE, 1 perusahaan outliers pada TD, 1 perusahaan pada LTD, TD, PRF, dan GROWTH sehingga total menjadi 3 sampel perusahaan outliers yang akan dikeluarkan dari sampel. Karena masing-masing perusahaan mempunyai data 5 tahun maka sampel yang dikeluarkan menjadi 15 sampel. Nama perusahaan dan nilai data outliers dirinci dalam tabel di bawah ini:
Tabel 4.3. Data nilai LTD, TD, PRF, GROWTH, dan SIZE outliers pada 3 sampel perusahaan
No.
Kode
Perusahaan LTD TD PRF GROWTH SIZE
1 AKKU 59.069 69.869 5.568 201.957 15.866
2 LMPI 0.568 117.705 -13.842 8.790 19.285
3 SRSN 52.285 445.876 -130.901 333.333 18.831 AKKU = PT. Aneka Kemasindo Utama Tbk.
LMPI = PT. Langgeng Makmur Industry Tbk. SRSN = PT. Indo Acidatama Tbk.
Setelah mengeluarkan 3 sampel dari 105 sampel maka kini jumlah sampel adalah 102 sampel perusahaan atau data panel sebanyak 510 sampel. Dengan jumlah sampel ini maka dilakukan analisa statistik deskriptif pada seluruh variabel dalam penelitian ini yaitu LTD, TD, TA, PRF, GROWTH, dan SIZE dengan total seluruhnya adalah 6 variabel untuk model persamaan 1 dan 2. Statistik deskriptif dilakukan dengna program Eviews 5.0 dan diperoleh hasil sebagai berikut:
Tabel 4.4. Statistik deskriptif seluruh variabel penelitian Descriptive
Statistic LTD TD TA PRF GROWTH SIZE
Mean 0.797 1.927 0.395 0.100 1.505 20.500 Maximum 11.732 28.449 1.000 1.048 21.262 24.974 Minimum 0.000 0.058 0.001 -1.534 0.100 16.736 Std. Dev. 1.434 2.833 0.208 0.253 2.017 1.498 Observations 510 510 510 510 510 510 Cross sections 102 102 102 102 102 102
Sumber: Output Eviews telah diolah kembali
Berdasarkan Tabel 4 di atas, dapat diperoleh hasil bahwa nilai rata-rata LTD untuk sampel perusahaan adalah 0.797. Hal ini menunjukkan bahwa secara rata-rata Hutang Jangka Panjang dibanding Nilai Ekuitas perusahaan adalah di bawah 1 atau Hutang Jangka Panjang rata-rata 79.70% dibandingkan Ekuitasnya.
Nilai rata-rata TD sebesar 1.927. Hal ini menggambarkan bahwa rata-rata total hutang perusahaan adalah 192.7% atau hampir 2 kali dari nilai ekuitas
perusahaan. Nilai rata-rata TA dari seluruh sampel adalah 0.395 atau 39.50% dari nilai total aktivanya dengan range data yang cukup besar. Nilai rata-rata PRF perusahaan sebesar 0.1 atau 10% dengan maksimum sebesar 104.80% yang artinya cukup bervariasi.
Nilai rata-rata GROWTH untuk sampel perusahaan sebesar 1.505. Hal ini menunjukkan bahwa secara rata-rata nilai pasar dibanding nilai buku perusahaan adalah di atas 1 dari nilai bukunya yaitu sebesar 50.5% dengan range yang besar. Nilai rata-rata SIZE sebesar 20.50 dengan nilai maksimum SIZE adalah 24.974 dan nilai minimumnya adalah 16.746.
4.3. Uji Asumsi Multikolinieritas
4.3.1. Uji VIF (Variance Inflation Factor) dan Tol (Tolerance)
Uji asumsi ini bertujuan untuk menemukan apakah dalam suatu persamaan regresi terjadi korelasi antar variabel bebasnya (multikolinearitas). Persamaan regresi yang baik adalah persamaan regresi yang terbebas dari multikolinearitas karena multikolinearitas akan menggangu ketepatan model yang dibuat. Ada empat indikator yang dapat dipakai untuk menentukan apakah persamaan regresi bebas dari multikolinearitas, yaitu dengan melihat Variance Inflation factor (VIF), Tolerance (Tol), Eigenvalue dan Coeficient Index (CI).
Dalam penelitian ini, indikator nilai VIF dan TOL digunakan untuk menguji multikolinearitas dengan kriteria penilaian sebagai berikut:
Indikator VIF:
• Jika nilai VIF < 5, maka tidak terdapat multikolinearitas
• Jika nilai VIF > 5, maka terdapat korelasi moderat sampai kuat (moderate to strong)
• Jika nilai VIF >10, maka terdapat korelasi tinggi (high correlation) Indikator TOL:
• Jika TOL mendekati 1, maka variabel bebas dinyatakan tidak ada multikolinieritas, dan sebaliknya jika menjauhi 1, maka variabel bebas dinyatakan ada multikolinieritas.
Model 1
Model 1 terdiri dari variabel bebas LTD dan Variabel terikat TA, PRF, GROWTH dan SIZE.
Berikut ini adalah hasil pengolahan pengujian Multikolinieritas dengan program SPSS 17.0:
Tabel 4.5. Uji Multikolinieritas dengan variabel terikat: LTD
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std.
Error Beta Tolerance VIF
1 (Constant) -4.622 .826 -5.596 .000 TA .295 .285 .043 1.037 .300 .925 1.081 PRF -2.593 .269 -.459 -9.648 .000 .700 1.429 GROWTH .118 .032 .167 3.658 .000 .762 1.313 SIZE .263 .041 .274 6.433 .000 .869 1.151 a. Dependend Variable: LTD
Sumber: Output SPSS 17.0 telah diolah kembali
Hasil output SPSS di atas menunjukkan bahwa variabel bebas TA, PRF, GROWTH, dan SIZE secara berturut-turut memiliki nilai VIF 1.081; 1.429, 1.31, dan 1.151. Nilai Tolerance untuk masing-masing variabel bebas yaitu 0.925 untuk TA, 0.700 untuk PRF, 0.762 untuk GROWTH, dan 0.869 untuk SIZE. Hasil VIF dan TOL untuk semua variabel bebas yang ada di Model 1 menunjukkan bahwa model tersebut dianggap tidak mempunyai kolinieritas karena nilai VIF hanya sedikit di atas 1 dan lebih kecil dari 5 dan nilai TOL mendekati 1.
Model 2
Model 2 terdiri dari variabel bebas TD dan Variabel terikat TA, PRF, GROWTH dan SIZE. Berikut ini adalah hasil pengolahan pengujian Multikolinieritas dengan program SPSS 17.0:
Tabel 4.6. Uji Multikolinieritas dengan variabel terikat: TD Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -7.156 1.631 -4.386 .000 TA -1.592 .562 -.117 -2.830 .005 .925 1.081 PRF -5.584 .531 -.500 -10.517 .000 .700 1.429 GROWTH .318 .064 .226 4.964 .000 .762 1.313 SIZE .478 .081 .253 5.924 .000 .869 1.151 a. Dependend Variable: TD
Sumber: Output SPSS telah diolah kembali
Hasil output SPSS di atas menunjukkan hal yang sama dengan hasil dari Model 1 karena variabel bebas untuk model 1 dan model 2 sama datanya. Variabel bebas TA, PRF, GROWTH, dan SIZE secara berturut-turut memiliki nilai VIF 1.081; 1.429, 1.31, dan 1.151. Nilai Tolerance untuk masing-masing variabel bebas yaitu 0.925 untuk TA, 0.700 untuk PRF, 0.762 untuk GROWTH, dan 0.869 untuk SIZE. Hasil VIF dan TOL untuk semua variabel bebas yang ada di Model 1 menunjukkan bahwa model tersebut dianggap tidak mempunyai kolinieritas karena nilai VIF hanya sedikit di atas 1 dan lebih kecil dari 5 dan nilai TOL mendekati 1.
Kesimpulan:
Model persamaan 1 dan Model persamaan 2 tidak mempunyai masalah multikoliniearitas atau variabel bebas dalam persamaan tersebut tidak saling berkorelasi.
4.3.2. Uji Pearson Correlation dan Spearman
Bab sebelumnya telah menyebutkan bahwa terdapat dua model persamaan dengan variabel terikat masing-masing LTD dan TD. Oleh karena itu untuk uji korelasi antar variabel juga akan diuji satu per satu tiap model tersebut. Untuk uji
Pearson Correlation dan Spearman pada persamaan 1 dengan variabel terikat LTD memberikan hasil seperti tabel output di bawah ini:
Tabel 4.7. Hasil uji Pearson Correlation antar variabel dengan variabel terikat LTD LTD TA PRF GROWTH SIZE LTD 1 .148** -.307** .034 .179** Sig. .000 .000 .224 .000 TA .148** 1 -.257** -.063 -.009 Sig. .000 .000 .079 .423 PRF -.307** -.257** 1 .460** .314** Sig. .000 .000 .000 .000 GROWTH .034 -.063 .460** 1 .294** Sig. .224 .079 .000 .000 SIZE .179** -.009 .314** .294** 1 Sig. .000 .423 .000 .000 N 510 510 510 510 510
**. Correlation is significant at the 0.01 level (1-tailed).
Sumber: Output SPSS telah diolah kembali
Berdasarkan hasil pada tabel 4.7. di atas, hasil uji Pearson Correlation menghasilkan beberapa keterangan yang berkaitan dengan korelasi antar variabel. Fixed Tangible Assets (TA) berpengaruh positif terhadap Hutang Jangka Panjang (LTD) dengan tingkat signifikansi di bawah 1% (p=0.000). Profitabilitas (PRF) berkorelasi negatif terhadap LTD dengan tingkat signifikansi di bawah 1% (p=0.000). Pertumbuhan perusahaan (GROWTH) berpengaruh positif terhadap LTD tetapi secara tidak signifikan yaitu dengan tingkat signifikansi di atas 20% (p=0.224). Ukuran perusahaan (SIZE) berpengaruh positif terhadap LTD secara signifikan yaitu dengan tingkat signifikansi di bawah 1% (p=0.000).
Tingkat signifikansi koefisien korelasi satu sisi antar variabel menghasilkan angka yang bervariasi dan menghasilkan korelasi yang lemah yaitu di bawah 0.5. PRF berkorelasi positif yang lemah terhadap GROWTH yaitu sebesar 0.460 (masih di bawah 0.5) secara signifikan di bawah 1%.
Hasil di atas menunjukkan bahwa variabel TA koefisien korelasinya bertanda positif dan hal ini berbeda dengan hipotesis di mana hubungannya negatif menurut hipotesis 1. Variabel profitabilitas (PRF) memiliki koefisien korelasi yang negatif terhadap LTD sesuai dengan hipotesis 2 dan signifikan secara statistik (di bawah 1%). Koefisien korelasi variabel Pertumbuhan (GROWTH) dan Ukuran Perusahan (SIZE) terhadap LTD adalah positif sesuai dengan hipotesis 3 dan 4 namun GROWTH tidak signifikan secara statistik dan SIZE signifikan yaitu di bawah 1%. Secara umum, semua variabel bebas dapat dikatakan tidak berkorelasi kuat antar satu variabel bebas dengan variabel bebas yang lain. Hal ini menunjukkan bahwa dalam Model 1, tidak ada Multikolinearitas di antara variabel-variabel bebasnya.
Tabel 4.8. Hasil uji korelasi Spearman’s Rho antar variabel dengan variabel terikat LTD LTD TA PRF GROWTH SIZE LTD 1.000 .345** -.193** -.086* .287** Sig. . .000 .000 .026 .000 TA .345** 1.000 -.288** -.134** .008 Sig. .000 . .000 .001 .425 PRF -.193** -.288** 1.000 .513** .327** Sig. .000 .000 . .000 .000 GROWTH -.086* -.134** .513** 1.000 .274** Sig. .026 .001 .000 . .000 SIZE .287** .008 .327** .274** 1.000 Sig. .000 .425 .000 .000 . N 510 510 510 510 510
**. Correlation is significant at the 0.01 level (1-tailed).
Sumber: Output SPSS telah diolah kembali
Karena koefisien korelasi Pearson dapat dipengaruhi oleh nilai ekstrim, maka dilakukan juga uji korelasi Spearman Rho. Berdasarkan tabel 4.8 di atas, hasil uji Spearman Rho menghasilkan beberapa kesimpulan. Fixed Tangible Assets (TA) berpengaruh positif terhadap Hutang Jangka Panjang (LTD) dengan tingkat signifikansi di bawah 1% (p=0.000). Profitabilitas (PRF) memiliki
pengaruh negatif terhadap LTD secara signifikan dengan tingkat signifikansi di bawah 1% (p=0.000). Pertumbuhan (GROWTH) berpengaruh negatif terhadap LTD dengan tingkat signifikansi di bawah 5% (p=0.026). Ukuran Perusahaan (SIZE) berpengaruh positif terhadap LTD secara signifikan sengan tingkat signifikansi di bawah 1% (p=0.000).
Variabel TA dan GROWTH koefisien korelasinya tidak sesuai dengan hipotesis 1 dan 3 masing-masing secara signifikan. Variabel PRF dan SIZE memiliki koefisien korelasi yang sesuai dengan hipotesis 2 dan 4 dan signifikan secara statistik.
Tabel 4.9. Hasil uji Pearson Correlation antar variabel dengan variabel terikat TD
Berdasarkan uji Spearman Rho ini juga diketahui bahwa variabel bebas (TA, PRF, GROWTH, SIZE) tidak berkorelasi satu dengan yang lain secara kuat yaitu di bawah 0.6. Korelasi tertinggi hanya terjadi antara variabel PRF terhadap GROWTH tetapi masih lemah yaitu hanya 0.513.
Pada persamaan kedua di mana Total Hutang (TD) sebagai variabel terikatnya, dilakukan uji Pearson Correlation (Tabel 4.9) seperti pada persamaan
TD TA PRF GROWTH SIZE TD 1 -.005 -.286** .078* .163** Sig. .458 .000 .040 .000 TA -.005 1 -.257** -.063 -.009 Sig. .458 .000 .079 .423 PRF -.286** -.257** 1 .460** .314** Sig. .000 .000 .000 .000 GROWTH .078* -.063 .460** 1 .294** Sig. .040 .079 .000 .000 SIZE .163** -.009 .314** .294** 1 Sig. .000 .423 .000 .000 N 510 510 510 510 510
**. Correlation is significant at the 0.01 level (1-tailed).
*. Correlation is significant at the 0.05 level (1-tailed).
pertama. Hasil uji korelasi tersebut menghasilkan output seperti tabel di bawah ini:
Berdasarkan pada Tabel 4.9 di atas, hasil uji Pearson Correlation menghasilkan kesimpulan yang dapat diterangkan lebih lanjut. Fixed Tangible Assets (TA) berpengaruh negatif terhadap total hutang (TD) secara tidak signifikan dengan tingkat signifikansi di atas 40% (p=0.458). Profitabilitas (PRF) berpengaruh negatif terhadap Total Hutang (TD) secara signifikan dengan tingkat signifikansi di bawah 1% (P=0.000). Pertumbuhan (GROWTH) berpengaruh positif terhadap Total Hutang (TD) secara signifikan dengan tingkat signifikansi di bawah 5% (p=0.040). Ukuran perusahaan (SIZE) memiliki pengaruh positif terhadap Total Hutang (TD) secara signifikan dengan tingkat signifikansi di bawah 1% (p=0.000).
Secara keseluruhan, variabel TA dan PRF memiliki korelasi terhadap Total Hutang (TD) sesuai dengan hipotesis 1 dan 2 yakni berkorelasi negatif. Hubungan negatif TA dengan LTD tidak signifikan secara statistik sedangkan hubungan negatif PRF dengan LTD sangat signifikan. Variabel GROWTH dan SIZE memiliki korelasi positif terhadap Total Hutang (TD) sesuai dengan hipotesis 3 dan 4 secara signifikan.
Korelasi yang terjadi antara variabel bebas yang satu dengan yang lain tidak kuat dengan angka korelasi yang bervariasi yakni di bawah 0.5. Korelasi PRF dan GROWTH merupakan korelasi yang paling kuat di antara korelasi variabel bebas lainnya tetapi dengan angka masih di bawah 0.5 yang artinya PRF dan GROWTH berkorelasi secara lemah dengan cukup signifikan.
Tabel 4.10. Hasil uji korelasi Spearman’s Rho antara variabel dengan variabel terikat TD TD TA PRF GROWTH SIZE TD 1.000 .196** -.237** -.099* .308** Sig. . .000 .000 .013 .000 TA .196** 1.000 -.288** -.134** .008 Sig. .000 . .000 .001 .425 PRF -.237** -.288** 1.000 .513** .327** Sig. .000 .000 . .000 .000 GROWTH -.099* -.134** .513** 1.000 .274** Sig. .013 .001 .000 . .000 SIZE .308** .008 .327** .274** 1.000 Sig. .000 .425 .000 .000 . N 510 510 510 510 510
**. Correlation is significant at the 0.01 level (1-tailed). *. Correlation is significant at the 0.05 level (1-tailed).
Sumber: Output SPSS telah diolah kembali
Tabel di atas yang merupakan uji Spearman’s Rho menggambarkan hubungan antar variabel dengan jelas. Fixed Tangible Assets (TA) berpengaruh positif terhadap Total Hutang (TD) secara signifikan dengan tingkat signifikansi di bawah 1% (p=0.000). Pengaruh antara Profitabilitas dengan Total Hutang (TD) adalah negatif secara signifikan dengan tingkat signifikansi di bawah 1% (p=0.000). Pertumbuhan Perusahaan (GROWTH) berpengaruh negatif terhadap Total Hutang (TD) dengan tingkat signifikansi di bawah 5%. Ukuran perusahaan (SIZE) berpengaruh positif terhadap Total Hutang (TD) secara signifikan di bawah 1%.
Korelasi antar variabel bebas pun sama dengan hasil uji Pearson di mana korelasinya tidak kuat yakni di bawah 0.6. Korelasi terkuat terjadi antara PRF dan GROWTH sebesar 0.513 tetapi masih dikategorikan lemah karena masih di bawah 0.8.
Secara umum hasil uji korelasi antar variabel untuk persamaan 1 dan persamaan 2 menunjukkan hampir seluruh hipotesis sesuai dengan hasil pengujian
kecuali varibel Fixed Tangible Assets (TA). Hampir semua uji TA terhadap Hutang menyatakan hubungan positif kecuali untuk uji Pearson dengan variabel terikat TD. Korelasi yang ada antar variabel-variabel bebas baik persamaan 1 maupun 2 menunjukkan bahwa tidak ada satupun variabel bebas yang memiliki korelasi yang terlalu kuat antar variabel. Beberapa buku statistik mengacu korelasi yang kuat antar variabel bebas adalah bila korelasi tersebut di atas 0.8 sedangkan hasil uji di atas tidak ada yang menunjukkan angka korelasi sebesar itu atau dengan kata lain baik hasil uji pada persamaan 1 maupun 2 tidak mengandung adanya Multikolinieritas di antara variabel-variabel bebasnya. Hasil ini juga sesuai dengan uji Multikolinieritas dengan cara uji VIF atau Tolerance di sub bagian sebelumnya.
4.4. Uji Asumsi Heteroskedastisitas
Heteroskedastisitas adalah keadaan di mana varian tidak konstan atau berubah-ubah. Asumsi yang harus dipenuhi agar taksiran parameter dalam model regresi bersifat BLUE (Best Linier Unbiased Estimate) maka var (ui) harus sama dengan σ2 (konstan) atau dengan kata lain semua residual atau error mempnyai varian yang sama (Nachrowi dan Usman, 2006).
Data panel adalah data dari beberapa individu yang dikumpulkan dari waktu ke waktu. Selain data time series, data panel juga terdiri dari data cross section, sehingga patut dicurigai kemungkinan adanya heteroskedastisitas. Program Eviews yang digunakan dalam pengolahan data ini, telah menyediakan cara menguji dan sekaligus menyediakan model yang telah dibebaskan dari masalah heteroskedastisistas ini.
Uji formal yang digunakan untuk menguji adanya Heteroskedastisitas ini adalah Uji White yang tersedia dalam Program Eviews. Pertama-tama data diolah dulu dengan program Eviews tanpa menggunakan pengujian Heteroskedastisitas. Setelah diperoleh hasil awal, kemudian dibandingkan dengan hasil yang dilakukan setelah pengujian dan meniadakan pengaruh Heteroskedasitistas. Hasil (output) dari model Ordinary Least Square dan Model Efek Tetap sesudah pendeteksian atau pengujian dan peniadaaan masalah Heteroskedastisitas inilah yang akan digunakan dalam analisa selanjutnya. Hasil (output) untuk persamaan 1 dan 2 baik
yang menggunakan model Ordinary Least Square dan Model Efek Tetap dapat dilihat di lampiran 3 sampai lampiran 6.
4.5. Analisis Otokorelasi
Model Efek Tetap (MET) dalam data panel tidak membutuhkan asumsi terbebasnya model dari serial korelasi, maka uji tentang otokorelasi dapat diabaikan (Nachrowi dan Usman, 2006).
4.6. Analisis Regresi Data Panel
Bab sebelumnya telah menjelaskan mengenai data panel di mana data panel adalah data beberapa individu yang dikumpulkan dari waktu ke waktu. Data panel yang diteliti di sini terdiri dari 102 individu (perusahaan) atau data cross section dan dari tahun 2003 sampai tahun 2007 atau data time series. Seperti telah dijelaskan dalam bab sebelumnya, dengan asumsi bahwa ada variasi yang berubah untuk setiap perusahaan dan pada setiap waktu yang tercermin dalam interceptnya, maka persamaan regresi untuk data panel ini akan diregresi dengan Model Ordinary Least Square dan Model Efek Tetap (Fixed Effect).
4.6.1. Pemilihan Model antara OLS dan MET
Hasil output dari Eviews baik untuk Model OLS maupun MET pada lampiran 3 sampai lampiran 6 akan diuji untuk melihat model mana yang paling sesuai atau valid dengan uji Restricted F test sebagai berikut:
m = jumlah pembatasan (restriction) = 102 perusahaan – 1 = 101 n = 102 individu x 5 tahun = 510
k = jumlah variabel bebas dalam persamaan unrestricted (MET) = 4 R2UR = R2 untuk persamaan Unrestricted (MET)
R2R = R2 untuk persamaan Restricted (OLS)
(
)
) /( ) 1 ( / R F 2 2 2 UR k n R m R UR R − − −Tabel 4.11. Ringkasan perhitungan Uji F untuk Model 1 dan 2
Model R2UR (MET) R2R (OLS) F Hitung
Model 1 0.858556 0.201663 23.27
Model 2 0.830856 0.202276 18.62
Nilai F tersebut dibandingkan dengan Tabel F dengan numerator 101 dan denominator 506. Nilai F dengan numerator 101 dan denominator 506 dari tabel F dengan tingkat keyakinan 5% adalah sekitar 1.36.
Nilai F Hitung untuk Model 1 dengan variabel terikat LTD adalah 23.27 > Nilai F Tabel 1.36 dan untuk Model 2 dengan variabel terikat TD adalah 18.62 > Nilai F Tabael 1.36 sehingga persamaan restricted (dalam hal ini OLS) tidak sesuai atau valid. Hal ini berarti bahwa MET merupakan model yang lebih baik dibandingkan OLS.
Penentuan model dapat dilakukan selain uji F di atas. Menurut Gujarati di bukunya Basic Econometrics, 4th ed., 2003, seharusnya jawabannya sudah jelas, jika dilihat dari signifikansi statistik dari koefisien yang diduga, dan fakta bahwa R2 telah meningkat secara substansial dan kenyataan bahwa nilai d Durbin Watson yang lebih tinggi, telah menunjukkan bahwa model OLS telah salah dijabarkan. Berikut ini tabel perbandingan nilai R2 dan d untuk metode OLS dan MET:
Tabel 4.12. Perbandingan R2 dan d antara Metode OLS dan MET pada masing-masing model
Model
R2 d
OLS MET OLS MET Model 1 0.201663 0.858556 0.3462321 1.666168
Model 2 0.202276 0.830856 0.370429 1.374955
Model 1
R2 MET 85.86% yang artinya variabilitas perubahan LTD dapat dijelaskan oleh variabel TA, PRF, GROWTH dan SIZE sedangkan sisanya 14.14% dipengaruhi oleh faktor-faktor lain. Bandingkan dengan R2 OLS yang hanya 20.17%. Nilai
statistik DW untuk OLS adalah 0.35 yang mendekati nilai 0 yang berarti ada otokorelasi positif, sedangkan nilai statistik DW untuk MET adalah 1.67 yang mendekati 2, yang berarti tidak ada otokorelasi.
Model 2
R2 MET 83.09% yang artinya variabilitas perubahan LTD dapat dijelaskan oleh variabel TA, PRF, GROWTH dan SIZE sedangkan sisanya16.91% dipengaruhi oleh faktor-faktor lain. Bandingkan dengan R2 OLS yang hanya 20.23%. Nilai statistik DW untuk OLS adalah 0.37 yang mendekati nilai 0 yang berarti ada otokorelasi positif, sedangkan nilai statistik DW untuk MET adalah 1.37 yang mendekati 2, yang berarti tidak ada otokorelasi.
Kesimpulan:
Dari beberapa kriteria di atas, dapat disimpulkan bahw Model Efek Tetap (MET) lebih baik dibandingkan dengan model Ordinary Least Square (OLS), sehingga untuk analisa selanjutnya akan menggunakan hasil (output) dari regresi data panel dengan model Efek Tetap (MET).
4.6.2. Analisis Data Panel dengan Model Efek Tetap (MET)
Berbeda dengan persamaan regresi cross section atau time series saja, regresi data panel terdiri dari individu cross section diamati sepanjang waktu. Dengan kata lain, data panel mempunyai dimensi ruang dan waktu (Gujarati, 2003).
Seperti telah dipaparkan pada bagian-bagian sebelumnya bahwa dalam penelitian ini mencoba melihat pengaruh faktor-faktor determinan Fixed Tangibile Assets (TA), tingkat Profitabilitas (PRF), tingkat pertumbuhan (GROWTH) dan ukuran atau skala perusahaan (SIZE) terhadap tingkat Hutang Jangka Panjang (LTD) dan terhadap Total Hutang (TD) yang dijabarkan dalam dua persamaan sebagai berikut: ) 1 . 4 ( ... ... 4 it 3 it 2 it 1TA PRF it itKKK KK it it GROWTH SIZE LTD =
α
+β
+β
+β
+β
+ε
) 2 . 4 ( ... ... 4 it 3 it 2 it 1TA PRF it itKKK KK it it GROWTH SIZE TD =α
+β
+β
+β
+β
+ε
Dalam kedua persamaan tersebut, keempat variabel bebasnya sama. Perbedaan hanya terletak pada variabel terikat, di mana persamaan 4.1 ingin melihat pengaruh variabel-variabel bebas terhadap Hutang Jangka Panjang dan persamaan 4.2. ingin melihat pengaruh variabel-variabel bebas terhadap Total Hutang. Kedua persamaan itu akan diolah denga regresi metode Data Panel (Pooled Data) dengan Model Efek Tetap. Metode ini memungkinkan adanya variasi antar individu dan waktu dalam pengamatan yang tercermin dalam intercept yang berbeda-beda untuk tiap individu. Metode sebelumnya yaitu OLS tidak mampu mengakomodir kenyataan variasi antar individu dan antar waktu ini. Oleh karena itu, maka MET digunakan sebagai model yang lebih baik dalam menjelaskan hubungan faktor-faktor determinan terhadap hutang yang menjadi tujuan penelitian ini.
Seperti telah dinyatakan dalam bab 3, hipotesis yang ingin diuji bersifat uji satu sisi (one sided) karena hipotesis dinyatakan dalam hubungan yang positif (upper test) atau negatif (lower test) sehingga nantinya dalam penentuan signifikansi, nilai p-value akan dibagi dua.
Dengan menggunakan software Eviews 5.0 dilakukan regresi data panel (Pooled data) untuk masing-masing persamaan dengan cara memasukkan LTD dan TD sebagai variabel bebas dan TA, PRF, GROWTH, dan SIZE sebagai variabel terikat. Populasi sampel terdiri dari 102 perusahaan manufaktur dengan waktu pengamatan 5 tahun dari tahun 2003 sampai tahun 2007 sehingga dihasilkan data panel sebanyak 510 sampel.
4.6.2.1. Model 1 dengan Variabel Terikat : LTD
Hasil regresi persamaan pertama dengan LTD sebagai variabel terikatnya dapat dilihat sebagaimana tabel di bawah ini:
Tabel 4.13. Output persamaan data panel dengan LTD sebagai variabel terikatnya LTD Hipotesis Koefisien/ Nilai P Value (2 tailed) P Value TA - 0.638196 0.1823 0.09115* PRF - -0.623143 0.0937 0.04685** GROWTH + 0.072948 0.2210 0.1105 SIZE + 0.506120 0.0000 0.0000*** Intercept -9.878564 Adj R2 0.820013 S.E. of regression 0.608188 Durbin-Watson Stat 1.666168 S.D. dependent var. 1.433563 F-Stat. 22.27500 N 510
***significant at the 1% level ** significant at the 5% level * significant at the 10% level
Sumber: Output Eviews telah diolah kembali
Program Eviews yang digunakan dalam penelitian ini juga dapat memberikan persamaan-persamaan regresi untuk tiap-tiap individu (perusahaan) sehingga setiap persamaan berbeda-beda untuk tiap individu yang tercermin dalam intercept tiap individu yang berlainan. Itulah salah satu kelebihan MET. Hasil persamaan tersebut disajikan dalam tabel berikut ini tetapi hanya persamaan 5 perusahaan saja yang disajikan dalam tabel berikut. Hasil persamaan untuk setiap dari 102 perusahaan dapat dilihat selengkapnya dalam lampiran 7.
Tabel 4.14. Persamaan regresi untuk 5 individu atau perusahaan (sebagai contoh)
Estimation Command: =====================
LS(CX=F,PER=F,COV=CXWHITE) LTD? TA? PRF? GROWTH? SIZE? Estimation Equations:
=====================
PER_EFFECT = C(108)*@ISPERIOD("2003") + C(109)*@ISPERIOD("2004") + C(110)*@ISPERIOD("2005") + C(111)*@ISPERIOD("2006") +
C(112)*@ISPERIOD("2007")
LTD_AISA = C(6) + PER_EFFECT + C(1) + C(2)*TA_AISA + C(3)*PRF_AISA + C(4)*GROWTH_AISA + C(5)*SIZE_AISA
LTD_AKPI = C(7) + PER_EFFECT + C(1) + C(2)*TA_AKPI + C(3)*PRF_AKPI + C(4)*GROWTH_AKPI + C(5)*SIZE_AKPI
LTD_AKRA = C(8) + PER_EFFECT + C(1) + C(2)*TA_AKRA + C(3)*PRF_AKRA + C(4)*GROWTH_AKRA + C(5)*SIZE_AKRA
LTD_ALMI = C(9) + PER_EFFECT + C(1) + C(2)*TA_ALMI + C(3)*PRF_ALMI + C(4)*GROWTH_ALMI + C(5)*SIZE_ALMI
LTD_AMFG = C(10) + PER_EFFECT + C(1) + C(2)*TA_AMFG + C(3)*PRF_AMFG + C(4)*GROWTH_AMFG + C(5)*SIZE_AMFG Substituted Coefficients: ===================== PER_EFFECT = 0.2255394853*@ISPERIOD("2003") + 0.1469438502*@ISPERIOD("2004") + 0.02336555094*@ISPERIOD("2005") - 0.1318850266*@ISPERIOD("2006") - 0.2639638598*@ISPERIOD("2007")
LTD_AISA = 0.7460844974 + PER_EFFECT - 9.878564403 + 0.6381957091*TA_AISA - 0.6231426593*PRF_AISA + 0.07294757748*GROWTH_AISA +
0.5061201494*SIZE_AISA
LTD_AKPI = -0.1025708397 + PER_EFFECT - 9.878564403 + 0.6381957091*TA_AKPI - 0.6231426593*PRF_AKPI + 0.07294757748*GROWTH_AKPI +
0.5061201494*SIZE_AKPI
LTD_AKRA = -1.113685747 + PER_EFFECT - 9.878564403 + 0.6381957091*TA_AKRA - 0.6231426593*PRF_AKRA + 0.07294757748*GROWTH_AKRA +
0.5061201494*SIZE_AKRA
LTD_ALMI = -0.6675018068 + PER_EFFECT - 9.878564403 + 0.6381957091*TA_ALMI - 0.6231426593*PRF_ALMI + 0.07294757748*GROWTH_ALMI +
0.5061201494*SIZE_ALMI
LTD_AMFG = -1.025331218 + PER_EFFECT - 9.878564403 + 0.6381957091*TA_AMFG - 0.6231426593*PRF_AMFG + 0.07294757748*GROWTH_AMFG +
0.5061201494*SIZE_AMFG
Dari hasil kedua tabel dan persamaan di atas dapat diperoleh hasil bahwa adjusted R2 menghasilkan angka 0.820013 yang artinya persamaan ini cukup baik dalam menjelaskan pengaruh variabel bebas terhadap variabel terikat. Variabel bebas yaitu TA, PRF, GROWTH dan SIZE dapat menjelaskan variabilitas pengaruh terhadap hutang jangka panjang sebanyak 82% dan sebesar 18% LTD (hutang jangka panjang) dipengaruhi oleh faktor-faktor selain empat variabel tadi.
Nilai statistik Durbin-Watson menunjukkan nilai 1.67 yang mendekati nilai 2, sehingga dapat dikatakan dalam persamaan ini diduga tidak ada otokorelasi, dan kalaupun ada tidak terlalu kuat dan MET tidak mensyaratkan bahwa persamaan harus bebas dari otokorelasi.
Standard Error of Regression 0.608188 dibandingkan dengan standar deviasi 1.433563 yang artinya model ini mampu menduga pengaruh terhadap hutang jangka panjang lebih baik atau model ini lebih bagus dalam bertindak sebagai prediktor LTD (Hutang Jangka Panjang) jika dibandingkan dengan rat-rata hutang jangka panjang itu sendiri.
Konstanta sebesar -9.878564 menunjukkan bahwa jika tidak ada TA, PRF, GROWTH, dan SIZE perusahaan-perusahaan manufaktur pada umumnya tidak akan berhutang atau meminjam.
TA berpengaruh positif terhadap LTD secara cukup signifikan dengan tingkat signifikansi di bawah 10% (p=0.1823/2 =0.09115) dengan koefisien variabel yang tidak terlalu besar yakni 0.638196. Dengan kata lain, jika faktor lain tidak berubah, maka setiap kenaikan 1 TA akan menyebabkan kenaikan LTD sebanyak 0.64. Hasil tersebut berlawanan dengan hipotesis 1.
PRF berpengaruh negatif terhadap LTD dengan signifikansi di bawah 5% (p=0.0937/2 = 0.04685) dengan koefisien variabel sebesar -0.623143. Hal ini berarti jika faktor lain tidak berubah, maka setiap kenaikan 1 PRF akan menurunkan LTD sebanyak 0.623143. Hal ini sesuai dengan hipotesis 2.
GROWTH berpengaruh positif terhadap LTD tetapi tidak signifikan dengan tingkat signifikansi sekitar 11% (p=0.2210/2 = 0.1105) dengan koefisien variabel yang cukup kecil yaitu 0.072948. Kondisi ini berarti jika faktor lain tetap, maka setiap kenaikan 1 GROWTH akan menaikkan LTD sebanyak 0.072948. Hal ini sesuai dengan hipotesis 3.
SIZE berpengaruh positif terhadap LTD dengan sangat signifikan yaitu dengan tingkat signifikansi di bawah 1% (p=0.0000) dengan koefisien variabel yang cukup besar yaitu 0.506120. Hal ini menggambarkan bahwa jika faktor lain tidak berubah, maka setiap kenaikan 1 SIZE akan menaikkan LTD sebanyak 0.506120. Hal ini sesuai dengan hipotesis 4.
Perusahaan yang mempunyai rata-rata peningkatan LTD (Hutang Jangka Panjang) terbesar adalah PT. Indomobil Sukses Makmur Tbk. (_IMAS). Hal ini bisa diketahui dari intercept perusahaan itu sendiri ditambah dengan PER EFFECT dan konstanta (7.787952 + PER_EFFECT -9.878564).
Perusahaan yang mempunyai rata-rata peningkatan LTD (Hutang Jangka Panjang) terkecil adalah PT. Unilever Indonesia Tbk. (_UNVR). Hal ini bisa diketahui dari intercept perusahaan itu sendiri ditambah PER EFFECT dana konstanta ( -2.50099 + PER_EFFECT + 9.878564). Daftar intercept ini dapat dilihat pada lampiran 8.
4.6.2.2. Model 2 dengan Variabel Terikat : TD
Setelah dilakukan uji data panel dengan metode Efek Tetap (MET) pada persamaan pertama maka dilakukan uji persamaan kedua dengan metode regresi data panel pula dengan cara memasukkan TD sebagai variabel terikat dan TA, PRF, GROWTH, dan SIZE sebagai variabel bebas. Hasil uji regresi data panel kedua dengan TD sebagai variabel terikat dapat dilihat sebagaimana tabel di bawah ini:
Tabel 4.15. Output persamaan data panel kedua dengan TD sebagai variabel terikat TD Hipotesis Koefisien/ Nilai P Value (2 tailed) P Value TA - -0.120586 0.8878 0.4439 PRF - -1.749546 0.0016 0.0008*** GROWTH + 0.303108 0.1428 0.0714* SIZE + 1.081208 0.0000 0.0000*** Intercept -20.47191 Adj R2 0.784764 S.E. of regression 1.314238 Durbin-Watson Stat 1.374955 S.D. dependent var. 2.832806 F-Stat. 18.02613 N 510
***significant at the 1% level * significant at the 10% level
Sumber: Output Eviews telah diolah kembali
Program Eviews yang digunakan seperti telah dijelaskan pada bagian sebelumnya, juga dapat memberikan persamaan-persamaan regresi untuk tiap-tiap individu (perusahaan) sehingga setiap persamaan berbeda-beda untuk tiap individu yang tercermin dalam intercept tiap individu yang berlainan. Hasil persamaan tersebut disajikan dalam tabel berikut ini tetapi hanya persamaan 5 perusahaan saja yang disajikan dalam tabel berikut. Hasil persamaan untuk setiap perusahaan dengan total 102 perusahaan dapat dilihat selengkapnya dalam lampiran 9.
Tabel 4.16. Persamaan regresi untuk contoh sebanyak 5 individu atau perusahaan dengan variabel terikat TD
Estimation Command: =====================
LS(CX=F,PER=F,COV=CXWHITE) TD? TA? PRF? GROWTH? SIZE? Estimation Equations:
=====================
PER_EFFECT = C(108)*@ISPERIOD("2003") + C(109)*@ISPERIOD("2004") + C(110)*@ISPERIOD("2005") + C(111)*@ISPERIOD("2006") +
C(112)*@ISPERIOD("2007")
TD_AISA = C(6) + PER_EFFECT + C(1) + C(2)*TA_AISA + C(3)*PRF_AISA + C(4)*GROWTH_AISA + C(5)*SIZE_AISA
TD_AKPI = C(7) + PER_EFFECT + C(1) + C(2)*TA_AKPI + C(3)*PRF_AKPI + C(4)*GROWTH_AKPI + C(5)*SIZE_AKPI
TD_AKRA = C(8) + PER_EFFECT + C(1) + C(2)*TA_AKRA + C(3)*PRF_AKRA + C(4)*GROWTH_AKRA + C(5)*SIZE_AKRA
TD_ALMI = C(9) + PER_EFFECT + C(1) + C(2)*TA_ALMI + C(3)*PRF_ALMI + C(4)*GROWTH_ALMI + C(5)*SIZE_ALMI
TD_AMFG = C(10) + PER_EFFECT + C(1) + C(2)*TA_AMFG + C(3)*PRF_AMFG + C(4)*GROWTH_AMFG + C(5)*SIZE_AMFG Substituted Coefficients: ===================== PER_EFFECT = 0.3401389049*@ISPERIOD("2003") + 0.09932515373*@ISPERIOD("2004") + 0.06537978086*@ISPERIOD("2005") - 0.1917547287*@ISPERIOD("2006") - 0.3130891108*@ISPERIOD("2007")
TD_AISA = 1.617444648 + PER_EFFECT - 20.47190573 - 0.1205860888*TA_AISA - 1.749545749*PRF_AISA + 0.3031077745*GROWTH_AISA + 1.081208131*SIZE_AISA TD_AKPI = -0.4709122372 + PER_EFFECT - 20.47190573 - 0.1205860888*TA_AKPI - 1.749545749*PRF_AKPI + 0.3031077745*GROWTH_AKPI + 1.081208131*SIZE_AKPI TD_AKRA = -2.035836083 + PER_EFFECT - 20.47190573 - 0.1205860888*TA_AKRA - 1.749545749*PRF_AKRA + 0.3031077745*GROWTH_AKRA +
1.081208131*SIZE_AKRA
TD_ALMI = -0.5353360718 + PER_EFFECT - 20.47190573 - 0.1205860888*TA_ALMI - 1.749545749*PRF_ALMI + 0.3031077745*GROWTH_ALMI + 1.081208131*SIZE_ALMI TD_AMFG = -1.871504294 + PER_EFFECT - 20.47190573 - 0.1205860888*TA_AMFG - 1.749545749*PRF_AMFG + 0.3031077745*GROWTH_AMFG +
1.081208131*SIZE_AMFG
Dari hasil persamaan pada tabel 4.15 dan 4.16 di atas dapat diketahui hal-hal sebagai berikut. Adjusted R2 menghasilkan nilai 0.784764 yang artinya persamaan ini cukup baik dalam menjelaskan pengaruh variabel bebas terhadap variabel terikat. Variabel bebas yaitu TA, PRF, GROWTH dan SIZE dapat menjelaskan variabilitas pengaruh terhadap TD (Total hutang) sebesar 78.48% dan sebesar 21.52% TD dipengaruhi oleh faktor-faktor lain selain empat variabel tadi.
Nilai statistik Durbin-Watson menunjukkan nilai 1.37 yang mendekati nilai 2, sehingga dapat dikatakan dalam persamaan ini diduga tidak ada otokorelasi, dan kalaupun ada tidak terlalu kuat.
Standard Error of Regression 1.314238 dibandingkan dengan standar deviasi 2.832806 yang artinya model ini mampu menduga pengaruh terhadap TD (Total Hutang) lebih baik atau model ini lebih bagus dalam bertindak sebagai prediktor TD (Total Hutang) jika dibandingkan dengan rat-rata Total hutang itu sendiri.
Konstanta sebesar -20.47191 menunjukkan bahwa jika tidak ada TA, PRF, GROWTH, dan SIZE perusahaan-perusahaan manufaktur pada umumnya tidak akan berhutang atau meminjam.
TA berpengaruh negatif terhadap TD namun tidak signifikan (p=0.8878/2 =0.4439) dengan koefisien variabel sebesar yakni -0.120586. Dengan kata lain, jika faktor lain tidak berubah, maka setiap kenaikan 1 TA akan menyebabkan penurunan TD sebanyak 0.12. Hasil tersebut tidak sejalan dengan hipotesis 1.
PRF berpengaruh negatif terhadap TD secara signifikan dengan signifikansi di bawah 1% (p=0.0016/2 = 0.0008) dengan koefisien variabel sebesar -1.749546. Hal ini berarti jika faktor lain tidak berubah, maka setiap kenaikan 1 PRF akan menurunkan TD sebanyak 1.75. Hal ini sesuai dengan hipotesis 2.
GROWTH berpengaruh positif terhadap TD tetapi kurang signifikan dengan tingkat signifikansi di atas 5% (p=0.1428/2 = 0.0714) dengan koefisien variabel yang kecil yaitu 0.303108. Kondisi ini berarti jika faktor lain tetap, maka setiap kenaikan 1 GROWTH akan menaikkan LTD sebanyak 0.303108. Hal ini sesuai dengan hipotesis 3.
SIZE berpengaruh positif terhadap TD dengan sangat signifikan yaitu dengan tingkat signifikansi di bawah 1% (p=0.0000) dengan koefisien variabel yang besar yaitu 1.081208. Hal ini menggambarkan bahwa jika faktor lain tidak berubah, maka setiap kenaikan 1 SIZE akan menaikkan TD sebanyak 1.081208. Hal ini sesuai dengan hipotesis 4.
Perusahaan yang mempunyai rata-rata peningkatan TD (Total Hutang) terbesar adalah PT. Indomobil Sukses Makmur Tbk. (_IMAS). Hal ini bisa diketahui dari intercept perusahaan itu sendiri ditambah dengan PER EFFECT dan konstanta (15.88256 + PER_EFFECT -20.47191).
Perusahaan yang mempunyai rata-rata peningkatan TD (Total Hutang terkecil adalah PT. Unilever Indonesia Tbk. (_UNVR). Hal ini bisa diketahui dari intercept perusahaan itu sendiri ditambah PER EFFECT dana konstanta ( -6.73764 + PER_EFFECT - 20.47191). Daftar intercept ini dapat dilihat pada lampiran 10.
4.7. Kesimpulan Analisis Regresi
Berdasarkan hasil regresi atas persamaan 1 dan 2 dengan menggunakan regresi data panel yang dilakukan dengan Model Efek Tetap untuk melihat pengaruh faktor-faktor TA, PRF, GROWTH dan SIZE terhadap Hutang Jangka Panjang dan Total Hutang telah menghasilkan output seperti disajikan di bagian sebelumnya. Oleh karena itu dapat dibuat kesimpulan atas hasil regresi kedua persamaan sebagaimana dapat dilihat pada tabel di bawah ini.
Tabel 4.17. Pengaruh TA, PRF, GROWTH, dan SIZE terhadap LTD dan D dengan model efek tetap
LTD TD Hipotesis Koefisien P Value Hipotesis Koefisien P Value
TA - 0.638196 0.09115* - -0.120586 0.4439 PRF - -0.623143 0.04685** - -1.749546 0.0008*** GROWTH + 0.072948 0.1105 + 0.303108 0.0714* SIZE + 0.506120 0.0000*** + 1.081208 0.0000*** Intercept -9.878564 -20.47191 Adj R2 0.820013 0.784764 F-Stat. 22.27500 18.02613
***significant at the 1% level ** significant at the 5% level * significant at the 10% level
Berdasarkan resume tabel di atas dapat ditarik kesimpulan mengenai pengaruh faktor-faktor Fixed Tangible Assets, Tingkat profitabilitas, tingkat pertumbuhan, dan ukuran perusahaan terhadap tingkat hutang perusahaan.
Hipotesis bahwa Fixed Tangible Assets berpengaruh negatif terhadap tingkat hutang jangka panjang perusahaan dan total hutang (Hipotesis 1) tidak didukung data berdasarkan penelitian ini. Pengaruh fixed tangible assets yang positif terhadap hutang jangka panjang cukup signifikan tetapi pengaruh fixed tangible assets yang negatif terhadap total hutang tetapi tidak signifikan diperoleh dalam penelitian ini. Pengaruh positif Fixed Tangible Assets terhadap hutang ini menunjukkan bahwa dalam industri manufaktur di Indonesia, pihak kreditur atau pemberi pinjaman melihat asset ini merupakan jaminan (collateral) yang baik di mana semakin besar tangible assets yang dapat dijadikan jaminan, maka semakin besar kemungkinan kreditur bersedia memberikan pinjaman. Jaminan hutang yang lebih besar menurunkan risiko kreditur menderita agency cost dari hutang. Assets ini juga mempunyai nilai lebih pada saat likuidasi. Semakin besar proporsi
tangible assets dalam neraca perusahaan, semakin besar keinginan kreditur memberi pinjaman, sehingga tingkat hutang (leverage) menjadi lebih tinggi.
Hasil uji regresi bahwa tingkat profitabilitas berpengaruh negatif terhadap tingkat hutang perusahaan telah sejalan dengan hipotesis yang diungkapkan dalam Bab 3 dan juga sejalan dengan penelitian yang dilakukan oleh Fama dan French (2002) dan sejalan dengan Pecking Order Theory, di mana perusahaan lebih mengandalkan pendanaan dari internal terlebih dahulu. Bukti-bukti ini juga mendukung implikasi dari Myers dan Majluf (1984) dan Myers (1984). Pengaruh negatif secara signifikan terhadap total hutang didukung data dalam penelitian ini.
Tingkat pertumbuhan berpengaruh positif terhadap tingkat hutang perusahaan didukung data dalam penelitian ini dengan cukup signifikan dan menurut hasil penelitian telah sesuai dengan hipotesis yang ada dan juga sesuai dengan penelitian yang dilakukan oleh Fama dan French (2002).
Ukuran perusahaan berpengaruh positif terhadap tingkat hutang perusahaan baik hutang jangka panjang dan total hutang menurut hasil regresi telah sejalan dengan hipotesis 4 dengan sangat siginifikan dan sejalan dengan literatur yang ada serta sesuai dengan penelitian yang dilakukan Medeiros dan Daher (2004).
