41 1.
Titik-titik tersebar di atas dan di bawah atau disekitar angka 0
2. Titik-titik data tidak mengumpul hanya di atas atau di
bawah saja 3.
Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan
melebar kembali
3.8.3 Pengujian Hipotesis
3.8.3.1 Uji Signifikansi Parsial Uji t
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas atau independen secara individual
dalam menerangkan variasi variabel dependen dengan asumsi variabel bebas lainnya konstan. Tahap pengujian adalah sebagai
berikut : 1.
Ho: β = 0, berarti tidak ada pengaruh yang signifikan dari variabel independen terhadap variabel dependen secara
parsial. Ha: β = 0, berarti ada pengaruh yang signifikan dari variabel independen terhadap dependen secara parsial.
2. Menentukan tingkat signifikan α yaitu sebesar 5
3. Jika probabilitas signifikasi lebih besar dari 0,05 α maka
variabel bebas secara individu tidak berpengaruh terhadap
42 struktur modal, jika lebih kecil dari 0,05 maka variabel bebas
secara individu berpengaruh terhadap struktur modal.
3.8.3.2 Signifikansi Simultan Uji F
Uji F digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai
pengaruh secara bersama- sama terhadap variabel dependen. Uji ini dilakukan dengan membandingkan F hitung dengan F tabel. Tahap
pengujiannya adalah sebagai berikut : 1.
Ho : β1 = β2 = β3 = β4 = 0, berarti tidak ada pengaruh yang signifikan dari variabel independen secara bersama-sama
terhadap variabel dependen. Ha : β1 = β2 = β3 = β4 = 0 ,
berarti ada pengaruh yang signifikan dari variabel independen secara bersama-sama terhadap variabel dependen.
2. Menentukan besarnya nilai F hitung dan signifikan F Sig F.
3. Menentukan tingkat signifikan α yaitu sebesar 5.
4. Menganalisis data penelitian yang telah diolah dengan
kriteria pengujian yaitu : • Jika nilai sig F 0.05, maka Ho diterima, artinya
variabel bebas secara simultan tidak mempengaruhi variabel terikat secara signifikan.
• Jika nilai sig F ≤ 0.05, maka Ho ditol ak, artinya variabel
bebas secara simultan mempengaruhi variabel terikat secara signifikan
43
3.8.3.3 Uji Koefisien Determinasi
Koefisien determinasi R2 adalah sebuah koefisien yang menunjukkan persentase pengaruh semua variable independen
terhadap variabel dependen.Persentase tersebut menunjukkan seberapa besar variable independen dapat menjelaskan variabel
dependen.Semakin besar koefisien determinasinya maka semakin baik variabel independent dalam menjelaskan variabel dependen.
Nilai R2 besarnya antara 0-1 0 R2 1 koefisien determinasi ini digunakan untuk mengetahui seberapa besar
variabel bebas mempengaruhi variabel tidak bebas. Nilai R-Square dikatakan baik bila nilainya di atas 0,5 karena nilai dari R-Square
berkisar antara 0 sampai 1. Bila nilai R-Square mendekati 1 maka sebagian besar variabel independen menjelaskan variabel dependen
sedangkan jika koefisien determinasi adalah 0 berarti variabel independen tidak berpengaruh terhadap variabel dependen.
44
BAB IV HASIL DAN PEMBAHASAN
4.1 Analisis Data Penelitan
Metode analisis data yang digunakan peneliti dalam penelitian ini adalah metode analisis statistik, dimana analisis statistik yang digunakan adalah
menggunakan persamaan regresi linier berganda. Analisis data dimulai dengan mengolah data dengan menggunakan Microsof Exel, selanjutnya data yang sudah
diolah akan dilakukan pengujian melalui uji asumsi klasik dan uji hipotesis. Pengujian asumsi klasik dan hipotesis akan dilakukan menggunakan software
SPSS. Dalam pengujian ini software yang digunakan adalah SPSS 17,0. Prosedur yang dilakukan adalah dengan memasukkan variable-variabel penelitian ke dalam
software SPSS tersebut sehingga menghasilkan output-output sesuai dengan analisis data yang telah ditentukan, oleh karena dalam penelitian ini perusahaan-
perusahaan yang akan menjadi sampel sebanyak tiga puluh perusahaan.
4.2 Analisis Hasil Penelitian 4.2.1
Statistik Deskriptif Variabel Penelitian
Deskripsi variabel penelitian merupakan bagian dari hasil penelitian yang mempunyai fungsi untuk menggambarkan variabel
independen bebas dan variabel dependen. Berikut ini merupakan deskripsi data statistik dari seluruh data yang digunakan secara umum dalam
penelitian ini
45
Tabel 4.1 Hasil Analisis Deskriptif Data
Sumber : hasil olahan software SPSS 17
Berdasarkan tabel 4.1 diatas dapat dijelaskan bahwa: 1.
Variabel independen berupa cost of equity capital pada perusahaan industry yang menjadi sampel dalam penelitian ini memiliki nilai
minimum sebesar 1,40, nilai maksimum sebesar 232,82 dan nilai rata- rata sebesar
22,2341
dengan standar deviasi sebesar 44,32986. 2.
Variabel independen berupa intellectual capital pada perusahaan industi yang menjadi sampel dalam penelitian ini memiliki nilai
minimum sebesar 1,11 nilai maksimum sebesar 4,64 dan nilai rata-rata sebesar 3,0577 dengan standar deviasi sebesar 0,89851.
3. Variabel independen berupa asetri informasi pada perusahaan industri
yang menjadi sampel dalam penelitian ini memiliki nilai minimum sebesar 22,33, nilai maksimum sebesar 194,00 dan nilai rata-rata
sebesar 77,7750 dengan standar deviasi sebesar 44,11268. 4.
Variabel independen berupa nilai pasar ekuitas pada perusahaan industri yang menjadi sampel dalam penelitian ini memiliki nilai
46 minimum sebesar 21,52,, nilai maksimum sebesar 33,36 dan nilai rata-
rata sebesar 27,8671 dengan standar deviasi sebesar 2,86394.
4.2 .2 Uji Asumsi Klasik 4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal,
seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal kalau asumsi ini dilanggar maka
uji statistik menjadi tidak valid untuk jumlah sampel kecil, dalam penelitian ini, uji normalitas terhadap residual dengan menggunakan
uji Kolmogorov-Smirnov, dalam penelitian ini, tingkat signifikansi yang digunakan
� = 0,05. Dasar pengambilan keputusan adalah melihat angka probabilitas
�, dengan ketentuan sebagai berikut. • Jika nilai probabilitas � ≥ 0,05, maka asumsi normalitas
terpenuhi. • Jika probabilitas 0,05, maka asumsi normalitas tidak terpenuhi.
Apabila distribusi data tidak normal, maka perlu dilakukan transformasi data atau menambah maupun mengurangi data. Hasil uji
normalitas untuk penelitian ini adalah :
47
Tabel 4.2 Hasil Uji Normalitas
Sumber : hasil olahan software SPSS
Perhatikan bahwa berdasarkan Tabel 4.2, diketahui nilai probabilitas
� atau Asymp. Sig. 2-tailed sebesar 0,127, dalam penelitian ini, tingkat signifikansi yang digunakan adalah
� = 0,05. Karena nilai probabilitas
�, yakni 0,127, lebih besar dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas
dipenuhi dan dapat dilakukan uji asumsi klasik lainnya.Pengujian asumsi normalitas dapat juga digunakan pendekatan analisis grafik,
seperti histogram dan plot data.
48
Gambar 4.1 Uji Normalitas Histogram
Grafik histogram pada gambar 4.1 menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data mengikuti garis
diagonal yang tidak menceng skewness kiri maupun menceng ke kanan.
49
Gambar 4.2 Uji Normalitas Grafik P-Plot
Pada grafik P-P Plot pada gambar 4.2 diatas menunjukkan bahwa data titik menyebar di sekitar garis diagonal.Hal ini
menunjukkan bahwa data telah terdistribusi secara normal. Dari hasil uji normalitas dalam seluruh tahap, dapat disimpulkan
bahwa semua variabel dalam penelitian ini berdistribusi normal dan dapat melanjutkan pengujian asumsi klasik lainnya.
4.2.2.2 Uji Multikoliniearitas
Uji multikolinearitas dilakukan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen
ada tidaknya gejala multikoliniearitas dilihat dengan menganalisa koefisen
Variance Inflaction Factor VIF dan nilai Tolerance.Gangguan multikolinearitas tidak terjadi jika VIF dibawah
10.
50
Tabel 4.3 Hasil Uji Multikolinearitas
Sumber : hasil olahan software SPSS 17 Perhatikan bahwa berdasarkan Tabel 4.3, nilai VIF dari
variable Intellectual capital adalah 1,110, nilai VIF dari variabel Asetri Informasi adalah 1,056, nilai VIF dari variabel Nilai Pasar
Ekuitas adalah 1,057. Karena masing-masing nilai VIF tidak lebih besar dari 10, maka tidak terdapat gejala multikolinearitas yang berat.
4.2.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pada periode t-1 Ghozali, 2006.Untuk mengetahui ada atau tidaknya autokorelasi digunakan uji Durbin Watson dengan
asumsi jika nilai statistik Durbin-Watson -2 sd +2, maka asumsi independensi terhadap residual non-autokorelasi
terpenuhi.Sebaliknya, bila nilai statistik Durbin-Watson -2 atau 2,
51 berarti asumsi independensi terhadap residual non-autokorelasi tidak
terpenuhi.
Tabel 4.4 Hasil Uji Autokorelasi
.
Sumber : hasil olahan software SPSS 17
Berdasarkan Tabel 4.4, nilai dari statistik Durbin-Watson adalah 1,45. Perhatikan bahwa karena nilai statistik Durbin-Watson terletak
di antara -2 dan +2, maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang tinggi pada residual
4.2.2.4 Uji Heterokedastisitas
Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke
pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika
berbeda akan disebut heteroskedastisitas. Model regresi yang baik adalah model yang tidak terjadi heteroskedastisitas.
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatter plot antara
SRESID pada sumbu Y, dan ZPRED pada sumbu X.Field, 2009:230,
52 Ghozali, 2011:139. Field 2009:248, Ghozali, 2011:139 menyatakan
dasar analisis adalah jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar,
kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.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 Uji Heterokedastisitas
Sumber : Hasil Olahan Software SPSS
Perhatikan bahwa berdasarkan Gambar 4.3, tidak terdapat pola yang begitu jelas, serta titik-titik menyebar di atas dan di bawah angka
0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
53
4.2.3 Analisis Regresi Linear Berganda
