BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskripsi Objek Penelitian
Objek penelitian dalam skripsi ini adalah perusahaan manufaktur meliputi sektor aneka industri dan sektor industri barang konsumsi yang
terdaftar di Bursa Efek Indonesia dalam periode 2009 sampai dengan 2011 yang telah mengeluarkan data keuangan. Jumlah sampel pada penelitian ini
sebanyak 25 perusahaan. Dengan menggunakan metode penggabungan data pooling, maka diperoleh data penelitian sebanyak 3 x 25 = 75 data
observasi.
4.2. Analisis Data
4.2.1. Statistik Deskriptif
Tabel 4.1 Hasil Deskriptif
Descriptive Statistics
N Range
Minimum Maximum
Mean Std. Deviation Variance
Statistic Statistic Statistic
Statistic Statistic
Std. Error Statistic
Statistic DER
75 2.8307715 .1626130 2.9933846 .737005025 .0776178771 .6721905336
.452 ROA
75 .9126994 -.4205483
.4921510 .080639878 .0146039843 .1264742141 .016
Current Rasio 75 30334107
47647 30381754 2376054.36 577992.393 5005560.956 2.506E13
Working Capital 75 27122615 -10275180 16847435
725824.21 421477.654 3650103.552 1.332E13
Valid N listwise 75
Jumlah data yang diolah semuanya adalah 75 yang ditunjukkan dari nilai N. Kolom Range menunjukkan kisaranrange dari masing-
Universitas Sumatera Utara
masing variabel. Kolom minimum menunjukkan nilai minimum dari masing-masing variabel dan kolom maximum menunjukkan nilai
maksimumnya. Mean Statistic adalah rata-rata dan Standard error masing-masing variabel. Std. Deviation menunjukkan simpangan
baku dari masing-masing variabel dan variance menunjukkan varian atau ragamnya.
Contoh: rata-rata nilai ROA dengan jumlah data 75 buah adalah 0.080639878 dengan nilai maksimum 0.4921510 dan nilai
minimum -0.4205483 sehingga mengasilkan rentang 0.9126994 max - min.
4.2.2. Uji Asumsi Klasik
Untuk menguji hipotesis akan digunakan analisis regresi linier berganda. Model regresi yang baik adalah model regresi yang
memenuhi asumsi klasik sehingga penaksiran parameternya akan BLUE Best Linier Unbiased Estimation, maka terlebih dahulu akan
diuji mengenai ada tidaknya penyimpangan terhadap asumsi. 4.2.2.1.
Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual
mempunyai distribusi normal. Uji t dan uji F mengasumsikan nilai residual mengikuti distribusi normal.
Jika terjadi pelanggaran asumsi ini, maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Ada dua
Universitas Sumatera Utara
cara mendeteksi apakah residual memiliki distribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik.
4.2.2.1.1. Analisis Grafik
Sumber: Hasil olahan SPSS 17.0
Gambar 4.1 Histogram
Universitas Sumatera Utara
Sumber: Hasil olahan SPSS 17.0
Gambar 4.2 Normal P-P Plot of Regression Standardized Residual
Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran datatitik pada sumbu diagonal dari
grafik atau dengan melihat histogram dari residualnya. Model regresi dikatakan memenuhi asumsi normalitas
apabila data menyebar di sekitar garis diagonal atau grafik histogramnya.
Universitas Sumatera Utara
Dengan melihat tampilan grafik histogram yang agak menceng ke kiri dapat disimpulkan bahwa grafik
histogram memberikan pola distribusi yang tidak normal. Sedangkan pada grafik normla plot terlihat titik-titik
menyebar jauh di sekitar garis diagonal, serta penyebarannya tidak mengikuti arah garis diagonal. Kedua
grafik di atas menunjukkan bahwa model regresi tidak layak dipakai karena tidak memenuhi asumsi normalitas.
Namun demikian uji normalitas residual dengan grafik dapat menyesatkan jika tidak hati-hati. Secara visual
tampak normal, padahal secara statistik bisa normal dan sebaliknya. Oleh karena itu, di samping menggunakan uji
grafik, sebaiknya dilengkapi dengan uji statistik. Terutama dalam kasus ini, seperti terlihat tidak normal, karena
datanya yang sedikit n=75. Kolmogorov-Smirnov KS test bekerja dengan cara
membandingkan 2 buah distribusisebaran data, yaitu distribusi yang dihipotesiskan dan distribusi yang teramati.
H : residu berdistribusi normal.
Hipotesis statistik:
H
1
: residu tidak berdistribusi normal. α = 5
Asumsi normalitas terpenuhi jika uji Kolmogorov-Smirnov berada pada tingkat signifikansi α yang telah ditetapkan.
Statistik uji :
Universitas Sumatera Utara
Tolak H jika p-value signifikansi
α , terima dalam hal lainnya. Dengan menggunakan software SPSS 17.0
diperoleh hasil outpun uji Kolmogorov-Smirnov sebagai berikut.
Kriteria uji :
Tabel 4.2 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 75
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .34054795
Most Extreme Differences Absolute
.175 Positive
.175 Negative
-.165 Kolmogorov-Smirnov Z
1.519 Asymp. Sig. 2-tailed
.120 a. Test distribution is Normal.
b. Calculated from data.
Besarnya nilai Kolmogorov-Smirnov adalah 1,519 dengan tingkat signifikansi di atas 0,05 yaitu 0,120. Dengan
kata lain bahwa nilai KS tidak signifikan, berarti residual terdistribusi secara normal.
4.2.2.2. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi
yang tinggi atau sempurna antar variabel independen. Jika
Universitas Sumatera Utara
antar variabel independen terjadi multikolinieritas sempurna, maka koefisien regresi variabel independen tidak
dapat ditentukan dan nilai standard error menjadi tak terhingga. Jika multikolinieritas antar variabel independen
tinggi maka koefisien regresi variabel independen dapat ditentukan, tetapi memiliki nilai standard error tinggi
berarti nilai koefisien regresi tidak dapat diestimasi dengan tepat.
Multikolinieritas dapat dilihat dari nilai Tolerance TOL dan Variance Inflastion Factor VIF
TOL = 1 – R
i 2
��� ��
�
� � = 1
��� =
1 1
− �
� 2
Dimana R
i 2
koefisien korelasi antara x
i
dengan variabel explanatory lainnya. Bila nilai VIF 10 atau nilai
TOL 0,10 maka hal ini menunjukkan adanya kolinieritas yang tinggi. Dengan menggunakan software SPSS 17.0
diperoleh output nilai Tolerance dan VIF sebagai berikut :
Universitas Sumatera Utara
Tabel 4.3 Uji Multikolinieritas
Cofficients
a
Pada tabel di atas terlihat bahwa nilai VIF masing- masing ROA 1,016, current ratio 2,812 dan working
capital 2,812 jauh lebih kecil dari 10 dan nilai Tolerance ROA 0,984, current ratio 0,356 dan working capital
0,356 lebih besar dari 0,10 maka dapat disimpulkan bahwa tidak terdapat multikolinieritas pada model.
4.2.2.3. Uji Heteroskedastisitas
Ada dua cara pendeteksian ada tidaknya heteroskedastisitas, yaitu dengan metode grafik dan metode
statistik uji. Metode grafik biasanya dilakukan dengan melihat grafik plot antara nilai prediksi variabel dependen
dengan residualnya. Sedangkan metode statistik dapat
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients
T Sig.
Correlations Collinearity Statistics
B Std.
Error Beta
Zero- order Partial Part Tolerance
VIF 1 Constant
.762 .071
10.690 .000 ROA
-1.452 .441
-.273 -3.296 .002 -.313 -.364 -.271
.984 1.016
Current Ratio 9.885E-8
.000 .736
5.335 .000 -.155 .535 .439
.356 2.812
Working Capital
-1.971E-7 .000
-1.070 -7.758 .000 -.512 -.677 -.638
.356 2.812
a. Dependent Variable: DER
Universitas Sumatera Utara
dilakukan dengan Uji Park, Uji Glejser, Uji White, Uji Spearman’s Rank Correlation, Uji Goldfeld Quandt dan Uji
Breusch-Pagan Godfrey. Namun dalam pembahasan kali ini hanya metode grafik dan Uji Glejser.
4.2.2.3.1. Metode Grafik
Sumber: Hasil olahan SPSS 17 Gambar 4.3
Scatterplot Dependent Variabel
Dari plot di atas terlihat bahwa terdapat pola tertentu dimana titik-titik point-point yang ada membentuk suatu
pola tertentu yang teratut yaitu pola yang semakin menurun, maka mungkin saja terjadi Heteroskedastisitas. Namun
demikian, sedikitnya jumlah pengamatan akan semakin sulit menginterpretasikan hasil grafik plots. Oleh sebab itu akan
dilanjutkan dengan uji statistik yang lebih menjamin keakuratan hasil.
Universitas Sumatera Utara
4.2.2.3.2. Uji Glejser
Uji Glejser dilakukan dengan meregresikan nilai absolute residual terhadap
variabel independen lainnya. Jika β signifikan, maka mengindikasikan terdapat
heteroskedastisitas dalam model. Berikut ditampilkan hasil output uji Glejser dengan
menggunakan SPSS 17.0
H : tidak terdapat heteroskedastisitas
Hipotesis statistik:
H
1
: terdapat heteroskedastisitas
α : 5
Asumsi homoskedastisitas terpenuhi jika uji Glejser berada pada tingkat signifikansi α yang
telah ditetapkan. Statistik uji :
Tolak H jika p-value signifikansi
α , terima dalam hal lainnya. Dengan menggunakan
software SPSS 17.0 diperoleh hasil outpun uji Glejser sebagai berikut.
Kriteria uji :
Universitas Sumatera Utara
Tabel 4.4 Uji Glejser
Cofficients
a
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .351
.052 6.737
.000 ROA
-.473 .322
-.170 -1.468
.146 Current Ratio
1.306E-9 .000
.019 .096
.923 Working Capital
-1.870E-8 .000
-.194 -1.007
.317 a. Dependent Variable: AbsUi
Hasil outpun SPSS di atas menunjukkan nilai signifikan yang tinggi yaitu ROA, current ratio, working
capital masing-masing mrmiliki nilai signifikansi 0,146 , 0,923, dan 0,317 yang kesemuanya lebih besar dari nilai α =
0,05. Hal ini berarti bahwa H diterima dan dapat
disimpulkan secara uji statistik tidak terdapat heteroskedastisitas dalam model ini atau dengan kata lain
semua variabel independen yang terdapat dalam model ini memiliki sebaran varian yang sama homogen.
4.2.2.4. Uji Autokorelasi
Pada data cross section silang waktu, masalah autokorelasi relatif jarang terjadi karena “gangguan”
pangamatan yang berbeda berasal dari individukelompok yang berbeda. Model regresi yang baik adalah regresi yang
Universitas Sumatera Utara
bebas dari autokorelasi. Ada beberapa cara yang dapat digunakan untuk mendeteksi ada tidaknya autokorelasi,
namun dalam penelitian ini akan diuji dengan Durbin-
Watson.
H :
ρ = 0 Tidak terdapat otokorelasi Uji Hipotesis :
H
1
: ρ ≠ 0 Terdapat otokorelasi
H
1
: ρ 0 Terdapat otokorelasi positif
H
1
: ρ 0 Terdapat otokorelasi negatif
Statistik Uji :
Kriteria Uji :
a. Bila d
U
d 4 – d
U
, maka koefisien autokorelasi = 0, berarti tidak ada autokorelasi.
∑ ∑
= =
−
− =
n t
t n
t t
t H
e e
e d
1 2
2 2
1
Universitas Sumatera Utara
b. Bila d d
L
, maka koefisien autokorelasi 0, berarti ada autokorelasi positif.
c. Bila d 4-d
L
, maka koefisisen autokorelasi 0, berarti terjadi autokorelasi negatif.
d. Bila d
U
d d
L
atau 4-d
U
d 4-d
L
, maka hasilnya tidak dapat disimpulkan
Dimana d
: Nilai Durbin Watson hitung d
U
: Nilai batas atas upper Durbin Watson tabel d
L
: Nilai batas bawah lower Durbin Watson tabel Dengan menggunakan software SPSS 17.0 diperoleh hasil
outpun uji Durbin-Watson sebagai berikut.
Tabel 4.5 Uji Autokorelasi
Model Summary
b
Nilai DW
hitung
sebesar 1,757 akan dibandingkan dengan nilai tabel dengan menggunakan derajat kepercayaan 5, jumlah sampel 75 dan jumlah variabel
independen 3, maka di tabel Durbin-Watson akan diperoleh nilai : 1,7092
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .721
a
.519 .499
.4757346125 1.757
a. Predictors: Constant, Working Capital, ROA, Current Asset b. Dependent Variable: DER
Universitas Sumatera Utara
n k = 3
dL dU
72 73
74
75
76 77
1,5323 1,5360
1,5397 1,5432
1,5467 1,5502
1,7054 1,7067
1,7079 1,7092
1,7104 1,7117
Oleh karena nilai DW
hitung
lebih besar dari batas atas
1,7092 dan lebih kecil dari 4-d
U
= 4 - 1,7092=2,2908, atau :
d
U
d 4 – d
U
1,7092
1,757
2,2908 Maka dapat disimpulkan tidak terdapat autokorelasi positif dan negatif pada model.
4.2.3. Model Persamaan Regresi
Penafsiran model regresi dengan menggunakan regresi linier berganda dilakukan untuk mencari pengaruh antara variabel
independen profitabilitas ROA, likuiditas current ratio, modal kerja working capital dan variabel dependen struktur modal DER.
Model persamaan regresi untuk kasus tersebut dapat disajikan
sebagai berikut :
Y =
α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ ε
i
Dimana : Y
: DER sebagai variabel dependen α
: konstanta β
1
- β
3
: koefisien regresi variabel dependen X
1
: ROA
Universitas Sumatera Utara
X
2
: Current Ratio X
3
: Working Capital ε
i
: error
Tabel 4.6 Analisis Regresi
Cofficients
a
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .762
.071 10.690
.000 ROA
-1.452 .441
-.273 -3.296
.002 Current ratio
9.885E-8 .000
.736 5.335
.000 Working Capital
-1.971E-7 .000
-1.070 -7.758
.000 a. Dependent Variable: DER
Berdasarkan table diatas dapat disusun sebuah persamaan regresi yaitu:
Y = 0,762 - 1,452 X
1
+ 9,885 X
2
– 1,971 X
3
Angka negatif berarti hubungan yang mengalami kecenderungan menurun terhadap variabel independen, dan positif
berarti hungungan yang cenderung mengalami peningkatan. Persamaan dapat dijelaskan sebagai berikut:
Universitas Sumatera Utara
a. a = 0,762 menyatakan bahwa jika nilai X
1
ROA, X
2
current ratio, dan X
3
working capital adalah nol, maka debt to equity rqtio yang terjadi adalah sebesar 0.762.
b. β
1
= -1,452 Nilai koefisien regresi
β
1
bertanda negatif ini menunjukkan bahwa profitabilitas ROA berbanding terbalik terhadap
struktur modal DER dimana setiap adanya perubahan variabel X
1
ROA meningkat satu satuan. Maka nilai 1 akan memberikan penurunan kontribusi terhadap perubahan DER
sebesar -1,452 dengan asumsi variabel lain tetap. c.
β
2
= 9,885 Nilai koefisien regresi
β
2
ini menunjukkan bahwa setiap perubahan variabel X
2
current rasio meningkat satu satuan. Maka 1 akan memberikan peningkatan kontribusi terhadap
perubahan DER sebesar 9,885 dengan asumsi variabel lain tetap. d.
β
3
= 1,971 Nilai koefisien regresi
β
3
ini menunjukkan bahwa setiap perubahan variabel X
3
working capital meningkat satu satuan. Maka nilai 1 akan memberikan kenaikan kontribusi terhadap
perubahan DER 1,971 dengan asumsi variabel lain tetap.
Universitas Sumatera Utara
4.2.4. Koefisien Determinasi