Statistik Deskriptif Model Persamaan Regresi

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