struktur modal. Seluruh analisis dilakukan dengan bantuan Software SPSS Statistical Package Social Science.
3.7.1. Pengujian Asumsi Klasik
Persamaan regresi Ordinary Least Square OLS harus bersifat BLUE Best Linier Unbiased Estimator, artinya pengambilan keputusan melalui uji t
tidak boleh bias. Syarat asumsi klasik yang harus dipenuhi model regresi berganda sebelum data tersebut dianalisis adalah uji Normalitas, Multikolinieritas,
Autokorelasi dan Heteroskedastisitas.
3.7.1.1. Uji Normalitas
Uji Normalitas bertujuan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk
lonceng dan distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Untuk menguji apakah sampel penelitian merupakan jenis distribusi normal maka
digunakan pengujian Kolmogorov-Smirnov Goodness of Fit Test terhadap masing- masing variabel. Fungsi pengujian suatu data dikategorikan sebagai distribusi
normal atau tidak adalah sebagai alat membuat kesimpulan populasi berdasarkan data sampel Tingkat signifikasi α yang digunakan adalah 5 dengan kriteria
pengujian sebagai berikut Santoso, 2007:392 : • Jika Probabilitas 0.05, maka distribusi normal
• Jika Probabilitas 0.05, maka distribusi tidak normal
3.7.1.2. Uji Multikolinieritas
Multikolinieritas berarti adanya hubungan linier yang sempurna atau pasti di antara beberapa atau semua variabel yang menjelaskan dari model regresi.
Untuk mendeteksi ada atau tidaknya multikolinearitas dapat dilakukan dengan melihat toleransi variabel dan Variante Inflation Factor VIF dengan
membandingkan sebagai berikut Ghozali, 2005:96: • Jika VIF 10 dan Tolerance 0,10 maka tidak terjadi multikolinearitas
• Jika VIF 10 dan Tolerance 0,10 maka terjadi multikolinearitas
3.7.1.3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang
waktu berkaitan satu sama lain atau munculnya data dipengaruhi oleh data sebelumnya. Salah satu metode yang sering digunakan untuk menguji ada
tidaknya autokorelasi adalah dengan uji statistik d dari Durbin-Watson. Ghozali, 2005:32
- Apabila nilai Durbin-Watson DW-test terletak antara 0 dan batas bawah
Lower Bound DL, berarti ada autokorelasi positif. -
Apabila nilai Durbin-Watson DW-test terletak antara DL dan batas atas atau Uper Bound DU, berarti kita tidak dapat memutuskan apakah terjadi
autokorelasi positif atau tidak.
- Apabila nilai Durbin-Watson DW-test terletak antara 4-DL dan 4, berarti ada
autokorelasi negatif. -
Apabila nilai Durbin-Watson DW-test terletak antara 4-DU dan 4-DL, berarti kita tidak dapat memutuskan apakah terjadi autokorelasi negatif atau tidak.
3.7.1.4. Uji Heteroskedastisitas
Uji Heteroskedastisitas pengujian mengenai sama atau tidak varians dari residual satu pengamatan kepengamatan yang lain. Pengujiannya menggunakan
grafik plots dengan menggunakan uji glestjer. Terjadi homoskedastisitas jika pada scatterplot titik-titik hasil pengolahan data antara Zpred dan Sresid menyebar
dibawah maupun diatas titik origin angka 0 pada sumbu Y dan tidak mempunyai pola yang teratur. Terjadi heteroskedastisitas jika pada scatterplot titik-titiknya
mempunyai pola yang teratur baik menyempit, melebar maupun bergelombang- gelombang Ghozali, 2005:125.
3.7.2. Pengujian Hipotesis
3.7.2.1. Persamaa Regresi Linier Berganda
Persamaan regresi linier berganda dilakukan untuk mengetahui arah hubungan dari setiap variabel bebas terhadap variabl terikatnya. Berdasarkan
spesifikasi model regresi berganda maka model persamaan dalam penelitian ini adalah sebagai berikut :
Y = α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ e
Dimana : Y
: Struktur Modal α
: Koefisien Konstanta β
1
- β
3
: Koefisien Regresi X
1
: Suku Bunga X
2
: Struktur Aktiva
X
3
: Ukuran Perusahaan e
: Error term
3.7.2.2. Uji F F-test
Untuk menguji signifikansi pengaruh dimensi variabel bebas secara serempak terhadap variabel terikat dilakukan dengan uji-F. Bentuk pengujiannya
adalah sebagai berikut :
a. Ho : b
1,
b
2
= 0 tidak terdapat pengaruh yang signifikan secara serempak dari seluruh variabel bebas terhadap variabel terikat.
b. Ha : b
1,
b
2
≠ 0 terdapat pengaruh yang signifikan secara serempak dari seluruh variabel bebas terhadap variabel terikat.
Untuk mengetahui apakah hipotesis yang diajukan diterima atau ditolak dilakukan dengan cara membandingkan nilai F hitung dengan F tabel pada tingkat
kepercayaan 95 α = 0,05. Jika nilai F
hitung
F
tabel
, maka Ho ditolak dan Ha diterima sedangkan jika nilai F
hitung
≤
F
tabel
maka Ho diterima dan Ha ditolak.
3.7.2.3. Uji t t-test
Uji t adalah untuk menguji hipotesis secara parsial antara masing-masing variabel bebas terhadap variabel terikat. Bentuk pengujiannya adalah sebagai
berikut : a.
Ho : b
1,
b
2
= 0 tidak terdapat pengaruh yang signifikan dari masing-masing variabel bebas terhadap variabel terikat.
b. Ha : b
1,
b
2
≠ 0 terdapat pengaruh yang signifikan dari masing-masing dimensi bebas terhadap variabel terikat.
Untuk mengetahui apakah hipotesis yang diajukan diterima atau ditolak dilakukan dengan cara membandingkan nilai t hitung dengan t tabel pada tingkat
kepercayaan 95 α = 0,05. Jika nilai t
hitung
t
tabel
, maka Ho ditolak dan Ha diterima sedangkan jika nilai t
hitung
≤ t
tabel
maka Ho diterima dan Ha ditolak.
3.7.3. Uji Moderating Variabel
Ghozali 2005:163, mengatakan bahwa : Variabel moderating adalah variabel independen yang akan memperkuat atau memperlemah hubungan antara
variabel independen lainnya terhadap variabel dependen. Ada tiga cara menguji regresi dengan variabel moderating yaitu : uji interaksi, uji nilai selisih mutlak dan
uji residual. Penelitian ini menggunakan uji residual dengan alasan model ini lebih baik dari model lainnya. Suliyanto 2011:222 mengatakan metode ini relatif lebih
rumit dibanding metode interaksi dan selisih mutlak namun metode ini terbebas dari gangguan multikolinieritas karena hanya menggunakan satu variabel bebas.
Dengan model residual maka regresinya dapat diformulasikan sebagai berikut :
Z = a + b
1
X + e |e|= a + b
1
Y
Keterangan : Z = variabel yang dihipotesiskan sebagai variabel moderasi
X = variabel bebas Suku Bunga, Struktur Aktiva, Ukuran Perusahaan |e|= nilai residual mutlak
Y = Struktur Modal
4.6.4. Uji Koefisien Determinasi R
2
Uji koefisien determinasi dilakukan untuk mengukur seberapa besar kemampuan variabel bebas dapat menjelaskan variabel terikat. Semakin besar
nilai koefisien determinasi, maka semakin baik kemampuan varian dan variabel bebas menerangkan variabel terikat.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Hasil Penelitian
4.1.1. Deskriptif Data Statistik
Statistik deskriptif digunakan untuk memberikan gambaran umum tentang objek penelitian yang dijadikan sampel yang digunakan dalam penelitian. Statistik
deskriptif pada penelitian ini difokuskan kepada nilai minimum, maksimum, rata- rata dan standar deviasi ditunjukkan Tabel 4.1:
Tabel 4.1. Descriptive Statistics
N Minimum Maximum
Mean Std. Deviation
SBI 115
5.77 7.54
6.57 0.57
RTA 115
.00 4.87
0.36 0.46
SIZE 115
9.52 18.27
14.56 1.77
ROA 115
.00 295.87
16.69 29.63
DER 115
.01 2.62
0.24 0.35
Valid N listwise 115
Sumber: Lampiran Output SPSS Berdasarkan hasil deskriptif dapat dilihat bahwa nilai rata-rata SBI
perusahaan Sektor Aneka Industri yang terdaftar di BEI tahun 2010-2014 adalah sebesar 6.57 dengan standar deviasi sebesar 0.57 artinya penyebaran data
bervariatif dan mengarah pada distribusi data yang tidak normal karena nilai rata- rata lebih kecil dari nilai standar deviasinya. Nilai SBI terendah terjadi pada tahun
2012 yaitu sebesar 5.77 dan nilai SBI tertinggi terjadi pada tahun 2014 sebesar 7.54. Pemerintah melakukan peningkatan suku bunga yang dapat
mempengaruhi kombinasi struktur modal perusahaan yang bersumber dari hutang. 45
Nilai rata-rata RTA perusahaan Sektor Aneka Industri yang terdaftar di BEI tahun 2010-2014 adalah sebesar 0.36 dengan standar deviasi sebesar 0.46
artinya penyebaran data bervariatif dan mengarah pada distribusi data yang tidak normal karena nilai rata-rata lebih kecil dari nilai standar deviasinya. Nilai
terendah ditunjukkan oleh emitten Multi Bintang Tbk MLBI pada tahun 2013 sebesar 0 dan nilai tertinggi ada pada emiten Pyridam Farma Tbk PYFA tahun
2013 sebesar 4.87. Semakin tinggi nilai RTA maka semakin baik karena menunjukkan perusahaan memiliki aktiva tetap yang tinggi sehingga berpotensi
dapat menambah struktur modal dari hutang. Nilai rata-rata SIZE perusahaan Sektor Aneka Industri yang terdaftar di
BEI tahun 2010-2014 adalah sebesar 14.56 dengan standar deviasi sebesar 1.77 artinya penyebaran data bervariatif dan mengarah pada distribusi data yang
normal karena nilai rata-rata lebih besar dari nilai standar deviasinya. Nilai tertinggi dari SIZE adalah 18.27 pada tahun 2014 terjadi pada emitten Indofood
Sukses Makmur Tbk INDF, sedangkan nilai terendah dari SIZE adalah Pyridam Farma Tbk PYFA pada tahun 2012 sebesar 9.52. Semakin tinggi nilai SIZE
maka semakin baik karena menunjukkan akses yang lebih besar bagi perusahaan untuk menambah hutang pada struktur modalnya.
Nilai rata-rata ROA perusahaan Sektor Aneka Industri yang terdaftar di BEI tahun 2010-2014 adalah sebesar 16.69 dengan standar deviasi sebesar 29.63
artinya penyebaran data bervariatif dan mengarah pada distribusi data yang tidak normal karena nilai rata-rata lebih kecil dari nilai standar deviasinya. Nilai
tertinggi ROA adalah 295.87 ada pada emitten Merck Tbk MERK tahun 2010
Kategori