Hasil Uji Asumsi Klasik

83 2007. Berdasarkan rasio likuiditas tersebut yang berada dikisaran angka 1,5 hingga 2,15 hal ini menunjukkan bahwa perusahaan sangat menjaga tingkat likuiditasnya, hal tersebut berkaitan dengan kegiatan produksi yang berlangsung terus-menerus sehingga diharuskan menjaga kestabilan hutang jangka pendek yang biasanya berkaitan dengan pembelian bahan baku produk yang biasanya jangka waktunya kurang dari satu tahun.

2. Hasil Uji Asumsi Klasik

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Dalam uji normalitas ini digunakan analisis grafik dan uji Kolomogorov-Smirnov untuk mendeteksi apakah residual berdistribusi normal atau tidak. 1 Analisa grafik dengan Normal Probability Plot Normal P-P Plot. Uji normalitas data dengan menggunakan SPSS 19.0 menghasilkan grafik sebagai berikut: 84 Grafik 4.6 Hasil Uji Normalitas Sumber : Hasil output dengan SPSS Berdasarkan hasil olah data diatas, dapat dilihat bahwa titik-titik yang menyebar disekitar garis diagonal dan penyebaran titik-titik data searah dengan garis diagonal, hal ini menandakan bahwa model asumsi regresi memenuhi asumsi normalitas dan model regresi layak dipakai untuk menganalisis pengaruh variabel-variabel bebas struktur aktiva, profitabilitas, ukuran perusahaan dan likuiditas terhadap variabel terikat struktur modal. 85 2 Uji Kolmogorov-Smirnov Tabel 4.6 Uji Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 54 Normal Parameters a,b Mean .0000000 Std. Deviation .36129115 Most Extreme Differences Absolute .197 Positive .197 Negative -.128 Kolmogorov-Smirnov Z 1.448 Asymp. Sig. 2-tailed .336 a. Test distribution is Normal. b. Calculated from data. Sumber : Hasil Output SPSS Berdasarkan tabel di atas, maka dapat disimpulkan data dalam penelitian ini berdistribusi normal. Hal ini dapat dilihat dari nilai Sig. derajat alpha atau 0,336 0,05.

b. Uji Multikoliniearitas

Uji multikoliniearitas diperlukan untuk memperoleh korelasi yang sebenarnya, yang tidak tidak dipengaruhi oleh variabel-variabel lain yang mungkin saja berpengaruh. Istilah dikontrol menunjukkan pada pengertian ditiadakannya pengaruhnya terhadap variabel-variabel yang dikorelasikan. 86 Tabel 4.7 Hasil Uji Multikoliniearitas Coefficients a Model Collinearity Statistics Tolerance VIF 1 Constant Struktur_Aktiva .656 1.524 Profitabiitas .765 1.307 Ukuran_Perusahaan .813 1.231 Likuiditas .892 1.121 a. Dependent Variable: Struktur_Modal Sumber : Hasil output SPSS Berdasarkan tabel diatas, dari hasil uji Variance Inflation Factor VIF pada hasil output SPSS tabel coefficients, masing-masing variabel independen memiliki nilai VIF struktur aktiva = 1,524; profitabilitas = 1,307; ukuran perusahaan = 1,231; dan likuiditas 1,121. Sedangkan nilai Tolerance variabel bebas struktur aktiva = 0,656; profitabilitas = 0,765; ukuran perusahaan = 0,813; dan likuiditas 0,892. Karena masing- masing variabel bebas memiliki nilai VIF 10 dan nilai Tolerance 0,01 maka dapat disimpulkan bahwa model regresi linier berganda tidak terdapat multikoliniearitas antara variabel terikat dengan variabel bebas sehingga dapat digunakan dalam penelitian. 87

c. Uji Heteroskedastisitas

Uji heteroskedastisitas pada penelitian ini menggunakan metode analisis grafik Scatterplot dan uji Rank-Spearman Grafik 4.7 Hasil Uji Heteroskedastisitas dengan Scatterplot Sumber : Hasil output SPSS Berdasarkan grafik diatas, terlihat bahwa titik-titik sampel menyebar secara acak, namun adanya pengumpulan data yang terkesan membuat suatu pola tertentu. Hal tersebut akan diperkuat dengan metode Rank-Spearman. 88 Tabel 4.8 Hasil Uji Heteroskedastisitas dengan Rank-Spearman Correlations Res_1 X 1 X 2 X 3 X 4 Spearmans rho Res_1 Correlation Coefficient 1.000 -.012 -.119 -.135 -.116 Sig. 1-tailed . .467 .195 .166 .201 N 54 54 54 54 54 X 1 Correlation Coefficient -.012 1.000 -.321 -.316 -.158 Sig. 1-tailed .467 . .009 .010 .127 N 54 54 54 54 54 X 2 Correlation Coefficient -.119 -.321 1.000 .192 .458 Sig. 1-tailed .195 .009 . .082 .000 N 54 54 54 54 54 X 3 Correlation Coefficient -.135 -.316 .192 1.000 .065 Sig. 1-tailed .166 .010 .082 . .321 N 54 54 54 54 54 X 4 Correlation Coefficient -.116 -.158 .458 .065 1.000 Sig. 1-tailed .201 .127 .000 .321 . N 54 54 54 54 54 . Correlation is significant at the 0.01 level 1-tailed. Sumber : Hasil output SPSS Berdasarkan hasil tabel diatas, nilai Sig. struktur aktiva X 1 , profitabilitas X 2 , ukuran perusahaan X 3 dan likuiditas X 4 0,05 dengan arah negatif , karena nilai Sig. α Sig. 0,05 maka pada model ini tidak terdapat gejala heteroskedastisitas Suliyanto, 2011:112.

d. Uji Autokorelasi

Uji otokorelasi bertujuan untuk mengetahui apakah ada korelasi antara anggota serangkaian data observasi yang diuraikan menurut waktu time-series atau ruang cross section. Salah satu penyebab munculnya masalah autokorelasi adalah adanya kelembaman inertia 89 artinya kemungkinan besar akan mengandung saling ketergantungan interdependence pada data observasi periode sebelumnya dan periode sekarang. Salah satu ukuran dalam menentukan ada tidaknya masalah otokorelasi adalah dengan uji Durbin-Watson DW. Berikut adalah hasil uji otokorelasi dengan metode Durbin Watson DW pada tabel di bawah ini: Tabel 4.9 Uji Durbin Watson DW Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .662 a .439 .393 .375748 1.429 a. Predictors: Constant, Likuiditas, Ukuran_Perusahaan, Profitabiitas, Struktur_Aktiva b. Dependent Variable: Struktur_Modal Sumber : Data diolah Berdasarkan pada tabel diatas nilai Durbin-Watson DW sebesar 1,429. Jika dibandingkan dengan tabel Durbin-Watson dengan jumlah observasi n = 54 dan jumlah variabel independen 4 k = 4 diperoleh nilai tabel dl lower = 1,378 dan du upper = 1,721. Oleh karena itu nilai DW = 1,429 berada diantara dl = 1,494 dan du = 1,721, maka dapat disimpulkan terjadi autokorelasi positif. Oleh karena adanya autokorelasi maka nilai standar error dan nilai t-statistik tidak dapat dipercaya sehingga diperlukan pengobatan. Pengobatan autokorelasi tergantung dari nilai ρ yang dapat diestimasi dengan beberapa cara seperti di bawah ini: 90 1. Nilai ρ diestimasi dengan Durbin-Watson d 2. Nilai ρ diestimasi dengan Theil-Nagar d 3. The Cohrane-Orcutt two-step Procedures Tabel 4.10 Pengobatan Uji Durbin Watson.1 DW Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant .005 .048 .114 .910 Ut_1 .274 .134 .276 2.049 .046 a. Dependent Variable: Unstandardized Residual Sumber : Data diolah Berdasarkan hasil output SPSS diperoleh nilai ρ pada iterasi pertama sebesar 0,274 yaitu koefisien variabel Ut_1. Tabel 4.11 Pengobatan Uji Durbin Watson.2 DW Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant .445 .114 3.908 .000 struktur_aktiva_1 -1.515 .472 -.430 -3.207 .002 profitabilitas_1 -1.479 .448 -.409 -3.303 .002 ukuran_perusahaan_1 .029 .036 .100 .828 .412 likuiditas_1 -.214 .053 -.460 -4.009 .000 a. Dependent Variable: struktur_modal_1 Sumber : Data Diolah 91 Berdasarkan hasil output SPSS mem berikan nilai β2 sebesar - 1,515 , nilai β3 sebesar -1,479, nilai β4 sebesar 0,029 dan nilai β5 sebesar -0,214 , sedan gkan nilai β1 = β11-ρ = 0,005 1 - 0,274 = 0,00363. Tabel 4.12 Pengobatan Uji Durbin Watson.3 DW Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant .470 .138 3.400 .001 LagUt .572 .115 .573 4.987 .000 a. Dependent Variable: Ut Sumber : Data diolah Berdasarkan hasil outpu t SPSS diperoleh nilai ρ = 0,572 pada iterasi kedua. Berdasarkan pada perhitungan di atas diperoleh nilai ρ menurut berbagai metode seperti terlihat pada tabel dibawah ini: Tabel 4.13 Pengobatan Uji Durbin Watson.4 DW Metode Nilai ρ Durbin-Watson d 0,2855 Theil-Nagar d 0,2926 Cochrane-Orcutt Step 1 0,274 Cochrane-Orcutt Step 2 0,572 Sumber: Data diolah Ketiga metode ternyata menghasilkan nilai ρ yang hampir sama. Untuk itu penulis memilih metode Durbin-Watson d untuk mentranformasikan persamaan regresi. 92 Tabel 4.14 Pengobatan Uji Durbin Watson.5 DW Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .632 a .400 .350 .34546 1.880 a. Predictors: Constant, likuiditas, struktur_aktiva, ukuran_perusahaan, profitabilitas b. Dependent Variable: struktur_modal Sumber : Data diolah Membandingkan hasil regresi persamaan asli sebelum ada transformasi dan hasil regresi setelah transformasi ternyata dapat dibandingkan . Pada persamaan asli nilai Durbin-Watson sebesar 1,429 dan terjadi autokorelasi positif, sedangkan pada tabel 4.14 menunjukkkan bahwa nilai Durbin-Watson sebesar 1,880 dengan nilai n = 54 dan k = 4 maka diperoleh: Nilai dl = 1,414 dan 4 – dl = 2,586 Nilai du = 1,724 dan 4 – du = 2,276 Hasil perhitungan pada tabel 4.14 menunjukkan bahwa nilai DW - tes berada pada daerah antara du dan 4 - du, 1,724 1,880 2,276 maka dapat disimpulkan bahwa pada model regresi tidak terdapat gejala autokorelasi baik secara positif maupun negatif.

3. Pengujian Hipotesis