Metode Pengumpulan Data Definisi Operasional dan Pengukuran Variabel Analisis Regresi Linier Berganda

Dalam penelitian ini, data yang digunakan adalah data time series yaitu sekumpulan data untuk meneliti suatu fenomena tertentu yang didapat dalam beberapa interval waktu tertentu. Data yang digunakan dalam penelitian ini diperoleh dari laporan keuangan yang dipublikasikan di pusat referensi pasar modal Bursa Efek Indonesia untuk tahun 2010-2013 yang diunduh dari situs http:www.idx.co.id.

3.5 Metode Pengumpulan Data

Teknik yang digunakan dalam penelitian ini adalah teknik dokumentasi, yaitu dengan mengumpulkan data sekunder berupa laporan keuangan, dokumen- dokumen, catatan-catatan, dan informasi lainnya yang diunduh dengan menggunakan media internet, yaitu dengan mengakses situs http:www.idx.co.id.

3.6 Definisi Operasional dan Pengukuran Variabel

Variabel-variabel penelitian yang dibutuhkan dalam penelitian ini terdiri dari: Tabel 3.3 Variabel-Variabel Penelitian No Variabel Deskripsi Indikator Skala 1 Struktur Modal DER kemampuan perusahaan dalam mengembalikan biaya hutang melalui modal sendiri yang dimilikinya yang diukur melalui �� � �� � � � � Rasio Universitas Sumatera Utara hutang dan modal equity 2 Likuiditas CR kemampuan perusahaan dalam memenuhi kewajiban jangka pendeknya pada saat ditagih. Rasio yang digunakan mengacu pada penelitian Current Asset Current Liabilities Rasio 3 Profitabilitas NPM kemampuan perusahaan untuk menghasilkan laba dalam upaya meningkatkan nilai pemegang saham. Laba bersih setelah pajak Penjualan bersih Rasio 4 Pertumbuhan Penjualan Growth hasil perbandingan antara selisih penjualan tahun berjalan dan penjualan di tahun sebelumnya dengan penjualan di tahun sebelumnya. Penjualan t – Penjualant1 Penjualan t-1 Rasio 5 Modal Kerja WK investasi perusahaan dalam aktiva jangka pendek seperti kas, sekuritas, piutang dagang, dan persediaan. current assets – current liabilities Nomi nal Universitas Sumatera Utara 3.7 Teknik Analisis 3.7.1 Model Analisis Data Analisis data dalam penelitian ini dilakukan dengan pengujian asumsi klasik dan pengujian hipotesis dengan menggunakan software SPSS 16. Pengujian hipotesis menggunakan regresi linier berganda, uji F, uji t, dan koefisien determinasi. Model persamaan regresi yang digunakan untuk menguji hipotesis yang berbunyi Pengaruh Likuiditas, Profitabilitas, Pertumbuhan Penjualan, dan Modal Kerja Terhadap Struktur Modal Yang Terdapat Di Bursa Efek Indonesia adalah sebagai berikut : Y = a + b1 X1+ b2 X2 + b3 X3 + b4 X4 + e Keterangan : Y = Struktur Modal X1 = Likuiditas X2 = Profitabilitas X3 = Pertumbuhan Penjualan X4 = Modal Kerja a = Konstanta b1, b2, b3, b4 = Koefisien regresi yang menunjukkan perubahan variabel dependen berdasarkan pada variabel independen. e = eror Universitas Sumatera Utara 3.7.2 Pengujian Asumsi Klasik 3.7.2.1 Uji Normalitas Uji normalitas dilakukan untuk menentukan alat statistik yang dilakukan, sehingga kesimpulan yang diambil dapat dipertanggungjawabkan. Menurut Erlina 2011:101 “uji ini berguna untuk tahap awal dalam metode analisis data. Jika data normal, gunakan statistik parametrik dan jika data tidak normal gunakan statistik non parametrik atau lakukan treatment agar data normal ”. Menurut Erlina 2011 :101 “Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah dengan analisis grafik dan uji statistik”. a. analisis grafik Untuk melakukan pengujian normalitas dengan analisis grafik dapat dengan melihat grafik histogram dan normal probabilty plot. Dasar pengambilan keputusan dalam uji normalitas menurut Ghozali 2005 : 110 sebagai berikut: 1 jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas dan 2 jika data menyebar jauh dari diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. b. analisis statistik Uji yang digunakan untuk menguji normalitas residual adalah uji statistik non parametrik Kolmogorov-Smirnov K-S. Menurut Ghozali 2007:112 kriteria probabilitas dari uji normalitas dengan menggunakan uji Kolmogorov-Smirnov adalah sebagai berikut : Universitas Sumatera Utara 1. Bila nilai signifikansi uji Kolmogorov-Smirnov bernilai di bawah 0.05 maka data tidak berdistribusi normal. 2. Bila nilai signifikansi uji Kolmogorov-Smirnov bernilai di atas 0.05 maka data berdistribusi normal. Dalam penelitian ini, uji normalitas dilakukan dengan menggunakan grafik histogram, normal probability plot, dan uji Kolmogorov-Smirnov.

3.7.2.2 Uji Heterokedastisitas

Uji heterokedastisitas melihat apakah didalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang lain. Uji heterokedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke pengamatan lain. Ada 2 cara yang dilakukan dalam mendeteksi terjadinya heterokedastisitas yaitu : 1. Dengan melihat ada tidaknya pola tertentu pada grafik Scatterplot. Dasar analisis Ghozali 2006:105 adalah : a Jika ada pola tertentu, seperti titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar, kemudian menyempit, maka mengindikasikan terjadinya heterokedastisitas. b Jika tidak ada pola yang jelas, serta titik menyebar di atas dan di bawah angka nol sumbu Y, maka tidak terjadi heterokedastisitas. 2. Dengan melakukan Uji Glejser. Uji Glejser dilakukan dengan meregresikan nilai absolute residual terhadap variabel independen lainnya. Menurut Ghozali Universitas Sumatera Utara 2006: 109 “apabila probabilitas signifikansi di atas tingkat kepercayaan, dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas”. Berikut ditampilkan hasil output uji Glejser dengan menggunakan SPSS 16.0 Hipotesis statistik: H0 : tidak terdapat heteroskedastisitas H1 : terdapat heteroskedastisitas α : 5 Statistik uji : Asumsi homoskedastisitas terpenuhi jika uji Glejser berada pada tingkat signifikansi α yang telah ditetapkan. Kriteria uji : Tolak H0 jika p- value signifikansi α , terima dalam hal lainnya.

3.7.2.3 Uji Autokorelasi

Uji autokorelasi dilakukan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada suatu periode dengan kesalahan pada periode sebelumnya yang biasanya terjadi karena menggunakan data time series. Jika terjadi korelasi, maka dinamakan ada masalah autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi Ghozali, 2006: 99. Dasar pengambilan keputusan sebagai berikut: Tabel 3.4 Kriteria Pengambilan Keputusan Uji Autokolerasi Hipotesis nol H0 Keputusan Jika Tidak ada autokolerasi positif Tolak 0 d dl Tidak ada autokolerasi positif No decision dl ≤ d ≤ du Tidak ada autokolerasi negatif Tolak 4 – dl d 4 Tidak ada autokolerasi negatif No decision 4 – du ≤ d ≤ 4 – dl Universitas Sumatera Utara Tidak ada autokolerasi positif Tidak ditolak du d 4 – du Keterangan : du = batas atas dan dl = batas bawah Sumber : Ghozali 2006: 100 3.7.2.4 Uji Multikolinearitas “Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Dalam hal ini, kita sebut variabel-variabel bebas ini tidak ortogonal ” Erlina, 2011:103. Variabel-variabel bebas yang bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol. Pengujian bertujuan mengetahui ada tidaknya multikolinearitas antar variabel-variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Deteksi dilakukan dengan melihat nilai VIF Variable Inflation Factor dan nilai tolerance. Multikolinearitas terjadi jika VIF 10 dan nilai tolerance 0,10. 3.7.3 Pengujian Hipotesis 3.7.3.1 Uji Signifikasi Parsial Uji t “Uji statistik t pada dasarnya menunjukan seberapa jauh pengaruh satu variabel bebas independen secara individual dalam menerangkan variansi variabel dependen ” Ghozali, 2006: 84. Dengan mengaggap variabel lain kosntan atau tetap. Langkah-langkah dalam pengujian ini: 1. Ho: β = 0, berarti tidak ada pengaruh yang signifikan dari variabel independen terhadap variabel dependen secara parsial. Universitas Sumatera Utara 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 struktur modal, jika lebih kecil dari 0,05 maka variabel bebas secara individu berpengaruh terhadap struktur modal.

3.7.3.2 Uji Simultan Uji F

Pengujian hipotesis secara simultan menyeluruh dengan menggunakan “uji F” yaitu dengan mencari “F hitung” dan membandingkan dengan “F tabel”. “Pengujian ini dilakukan untuk membuktikan apakah pengaruh dari variabel independen secara simultan menyeluruh memiliki pengaruh signifikan atau tidak dengan variabel dependen ” Ghozali, 2006: 88. Langkah-langkah dalam penelitian ini: 1. Ho : β1 = β2 = β3 = β4 = 0, berarti tidak ada pengaruh yang signifikan dari variabel independen secara bersama-sama terhadap variabel dependen. 2. Ha : β1 = β2 = β3 = β4 = 0, berarti ada pengaruh yang signifikan dari variabel independen secara bersama-sama terhadap variabel dependen. 3. Menentukan besarnya nilai F hitung dan Signifikansi F Sig-F 4. Menentukan tingkat signifikan α yaitu sebesar 5 5. Kriteria pengujian Universitas Sumatera Utara a. Jika nilai sig F 0.05, maka Ho diterima, artinya variabel bebas secara simultan tidak mempengaruhi variabel terikat secara signifikan. b. Jika nilai sig F ≤ 0.05, maka Ho ditolak, artinya variabel bebas secara simultan mempengaruhi variabel terikat secara signifikan.

3.7.3.3 Uji Koefisien Determinasi R2

Koefisien determinasi digunakan untuk mengukur seberapa jauh kemampuan model regresi dalam menerangkan variasi variabel dependen. Nilai adjusted R2 memiliki range antara nol hingga satu. Nilai adjusted R2 yang makin mendekati nol berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen makin terbatas. Sementara nilai adjusted R2 yang makin mendekati satu berarti variabel- variabel independen makin memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen Ghozali, 2006: 83. Selain itu nilai adjusted R2 dapat bernilai negatif, walaupun yang dikehendaki harus bernilai positif. Nilai adjusted R2 dapat naik turun apabila variabel independen ditambahkan ke model. Oleh karena itu, pada penelitian ini yang digunakan adjusted R2 berkisar antara nol dan satu. Jika nilai adjusted R2 makin mendekati satu maka makin baik kemampuan model tersebut dalam menjelaskan variabel independen dan sebaliknya. Universitas Sumatera Utara 38 BAB IV ANALISIS HASIL PENELITIAN 4.1 Gambaran Umum Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi linier berganda. Analisis data dimulai dengan mengolah data dengan menggunakan Microsoft Excel yang dilanjutkan dengan pengujian asumsi klasik dan pengujian dengan regresi berganda dilakukan dengan menggunakan software SPSS Versi 16. Prosedur dimulai dengan memasukkan variabel-variabel penelitian ke program SPSS tersebut dan menghasilkan output sesuai metode analisis data yang telah ditentukan. Berdasarkan kriteria yang telah ditentukan, didapat 33 perusahaan property dan real estate yang memenuhi kriteria dan dijadikan sampel dalam penelitian ini selama periode tahun 2010-2013. 4.2 Hasil Penelitian 4.2.1 Analisis Data Deskriptif Statistik deskriptif adalah analisis yang memberikan gambaran secara umum karakterisitik data dari perusahaan yang dianalisis. Data deskriptif yang digunakan dalam penelitian ini meliputi nilai maksimum, nilai minimum, mean dan standar deviasi dari empat data independen yaitu likuiditas, profitabilitas, pertumbuhan penjualan, dan modal kerja serta satu variabel dependen yaitu struktur modal. Hasil uji data statistik deskriptif perusahaan property dan real estate tahun 2010-2013 sebelum transformasi adalah sebagai berikut: Universitas Sumatera Utara Tabel 4.1 Statistik Deskriptif Sebelum Transformasi N Minimum Maximum Mean Std. Deviation DER 132 .07 2.47 .8167 .52157 CR 132 .12 10.40 2.0314 1.64080 NPM 132 -.09 40.86 1.4347 6.11841 GROWTH 132 -.44 4.05 .3745 .55686 MK 132 -4.59E6 7.40E6 6.6656E5 1.31064E6 Valid N listwise 132 Sumber : Output SPSS V.16. Diolah oleh penulis, 2015 Tabel 4.1 menunjukkan bahwa rata-rata masing-masing dapat di peroleh selama periode pengamatan, seperti yang di simpulkan di bawah ini. 1. Variabel dependen dengan struktur modal yang di ukur melalui DER debt to equity ratio DER rasio total utang dan ekuitas modal perusahaan. memiliki nilai terendah 0,07 dan nilai tertinggi 2,47 dengan nilai rata-rata 0,8167 dengan standar deviasi 0,52157. Dengan jumlah sampel sebanyak 132 sampel. 2. Variabel independen likuiditas yang di ukur melalui current asset yang di miliki oleh perusahaan. Nilai terendah adalah 0,12 dan nilai tertinggi 10,40 dengan nilai rata-rata 2,0314 dengan standar deviasi 1,64080. Dengan jumlah sampel sebanyak 132 sampel. 3. Variabel independen profitabilitas yang di ukur dengan Net Profit Margin NPM. Nilai terendah adalah -0,09 dan nilai tertinggi 40,86 dengan nilai rata- rata 1,4347 dengan standar deviasi 6,11841. Dengan jumlah sampel sebanyak 132 sampel. Universitas Sumatera Utara 4. Variabel independen pertumbuhan penjualan Growth yang merupakan peluang pertumbuhan perusahaan. Nilai terendah adalah -0,44 dan nilai tertinggi 4,05 dengan nilai rata-rata 0,3745 dengan standar deviasi 0,55686. Dengan jumlah sampel sebanyak 132 sampel. 5. Variabel independen modal kerja MK yang merupakan kinerja perusahaan. Nilai terendah -4.59 dan nilai tertinggi 7.40 dengan nilai rata-rata 6.665 dengan standar deviasi 131.064. Dengan jumlah sampel sebanyak 132 sampel. Hasil uji data statistik deskriptif perusahaan property dan real estate tahun 2010-2013 setelah transformasi adalah sebagai berikut: Tabel 4.2 Statistik Deskriptif Setelah Transformasi N Minimum Maximum Mean Std. Deviation LN_DER 132 -2.66 .90 -.4375 .74434 LN_CR 132 -2.12 2.34 .4491 .73024 LN_NPM 130 -3.91 3.71 -1.2154 1.14374 LN_GROWTH 109 -4.61 1.40 -1.2188 1.10855 LN_MK 96 2.20 15.82 12.7935 2.31288 Valid N listwise 82 Sumber : Output SPSS V.16. Diolah oleh penulis, 2015 Tabel 4.2 menunjukkan bahwa rata-rata masing-masing dapat di peroleh selama periode pengamatan setelah data di transformasi adalah : 1. Variabel dependen dengan struktur modal yang di ukur melalui DER debt to equity ratio rasio total utang dan ekuitas modal perusahaan.LN_DER memiliki nilai terendah -2,66 dan nilai tertinggi 0,90 dengan nilai rata-rata -0,4375 dengan standar deviasi 0,52157. Dengan jumlah sampel sebanyak 132 sampel. Universitas Sumatera Utara 2. Variabel independen likuiditas yang di ukur melalui current asset yang di miliki oleh perusahaan. Nilai terendah adalah -2,12 dan nilai tertinggi 2,34 dengan nilai rata-rata 0,4491 dengan standar deviasi 0,73024. Dengan jumlah sampel sebanyak 132 sampel. 3. Variabel independen profitabilitas yang di ukur dengan Net Profit Margin NPM. Nilai terendah adalah -3.91 dan nilai tertinggi 3,71 dengan nilai rata- rata -1,2154 dengan standar deviasi 1,14374. Dengan jumlah sampel sebanyak 130 sampel. 4. Variabel independen pertumbuhan penjualan Growth yang merupakan peluang pertumbuhan perusahaan. Nilai terendah adalah -0,461 dan nilai tertinggi 1,40 dengan nilai rata-rata -1,2188 dengan standar deviasi 1,10855. Dengan jumlah sampel sebanyak 109 sampel. 5. Variabel independen modal kerja MK yang merupakan kinerja perusahaan. Nilai terendah 2,20 dan nilai tertinggi 15,82 dengan nilai rata-rata 12,7935 dengan standar deviasi 2,31288. Dengan jumlah sampel sebanyak 96 sampel. 6. Variabel independen valid yang akan digunakan dalam pengujian dengan jumlah sebanyak 82 sampel.

4.2.2 Uji Asumsi Klasik

Hasil uji asumsi klasik adalah sebagai berikut :

4.2.2.1 Uji Normalitas

Hasil one-sample kolmogorov-smirnov test, uji normalitas histogram, dan uji normalitas grafik p-plot adalah sebagai berikut: Universitas Sumatera Utara Tabel 4.3 One-Sample Kolmogorov-Smirnov Test Sebelum Transformasi Unstandardized Residual N 132 Normal Parameters a Mean .0000000 Std. Deviation .47556362 Most Extreme Differences Absolute .088 Positive .088 Negative -.047 Kolmogorov-Smirnov Z 1.009 Asymp. Sig. 2-tailed .260 a. Test distribution is Normal. b. Calculated from data. a. Test distribution is Normal. b. Calculated from data. Tabel 4.4 One-Sample Kolmogorov-Smirnov Test Setelah Transformasi Unstandardized Residual N 82 Normal Parameters a Mean .0000000 Std. Deviation .57878966 Most Extreme Differences Absolute .091 Positive .062 Negative -.091 Kolmogorov-Smirnov Z .820 Asymp. Sig. 2-tailed .513 Universitas Sumatera Utara Gambar 4.1 Uji Normalitas Histogram Sebelum Tranformasi Histogram Dependent Variable : DER Gambar 4.2 Uji Normalitas Histogram Setelah Transformasi Histogram Dependent Variable : DER Universitas Sumatera Utara Gambar 4.3 Uji Normalitas Grafik P-Plot Sebelum Transformasi Gambar 4.4 Uji Normalitas Grafik P-Plot Setelah Transformasi Universitas Sumatera Utara Berdasarkan hasil uji Kolmogorov_Smirnov pada tabel 4.3 dan tabel 4.4 diatas menunjukkan bahwa nilai residual data sebelum dan sesudah mengalami transformasi memiliki p-value 0,05 yaitu masing-masing sebesar 0,260 dan 0,513 yang mempunyai arti bahwa data variabel yang digunakan dalam penelitian ini telah terdistribusi normal. Hasil perhitungan SPSS untuk uji normalitas data menggunakan Histogram Display Normal Curve pada Gambar 4.1 variabel struktur modal DER regresi residual menunjukkan bahwa bentuk histogram tidak terdistribusi normal karena pada gambar 4.1 tidak membentuk lonceng sempurna. Untuk itu penulis melakukan pengujian ulang dengan mengunakan transformasi data. Dan hasilnya pada gambar 4.2 yang menunjukkan, gambar telah membentuk lonceng sempurna karena grafik dari gambar tersebut merata disisi kiri maupun disii kanan. Untuk grafik P-P Plot pada gambar 4.3 sebelum transformasi dan gambar 4.4 setelah transformasi dapat terlihat bahwa kedua gambar tersebut masing- masing nilai plot P-P terletak di sekitar garis diagonal. Plot tidak menyimpang jauh dari garis diagonal dan penyebaran titik-titik data searah mengikuti garis diagonal, yang menunjukkan bahwa regresion residual model ini berdistribusi normal. Dari hasil uji normalitas dalam seluruh tahap, menyimpulkan arti bahwa semua Variabel dalam penelitian ini berdistribusi normal.

4.2.2.2. Uji Heteroskedastisitas

Hasil uji heteroskedastisitas scatterplot adalah sebagai berikut: Universitas Sumatera Utara

4.2.2.2.1 Metode Grafik

Hasil metode grafik adalah sebagai berikut: Gambar 4.5 Uji Heterokedastisitas scatterplot Sebelum Transformasi Scatterplot Dependent Variable : DER Gambar 4.6 Uji Heterokedastisitas scatterplot Setelah Transformasi Scatterplot Dependent Variable : LN_DER Gambar 4.5 terlihat bahwa terdapat pola yang jelas dan titik-titik tidak menyebar di atas maupun di bawah angka 0 pada sumbu Y secara sempurna. Hal Universitas Sumatera Utara ini menunjukkan bahwa model regresi menjukkan adanya heteroskedastisitas. Oleh karena itu penulis melakukan pengujian ulang dengan menggunakan data yang telah di transformasi dengan hasil pada gambar 4.6. Pada gambar 4.6 terlihat bahwa titik-titik didalam gambar menyebar di atas maupun dibawah angka 0 pada sumbu Y. Hal ini menjunjukkan bahwa model regresi tidak terkena heteoskedastisitas.

4.2.2.2.2. Uji Glejser

Hasil uji Glejser adalah sebagai berikut: Tabel 4.5 Uji Glejser Sebelum Transformasi Cofficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant .458 .044 10.445 .000 CR -.021 .016 -.116 -1.291 .199 .904 1.107 NPM -.010 .004 -.216 -2.500 .014 .973 1.028 GROWTH -.013 .045 -.025 -.290 .773 .989 1.011 MK -3.432E-8 .000 -.154 -1.719 .088 .903 1.108 a. Dependent Variable: abs_res Sumber : Output SPSS. Diolah oleh penulis, 2015 Tabel 4.6 Uji Glejser Setelah Transformasi Cofficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF Universitas Sumatera Utara 1 Constant .409 .232 1.767 .081 LN_CR .144 .076 .216 1.897 .062 .925 1.081 LN_NPM -.060 .049 -.137 -1.236 .220 .975 1.026 LN_GRO WTH -.013 .034 -.044 -.390 .698 .960 1.042 LN_MK -.012 .015 -.083 -.749 .456 .984 1.016 a. Dependent Variable: abs_res_ln Sumber : Output SPSS V.16. Diolah oleh penulis, 2015 Hasil outpun SPSS pada Tabel 4.5 diatas menunjukkan ada nilai signifikan lebih kecil dari nilai α = 0,05 yaitu sig NPM sebesar 0,014. Hal ini berarti bahwa H 1 diterima, H ditolak dan dapat disimpulkan secara uji statistik bahwa terdapat heteroskedastisitas dalam model ini atau dengan kata lain variabel independen NPM dalam model ini memiliki sebaran varian yang tidak sama heterogen, sehingga penulis melakukan pengujian kembali dengan menggunakan data transformasi. Dari hasil pengolahan data outpun SPSS yang di transformasi pada tabel 4.6 bahwa terdapat nilai signifikan yang tinggi yaitu GROWTH, MK masing-masing mrmiliki nilai signifikansi 0,698 dan 0,456 yang kesemuanya variabel independen yang diuji lebih besar dari nilai α = 0,05. Hal ini berarti bahwa H0 diterima dan dapat disimpulkan data yang ditransformasi yang telah diuji Glejser tidak terdapat heteroskedastisitas dalam model ini atau dengan kata lain semua variabel independen yang terdapat dalam model ini memiliki sebaran varian yang sama homogen.

4.2.2.3 Uji Auto Korelasi

Hasil uji autokorelasi adalah sebagai berikut: Universitas Sumatera Utara Tabel 4.7 Hasil Uji Autokorelasi Sebelum Transformasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .411 a .169 .142 .48299 1.643 a. Predictors: Constant, MK, GROWTH, NPM, CR b. Dependent Variable: DER Tabel 4.8 Hasil Uji Autokorelasi Setelah Transformasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .692 a .479 .452 .59363 1.980 a. Predictors: Constant, LN_MK, LN_GROWTH, LN_NPM, LN_CR b. Dependent Variable: LN_DER Tabel 4.9 Hasil Uji Autokorelasi Sebelum Transformasi Runs Test Unstandardized Residual Test Value a -.06954 Cases Test Value 66 Cases = Test Value 66 Total Cases 132 Number of Runs 53 Z -2.446 Asymp. Sig. 2-tailed .014 a. Median Sumber : Output SPSS V.16. Diolah oleh penulis, 2015 Universitas Sumatera Utara Tabel 4.10 Hasil Uji Autokorelasi Setelah Transformasi Runs Test Unstandardized Residual Test Value a .03747 Cases Test Value 41 Cases = Test Value 41 Total Cases 82 Number of Runs 37 Z -1.111 Asymp. Sig. 2-tailed .266 a. Median Sumber : Output SPSS V.16. Diolah oleh penulis, 2015 Tabel 4.7 memperlihatkan nilai statistik D-W sebesar 1.643. Dari tabel uji durbin watson dapat kita lihat nilai d terletak di bawah dL dan dU yang meberikan kesimpulan bahwa data yang akan diuji terkena autokorelasi. Dengan T=132, K=4, dL= 1,653, dU= 1,778, artinya d dL dU yaitu 1,643 1,653 1,778 = terkena autokorelasi dan pada tabel 4.9 yaitu hasil run tes yang menunjukkan bahwa nilai Asymp. Sig. 2-tailed 0,05 yaitu 0.014 0,05 yang berarti hipotesis nol ditolak karena data tidak random atau terdapat autokorelasi . Sehingga peneliti melakukan pengujian ulang dengan menggunakan data yang telah ditransformasi dan tes lanjutan dengan menggunakan run test untuk mendapatkan hasil yang lebih pasti mengenai ada tidaknya autokorelasi pada penelitian ini. Tabel 4.8 memperlihatkan nilai statistik D-W setelah transformasi sebesar 1,980 yang meberikan kesimpulan bahwa data yang akan diuji tidak terkena autokorelasi. Dengan T=82, K=4, dL= 1,540, dU= 1,744, artinya dL dU d yaitu 1,540 1,744 1,980 = tidak terkena autokorelasi. Dan pada tabel 4.10 Universitas Sumatera Utara yaotu hasil run test menunjukkan bahwa nilai Asymp. Sig. 2-tailed 0,05 yaitu 0,266 0,05 yang berarti hipotesis nol gagal ditolak. Dengan demikian, data yang dipergunakan cukup random sehingga tidak terdapat masalah autokorelasi pada data yang diuji.

4.2.2.4 Multikolinearitas Hasil pengujian multikolinearitas adalah sebagai berikut:

Tabel 4.11 Hasil Pengujian Multikolinearitas Sebelum Transformasi Model Collinearity Statistics Interpretasi Hasil Tolerance VIF Constant CR .904 1.107 Tidak terjadi multikolinearitas NPM .973 1.028 Tidak terjadi multikolinearitas GROWTH .989 1.011 Tidak terjadi multikolinearitas MODALKERJA .903 1.108 Tidak terjadi multikolinearitas Variabel dependen: DER Sumber : Output SPSS V.16. Diolah oleh penulis, 2015 Tabel 4.12 Hasil Pengujian Multikolinearitas Setelah Transformasi Model Collinearity Statistics Interpretasi Hasil Tolerance VIF Constant CR .925 1.081 Tidak terjadi multikolinearitas Universitas Sumatera Utara NPM .975 1.026 Tidak terjadi multikolinearitas GROWTH .960 1.042 Tidak terjadi multikolinearitas MODALKERJA .984 1.016 Tidak terjadi multikolinearitas Variabel dependen: LN_DER Sumber : Output SPSS V.16. Diolah oleh penulis, 2015 Berdasarkan hasil pengujian multikolinearitas yang ditunjukkan pada tabel 4.11 data sebelum transformasi dan tabel 4.12 data setelah transformasi di atas maka dapat terlihat bahwa seluruh variabel independen yang digunakan dalam tiga model regresi memiliki nilai Tolerance lebih dari 0,1 dan nilai VIF kurang dari 10. Oleh karena itu dapat disimpulkan bahwa model regresi dalam penelitian ini terhindar dari multikolinearitas.

4.3 Analisis Regresi Linier Berganda

Hasil analisis regresi Linier Berganda adalah sebagai berikut: Tabel 4.13 Hasil Analisis Regresi Linier Berganda Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant .709 .406 1.745 .085 LN_CR -.938 .133 -.601 -7.027 .000 .925 1.081 LN_NPM -.250 .085 -.245 -2.935 .004 .975 1.026 LN_GROW TH .021 .060 .029 .344 .732 .960 1.042 LN_MK -.056 .027 -.171 -2.066 .042 .984 1.016 Universitas Sumatera Utara a. Dependent Variable: LN_DER Sumber : Output SPSS V.16. Diolah oleh penulis, 2015 Berdasarkan data di atas, dapat dirumuskan suatu persamaan regresi untuk likuiditas, profitabilitas, pertumbuhan penjualan, dan modal kerja terhadap struktur modal pada perusahaan property dan real estate yang terdaftar di bursa efek indonesia tahun 2010-2013 adalah sebagai berikut: Y = 0,709 - 0,938X1 – 0,250X2 + 0,021X3 - 0,056X4 + e Keterangan : 1. Konstanta α sebesar 0,709 menunjukkan bahwa apabila nilai variabel independen sama dengan nol CR=0, NPM=0, GROWTH=0, MK=0 maka harga saham bernilai positif sebesar 0,709. 2. Koefisien regresi CR b1 sebesar -0,938 menunjukkan bahwa setiap kenaikan dari CR sebesar 1 satuan akan diikuti oleh penurunan struktur modal sebesar 0,938 dengan asumsi variabel lain tetap. 3. Koefisien regresi NPM b2 sebesar -0,250 menunjukkan bahwa setiap kenaikan dari NPM sebesar 1 satuan akan diikuti oleh penurunan struktur modal sebesar 0,250 dengan asumsi variabel lain tetap. 4. Koefisien regresi Growth b3 sebesar 0,021 menunjukkan bahwa setiap kenaikan dari Growth sebesar 1 satuan akan diikuti oleh kenaikan struktur modal sebesar 0,021 dengan asumsi variabel lain tetap. 5. Koefisien regresi Modal Kerja b4 sebesar - 0,056 menunjukkan bahwa setiap kenaikan dari Modal Kerja sebesar 1 satuan akan diikuti oleh penurunan struktur modal sebesar 0,056 dengan asumsi variabel lain tetap. Universitas Sumatera Utara 4.4 Pengujian Hipotesis 4.4.1 Pengujian Koefisien Regresi Secara Parsial Uji t