variabel dependen, melalui pengaruh profitabilitas X1, perputaran total aktiva X2 dan debt to total aset X3 terhadap kinerja keuangan Y. Hasil
regresi dapat dilihat pada tabel berikut:
Tabel 4.2 Analisis Hasil Regresi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std.
Error Beta
Tolerance VIF
1 Constant -.454
.566 -.802
.425 LN_ROA
-.195 .176
-.122 -1.108 .271
.790 1.267
LN_PTA .081
.242 .053
.336 .738
.381 2.623
LN_DTA .918
.282 .489 3.258
.002 .427
2.340 a. Dependent Variable: LN_KK
Sumber: Hasil Olah Data Statistik, 2012 Dari hasil pengujian data dengan menggunakan SPSS diperoleh model
regresi sebagai berikut: Y = -0.454 - 0.195X1 + 0.081X2 + 0.918X3
Selanjutnya model akan diuji kelayakannya dengan cara sebagai berikut:
4.1.2.1 Koefisien Determinasi
Universitas Sumatera Utara
Koefisien determinasi R Square merupakan ukuran untuk mengetahui kesesuaian atau ketepatan hubungan antara variabel
independen dengan variabel dependen dalam suatu persamaan regresi. Nilai koefisien determinasi akan ditunjukkan pada tabel berikut:
Tabel 4.3 Hasil Analisa Koefisien Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.500
a
.250 .221
1.55957 1.910
a. Predictors: Constant, LN_DTA, LN_ROA, LN_PTA b. Dependent Variable: LN_KK
Sumber: Hasil Olah Data Statistik, 2012 Pada model summary, angka R Square sebesar 0.250 menunjukkan
bahwa korelasi atau hubungan antara struktur modal dengan profitabilitas, pertumbuhan penjualan dan struktur asset sebagai
variabel independennya adalah sebesar 25.Hal ini berarti bahwa 25 variasi atau perubahan dalam struktur modal dapat dijelaskan oleh
variasi dari profitabilitas, pertumbuhan penjualan dan struktur asset.Sedangkan sisanya sebesar 75 dijelaskan oleh variabel lainnya
yang tidak diteliti
4.1.2.2 Uji Normalitas
Universitas Sumatera Utara
Uji normalitas digunakan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal.
Untuk itu digunakan uji data statistik dengan model Kolmogorov- Smirnov untuk mengetahui apakah variabel pengganggu tersebut sudah
terdistribusi secara normal atau tidak. Jika hasil Kolmogrov-Smirnov menunjukkan nilai signifikan di atas 0,05 maka data residual
terdistribusi dengan normal. Sedangkan jika hasil Kolmogrov-Smirnov menunjukkan nilai signifikan dibawah 0,05 maka data residual
terdistribusi tidak normal. Hasil dari uji Kolmogorov-Smirnov K-S tersebut dapat dilihat pada tabel 4.4.
Tabel 4.4 Uji Normalitas Data
One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 112
Normal Parameters
a
Mean .0000000
Std. Deviation 11.40861934
Most Extreme Differences
Absolute .345
Positive .345
Negative -.302
Kolmogorov-Smirnov Z 3.646
Asymp. Sig. 2-tailed .000
a. Test distribution is Normal. b. Calculate from date
Sumber: Hasil Olah Data Statistik, 2012
Universitas Sumatera Utara
Dari tabel 4.4 di atas dapat dilihat bahwa variabel pengganggu memiliki nilai Kolmogorov-Smirnov sebesar 3.646 dengan nilai
signifikan 0.000.Hal ini menunjukkan bahwa variabel pengganggu belum terdistribusi secara normal karena nilai signifikannya berada di
bawah 0.05.Karena residual dalam penelitian ini tidak terdistribusi dengan normal perlu dilakukan tindakan penormalan data.
Data yang tidak terdistribusi secara normal dapat ditransformasi agar menjadi normal Ghozali, 2005:32.Caranya adalah dengan
melakukan transformasi variabel yang tidak terdistribusi secara normal ke dalam fungsi Logaritma Natural LN.Kemudian data di uji kembali
berdasarkan asumsi normalitas. Dari tabel 4.5 di bawah ini yang merupakan hasil uji Kolmogorov-
Smirnov menunjukkan bahwa setelah dilakukan transformasi data terhadap variabel yang tidak terdistribusi secara normal dengan
menggunakan Logaritma Natural LN, jumlah sampel pada seluruh variabel berubah menjadi 78 sampel. Nilai Kolmogorov-Smirnov juga
mengalami perubahan menjadi 0.929 dengan nilai signifikan 0.353 yang ternyata lebih besar dari 0.05 sehingga variabel pengganggu telah
dinyatakan terdistribusi secara normal.
Universitas Sumatera Utara
Tabel 4.5 Uji Normalitas Data 2
One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 82
Normal Parameters
a
Mean .0000000
Std. Deviation 1.53041315
Most Extreme Differences
Absolute .103
Positive .103
Negative -.099
Kolmogorov-Smirnov Z .929
Asymp. Sig. 2-tailed .353
a. Test distribution is Normal. b. Calculate from date
Sumber: Hasil Olah Data Statistik, 2012
4.1.2.3 Uji Multikolinearitas