59
7. Variabel dependen berupa struktur modal pada perusahaan manufaktur
sektor industri dasar dan kimia yang menjadi sampel dalam penelitian ini memiliki nilai minimum sebesar 0,03867, nilai maksimum sebesar
5,06313 dan nilai rata-rata 1,0656088 dengan standar deviasi sebesar 0,93755370.
4.2.2 Pengujian Asumsi Klasik
Sebelum dilakukan pengujian hipotesis, terlebih dahulu dilakukan pengujian untuk memenuhi persyaratan untuk memperoleh penaksiran yang
terbaik. Menurut Ghozali 2006: 123, asumsi klasik yang harus dipenuhi
adalah :
1. Berdistribusi normal
2. Non-Multikolinearitas, artinya antara variabel independen dalam
model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna.
3. Non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi
tidak saling berkorelasi. 4.
Non-Heterokedastisitas, artinya variance variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi
normal.Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai
60
residual mengikuti distribusi normal.Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil Ghozali,
2011:160, Gujarati, 2003:339, Field, 2009:221, Supranto, 2005:90.Dalam penelitian ini, uji normalitas terhadap residual dengan
menggunakan uji Kolmogorov-Smirnov. Dalam penelitian ini, tingkat signifikansi yang digunakan
� = 0,05. Dasar pengambilan keputusan adalah melihat angka probabilitas
�, dengan ketentuan sebagai berikut. Jika nilai probabilitas
� ≥ 0,05, maka asumsi normalitas terpenuhi. Jika probabilitas 0,05, maka asumsi normalitas tidak terpenuhi.
Tabel 4.2 Uji Normalitas
Sumber :
output SPSS, diolah peneliti, 2015
Perhatikan bahwa berdasarkan Tabel 4.1, diketahui nilai probabilitas p atau Asymp.Sig. 2-tailed sebesar 0,001. Dalam penelitian
ini, tingkat signifikansi yang digunakan adalah α = 0,05. Karena nilai
probabilitas p, yakni 0,001, lebih kecil dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas tidak terpenuhi.
61
Untuk memperoleh hasil terbaik, maka data pencilan atau outlier yang ada dihilangkan.Outlier adalah data yang memiliki karakteristik
unik yang terlihat sangat berbeda jauh dari observasi-obsevasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk sebuah variabel
tunggal atau variabel kombinasi Ghozali, 2011,36. Setelah data outlier dihilangkan, maka data yang semula 93 menjadi 89.Hasil pengujian
normalitas yang kedua diperlihatkan dalam Tabel 4.3 sebagai berikut.
Tabel 4.3 Uji Normalitas setelah Data Menyimpan
Outlier Dihapus
Sumber : output SPSS, diolah peneliti, 2015
Berdasarkan Tabel 4.3, nilai probabilitas atau Asymp. Sig 2- tailed adalah 0,102. Oleh karena nilai probabilitas, yakni 0,102 lebih
besar dibandingkan tingkat signifikansi, yakni 0,05, maka asumsi normalitas terpenuhi. Pengujian asumsi normalitas dapat juga digunakan
pendekatan analisis grafik, histogram.Pada untuk pendekatan histogram, jika kurva berbentuk kurva normal, maka asumsi normalitas dipenuhi.
62
Sumber :Output SPSS, diolah oleh peneliti, 2014
Gambar 4.1 Uji Normalitas Histogram
Gambar 4.1 merupakan output dari SPSS. Perhatikan bahwa kurva pada histogram berbentuk kurva normal, sehingga disimpulkan
bahwa asumsi normalitas error dipenuhi.
S
sumber : Output SPSS, diolah peneliti, 2014
Gambar 4.2 Uji Normalitas Grafik P-Plot
63
Pada pendekatan normal probability plot, jika titik-titik dots menyebar jauh menyebar berliku-liku pada garis diagonal seperti ular
dari garis diagonal, maka diindikasi asumsi normalitas error tidak dipenuhi. Jika titik-titik menyebar sangat dekat pada garis diagonal, maka
asumsi normalitas dipenuhi. Perhatikan bahwa pada normal probability plotGambar 4.2,
titik-titik menyebar cukup dekat pada garis diagonal, maka disimpulkan bahwa asumsi normalitas dipenuhi.
4.2.2.2 Uji Multikolinearitas
