Analisis Deskriptif Hasil Uji Asumsi Klasik

62

4.2 Hasil Penelitian

4.2.4 Analisis Deskriptif

Variabel dari penelitian ini terdiri dari Struktur Aset, Profitabilitas, Ukuran Perusahaan, dan Umur Perusahaan sebagai variabel independen. Serta Kebijakan Hutang sebagai variabel dependen. Penelitian dilakukan pada laporan keuangan perusahaan tahun 2010 – 2013 dari sampel perusahaan makanan dan minman yang terdaftar di Bursa Efek Indonesia. Tabel 4.1 Deskripsi Data Penelitian Descriptive Statistics N Minimum Maximum Mean Std. Deviation STRUKTUR ASET 48 .11 .96 .3740 .18396 PROFITABILITAS 48 .03 1.14 .1946 .21614 UKURAN PERUSAHAAN 48 4.61 7.76 6.3449 .69639 UMUR PERUSAHAAN 48 .00 1.92 1.4323 .39779 KEBIJAKAN HUTANG 48 .16 .99 .4592 .16301 Valid N listwise 48 Sumber: Hasil Penelitian, 2014 Data Diolah Berdasarkan data dari Tabel 4.1 dapat dijelaskan bahwa : 1. Kebijakan Hutang memiliki nilai minimum sebesar 0,16 dan nilai maksimum sebesar 0,99. Dengan rata-rata Kebijakan Hutang sebesar 0,4592 dari jumlah sampel sebanyak 48. 2. Struktur Aset memiliki nilai minimum 0,11 dan nilai maksimum 0,96. Dengan rata-rata Struktur Aset sebesar 0,374 dari jumlah sampel sebanyak 48. 3. Profitabilitas memiliki nilai minimum 0,03 dan nilai maksimum 1,14. Dengan rata-rata Profitabilitas sebesar 0,1946 dari jumlah sampel sebanyak 48. Universitas Sumatera Utara 63 4. Ukuran Perusahaan memiliki nilai minimum 4,61 dan nilai maksimum 7,76. Dengan rata-rata Ukuran Perusahaan sebesar 6,3449 dari jumlah sampel sebanyak 48. 5. Umur Perusahaan memiliki nilai minimum 0,00 dan nilai maksimum sebesar 1,92. Dengan rata-rata Umur Perusahaan sebesar 1,4323 dari jumlah sampel sebanyak 48.

4.2.2 Hasil Uji Asumsi Klasik

Uji asumsi klasik pada penelitian ini menggunakan beberapa uji yaitu uji normalitas, uji heterokedastisitas, uji autokoelasi, dan uji multikolinearitas. Berikut ini adalah hasil uji dari penelitian ini:

4.2.2.1 Uji Normalitas

Uji Normalitas dilakukan untuk mengetahui apakah distribusi sebuah data mempunyai distribusi normal atau tidak. Adapun metode yang digunakan untuk menguji normalitas adalah menggunakan pendekatan histogram, pendekatan grafik, dan pendekatan Kolmogorov- Smirnov. Pada pendekatan histogram, data dikatakan normal ketika distribusi data tersebut tidak menceng ke kiri atau ke kanan. Pada pendekatan grafik yang menggunakan scatter plot, data dikatakan normal ketika terlihat titik yang mengikuti data di sepanjang garis diagonal. Pendekatan kolmogorov-smirnov untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal dengan melihat data residualnya. Jika nilai signifikansi lebih besar dari 0,05 maka data tersebut normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka data tersebut tidak normal. Berikut ini adalah hasil dari uji normalitas yang dilakukan oleh peneliti: Universitas Sumatera Utara 64 Sumber: Hasil Penelitian, 2014 Data Diolah Gambar 4.1 Grafik Histogram Pada Gambar 4.1 terlihat bahwa variabel berdistribusi normal. Hal ini dikarenakan distibusi data tidak menceng ke kiri atau ke kanan, melainkan ke tengah dengan bentuk lonceng. Sumber: Hasil Penelitian, 2014 Data Diolah Gambar 4.2 Normal P-P Plot of Regression Standarized Residual Universitas Sumatera Utara 65 Pada Gambar 4.2 dapat dilihat bahwa titik-titik pada scatter-plot mengikuti data disepanjang garis diagonal. Hal ini menunjukkan bahwa data berdistribusi normal. Tabel 4.2 One-Sample Kolmogorov-Smirnov Test One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 48 Normal Parameters a,b Mean 0E-7 Std. Deviation 159,28432920 Most Extreme Differences Absolute ,081 Positive ,081 Negative -,080 Kolmogorov-Smirnov Z ,562 Asymp. Sig. 2-tailed ,910 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Penelitian, 2014 Data Diolah Pada Tabel 4.2 terlihat bahwa nilai Asymp.Sig 2-tailed adalah 0,910 lebih besar dari nilai signifikan 0,05. Hal ini berarti variabel residual berdistribusi normal.

4.2.2.3 Uji Heteroskedastisitas

Uji heteroskedasitas ingin menguji apakah sebuah grup mempunyai varians yang sama diantara anggota grup tersebut. Jika varians sama maka dikatakan ada homoskedastisitas. Sedangkan jika varians tidak sama dikatakan terjadi heteroskedasitas. Ada dua cara yang digunakan untuk mendeteksi keberadaan heteroskedasitas yang digunakan dalam penelitian ini yaitu menggunakan pendekatan grafik dan uji Glejser. Universitas Sumatera Utara 66 Sumber: Hasil Penelitian, 2014 Data Diolah Gambar 4.3 Grafik Scatterplot Berdasarkan Gambar scatterplot, terlihat titik-titik menyebar secara acak atau tidak teratur. Serta titik-titik yang menyebar secara acak di atas dan di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heterokedastisitas pada model regresi. Untuk lebih memastikan hasil uji scatterplot ini maka akan dilakukan pendekatan statistic dengan uji glejser. Tabel 4.3 Hasil Uji Glejser Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF Constant 52,258 70,557 ,741 ,463 STRUKTUR ASET ,080 ,071 ,170 1,126 ,266 ,941 1,062 PROFITABILITAS -,138 ,159 -,127 -,865 ,392 ,992 1,008 UKURAN PERUSAHAAN ,011 ,008 ,227 1,508 ,139 ,943 1,061 UMUR PERUSAHAAN -,001 ,027 -,003 -,024 ,981 ,986 1,014 a. Dependent Variable: ABSUT Sumber: Hasil Penelitian, 2014 Data Diolah Universitas Sumatera Utara 67 Pada Tabel 4.3 diperoleh nilai signifikan variabel Struktur Aset, Profitabilitas, Ukuran Perusahaan dan Umur Perusahaan diatas atau lebih besar dari tingkat kepercayaan α = 5 atau 0,05. Jadi, dapat disimpulkan bahwa tidak terjadi gejala heteroskedasitas dalam model regresi ini.

4.2.2.3 Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan penganggu pada periode sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Pada penelitian ini menggunakan Durbin Watson untuk menguji autokorelasi. Tabel 4.4 Hasil Durbin-Watson Test R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson ,540 a ,292 ,226 166,52819 2,208 a. Predictors: Constant, UMUR PERUSAHAAN, UKURAN PERUSAHAAN, PROFITABILITAS, STRUKTUR ASET b. Dependent Variable: KEBIJAKAN HUTANG Sumber: Hasil Penelitian, 2014 Data Diolah Berdasarkan uji autokorelasi pada Tabel 4.8 diperoleh nilai Durbin-Watson sebesar 2,325. Nilai d dibandingkan dengan nilai dL dan dU pada n = 48 dan k= 4 diperoleh nilai dU = 1,3619 dan dL = 1,7206. Maka persamaan autokorelasinya adalah: dU d 4-dU 1,3619 2,208 2,6381 Sesuai dengan ketentuan yang berlaku,uji ini menunjukkan bahwa tidak terjadi autokorelasi positif ataupun negatif.

4.2.2.4 Uji Multikolinearitas

Universitas Sumatera Utara 68 Uji multikolinearitas bertujuan untuk mengetahui ada atau tidaknya hubungan linear yang sempurna. Multikolinearitas dapat dilihat dari nilai tolerance dan Variance inflation factor VIF. Data dapat dikatakan bebas dari masalah multikolinearitas ketika VIF tidak lebih dari 10 dan nilai tolerance diatas 0,1. Tabel 4.5 Hasil Uji Multikolinearitas Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF Constant 446,930 119,709 3,733 ,001 STRUKTUR ASET -,153 ,121 -,168 -1,270 ,211 ,941 1,062 PROFITABILITAS -1,031 ,271 -,491 -3,812 ,000 ,992 1,008 UKURAN PERUSAHAAN ,006 ,013 ,064 ,481 ,633 ,943 1,061 UMUR PERUSAHAAN ,067 ,046 ,185 1,431 ,160 ,986 1,014

a. Dependent Variable: KEBIJAKAN HUTANG

Sumber: Hasil Penelitian, 2014 Data Diolah Berdasarkan hasil uji multikolinearitas pada Tabel 4.5 diperoleh nilai VIF. Menurut hasil output SPSS Statistics untuk Struktur Aset sebesar 1,062, Profitabilitas sebesar 1,008, Ukuran Perusahaan sebesar 1,061, dan Umur Perusahaan sebesar 1,014. Hasil tersebut menunjukkan bahwa model regresi tidak terjadi masalah multikolinearitas karena keempatnya memenuhi pedoman modal regresi yang bebas multikolinearitas yaitu dibawah 10. Besarnya tolerance menurut hasil output SPSS Statistics untuk Struktur Aset sebesar 0,941, Profitabilitas sebesar 0,992, Ukuran Perusahaan sebesr 0,943 dan Umur Perusahaan sebesar 0,986. Hasil tersebut menunjukkan bahwa model regresi tidak terjadi multikolinearitas karena ketiganya memenuhi pedoman model regresi yang bebas multikolinearitas yaitu mempunyai nilai tolerance diatas 0,1. Universitas Sumatera Utara 69

4.2.3 Analisis Persamaan Regresi