Statistik Deskriptif Pengujian Hipotesis

4.6.1. Statistik Deskriptif

Statistik ini digunakan untuk memberikan gambaran profil data sampel. Penelitian ini menggunakan statistik deskriptif yang terdiri dari rata-rata, deviasi standar, minimum, dan maksimum.

4.6.2. Pengujian Asumsi Klasik

Dalam suatu penelitian, kemungkinan munculnya masalah dalam analisis regresi cukup sering dalam mencocokkan model prediksi kedalam sebuah model yang telah dimasukkan ke dalam serangkaian data. Masalah ini sering disebut dengan pengujian normalitas, multikolinearitas, autokorelasi, dan heterokedastisitas. 4.6.2.1. Uji normalitas Uji normalitas data bertujuan untuk menguji apakah model regresi dalam penelitian, antara variabel dependen dengan variabel independen keduanya memiliki distribusi normal atau tidak. Untuk dapat dianalisis data harus berdistribusi normal atau mendekati normal. Cara mendeteksi normalitas adalah dengan pengamatan melalui nilai residual. Cara lain adalah dengan melihat distribusi dari variabel- variabel yang akan diteliti. Jika variabel tidak berdistribusi secara normal menceng kekiri atau menceng kekanan maka hasil uji statistik akan terdegradasi. Normalitas suatu variabel umumnya dideteksi dengan grafik atau uji statistik sedangkan normalitas nilai residual dideteksi dengan metode grafik. Secara statistik ada dua komponen normalitas yaitu skewness dan kurtosis. Skewness berhubungan dengan simetris distribusi. Skewed variabel variabel menceng adalah variabel yang nilai mean-nya tidak di tengah-tengah distribusi. Sedangkan kurtosis berhubungan dengan p d f Machine A pdf w rit er t hat produces qualit y PDF files w it h ease Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application yo u can use pdfMachine. Get yours now Universitas Sumatera Utara puncak dari suatu distribusi. Jika variabel terdistribusi secara normal maka nilai skewness dan kurtosis sama dengan nol Ghozali, 2001. Normalitas variabel dideteksi juga dengan menggunakan uji statistik Kolmogorov-Smirnov dengan cara melihat nilai probabilitas signifikan yang bernilai di atas nilai 0.05 maka data berdistribusi normal dan selain itu juga dengan metode grafik histogram data. Jika data tidak berdistribusi normal, maka dapat dilakukan transformasi agar menjadi normal. Untuk menormalkan data harus diketahui terlebih dahulu bagaimana bentuk grafik histogram dari data yang ada apakah moderate positive skewness, subtansial positive skewness, severe positive skewness dengan bentuk L dan sebagainya. Dengan mengetahui bentuk grafik histogram data, maka dapat ditentukan bentuk transformasinya. Berikut ini bentuk transformasi yang dapat dilakukan sesuai dengan grafik histogram. Tabel 4.2. Bentuk Transformasi Data Bentuk Grafik Histogram Bentuk Transformasi Moderate Positive Skewness SQRT x atau akar kuadrat Subtansial Positive Skewness LG10 x atau logaritma 10 atau LN Severe Positive Skewness dengan bentuk L 1x atau inverse Moderate Negative Skewness SQRT k-x Subtansial Negative Skewness LG10 k-x Severe Negative Skewness dengan bentuk L 1k-x Sumber: Aplikasi Analisis Multivariate dengan Program SPSS p d f Machine A pdf w rit er t hat produces qualit y PDF files w it h ease Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application yo u can use pdfMachine. Get yours now Universitas Sumatera Utara Di mana k adalah konstanta yang berasal dari setiap skor dikurangkan sehingga skor terkecil adalah 1 Ghozali, 2001. Setelah dilakukan transformasi data maka, normalitas data dilihat kembali dengan menggunakan uji statistik Kolmogorov- Smirnov dan dilanjutkan dengan melihat metode grafik histogram data. Normalitas nilai residual dilihat dengan menggunakan metode grafik normalitas P-P Plot dengan aturan melihat sebaran data yang mengikuti garis diagonal maka data berdistribusi normal atau mendekati distribusi normal. 4.6.2.2.Uji multikolinearitas Multikolinearitas merupakan fenomena situasi di mana ada korelasi antara variabel independen satu dengan yang lainnya. Konsekuensi praktis yang timbul sebagai akibat adanya multikolinearitas ini adalah kesalahan standar penaksir semakin besar dan probabilitas untuk menerima hipotesis yang salah semakin besar sehingga mengakibatkan diperolehnya kesimpulan yang salah. Dalam asumsi klasik OLS ordinary least square diterangkan bahwa tidak ada multikolinearitas yang sempurna antarvariabel independen. Jika terdapat nilai korelasi di antara variabel independen adalah satu maka koefisiennya: a Koefisien untuk nilai-nilai regresi tidak dapat diperkirakan b Nilai standard error dari setiap koefisien regresi menjadi nilai yang tak terhingga Arief, 2006: 23. Cara mendeteksi adanya gejala multikolinearitas adalah dengan menggunakan metode Varian Inflation Factor VIF. Adapun kriteria yang digunakan dalam pengujian metode VIF ini adalah jika VIF j 10 terjadi multikolinearitas yang tinggi antara variabel independen dengan variabel independen lainnya Hakim, 2004. p d f Machine A pdf w rit er t hat produces qualit y PDF files w it h ease Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application yo u can use pdfMachine. Get yours now Universitas Sumatera Utara Cara mengatasi multikolinearitas adalah: a Transformasi variabel. Jika terlihat pada model awal dengan adanya gejala multikolinieritas maka dapat dilakukan transformasi variabel yang bersangkutan ke dalam bentuk logaritma natural atau bentuk-bentuk transformasi lainnya, sehingga nilai t hitung yang dihasilkan secara individu variabel independen dapat secara signifikan mempengaruhi variabel terkait, b Meningkatkan jumlah data sampel. Dengan adanya peningkatan jumlah data sampel diharapkan mampu menurunkan standard error di setiap variabel independen dan akan diperoleh model yang benar-benar bisa menaksir koefisien regresi secara tepat Arief, 2006.

4.6.2.3. Uji autokorelasi

Pada asumsi OLS didapati kesepakatan bahwa persamaan regresi yang terbentuk tidak boleh ada autokorelasi. Uji autokorelasi merupakan korelasi antara anggota dalam runtut waktu time series atau antara space data cross section Hakim, 2004. Cara mendeteksi adanya gejala autokorelasi adalah dengan melihat nilai Durbin-Watson. Asumsi penggunaan analisis DW ini jika digunakan untuk autokorelasi tingkat pertama dan model regresi yang ada mempunyai intercept constant serta tidak terdapat variabel lagi. Penggambilan keputusan bila menggunakan uji DW adalah sebagai berikut: a. Nilai DW terletak di antara du dan 4-du maka autokorelasi sama dengan nol, dan dapat diartikan tidak ada autokorelasi. du DW 4-du. p d f Machine A pdf w rit er t hat produces qualit y PDF files w it h ease Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application yo u can use pdfMachine. Get yours now Universitas Sumatera Utara b. Nilai DW terletak di bawah lower boud dl, maka akan mempunyai koefisien korelasi lebih besar dari nol dan memiliki autokorelasi positif. c. Nilai DW 4-dl, maka koefisien korelasi kurang dari nol, sehingga memiliki autokorelasi negatif. d. Nilai DW terletak di antara batas atas du dan batas bawah dl atau terletak antara 4-du dan 4-dl sehingga hasilnya tak dapat disimpulkan. Cara untuk mengatasi autokorelasi adalah banyak cara salah satunya adalah dengan menggunakan metode Hidrent-Lu, yaitu jika menemukan autokorelasi yang positif atau negatif dari model yang ditelitinya maka dapat menggunakan ñ dimulai dari -0.9, -0.8,…, 0.8, 0.9. Untuk setiap nilai ñ yang di coba, dilakukan proses transformasi yang diikuti dengan perhitungan regresi yang bersangkutan. Dari setiap hasil regresi kemudian diperoleh dan yang terbaik adalah melihat jumlah kuadrat yang terkecil sum of square residuals dari model regresinya Arief, 2006. 4.6.2.4.Uji heterokedastisitas Langkah ini bertujuan untuk menguji apakah di dalam model regresi yang kita miliki mengandung perbedaan variansi residu dari kasus pengamatan satu kasus ke kasus pengamatan yang lainnya. Jika variansi residu dari kasus pengamatan satu ke kasus pengamatan yang lainnya mempunyai nilai tetap maka disebut homokedastisitas dan jika mempunyai perbedaan maka disebut heterokedastisitas. Model regresi yang baik adalah model regresi yang memiliki homoskedastisitas dan bukan memiliki heterokedastisitas. p d f Machine A pdf w rit er t hat produces qualit y PDF files w it h ease Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application yo u can use pdfMachine. Get yours now Universitas Sumatera Utara Cara untuk mendeteksi ada tidaknya heterokedastisitas adalah dengan melihat grafik plot antara nilai residu variabel dependen SRESID dengan nilai prediksi ZPRED Santoso, 2006. Dasar analisisnya: a Jika ada pola tertentu, seperti titik- titik yang membentuk pola yang teratur bergelombang, melebar kemudian menyempit, maka mengidentifikasikan telah terjadi heterokedastisitas. b Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka pada sumbu Y, maka tidak terjadi heterokedastisitas. Cara untuk mengatasi masalah heterokedastisitas adalah: a Melakukan transformasi dalam bentuk membagikan model regresi asal dengan salah satu variabel independen yang digunakan dalam model ini. b Melakukan transformasi log Arief, 2006.

4.6.3. Pengujian Hipotesis

Hipotesis dalam penelitian ini akan menguji apakah pertumbuhan perusahaan dan kepemilikan manajerial berpengaruh terhadap kebijaksanaan struktur modal. Teknik statistik yang digunakan untuk pengujian hipotesis ini dengan menggunakan model regresi berganda, menguji pengaruh secara bersama-sama antara variabel independen pertumbuhan perusahaan dan kepemilikan manajerial terhadap satu variabel dependen kebijaksanaan struktur modal. Adapun persamaan regresi yang digunakan adalah sebagai berikut:      2 2 1 1 x b x b a Y p d f Machine A pdf w rit er t hat produces qualit y PDF files w it h ease Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application yo u can use pdfMachine. Get yours now Universitas Sumatera Utara Di mana: : Y Kebijaksanaan Struktur Modal : a Konstanta : 1 b Koefisien Regresi Kebijaksanaan Struktur Modal : 2 b Koefisien Regresi Kepemilikan Manajerial : 1 X Pertumbuhan Perusahaan : 2 X Kepemilikan Manajerial :  Standard Error Pertumbuhan perusahaan merupakan kemampuan perusahaan untuk meningkatkan size, yang dapat diproksikan dengan adanya peningkatan aktiva ekuitas, laba dan penjualan serta nilai Tobins’Q. Perusahaan dikatakan tumbuh jika nilai Tobins’Q lebih besar atau sama dengan 1, dan dikatakan tidak tumbuh jika mempunyai nilai lebih kecil dari 1. Nilai koefisien kepemilikan manajerial yang diukur dengan jumlah lembar saham yang dimiliki oleh manajer pada akhir tahun, dibagi jumlah lembar saham perusahaan. Bila signifikan, menunjukkan bahwa terdapat pengaruh antara kepemilikan manajerial terhadap kebijaksanaan struktur modal. Pengujian hipotesis pertumbuhan perusahaan dan kepemilikan manajerial secara bersama-sama berpengaruh terhadap kebijaksanaan struktur modal, dapat dilakukan dengan teknik regresi linier berganda. Adapun langkah-langkah yang dilakukan adalah sebagai berikut: p d f Machine A pdf w rit er t hat produces qualit y PDF files w it h ease Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application yo u can use pdfMachine. Get yours now Universitas Sumatera Utara 1. Membuat Formulasi Hipotesis: H 1 : b 1, b 2 ≠ 0 pertumbuhan perusahaan dan kepemilikan manajerial secara bersama-sama berpengaruh terhadap kebijaksanaan struktur modal 2. Menentukan Tingkat Signifikansi Untuk memperoleh nilai signifikansi, menggunakan taraf nyata á 5. 3. Dasar Pengambilan Keputusan a. ñ -value 0.05, maka H 1 berpengaruh b. ñ -value 0.05, maka H 1 tidak berpengaruh p d f Machine A pdf w rit er t hat produces qualit y PDF files w it h ease Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application yo u can use pdfMachine. Get yours now Universitas Sumatera Utara BAB V HASIL PENELITIAN DAN PEMBAHASAN

5.1. Hasil Penelitian

5.1.1. Deskripsi Data Penelitian

Berdasarkan hasil pengolahan data yang terdapat pada Lampiran 2 dua di mana hasil uji regresi berganda dengan menyisihkan data yang tidak lengkap menunjukkan model regresi yang tidak linier dan tidak melewati uji asumsi klasik Lampiran 2. Selanjutnya untuk mendapatkan model yang layak blues unbiased linier setelah melalui uji asumsi klasik dilanjutkan dengan melakukan transformasi logaritma natural baik terhadap variabel dependen dan variabel independen. Berdasarkan model yang sudah dilogaritma maka diperoleh model yang akan dibahas lebih lanjut yang terdapat pada Lampiran 2 merupakan model yang telah melewati uji asumsi klasik. Statistik deskriptif untuk setiap variabel bebas yang dianalisis disajikan pada Tabel 5.1. Variabel bebas yang digunakan dalam analisis ini sebanyak 2 dua variabel, yaitu Pertumbuhan Perusahaan X 1 , Kepemilikan Manajerial X 2 dan variabel dependen yaitu Struktur Modal Y terdapat pada Tabel 5.1 sebagai berikut: p d f Machine A pdf w rit er t hat produces qualit y PDF files w it h ease Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application yo u can use pdfMachine. Get yours now Universitas Sumatera Utara