Lanjutan Tabel 4.4
13 PT Resource Alam Indonesia Tbk 1,09
0,82 0,81
0,72 14 PT Medco Energi International Tbk
3,18 1,68
1,85 1,86
15 PT Mitra Investindo Tbk 5,33
5,50 2,83
2,57 16 PT Perdana Karya Perkasa Tbk
1,14 1,58
1,59 1,43
17 PT Petrosea Tbk 0,95
1,52 1,43
1,21 18 PT Tambang Batubara Bukit Asam Tbk
0,48 0,51
0,40 0,36
19 PT Radiant Utama Interinsco Tbk 1,29
2,07 1,67
1,78 20 PT Timah Tbk
0,49 0,51
0,42 0,40
Sumber: www.idx.co.id
Tabel 4.5 menyajikan nilai variabel Debt to Equity Ratio perusahaan pertambangan periode tahun 2007 sampai tahun 2010. Pada tahun 2007, nilai DER
tertinggi pada PT Mitra Investindo Tbk yaitu sebesar 5,33x dan terendah pada PT ATPK Resources Tbk yaitu sebesar 0,1x. Pada tahun 2008, nilai DER tertinggi pada
PT Mitra Investindo Tbk yaitu sebesar 5,50x dan terendah pada PT ATPK Resources Tbk yaitu sebesar 0,17x. Pada tahun 2009, nilai DER tertinggi pada PT Delta Dunia
Makmur Tbk yaitu sebesar 33,04x dan terendah pada PT Aneka Tambang Tbk yaitu sebesar 0,21x. Pada tahun 2010, nilai DER tertinggi pada PT Delta Dunia Makmur
Tbk yaitu sebesar 10,85x dan terendah pada PT Aneka Tambang Tbk yaitu sebesar 0,28x.
4.2.2 Hasil Pengujian Asumsi Klasik
1. Uji Normalitas Pengujian normalitas data dalam penelitian ini menggunakan uji statistik non
parametik Kolmogorov-Smirnov K-S dengan membuat hipotesis : Ho : data residual berdistribusi normal
Ha : data residual tidak berdistribusi normal
Universitas Sumatera Utara
Apabila nilai signifikansinya lebih besar dari 0,05 maka Ho diterima, sedangkan jika signifikansinya lebih kecil dari 0,05 maka Ho ditolak.
Tabel 4.5 Uji Normalitas Sebelum Data Ditransformasikan
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 80
Normal Parameters
a
Mean .0000000
Std. Deviation 3.82391116
Most Extreme Differences Absolute
.294 Positive
.294 Negative
-.247 Kolmogorov-Smirnov Z
2.626 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
Sumber: Hasil Penelitian, 2012 Data Diolah Dari Pengolahan data tersebut, besarnya nilai Kolmogorov-Smirnov adalah 2,626 dan
signifikan pada 0,000 maka disimpulkan data tidak terdistribusi secara normal karena p = 0,000 0,05.
Data yang tidak berdistribusi normal dapat disebabkan oleh adanya data yang outlier, yaitu data yang memiliki nilai yang sangat menyimpang dari nilai data lainnya.
Menurut Ghozali 2006, beberapa cara mengatasi data outlier, yaitu : 1. Melakukan transformasi data ke bentuk lainnya,
2. Melakukan trimming, yaitu membuang data outlier,
Universitas Sumatera Utara
3. Melakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu.
Dari ketiga cara diatas, penulis memutuskan untuk melakukan transformasi data terhadap semua variabel menjadi bentuk Logaritma natural Ln, agar variabel-
variabel dalam penelitian ini memenuhi asumsi normalitas. Setelah itu, dilakukan pengujian ulang dengan metode statistik.
Hasil output SPSS pengujian normalitas setelah transformasi data akan disajikan pada Tabel 4.6 berikut ini :
Tabel 4.6 Hasil Uji Normalitas Setelah Transformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 67
Normal Parameters
a
Mean .0000000
Std. Deviation .85326933
Most Extreme Differences Absolute
.080 Positive
.068 Negative
-.080 Kolmogorov-Smirnov Z
.657 Asymp. Sig. 2-tailed
.781 a. Test distribution is Normal.
Sumber: Hasil Penelitian, 2012 Data Diolah Berdasarkan hasil pengujian K-S diatas, nilai K-S yang diperoleh adalah 0,657 dan
signifikan pada 0,781, sehingga dapat disimpulkan bahwa data terdistribusi normal dimana nilai p lebih besar dari 0,05 p = 0,781 0,05. Dengan demikian secara
keseluruhan bahwa nilai observasi telah terdistribusi normal. Pada grafik histogram,
Universitas Sumatera Utara
dapat dilihat bahwa distribusi data tidak menceng skewnes ke kiri atau ke kanan.
Sumber: Hasil Penelitian, 2012 Data Diolah
Gambar 4.1 Histogram
Pada gambar grafik normal plot, dapat dilihat titik-titik yang mengikuti data di sepanjang garis diagonal. Hal ini berarti data berdistribusi normal.
Universitas Sumatera Utara
Sumber: Hasil Penelitian, 2012 Data Diolah Gambar 4.2
Grafik Normal P-Plot
2. Uji Multikolinieritas Uji multikolinieritas dilakukan untuk melihat ada tidaknya hubungan linier
diantara variabel bebas dalam model regresi. Tabel 4.7 tidak menunjukkan adanya gejala multikolinieritas, di mana hasil uji VIF Variance Inflation Factor
menunjukkan nilai kurang dari sepuluh VIF10 dan nilai Tolerance 0,1.
Universitas Sumatera Utara
Tabel 4.7 Pengujian Multikolinieritas
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
Constant .503
.399 1.260
.212 LNBunga
-.036 .175
-.024 -.205
.838 .972
1.029 LNROA
-.230 .067
-.398 -3.414
.001 .972
1.029 a. Dependent Variable: LNDER
Sumber: Hasil Penelitian, 2012 Data Diolah Hasil pengujian menunjukkan angka tolerance untuk LNBunga lebih besar dari 0,1
0,972 0,1 dan tolerance untuk LNROA lebih besar dari 0,1 0,972 0,1. Angka VIF untuk LNBunga lebih kecil dari 10 1,029 10 dan VIF untuk LNROA lebih
kecil dari 10 1,001 10. Berdasarkan hasil pengujian tersebut diperoleh kesimpulan tidak terdapat multikolonieritas. Hasil ini menunjukkan tidak ada
hubungan antar variabel bebas independen. 3. Uji Heteroskedastisitas
Asumsi heterokedastisitas adalah asumsi dalam regresi dimana varians dari residual tidak sama dari satu pengamatan ke pengamatan lainnya. Uji untuk
mengatasi heteroskedastisitas ini adalah dengan melihat penyebaran dari varians residual pada diagram pancar Scatter plot.
Universitas Sumatera Utara
Sumber: Hasil Penelitian, 2012 Data Diolah Gambar 4.3
Heteroskedastisitas
Pada Gambar 4.3 terlihat bahwa penyebaran residual tidak teratur, titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas baik diatas
maupun dibawah angka nol pada sumbu Y. Dari hasil tersebut dapat disimpulkan
bahwa tidak terjadi heteroskedastisitas.
4. Uji Autokorelasi Uji autokorelasi dilakukan untuk menguji apakah pada model regresi terdapat
korelasi kesahan pengganggu periode t dan kesalahan pengganggu pada periode sebelumnya periode t
1
.
Universitas Sumatera Utara
a. Percobaan Durbin-Watson Uji ini bertujuan untuk menganalisis apakah dalam model regresi kinier ada
korelasi antara kesalahan pengganggu pada periode t dengan tingkat kesalahan pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun
yang berkaitan satu dengan yang lainnya, hal ini sering ditemukan pada time series.
Hasil pengujian pada tabel 4.8 memperlihatkan nilai statistik Durbin–Watson sebesar 1,736. Nilai ini akan dibandingkan dengan nilai tabel Durbin–Watson dengan
nilai signifikan 5, jumlah data = 67, jumlah variabel independen 2 k = 2, maka di tabel Durbin-Watson akan didapat nilai dl = 1,5433 dan du = 1,6660. Nilai DW
sebesar 1,736 terletak diantara batas du1,6660 1,736 4-du 2,334, maka diperoleh kesimpulan tidak ada autokorelasi positif atau negatif.
Tabel 4.8 Hasil Uji Autokorelasi
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .394
a
.156 .129
.86650 1.736
a. Predictors: Constant, LNROA, LNBunga b. Dependent Variable: LNDER
Sumber: Hasil Penelitian, 2012 Data Diolah
b. Run Test Uji Run Test merupakan bagian dari statistik non-parametric yang digunakan
untuk menguji apakah antar residual terdapat korelasi yang tinggi. Hasil uji autokorelasi menunjukkan bahwa nilai Asymp. Sig 2-tailed adalah 0,390 dan diatas
nilai signifikansi 0,05, dengan kata lain tidak terjadi gejala autokorelasi.
Universitas Sumatera Utara
Tabel 4.9 Uji Autokorelasi
Runs Test
Unstandardized Residual
Test Value
a
-.02501 Cases Test Value
33 Cases = Test Value
34 Total Cases
67 Number of Runs
31 Z
-.860 Asymp. Sig. 2-tailed
.390 a. Median
Sumber: Hasil Penelitian, 2012 Data Diolah 4.2.3 Analisis Statistik
1. Pengujian Hipotesis Hasil uji asumsi klasik memperlihatkan data observasi tidak memenuhi
asumsi normalitas, kemudian dilakukan transformasi ke dalam bentuk Logaritma natural Ln. Sehingga persamaan yang baru memenuhi asumsi klasik dan dapat
dianalisis lebih lanjut untuk pengujian hipotesis. Penulis menggunakan analisis regresi berganda untuk melakukan pengujian hipotesis dengan bantuan program SPSS
16.
Universitas Sumatera Utara
2. Persamaan Regresi
Tabel 4.10 Analisis Regresi Berganda
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .503
.399 1.260
.212 LNBunga
-.036 .175
-.024 -.205
.838 LNROA
-.230 .067
-.398 -3.414
.001 a. Dependent Variable: LNDER
Sumber: Hasil Penelitian, 2012 Data Diolah Berdasarkan tabel di atas, di dapatlah persamaan regresi sebagai berikut :
LNDER = 0,503 - 0,036 LNBunga – 0,230 LNROA + e
Interpretasi Model : a. Konstanta bernilai 0,503x menunjukkan bahwa jika tidak ada pengaruh
variabel independen yaitu Bunga, ROA, dan ROE terhadap DER, maka DER akan tetap sebesar 0,503x.
b. Variabel Tingkat Bunga bernilai -0,036 menyatakan bahwa setiap kali terjadi kenaikan 1 Bunga, maka akan mendorong kenaikan DER sebesar -
0,036. Dengan asumsi variabel lain tetap variabel lain sama dengan nol. c. Variabel ROA bernilai -0,230 menyatakan bahwa setiap kali terjadi
kenaikan ROA, maka akan mendorong kenaikan DER sebesar -0,230. Dengan asumsi variabel lain tetap variabel lain sama dengan nol.
Universitas Sumatera Utara
3. Analisis Koefisien Korelasi Nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau
hubungan antara variabel-variabel independen dengan variabel dependen. Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0,5 dan mendekati 1. Koefisien
determinasi R square menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah nol sampai dengan satu.
Apabila nilai R square semakin mendekati 1, maka variabel-variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel
dependen. Sebaliknya, semakin kecil nilai R square, maka kemampuan variabel-
variabel independen dalam menjelaskan variasi variabel dependen semakin terbatas. Tabel 4.11
Uji Durbin-Watson
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .394
a
.156 .129
.86650 1.736
a. Predictors: Constant, LNROA, LNBunga b. Dependent Variable: LNDER
Sumber: Hasil Penelitian, 2012 Data Diolah Pada tampilan output SPSS model summary, nilai koefisien korelasi R sebesar
0,394 yang berarti bahwa korelasi atau hubungan antara Tingkat Bunga, dan ROA variabel independen terhadap DER variabel dependen sebesar 0,394. Koefisien
korelasi dikatakan kuat apabila nilai R berada diatas 0,5 dan mendekati 1. Angka adjusted R Square atau koefisien determinasi adalah 0,129. Hal ini berarti 12,9
Universitas Sumatera Utara
variasi atau perubahan dalam variabel dependen dapat dijelaskan oleh variabel independen, sedangkan sisanya 87,1 dijelaskan oleh faktor-faktor lain. Standar
Error of Estimate SEE adalah 0,86689, semakin kecil nilai SEE maka akan
membuat model regresi semakin tepat dalam memprediksi variabel dependen.
4. Hasil Pengujian Hipotesis Secara Serempak Uji F Pengujian ini dilakukan untuk mengetahui apakah secara serempak variabel
bebas Bunga dan ROA mempunyai pengaruh terhadap variabel terikat DER. Uji serempak dapat dilihat pada tabel 4.12 di bawah:
Tabel 4.12 Hasil Pengujian Hipotesis Secara Serempak Uji F
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
8.855 2
4.427 5.897
.004
a
Residual 48.053
64 .751
Total 56.907
66 a. Predictors: Constant, LNROA, LNBunga
b. Dependent Variable: LNDER
Sumber: Hasil Penelitian, 2012 Data Diolah
Bentuk pengujiannya adalah sebagai berikut: H
: b
i
= b
2
= 0, artinya Tingkat Bunga dan Return on Assets secara serempak terpengaruh signifikan terhadap Debt to Equity Ratio perusahaan pertambangan di
Bursa Efek Indonesia.
Universitas Sumatera Utara
H
a
: minimal satu b
i
= 0, artinya Tingkat Bunga dan Return on Assets secara serempak terpengaruh signifikan terhadap Debt to Equity Ratio perusahaan
pertambangan di Bursa Efek Indonesia. Kriteria pengambilan keputusan yaitu:
H diterima jika F
hitung
F
tabel
pada α = 5. H
ditolak jika F
hitung
F
tabel
pada α = 5.
Berdasarkan Tabel 4.12 diketahui nilai F
hitung
sebesar 5,897 dengan tingkat signifikansi 0,004. Nilai F
hitung
akan dibandingkan dengan nilai F
tabel
. Nilai F
tabel
pada tingkat kesalahan α = 5 dengan derajat kebebasan df = n-k; k-1. Jumlah data n adalah sebanyak 67, dan jumlah variabel penelitian k berjumlah 2. Jadi df
= 67-2; 2-1. Sehingga F
tabel
pada tingkat kepercayaan 95 α=5 adalah 3,99. Jadi F
hitung
F
tabel
5,897 3,99 dan signifikansi bernilai 0,004 lebih kecil dari tingkat
α 0,05 menunjukkan bahwa H ditolak artinya Tingkat Bunga dan Return on
Assets secara serempak berpengaruh signifikan terhadap Debt to Equity Ratio
perusahaan sektor pertambangan di Bursa Efek Indonesia.
5. Hasil Pengujian Hipotesis Secara Parsial Uji t Pengujian ini dilakukan untuk mengetahui signifikansi pengaruh Tingkat
Bunga dan Return on Assets secara individual parsial terhadap DER. Bentuk pengujiannya adalah sebagai berikut :
a H : b
i
, artinya tidak terdapat pengaruh yang signifikan dari Tingkat Bunga dan ROA terhadap DER
Universitas Sumatera Utara
H
1
: b
i
≠ 0, artinya terdapat pengaruh yang signifikan dari Tingkat Bunga dan ROA terhadap DER.
b α = 5 ; df = n-k = 67 - 2 sehingga t
tabel
0,05 = 1,6686. H
diterima jika nilai sig. t 0,05, artinya tidak ada pengaruh yang signifikan secara parsial dari variabel bebas terhadap variabel terikat.
H
1
diterima jika nilai sig. t 0,05, artinya ada pengaruh yang signifikan secara parsial dari variabel bebas terhadap variabel terikat.
Tabel 4.13 Hasil Pengujian Hipotesis Secara Parsial Uji t
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .503
.399 1.260
.212 LNBunga
-.036 .175
-.024 -.205
.838 LNROA
-.230 .067
-.398 -3.414
.001 a. Dependent Variable: LNDER
Sumber: Hasil Penelitian, 2012 Data Diolah Dari Tabel 4.13 hasil pengolahan SPSS dapat dilihat besarnya t hitung untuk
variabel Tingkat Bunga sebesar -0,205 dengan nilai signifikan 0,838. Hasil uji tersebut menunjukkan t hitung adalah lebih kecil dari t tabel -0,205 -1,6686.
Dilihat signifikansinya, nilai signifikansi Tingkat Bunga adalah sebesar 0,838 lebih besar dari nilai signifikan sebesar 0,05. Hasil perhitungan baik melalui t hitung
Universitas Sumatera Utara
maupun nilai signifikan, menunjukkan Tingkat Bunga tidak berpengaruh signifikan terhadap variabel DER.
Nilai t hitung untuk variabel ROA adalah -3,414 dengan nilai signifikan 0,001. Hasil uji tersebut menunjukkan t hitung adalah lebih kecil dari t tabel -3,414
-1,6686. Dilihat signifikansinya, nilai signifikansi ROA adalah sebesar 0,001 lebih kecil dari nilai signifikan sebesar 0,05. Hasil perhitungan baik melalui t hitung
maupun nilai signifikannya, menunjukkan ROA berpengaruh negatif dan signifikan terhadap variabel DER.
4.3 Pembahasan