perusahaan, jurnal ilmiah, artikel ilmiah, buku, surat kabar, majalah, agenda, dan sebagainya.
F. Teknik Analisis Data
Teknik analisis data yang digunakan untuk menganalisis tingkat pengaruh Kebijakan Utang sebagai variabel dependen dengan Free Cash
Flow, Pertumbuhan Perusahaan, Profitabilitas dan Ukuran Perusahaan sebagai variabel Independen maka dibentuk model analisis yang
menggunakan model regresi berganda. Model penelitian ini diestimasi dengan menggunakan metode OLS Ordinary Least Square dalam
pengujian masing- masing hipotesis. Untuk pengolahan semua data analisis data penulis menggunakan bantuan software SPSS 20. Ada
beberapa langkah untuk melakukan analisis data diantaranya sebagai berikut;
1. Uji Asumsi Klasik
Agar model dapat dianalisis dan memberikan hasil yang representatif, maka model tersebut harus memenuhi pengujian asumsi-
asumsi klasik. Model regresi akan menghasilkan estimator yang baik jika terpenuhi asumsi klasik, yaitu Linieritas, Normalitas data
berdistribusi normal,
Heteroskedastisitas, Autokorelasi
dan Multikolinieritas. Berikut ini akan dibahas secara lebih rinci mengenai
asumsi klasik yang telah disebut di atas :
a. Uji Linieritas Salah satu asumsi dari analisis regresi adalah linieritas.
Uji linieritas bertujuan untuk mengetahui apakah variabel X dan variabel Y mempunyai hubungan yang linier atau tidak.
Linieritas dapat diuji menggunakan perbandingan R-square Widhiarso, 2010. Hasil yang diperoleh melalui uji linieritas
tersebut akan menentukan teknik analisis regresi linier yang akan digunakan. Apabila dari hasil uji linieritas didapatkan
kesimpulan bahwa distribusi data penelitian dikategorikan linier maka data penelitian dapat diselesaikan dengan teknik
analisis regresi linier. Demikian juga sebaliknya apabila ternyata non linier maka distribusi data penelitian harus
dianalisis dengan analisis regresi non linier Ghozali, 2011. b. Uji Normalitas
Uji normalitas data bertujuan untuk menguji apakah residual dari model regresi berdistribusi normal ataukah tidak.
Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Untuk mengetahuinya
digunakan uji Kolmogorov-Smirnov. Hipotesis yang digunakan adalah:
Ho : data residual berdistribusi normal
Ha : data residual tidak berdistribusi normal
Pengujian normalitas dilakukan dengan melihat nilai 2- tailed significant. Jika data memiliki tingkat signifikansi lebih
besar dari 0,05 atau 5 maka dapat disimpulkan bahwa Ho diterima, sehingga data dikatakan berdistribusi normal
Ghozali, 2011. c. Uji Multikolinearitas
Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas
independent. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Jika variabel bebas
saling berkorelasi, maka variabel-variabel ini tidak orthogonal. Variabel orthogonal adalah variabel bebas yang nilai korelasi
antar sesama variabel bebas sama dengan nol. Untuk mengetahui ada tidaknya multikolinieritas antar variabel, dapat
dilihat dari Variance Inflation Factor VIF dan tolerance value dari masing-masing variabel bebas terhadap variabel
terikat. Batas nilai VIF adalah 10 dengan tolerance value adalah 0,1 Apabila nilai VIF lebih dari 10 maka menunjukkan
adanya gejala multikolinieritas. Sebaliknya Jika nilai VIF kurang dari sepuluh dapat dinyatakan tidak terjadi
multikolonieritas Gujarati, 2003. Untuk memperjelas hubungan antar variabel, uji
multikolinieritas juga bisa ditambahkan dengan melihat hasil
dari uji Pearson correlation uji korelasi pearson. Analisis korelasi pearson digunakan untuk menjelaskan derajat
hubungan antara variabel bebas independent dengan variabel terikat dependent dengan nilai : -
1 ≤ rs ≤ 1, dimana : 1 Bilai nilai rs = -1 atau mendekati -1, maka korelasi kedua
variabel dikatakan sangat kuat dan negatif artinya sifat hubungan dari kedua variabel berlawanan arah,
maksudnya jika nilai X naik maka nilai Y akan turun atau sebaliknya.
2 Bila nilai rs = 0 atau mendekati 0, maka korelasi dari kedua variabel sangat lemah atau tidak terdapat korelasi
sama sekali. 3 Bila nilai rs = 1 atau mendekati 1, maka korelasi dari
kedua variabel sangat kuat dan positif, artinya hubungan dari kedua variabel yang diteliti bersifat searah,
maksudnya jika nilai X naik maka nilai Y juga naik atau sebaliknya.
Adapun kriteria penilaian korelasi menurut Sugiyono 2003 yaitu :
Tabel 1. Kriteria Penilaian Korelasi Pearson Interval Koefisian
Tingkat Hubungan 0.00
– 0.199 Sangat Rendah
0.20 – 0.399
Rendah 0.40
– 0.599 Sedang
0.60 – 0.799
Kuat 0.80
– 1.000 Sangat Kuat
d. Uji Autokorelasi Uji autokorelasi merupakan pengujian hubungan antara
kesalahan-kesalahan yang biasanya muncul pada data runtun waktu time series. Konsekuensi adanya autokorelasi dalam
suatu model regresi adalah varians sampel tidak dapat menggambarkan varians populasinya. Lebih jauh lagi model
regresi yang dihasilkan tidak dapat digunakan untuk menaksir nilai variabel dependen pada nilai variabel independent
tertentu. Ada tidaknya gejala autokorelasi dapat dideteksi dengan uji Durbin-Watson DW test . Hipotesis yang akan
diuji dalam penelitian ini adalah: Ho
: tidak ada autokorelasi =
Ha : ada autokorelasi
≠ Berdasarkan tes Durbin Watson, pengambilan keputusan
ada tidaknya autokorelasi berdasarkan pada ketentuan: Tabel 2. Tabel pengambilan keputusan autokorelasi
Ho hipotesis nol Keputusan
Jika Tidak ada autokorelasi positif
Tidak ada autokorelasi positif Tidak ada autokorelasi negatif
Tidak ada autokorelasi negatif Tidak ada autokorelasi positif atau
negatif Tolak
No decision Tolak
No decision Terima
0 d dl dl
4 – dl d 4
4 – du d 4dl
Du d 4 – du
Sumber: Ghazali 2009
e. Heteroskedastisitas Uji Heteroskedastisitas bertujuan menguji apakah dalam
model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual
dari suatu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas. Jika varian berbeda disebut
heteroskedasitas Santoso, 2002. Model regresi yang baik adalah
yang homokedastisitas
atau tidak
terjadi heteroskedastisitas
. Dalam penelitian ini menggunakan uji
glejser yaitu meregresi masing-masing variabel independen dengan absolut residual sebagai variabel dependen. Hipotesis
yang digunakan dalam pengujian heteroskedastisitas adalah sebagai berikut:
Ho : tidak ada heteroskedastisitas
Ha : ada heteroskedastisitas
Dasar pengambilan keputusan jika signifikansi 0,05 maka Ha ditolak ada heteroskedastisitas. Jika signifikansi 0.05 maka Ho
diterima tidak ada heteroskedastisitas Usman, 2000.
2. Uji Regresi Berganda
Kategori