4.2 Hasil Penelitian 4.2.1 Statistik Deskriptif
Statistik deskriptif dalam penelitian ini hanya untuk mendeskripsikan data sampel dan tidak membuat kesimpulan yang berlaku untuk populasi dimana
sampel diambil. Menurut Ghozali 2005:19, statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari rata-rata mean, standar
deviasi, varian, maksimum, minimum, sum, range dan kemencengan distribusi.
Tabel 4.14 Descriptive Statistics
Mean Std. Deviation
N LN_ROE
-1.86527 .94074
52 LN_DER
.10334 .76328
52 LN_ROA
-2.66632 .79776
52
Sumber: Output SPSS, diolah Penulis, 2013
Berdasarkan data dari tabel 4.14 dapat dijelaskan bahwa: 1.
Variabel rentabilitas modal sendiri yang indikatornya Return on Equity ROE yaitu sebagai variabel dependen memiliki sampel N sebanyak 52, dengan
nilai mean nilai rata-rata -1,86527. Standar deviation simpangan baku variabel ini adalah 0, 94074.
2. Variabel struktur modal yang indikatornya Debt to Equity Ratio DER yaitu
sebagai variabel independen memiliki sampel N sebanyak 52, dengan nilai mean nilai rata-rata 0,10334. Standar deviation simpangan baku variabel
ini adalah 0,76328.
Universitas Sumatera Utara
3. Variabel return on assets ROA sebagai variabel independen memiliki sampel
N sebanyak 52, dengan nilai mean nilai rata-rata -2,66632. Standar deviation simpangan baku variabel ini adalah 0,79776.
4.2.2 Uji Asumsi Klasik
Untuk mendapatkan nilai pemeriksa yang tidak bias dan efisien Best, Linear, Unbiased, EstimatorBLUE, maka penulis perlu melakukan pengujian
asumsi klasik sebagai berikut:
4.2.2.1 Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah distribusi sebuah data mempunyai distribusi normal atau tidak. Model regresi yang baik adalah model
yang berdistribusi normal atau mendekati normal. Setelah dilakukan uji yang pertama, ternyata data tidak normal. Kemudian,
penulis menggunakan metode transformasi data untuk menormalkan data penelitian. Salah satu transformasi data yang dapat dilakukan adalah dengan
mentransformasikan data ke logaritma natural Ln. Adapun metode yang digunakan untuk menguji normalitas adalah dengan
menggunakan pendekatan histogram, pendekatan grafik, dan pendekatan Kolmogorov-Smirnov.
Universitas Sumatera Utara
Gambar 4.1 Histogram
Sumber: Data diolah, 2013
Pada Gambar 4.1 terlihat bahwa variabel berdistribusi normal. Hal ini ditunjukkan oleh distribusi data tersebut tidak miring ke kiri atau miring ke kanan,
melainkan ke tengah dengan bentuk lonceng.
Universitas Sumatera Utara
Gambar 4.2 Grafik P-Plot
Normal P-P Plot of Regression Standardized Residual Sumber: Data diolah, 2013
Pada Gambar 4.2 dapat dilihat bahwa titik-titik pada scatterplot mengikuti data di sepanjang garis diagonal. Hal ini menunjukkan bahwa data berdistribusi
normal.
Universitas Sumatera Utara
Tabel 4.15 Uji Model Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 52
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .12723861
Most Extreme Differences
Absolute .077
Positive .077
Negative -.057
Kolmogorov-Smirnov Z .554
Asymp. Sig. 2-tailed .919
a. Test distribution is Normal. b. Calculated from data.
Sumber: Data diolah, 2013
Berdasarkan uji Kolmogorov-Smirnov terlihat bahwa nilai Asymp.Sig. 2- tailed adalah 0,919 yang lebih besar dari nilai signifikan 0,05. Hal ini berarti
variabel residual berdistribusi normal.
4.2.2.2 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode sebelumnya. Model regresi yang baik adalah bebas dari autokerelasi. Uji autokorelasi ini menggunakan Durbin-Watson DW Test.
Kriteria pengambilan keputusan pada uji autokolerasi antara lain: a.
Jika 0 d dl, berarti tidak ada autokorelasi positif b.
Jika dl ≤ d ≤ du, berarti tidak dapat disimpulkan c.
Jika 4-dl d 4, berarti tidak ada korelasi negatif
Universitas Sumatera Utara
d. Jika 4-du ≤ d ≤ 4-dl, berarti tidak dapat disimpulkan
e. Jika du d 4-du, berarti tidak terjadi autokorelasi positif atau negatif
Tabel 4.16 Hasil Uji Durbin-Watson
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.991
a
.982 .981
.129809 1.948
a. Predictors: Constant, LN_ROA, LN_DER b. Dependent Variable: LN_ROE
Sumber: Data Diolah, 2013
Berdasarkan uji autokolerasi pada Tabel 4.16 diperoleh nilai Durbin-Watson D-W sebesar 1,948. Nilai d dibandingkan dengan nilai dl dan du pada n = 52
dan k = 3 sehingga diperoleh nilai dl sebesar 1,4339 dan du sebesar 1,6769 . Hal ini sesuai dengan ketentuan du d 4-du, yaitu 1,6769 1,948 4-1,6769 yang
menunjukkan bahwa tidak terjadi autokolerasi positif maupun negatif.
4.2.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk menguji apakah sebuah grup mempunyai varians yang sama diantara anggota grup tersebut Situmorang, et. al,
2007. Jika varians sama maka terjadi homoskedastisitas. Sedangkan, jika varians tidak sama, inilah yang disebut dengan heteroskedastisitas. Model regresi yang
baik adalah yang tidak terjadi heteroskedastisitas. Untuk mengetahui ada tidaknya heteroskedastisitas dalam model regresi
dapat dilihat pada grafik Scatterplot. Jika titik-titik dalam grafik menyebar dan tidak membentuk pola tertentu, maka tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
Gambar 4.3 Scatterplot
Sumber: Data diolah, 2013
Berdasarkan gambar scatterplot dapat dilihat bahwa tidak ada pola yang jelas serta titik-titik yang menyebar diatas dan dibawah angka nol pada sumbu Y.
Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi.
4.2.2.4 Uji Multikolinearitas
Uji ini digunakan untuk mengetahui apakah dalam sebuah model regresi terdapat korelasi hubungan di antara variabel bebas dalam model regresi
Situmorang, et. al, 2010. Apabila terdapat korelasi antara variabel bebas, maka terjadi multikolinearitas. Sedangkan, apabila tidak terdapat korelasi antara
variabel bebas, maka tidak terjadi multikolinearitas. Nilai cutoff yang umum
Universitas Sumatera Utara
dipakai untuk menunjukkan adanya multikolinearitas adalah tolerance 0.1 sedangkan variance inflation factor VIF 5.
Tabel 4.17 Collinearity Statistics
Sumber: Data diolah, 2013
Uji multikolinearitas menunjukkan bahwa tidak terdapat multikolinearitas pada semua variabel independen, dimana VIF 5 dan nilai tolerance 0,1.
4.2.3 Analisis Regresi Linear Berganda 4.2.3.1 Uji F F-
Test
Pengujian ini dilakukan untuk mengetahui pengaruh variabel independen secara serempak terhadap variabel dependen. Uji ini dilakukan dengan
membandingkan signifikansi F hitung dengan F tabel. Bentuk pengujiannya sebagai berikut:
a. H
: b
1
=
2
=
3
= 0, artinya tidak terdapat pengaruh yang signifikan secara bersamaan pada struktur modal dan Return on Assets ROA terhadap
rentabilitas modal sendiri.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF 1
Constant .969
.063 15.288 .000
LN_DER .553
.024 .448 23.138 .000
.994 1.006 LN_ROA
1.085 .023
.920 47.450 .000 .994 1.006
a. Dependent Variable: LN_ROE
Universitas Sumatera Utara
b. H
a
: minimal satu b
i
0, artinya terdapat pengaruh yang signifikan secara bersamaan pada struktur modal dan Return on Assets ROA terhadap
rentabilitas modal sendiri. c.
Dengan menggunakan tingkat signifikan α 5, jika nilai sig. F 0,05 maka H
diterima, artinya tidak ada pengaruh yang signifikan secara bersamaan dari variabel bebas terhadap variabel terikat. Sebaliknya, jika nilai sig. F
≤ 0,05 maka H
a
diterima, artinya ada pengaruh yang signifikan secara bersamaan dari variabel bebas terhadap variabel terikat.
Pada penelitian ini nilai F
hitung
akan dibandingkan dengan F
tabel
pada tingkat signifika
n α = 5 . Kriteria penilaian hipotesis pada uji- F : Ho tidak ditolak H
a
ditolak jika F
hitung
≤ F
tabel
pada α = 5 Ho ditolak H
a
diterima jika F
hitung
F
tabel
pada α = 5
Tabel 4.18 Uji Statistik F
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression 44.309
2 22.154 1314.769
.000
a
Residual .826
49 .017
Total 45.135
51 a. Predictors: Constant, LN_ROA, LN_DER
b. Dependent Variable: LN_ROE
Sumber: Data diolah, 2013
Hasil uji F pada Tabel 4.18 menunjukkan bahwa nilai F
hitung
adalah 1314,769 dengan tingkat signifikansi 0,000 0,05. Dengan menggunakan tabel
F diperoleh nilai F
tabel
sebesar 3,19. Hal ini menunjukkan bahwa nilai F
hitung
F
tabel
yang berarti Ho ditolak dan H
a
diterima, artinya variabel independen yakni
Universitas Sumatera Utara
struktur modal dan return on assets secara simultan atau serempak mempunyai pengaruh positif dan signifikan terhadap rentabilitas modal sendiri pada
perusahaan food and beverages yang terdaftar di BEI.
4.2.3.2 Uji t t- Test
Pengujian ini dilakukan untuk mengetahui apakah setiap variabel bebas secara parsial mempunyai pengaruh yang signifikan terhadap variabel terikat.
Tabel 4.19 Hasil Uji t
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
.969 .063
15.288 .000
LN_DER .553
.024 .448 23.138
.000 LN_ROA
1.085 .023
.920 47.450 .000
a. Dependent Variable: LN_ROE
Sumber: Data diolah, 2013
Berdasarkan hasil uji t, maka diperoleh persamaan regresi linear berganda sebagai
berikut: Y = 0.969 + 0.553X
1
+ 1.085X
2
+ e
Dimana: Y = Rentabilitas Modal Sendiri Return on EquityROE
a = Konstanta X
1
= Struktur Modal Debt to Equity RatioDER X
2
= Return on Assets ROA e = Standard Error
Universitas Sumatera Utara
Berdasarkan hasil pengolahan hasil uji t pada tabel 4.19 dapat dijelaskan hasil pengujian sebagai berikut:
a. Nilai a Konstanta = 0,969
Nilai konstanta ini menunjukkan bahwa apabila tidak ada variabel independen yakni debt to equity ratio dan return on assets, maka return on equity sebesar
0,969 b.
Variabel debt to equity ratio DER berpengaruh secara positif dan signifikan terhadap return on equity. Hal ini terlihat dari nilai signifikansinya lebih kecil
dari 0,05 yaitu 0,00 dan nilai t
hitung
23,138 t
tabel
1,67655
,
artinya jika variabel DER ditingkatkan sebesar satu satuan maka return on equity akan
mengalami kenaikan sebesar 0,553 dengan asumsi variabel lain dianggap tetap. c.
Variabel return on assets ROA berpengaruh secara positif dan signifikan terhadap return on equity. Hal ini terlihat dari nilai signifikansinya lebih kecil
dari 0,05 yaitu 0,00 dan nilai t
hitung
47,450 t
tabel
1,67655
,
artinya jika variabel ROA ditingkatkan sebesar satu satuan maka return on equity akan
mengalami kenaikan sebesar 1,085 dengan asumsi variabel lain dianggap tetap.
4.2.3.3 Uji Koefisien Determinasi R
2
Koefisien determinasi digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Apabila nilai
R
2
suatu regresi mendekati satu, maka semakin baik regresi tersebut. Sebaliknya, semakin mendekati nol, maka variabel independen secara keseluruhan tidak bisa
menjelaskan variabel dependen.
Universitas Sumatera Utara
Tabel 4.20 Hasil Uji Koefisien Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate 1
.991
a
.982 .981
.129809 a. Predictors: Constant, LN_ROA, LN_DER
b. Dependent Variable: LN_ROE
Sumber: Data diolah, 2013
Berdasarkan Uji Koefisien Determinasi diketahui bahwa R sebesar 0,991 yang berarti hubungan antara debt to equity ratio dan return on assets terhadap
return on equity sebesar 99,1. Nilai R Square sebesar 0,982 berarti 98,2 faktor yang berpengaruh
terhadap return on equity dapat dijelaskan debt to equity ratio dan return on assets. Sedangkan sisanya yaitu sebesar 1,8 dapat dijelaskan oleh faktor lain
yang tidak diteliti oleh penelitian ini. Adjusted R Square sebesar 0,981 berarti 98,1 faktor yang berpengaruh
terhadap return on equity dapat dijelaskan oleh debt to equity ratio dan return on assets. Sedangkan sisanya yaitu sebesar 1,9 dapat dijelaskan oleh faktor lain
yang tidak diteliti oleh penelitian ini. Standar Error of the Estimate adalah 0,129809 dimana semakin kecil standar
deviasi maka model akan semakin baik.
4.3 Pembahasan Hasil Penelitian