C. Metode Pengumpulan Data
Data yang diperoleh dalam penelitian ini merupakan data sekunder, yaitu laporan keuangan perusahaan yang berasal dari Bank Indonesia BI, Bursa
Efek Indonesia BEI, dan website masing- masing bank. Sedangkan teknik pengumpulan data sebagai berikut :
1. Penelitian Lapangan
Untuk memperoleh data, peneliti mengadakan penelitian langsung. Data yang diperlukan adalah data sekunder, yaitu data yang diperoleh dari
pihak lain sudah tersedia. Data tersebut diperoleh dari Bank Indonesia, Bursa Efek Indonesia BEI, Indonesian Capital Market Directory,
website BEI, website BI, dan website masing-masing bank. Data sekunder berisi tentang data-data laporan keuangan dan komposisi kepemilikan
saham tahun 2004 - 2008.
2. Library Research
Merupakan teknik pengumpulan data yang dilengkapi pula dengan membaca dan mempelajari serta menganalisis literature yang bersumber
dari buku-buku, artikel, dan jurnal-jurnal yang berkaitan dengan penelitian ini. Peneliti melakukan penelitian dengan membaca, mengutip bahan-
bahan yang berkenaan dengan penelitian. Sumber – sumber tersebut digunakan sebagai tinjauan pustaka untuk menganalisis dan membahas
permasalahan penelitian ini.
53
D. Metode Analisis dan Uji Hipotesis
1. Metode Analisis Regresi Berganda
Metode analisis yang paling tepat untuk penelitian ini adalah metode regresi berganda, yaitu model yang digunakan untuk menganalisa
pengaruh variabel independen X terhadap variabel dependen Y. Bentuk persamaan model regresi berganda yang menggunakan data
cross section dirumuskan sebagai berikut :
Di mana : Y
= Rasio hutang debt ratio a
= Konstanta intersept b
= Koefisien regresi variabel independen X
1
= Struktur kepemilikan manajerial X2
= Struktur kepemilikan institusional X3
= Struktur kepemilikan publik X4
= Jumlah kelompok pemegang saham X5 =
Profitabilitas Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ b
5
X
5
+b
6
X
6
+ e
54
X6 = Pertumbuhan perusahaan
e = Error term
Pelaksanaan perhitungan dari persamaan analisis regresi beganda menggunakan bantuan program statistical program for social science
SPSS for windows realese 17.0.
2. Uji Asumsi Klasik
Metode analisis regresi linier berganda dikatakan baik apabila memenuhi asumsi normalitas data dan terbebas dari asumsi-asumsi klasik
seperti : normalitas, multikolineritas, autokorelasi, dan heteroskedastisitas. Uji asumsi klasik yang dilakukan adalah sebagai berikut :
a. Normalitas
Uji normalitas bertujuan untuk mengetahui distribusi data dalam variabel yang akan digunakan dalam penelitian. Data yang baik dan
layak digunakan dalam penelitian adalah data yang memiliki distribusi normal atau mendekati normal.
Cara untuk mendeteksi normalitas data menurut Nugroho 2005 : 27, adalah dengan melihat penyebaran data titik pada sumbu
diagonal dari grafik. Dasar pengambilan keputusannya adalah : 1.
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
55
2. Jika data menyebar jauh dari garis diagonal dan atau tidak
mengikuti arah garis diagonal, maka model regresi tersebut tidak memenuhi asumsi normalitas.
b. Multikolineritas
Uji multikolineritas diperlukan untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan dengan variabel
independen lain dalam suatu model. Kemiripan antar variabel independen dalam suatu model menyebabkan terjadinya korelasi yang
sangat kuat antara satu variabel independen dengan variabel independen yang lain. Selain itu, deteksi terhadap multikolineritas juga
bertujuan untuk menghindari kebiasan dalam proses pengambilan kesimpulan mengenai pengaruh pada uji parsian masing-masing
variabel independen. Salah satu cara untuk mendeteksi ada atau tidaknya
multikolineritas di dalam model regresi menurut Nugroho 2005 : 30, adalah dengan melihat nilai tolerance dan variace inflation factor
VIF. Jika nilai VIF tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0,1, maka model dapat dikatakan bebas dari
multikolineritas. Selain itu, jika nilai koefisien determinan R
2
, R square
di atas 0,6 namun tidak ada variabel independen yang berpengaruh terhadap variabel dependen, maka ditengarai model
tersebut terkena asumsi multikolineritas.
56
c. Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah di dalam suatu model regresi berganda terdapat korelasi antara kesalahan pengganggu
pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada masalah autokorelasi. Autokorelasi muncul karena adanya
observasi yang berurutan, sepanjang berkaitan satu sama lain. Cara untuk mendeteksi ada atau tidaknya masalah autokorelasi
menurut Nugroho 2005 : 33, adalah dengan cara sebagai berikut : 1.
1,60 DW 2,40. Kesimpulannya tidak terjadi kondisi autokorelasi.
2. 1,39 DW 1,60 atau 2,40 DW 2,61. Tidak dapat
disimpulkan inconclusive. 3.
DW 1,39. Kesimpulannya terjadi autokorelasi negatif. 4.
DW 2,61. Kesimpulannya terjadi autokorelasi positif.
d. Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode
pengamatan yang lain, atau gambaran hubungan antara nilai yang diprediksi dengan studentzed delete residual nilai tersebut. Model
regresi yang baik adalah model regresi yang memiliki persamaan residual suatu periode pengamatan dengan periode pengamatan lain,
atau adanya hubungan antara nilai yang diprediksi dengan studentzed
57
delete residual nilai tersebut sehingga dapat dikatakan nilai tersebut
homokesdastisitas. Menurut Nugroho 2005 : 35, model regresi linear berganda tidak
terdapat heteroskedastisitas jika pada pola gambar scatterplot : 1.
Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0.
2. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja.
3. Penyebaran titik-titik data tidak boleh membentuk pola
bergelombang melebar kemudian menyempit dan melebar kembali. 4.
Penyebaran titik-titik data sebaiknya tidak berpola.
3. Uji Hipotesis
a. Koefisien Determinasi Adjusted R Square
Koefisien determinasi dilakukan untuk melihat seberapa besar variabel independent menjelaskan variabel dependen. Bila nilai
koefisien determinasi sama dengan 0 R
2
= 0, artinya variasi dari Y tidak dapat diterangkan oleh X sama sekali. Sementara apabila R
2
= 1, artinya variasi dari Y secara keseluruhan dapat diterangkan oleh X.
Dengan kata lain bila R
2
= 1, maka semua titik pengamatan berada tepat pada garis regresi.
58
b. Pengaruh Variabel Independen Secara Simultan Uji F
Uji F dilakukan untuk melihat kemaknaan dari hasil model regresi tersebut. Bila nilai F
hitung
lebih besar dari F
tabel
atau tingkat signifikannya lebih kecil dari 5
α = 5 = 0,05 maka hal ini menunjukkan bahwa H
o
ditolak dan H
o
ditolak yang berarti bahwa terdapat pengaruh yang signifikan antara variabel independen terhadap
variabel dependen. Untuk menghitung F
hitung
digunakan rumus sebagai berikut:
Dimana: R
2
= Koefisien
Determinasi n
= Jumlah
pengamatansampel K
-1
= Jumlah variabel eksogen Apabila
F
hitung
F
tabel
= H ditolak, H
1
diterima Apabila
F
hitung
F
tabel
= H diterima, H
1
ditolak F =
1 2
2
1 2
−
− −
k n
R R
c. Pengaruh Variabel Independen Secara Parsial Uji t
Uji t digunakan untuk menganalisis pengaruh variabel eksogen terhadap variabel endogen secara parsial. Bila t
hitung
lebih besar atau lebih kecil dari t
tabel
atau nilai signifikan lebih kecil dari 5 α = 5 =
59
0,05 maka H
o
ditolak yang berarti bahwa terdapat pengaruh yang signifikan variabel independen terhadap variabel dependen.
Untuk menghitung t
hitung
digunakan rumus sebagai berikut:
Di mana: r = koefisien regresi
n = jumlah variabel T
hitung
T
tabel
= H ditolak, H
1
diterima T
hitung
T
tabel
= H diterima,
H
1
ditolak
T
hitung
=
E. Definisi Operasional dan Pengukuran Variabel