Metode Analisis Data Model Regresi Berganda Data Penelitian Analisis Regresi Berganda

41 Tabel 3.2 Definisi Operasional dan Pengukuran Variabel VARIABEL DEFINISI OPERASIONAL PENGUKURAN SKALA Dependen Kebijakan Hutang DER= � � � � � � Rasio Independen Free Cash Flow FCF = AKO – PM – NWC Rasio Return On Equity � �ℎ � − � � � � � Rasio Kepemilikan Manajerial SM SB X 100 Rasio

3.6 Metode Analisis Data

Pada penelitian ini metode analisis data yang digunakan adalah metode analisis regresi berganda dengan menggunakan softwa re SPSS 18.0. Metode analisis regresi berganda dipilih untuk digunakan pada penelitian ini karena metode analisis regresi berganda dapat menyimpulkan secara langsung mengenai pengaruh masing – masing variabel bebas yang digunakan secara parsial ataupun simultan.

3.7 Uji Asumsi Klasik

Pengujian asumsi klasik ini bertujuan untuk mengetahui dan menguji kelayakan atas model regresi yang digunakan dalam penelitian ini. Pengujian ini juga dimaksudkan untuk memastikan bahwa di dalam model regresi yang digunakan tidak terdapat multikolonieritas dan heteroskedastisitas serta untuk memastikan bahwa data yang dihasilkan berdistribusi normal Ghozali, 2013. Universitas Sumatera Utara 42

4.7.1 Uji Normalitas Data Uji Normalitas bertujuan untuk menguji apakah dalam model regresi,

variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan f mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati- hati secara visual kelihatan normal, padahal secara statistik bisa sebaliknya. Oleh sebab itu dianjurkan disamping uji grafik dilengkapi dengan uji statistik. Uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non-parametrik Kolmogorov-Smirnov K-S. Penelitian ini menggunakan uji Kolmogorov Smirnov dengan ketentuan sebagai berikut: a. Apabila nilai Sig. Atau signifikansi atau nilai probabilitas yang terdapat pada kolom Kolmogorov-Smirnov dan kolom Shapiro-Wilk lebih kecil dari alpha atau tingkat kesalahan yang ditetapkan 0,05, maka data yang dianalisis tersebut terdistribusi secara tidak normal. Universitas Sumatera Utara 43 b. Apabila nilai Sig. Atau signifikansi atau nilai probabilitas yang terdapat pada kolom Kolmogorov-Smirnov dan kolom Shapiro-Wilk lebih besar dari alpha atau tingkat kesalahan yang ditetapkan 0,05, maka data yang dianalisis tersebut terdistribusi secara normal.

4.7.2 Uji Autokorelasi

Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan 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 . Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji Durbin Wa tson dengan ketentuan sebagai berikut: 1 Angka D-W dibawah -2 berarti ada autokorelasi positif, 2 Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, 3 Angka D-W di atas +2 berarti ada autokorelasi negatif.

4.7.3 Uji Multikolinearitas

Uji multikolinieritas bertujuan untuk meneliti apakah dalam model regresi ditemukan adanya korelasi di antara variabel independen. Jika terjadi korelasi, berarti terjadi masalah multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Untuk melihat ada atau tidaknya multikolinieritas dalam model regresi dilihat dari nilai tolera nce dan lawannya Va ria nce Infla tion Fa ctor VIF. Batasan umum yang dipakai untuk Universitas Sumatera Utara 44 menunjukkan adanya multikolinieritas adalah nilai tolera nce 0,01 atau sama dengan VIF 10 Ghozali,2013:91.

3.7.4 Uji Heteroskedastisitas

Uji ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Menurut Erlina 2007:108. ”Jika Varians dari residual satu pengamatan ke pengamatan lainnya tetap, maka disebut homoroskedstisitas, jika berbeda disebut heteroskedastisitas.” Untuk melihat ada atau tidaknya heteroskedastisitas dilakukan dengan mengamati grafik sca tterplot antar nilai prediksi variabel terikat dengan residualnya. Deteksi ada atau tidaknya heteroskedstisitas dilakukan dengan melihat ada tidaknya pola tertentu pada grafik sca tterplot dengan dasar analisis: 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas, seperti titik menyebar di atas dan di bawah angka 0 pada sumbuh Y, maka tidak terjadi heteroskedastisitas. Ghozali,2013:105.

3.8 Model Regresi Berganda

Hipotesis diuji dengan analisis regresi berganda untuk menganalisis pengaruh variabel – variabel independen terhadap variabel dependen. Model analisis regresi berganda yang digunakan adalah sebagai berikut : Universitas Sumatera Utara 45 Y = a + b1X1+b2X2+b3X3+e Keterangan : Y = Kebijakan Hutang a = Nilai Intercept konstan b1,b2,b3 = Koefisien Regresi Variabel X1, X2, X3 X1 = Free Ca sh Flow X2 = Return On Equity X3 = Kepemilikan Manajerial e = Standar Error

3.9 Pengujian Hipotesis

Untuk mengetahui pengaruh free ca sh flow dan kepemilikan manajerial terhadap kebijakan hutang maka akan dilakukan analisis statistik berikut ini :

3.9.1 Uji Parsial t – test

Pengujian ini digunakan untuk melihat seberapa besar pengaruh masing – masing variabel independen terhadap variabel dependen. Uji ini dilakukan dengan membandingkan t hitung dengan t tabel dengan ketentuan sebagai berikut: Ho diterima jika t hitung t tabel untuk α = 5 H1 diterima jika t hitung t tabel untuk α = 5 Universitas Sumatera Utara 46

3.9.2 Uji Simultan F- test

Uji ini dilakukan untuk mengetahui besarnya pengaruh variable independen secara simultan terhadap variabel dependen. Uji ini dilakukan dengan membandingkan F hitung dengan F tabel. Dengan ketentuan sebagai berikut : Ho diterima jika F hitung F tabel untuk α = 5 H1 diterima jika F hitung F tabel untuk α = 5 Hipotesis yang akan diuji adalah : H1 : Seberapa besar pengaruh Free Ca sh Flow terhadap kebijakan hutang H2 : Seberapa besar pengaruh Return On Equity terhadap kebijakan hutang H3 : Seberapa besar pengaruh kepemilikan manajerial terhadap kebijakan hutang. H4: Seberapa besar pengaruh Free Ca sh Flow, Return On Equity dan kepemilikan manajerial secara simultan terhadap kebijakan hutang. Universitas Sumatera Utara 47

Bab IV Analisis Hasil Penelitian

4.1 Data Penelitian

Pada perhitungan data berupa angka kemudian dianalisis menggunakan aplikasi spss 18. Objek penelitian ini adalah perusahaan property dan real estate yang terdaftar di Bursa Efek Indonesia dalam periode 2011-2013. Hasil pengolahan data berupa informasi melihat dan menganalisa hubungan dan pengaruh antara Free Ca sh Flow, Return On Equity dan kepemilikan manajerial terhadap kebijakan hutang. Teknik analisis dalam penelitian ini menggunakan analisis statistik. Analisis statistik merupakan analisis yang mengacu SPSS. Sampel yang memenuhi kriteria seperti yang telah dijelaskan dalam bab 3 diperoleh sebanyak 17 perusahaan property dan real estate. Adapun perusahaan yang menjadi sampel adalah. Tabel 4.1 Daftar Sampel Perusahaan Property dan Real Estate Bursa Efek Indonesia No. Kode Nama Perusahaan 1. APLN Agung Podomoro Land Tbk 2. ASRI Alam Sutera Reality Tbk 3. BAPA Bekasi Asri Pemula Tbk Universitas Sumatera Utara 48 4.2 Pengujian Asumsi Klasik 4.2.1 Uji Normalitas Uji normalitas dilakukan untuk melihat apakah variabel independen maupun variabel dependen terdistribusi secara normal atau tidak. Pertama sekali, 4. BIPP Bhuawanatala Indah Permai Tbk 5. BKDP Bukit Darmo Property Tbk 6. COWL Cowell Development Tbk 7. CTRA Ciputra Development Tbk 8. CTRP Ciputra Property Tbk 9. DUTI Duta Pertiwi Tbk 10. ELTY Bakrieland Development Tbk 11. GMTD Goa Makssar Tourism Development Tbk 12. KPIG Global Land and Development Tbk 13. LPCK Lippo Cikarang Tbk 14. LPKR Lippo Karawaci Tbk 15. OMRE Indonesia Prima Property Tbk 16. PLIN Plaza Indonesia Realty Tbk 17. RBMS Rista Bintang Mahkota Sejati Tbk Universitas Sumatera Utara 49 data di dalam penelitian harus memenuhi asumsi kenormalan data. Data penelitian yang baik adalah data yang memenuhi asumsi kenormalan data. Untuk melihat apakah data normal atau tidak dari grafik histogram dan norma l proba bility plot. Data yang normal akan membentuk atau mengikuti garis diagonal pada norma l probability plot . Data yang normal juga akan terlihat dari grafik histogram yang seimbang, tidak condong ke kiri maupun ke kanan. Data yang tidak normal tidak akan mengikuti garis diagonal pada norma l proba bility plot dan memiliki grafik histogram yang tidak seimbang. Berikut ini ditampilkan grafik histogram dan norma l proba bility plot dari variabel penelitian. Gambar 4.1 Histogram Variabel Dependen DER Perusahaan Property dan Real Estate 2011-2013 - Normal Dari Gambar 4.1 di atas terlihat bahwa Histogram dari penelitian terdistribusi normal karena grafiknya seimbang, tidak condong ke kiri maupun ke Universitas Sumatera Utara 50 kanan. Hal yang sama juga terjadi dengan norma l proba bility plot pada Gambar 4.2 di bawah yang terlihat telah mengikuti garis diagonal dengan teratur, sehingga dapat disimpulkan maka data penelitian sudah memenuhi asumsi normalitas. Gambar 4.2 Normal P-Plot of Regresion Standarized Residual – Normal Peneliti membuat uji Kolmogorov-Smirnov yang membuktikan kenormalan suatu data penelitian dengan angka. Dengan menggunakan uji Kolmogorov-Smirnov , suatu data dikatakan normal apabila nilai Asymp. Sig. 2- ta iled 0,05 dan apabila nilai Asymp. Sig. 2-ta iled 0,05 maka data tidak terdistribusi normal. Berikut hasil pengujian dengan uji Kolmogorov-Smirnov. Universitas Sumatera Utara 51 Tabel 4.2 Uji Kolmogorov-Smirnov Dari Tabel Kolmogorov-Smirnov di atas, nilai Asymp. Sig. 2-ta iled nya sebesar 0,495 yang berarti 0,05 sehingga dapat ditarik kesimpulan bahwa data sudah terdistribusi dengan normal.

4.2.2 Uji Multikolinearitas

Uji Multikolinearitas merupakan uji yang menentukan ada tidaknya hubungan linear antara variabel independen dengan variabel independen lainnya. Model regresi yang baik tidak boleh memiliki multikolinearitas di dalamnya. Untuk mendeteksi ada tidaknya multikolinearitas di dalam data penelitian dilihat dari nilai Va r ia nce Infla tion Fa ctor VIF. Ketentuan dalan uji ini adalah jika nilai VIF 10 maka tidak terjadi multikolinearitas, dan sebaliknya jika nilai VIF 10 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 51 Normal Parameters a,b Mean ,0000000 Std. Deviation 57,46162729 Most Extreme Differences Absolute ,116 Positive ,116 Negative -,069 Kolmogorov-Smirnov Z ,831 Asymp. Sig. 2-tailed ,495 a. Test distribution is Normal. b. Calculated from data. Universitas Sumatera Utara 52 maka terjadi multikolinearitas. Hasil uji multikolinearitas dalam penelitian ini dapat dilihat dalam tabel di bawah ini. Tabel 4.3 Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 68,267 13,993 4,879 ,000 FREECASHFLOW 8,480E-13 ,000 ,052 ,375 ,710 ,965 1,037 ROE 1,060 ,767 ,192 1,381 ,174 ,974 1,027 KEPMANAJERIAL -1,399 ,752 -,260 -1,860 ,069 ,968 1,033 a. Dependent Variable: DER Dari Tabel 4.3 di atas, maka dapat diperoleh nilai VIF dari masing- masing variabel independen untuk variabel Free Ca sh Flow sebesar 1,037, Return On Equity ROE sebesar 1,027, dan Kepemilikan Manajerial sebesar 1,033. Sehingga dapat disimpulkan tidak terjadi Multikolinearitas di dalam penelitian karena setiap variabel independen nilai VIF 10.

4.2.3 Uji Heteroskedastisitas

Uji asumsi heteroskedastisitas ini dimaksudkan untuk mengetahui apakah variasi residual absolut sama atau tidak sama untuk semua pengamatan atau dengan kata lain uji ini dilakukan untuk mengetahui apakah variabel pengganggu di dalam penelitian mempunyai varian yang sama atau tidak. Universitas Sumatera Utara 53 Kriteria yang terdapat dalam uji heteroskedastisitas dapat dilihat dalam Sca tterplot hasil SPSS. Apabila titik-titik di Sca tterplot menyebar di atas, di bawah, dan di sekitaran angka nol, maka tidak terjadi heteroskedastisitas, dan apabila titik-titik di Sca tterplot membentuk pola tertentu, tidak menyebar di atas, di bawah, dan di sekitaran angka nol, maka terjadi heteroskedastisitas atau dengan kata lain homoskedastisitas. Berikut hasil Sca tterplot dari penelitian ini. Gambar 4.3 Scatterplot Uji Heteroskedastisitas Dari Gambar 4.5 di atas, terlihat bahwa titik-titik menyebar di atas, di bawah, dan di sekitaran angka nol sehingga dapat ditarik kesimpulan bahwa data penelitian tidak mengandung heteroskedastisitas.

4.2.4 Uji Autokorelasi

Universitas Sumatera Utara 54 Uji Autokorelasi merupakan uji untuk menentukan apakah terdapat autokorelasi di dalam data penelitian. Data penelitian yang baik tidak memiliki autokorelasi di dalamnya. Dalam penelitian ini uji autokorelasi menggunakan uji Durbin-Wa tson . Ketentuan nilai Durbin-Wa tson DW adalah bila DU DW 4- DU maka tidak terjadi autokorelasi. Bila nilai DW DL maka terjadi autokorelasi positif. Bila nilai DW 4DU maka terjadi autokorelasi negatif. Bila DW terletak di antara DU dan DL maka hasilnya tidak dapat disimpulkan. Berikut hasil hasil SPSS yang menunjukkan apakah data terkena autokorelasi atau tidak. Tabel 4.4 Uji Autokorelasi – Autokorelasi Positif Hasil pengujian pada tabel memperlihatkan nilai statistik Durbin - Wa tson sebesar 1,974. Nilai ini akan dibandingkan dengan nilai tabel Durbin - Wa tson dengan nilai signifikansi 5, jumlah sampel adalah 51, jumlah variabel independen adalah 3 k = 3, maka dalam tabel nilai Durbin – Watson akan Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson d i m e n s i o n 1 ,335 a ,112 ,055 59,26714 1,974 a. Predictors: Constant, KEPMANAJERIAL, ROE, FREECASHFLOW b. Dependent Variable: DER Universitas Sumatera Utara 55 diperoleh nilai dl = 1,4273 dan nilai du = 1,6754. Nilai DW sebesar 1,974 lebih besar dari nilai DL DW DL. Dimana ditarik kesimpulan berdasarkan ketentuan uji Durbin – Watson du DW dl. Sehingga tidak terdapat autokorelasi dalam penelitian ini.

4.3 Analisis Regresi Berganda

Analisis regresi linear berganda digunakan oleh peneliti bila peneliti bermaksud meramalkan bagaimana keadaan naik turunnya variable dependen bila dua atau lebih variable independen sebagai factor predictor dimanipulasi dinaik turunkan nilainya. Hasil analisis regresi linier berganda dalam penelitian ini adalah sebagai berikut. Tabel 4.5 Uji Analisis Regresi Linier Berganda Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 68,267 13,993 4,879 ,000 FREECASHFLOW 8,480E-13 ,000 ,052 ,375 ,710 ROE 1,060 ,767 ,192 1,381 ,174 KEPMANAJERIAL -1,399 ,752 -,260 -1,860 ,069 Dari Tabel 4.5 di atas, maka dapat dibuat persamaan Regresi Linier Berganda sebagai berikut: DER = 68,267 + 0,0000000000008480FCF + 1,060ROE - 1,399KEPMANAJ + e Interpretasi persamaan di atas sebagai berikut: Universitas Sumatera Utara 56 a. Konstanta sebesar 68,267 menunjukkan bahwa apabila tidak ada variabel independen Free Ca sh Flow, Return On Equity dan Kepemilikan Manajerial, maka tingkat DER adalah sebesar 68,267. b. Koefisien Regresi FCF sebesar 0,0000000000008480 menunjukkan bahwa apabila setiap kenaikan Free Ca sh Flow 1 dengan asumsi variabel bebas lainnya dianggap konstan maka akan menurunkan DER perusahaan property dan real estate sebesar 0,0000000000008480. c. Koefisien Regresi ROE sebesar 1,060 menunjukkan bahwa apabila setiap kenaikan Return On Equity 1 dengan asumsi variabel bebas lainnya dianggap konstan maka akan menurunkan DER perusahaan property dan real estate sebesar 1,060. d. Koefisien Regresi KEPMANAJ sebesar 1,399 menunjukkan bahwa apabila setiap kenaikan Kepemilikan Manajerial 1 dengan asumsi variabel bebas lainnya dianggap konstan maka akan menurunkan DER perusahaan property dan real estate sebesar 1,399. 4.4 Uji Hipotesis 4.4.1 Koefisien Determinasi