44
Variabel Definisi
Indikator Skala
Likuiditas Likuiditas adalah
kemampuan perusahaan dalam
memenuhi kewajiban jangka
pendeknya. CR =
Current Asset Current Liabilities
X 100
Rasio
Struktur Modal
Struktur modal adalah
perbandingan antara hutang
perusahaan total Debt dengan total
ekuitas total equity.
DER =
Total Debt Total Equity
X
100 Rasio
3.6 Metode Pengumpulan Data
Data-data yang digunakan dalam penelitian ini, baik yang bertujuan untuk mendiskripsikan maupun untuk menganalisis, diperoleh dari data sekunder. Data
sekunder adalah data yang informasinya diperoleh secara tidak langsung dari perusahaan. Pada penelitian ini data sekunder didapat dalam bentuk
dokumentasi,yaitu data yang diterbitkan oleh pihak - pihak berkompeten BEI, melalui data laporan keuangan yang rutin diterbitkan setiap tahunnya dalam
bentuk cetakan maupun data unduhan internet.
3.7 Metode Analisis Data
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
45 ataupun simultan. Analisis regresi berganda digunakan untuk menguji pengaruh
antara variabel independen, yaitu profitabilitas, pertumbuhan aset, ukuran perusahaan, risiko bisnis, struktur aset dan likuiditas terhadap struktur modal
DER pada perusahaan manufaktur sektor industri dasar dan kimia yang listed di BEI. Berikut adalah model analisis regresi berganda dalam penelitian ini :
Y = a + b1 X1+ b2 X2 + b3 X3 + b4 X4 +b5 X5 + b6 X6 + e Keterangan :
Y = Struktur Modal
X1 = Profitabilitas
X2 = Pertumbuhan Aset
X3 = Ukuran Perusahaan
X4 = Risiko Bisnis
X5 = Struktur Aset
X6 = Likuiditas
a = konstanta
b1,b2,b3,b4,b5,b6 =koefisien regresi yang menunjukkan perubahan
variabel dependen berdasarkan pada variabel independen.
e = Tingkat kesalahan standard error
3.8 Teknik Analisis Data
Teknik Analisis data merupakan suatu metode yang digunakan untuk memproses hasil penelitian guna memperoleh suatu kesimpulan. Data yang telah
terkumpul selanjutnya dianalisis untuk dapat memberikan jawaban dari masalah
46 yang dibahas dalam penlitian ini. Dalam menganalisis data, peneliti menggunakan
program SPSS. Metode analisis data yang digunakan dalam penelitian ini adalah sebagai berikut:
3.8.1 Statistik Deskriptif
Statistik deskriptif digunakan untuk memperoleh gambaran umum sampel data. Statistik deskriptif bertujuan untuk menggambarkan tentang
ringkasan data-data penelitian seperti mean, standar deviasi, varian, modus, sum, range, minimum, dan maksimum.
3.8.2 Uji Asumsi Klasik
Untuk mengetahui apakah model regresi benar-benar menunjukkan hubungan yang signifikan dan representatif, maka model tersebut harus
memenuhi asumsi klasik regresi. Uji asumsi klasik yang dilakukan adalah uji normalitas, multikolinearitas, autokorelasi, dan heteroskedastisitas.
3.8.2.1 Uji Normalitas
Uji normalitas dilakukan untuk menentukan alat statistik yang dilakukan,sehingga
kesimpulan yang diambil dapat dipertanggungjawabkan. Uji normalitas bertujuan untuk menguji
apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Menurut Erlina 2008:154, uji ini
berguna untuk tahap awal dalam metode analisis data. Jika data normal, gunakan statistik parametrik dan jika data tidak normal
gunakan statistik non parametrik atau lakukan treatment agar data normal. Cara yang digunakan untuk melihat apakah data normal atau
47 tidak adalah dengan melakukan analisis grafik dengan melihat grafik
histogram dan probability plot dan dengan melakukan analisis statistik. Analisis grafik ini dapat dilakukan dengan melihat grafik
histogram dan probability plot. Sedangkan analisis statistik dapat dilakukan dengan uji Kolmogorov-Smirnov.
Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak, yaitu:
A. Analisis Grafik
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafikhistogram yang membandingkan
antara data observasi dengan distribusi yang mendekati normal. Namun demikian,hanya dengan melihat histogram, hal ini dapat
membingungkan,khususnya untuk jumlah sampel yang kecil. Metode lain yang dapat digunakan adalah dengan melihat normal
probability plot yang membandingkan distribusi kumulatif dari distribusi normal.
Dasar pengambilan keputusannya adalah :
-
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan
pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
-
Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan
48 pola distribusi normal, maka model regresi tidak memenuhi
asumsi normalitas. B.
Analisis Statistik Uji statistik yang digunakan untuk menguji normalitas
adalahuji statistik nonparametric Kolmogorov-Smirnov K-S. Pedoman dalam pengambilan keputusan normal atau tidaknya data
yang akan diolah adalah sebagai berikut:
-
Apabila hasil signifikansi lebih besar dari 0,05 maka data terdistribusi normal.
-
Apabila hasil signifikansi lebih kecil dari 0,05 maka data tersebut tidak terdistribusi secara normal.
3.8.2.2 Uji Multikolinearitas
Multikolinearitas adalah situasi adanya korelasi variabel– variabel independen antara yang satu dengan yang lainnya. Dalam hal
ini, kita sebut variabel – variabel bebas ini tidak ortogonal Erlina,2008:156. Variabel – variabel bebas yang bersifat ortogonal
adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol. Model regresi yang baik selayaknya tidak terjadi
multikolinearitas. Multikolinearitas dapat dilihat dari VIF Variance Inflation Factor, jika VIF 10 maka tingkat multikolinearitas dapat
ditoleransi. Multikolinearitas dilihat juga melalui TOL Tolerance. Nilai TOL berkebalikan dengan nilai VIF. Tolerance TOL
mengukur variabilitas dari variabel independen yang tidak dijelaskan
49 oleh variabel inpenden lainnya. Jadi multikolinearitas terjadi jika VIF
10 dan nilai tolerance 0,10. 3.8.2.3
Uji Autokorelasi
Uji ini bertujuan untuk mengetahui apakah ada korelasi antar kesalahan pengganggu pada periode t dengan periode t-1
sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Cara yang dapat digunakan untuk mendeteksi ada atau
tidaknya autokorelasi adalah dengan uji Durbin Watson DW. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi.
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Hal ini terjadi karena kesalahan
pengganggu tidak bebas dari observasi lainnya. Salah satu cara yang dapat dilakukan untuk mendeteksi terjadi atau tidaknya autokorelasi
adalah dengan uji Durbin Watson. Uji ini hanya digunakan untuk autokorelasi tingkat pertama first order autokorelasi dan
mensyaratkan adanya intercept konstanta dalam model regresi.
50
Tabel 3.3 Kriteria Pengambilan Keputusan
Metode Durbin-Watson Kriteria Pengujian
Keputusan Kesimpulan
0 d dl Terjadi autokorelasi
positif Tolak
dl ≤ d ≤ du
Tidak ada autokorelasi positif
Tidak Ada Keputusan
4-dl d 4 Terjadi autokorelasi
negatif Tolak
4-du ≤ d ≤ 4-dl
Tidak ada autokoelasi negatif
Tidak Ada Keputusan
du d 4-du Tidak ada autokorelasi
positif atau negatif Tidak Ditolak
Sumber : Ghozali, Imam, 2006. Aplikasi Analisis Multivariance dengan Program SPSS, Edisi Ketiga, Badan Penerbit Universitas
Diponegoro, Semarang, hal 96.
3.8.2.4 Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk menguji apakah pada model regresi terjadi ketidaksamaan variabel dari residual satu
pengamatan ke pengamatan lainnya. Jika varians dari residual satu
51 pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas
dan jika berbeda disebut heteroskedastisitas.
Metode yang digunakan untuk menguji ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai
variabel dependen ZPRED dengan nilai residual SRESID. Dasar analisis ini adalah:
1. Titik-titik tersebar di atas dan di bawah atau disekitar 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
3.8.3 Pengujian Hipotesis
3.8.3.1 Uji Signifikansi Parsial Uji t
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas atau independen secara individual
dalam menerangkan variasi variabel dependen dengan asumsi variabel
bebas lainnya konstan. Tahap pengujian adalah sebagai berikut:
1. Ho: β = 0, berarti tidak ada pengaruh yang signifikan dari variabel
independen terhadap variabel dependen secara parsial. Ha: β = 0, berarti ada pengaruh yang signifikan dari variabel independen
terhadap dependen secara parsial. 2.
Menentukan tingkat signifikan α yaitu sebesar 5 3.
Jika probabilitas signifikasi lebih besar dari 0,05 α maka variabel bebas secara individu tidak berpengaruh terhadap struktur
52 modal, jika lebih kecil dari 0,05 maka variabel bebas secara
individu berpengaruh terhadap struktur modal.
3.8.3.2 Uji Signifikansi Simultan Uji F
Uji F digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh
secara bersama- sama terhadap variabel dependen. Uji ini dilakukan dengan membandingkan F hitung dengan F tabel. Tahap pengujiannya
adalah sebagai berikut : 1.
Ho : β1 = β2 = β3 = β4 =β5 = β6 = 0, berarti tidak ada pengaruh yang signifikan dari variabel independen secara bersama-sama
terhadap variabel dependen. Ha : β1 = β2 = β3 = β4 =β5 = β6 = 0, berarti ada pengaruh yang signifikan dari variabel independen
secara bersama-sama terhadap variabel dependen. 2.
Menentukan besarnya nilai F hitung dan signifikan F Sig F. 3.
Menentukan tingkat signifikan α yaitu sebesar 5. 4.
Menganalisis data penelitian yang telah diolah dengan kriteria pengujian yaitu :
• Jika nilai sig F 0.05, maka Ho diterima, artinya variabel bebas
secara simultan tidak mempengaruhi variabel terikat secara signifikan.
• Jika nilai sig F
≤ 0.05, maka Ho ditolak, artinya variabel bebas secara simultan mempengaruhi variabel terikat secara signifikan.
53
3.8.2.3 Uji Koefisien Determinasi
Koefisien determinasi R2 adalah sebuah koefisien yang menunjukkan persentase pengaruh semua variable independen
terhadap variabel dependen. Persentase tersebut menunjukkan seberapa besar variabel independen dapat menjelaskan variabel
dependen. Semakin besar koefisien determinasinya maka semakin baik variabel independent dalam menjelaskan variabel dependen.
Nilai R2 besarnya antara 0-1 0 R2 1 koefisien determinasi ini digunakan untuk mengetahui seberapa besar variabel
bebas mempengaruhi variabel tidak bebas. Nilai R-Square dikatakan baik bila nilainya di atas 0,5 karena nilai dari R-Square berkisar antara
0 sampai 1. Bila nilai R-Square mendekati 1 maka sebagian besar variabel independen menjelaskan variabel dependen sedangkan jika
koefisien determinasi adalah 0 berarti variabel independen tidak berpengaruh terhadap variabel dependen.
54
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Deskriptif Data
Pada bab IV ini akan dilakukan analisis data melalui analisis regresi berganda dan pembahasan hasil pengolahan data untuk membuktikan hipotesis
yang telah ditentukan sebelumnya. Analisis data dimulai dengan mengolah data melalui Microsoft Excel dan seluruh data yang telah diperoleh akan
diolah dengan menggunakan SPSS Statistical Product and Service Sollution. Hasil pengolahan dari SPSS akan dianalisis untuk mengetahui pengaruh antara
variabel independen yang digunakan dalam penelitian ini terhadap Struktur Modal perusahaan.
Objek dalam penelitian ini adalah perusahaan manufaktur sektor industri dasar dan kimia yang terdaftar di Bursa Efek Indonesia pada tahun
2011-2013. Populasi penelitian berjumlah 64 perusahaan. Berdasarkan kriteria yang telah ditetapkan, didapat 31 perusahaan manufaktur sektor industri dasar
dan kimia yang memenuhi kriteria dan dijadikan sampel dalam penelitian ini selama periode 2011-2013.
4.2 Hasil Penelitian