Nilai rata-rata RTA perusahaan Sektor Aneka Industri yang terdaftar di BEI tahun 2010-2014 adalah sebesar 0.36 dengan standar deviasi sebesar 0.46
artinya penyebaran data bervariatif dan mengarah pada distribusi data yang tidak normal karena nilai rata-rata lebih kecil dari nilai standar deviasinya. Nilai
terendah ditunjukkan oleh emitten Multi Bintang Tbk MLBI pada tahun 2013 sebesar 0 dan nilai tertinggi ada pada emiten Pyridam Farma Tbk PYFA tahun
2013 sebesar 4.87. Semakin tinggi nilai RTA maka semakin baik karena menunjukkan perusahaan memiliki aktiva tetap yang tinggi sehingga berpotensi
dapat menambah struktur modal dari hutang. Nilai rata-rata SIZE perusahaan Sektor Aneka Industri yang terdaftar di
BEI tahun 2010-2014 adalah sebesar 14.56 dengan standar deviasi sebesar 1.77 artinya penyebaran data bervariatif dan mengarah pada distribusi data yang
normal karena nilai rata-rata lebih besar dari nilai standar deviasinya. Nilai tertinggi dari SIZE adalah 18.27 pada tahun 2014 terjadi pada emitten Indofood
Sukses Makmur Tbk INDF, sedangkan nilai terendah dari SIZE adalah Pyridam Farma Tbk PYFA pada tahun 2012 sebesar 9.52. Semakin tinggi nilai SIZE
maka semakin baik karena menunjukkan akses yang lebih besar bagi perusahaan untuk menambah hutang pada struktur modalnya.
Nilai rata-rata ROA perusahaan Sektor Aneka Industri yang terdaftar di BEI tahun 2010-2014 adalah sebesar 16.69 dengan standar deviasi sebesar 29.63
artinya penyebaran data bervariatif dan mengarah pada distribusi data yang tidak normal karena nilai rata-rata lebih kecil dari nilai standar deviasinya. Nilai
tertinggi ROA adalah 295.87 ada pada emitten Merck Tbk MERK tahun 2010
sebesar dan Indofarma Persero Tbk INAF memiliki nilai terendah pada tahun 2014 sebesar 0.09. Semakin tinggi nilai ROA maka semakin baik karena
menunjukkan peningkatan laba perusahaan yang dapat meningkatkan struktur modal perusahaan.
Nilai rata-rata DER perusahaan Sektor Aneka Industri dalam sektor barang konsumsi yang terdaftar di BEI tahun 2010-2014 adalah sebesar 0.24
dengan standar deviasi sebesar 0.35 artinya penyebaran data bervariatif dan mengarah pada distribusi data yang normal karena nilai rata-rata lebih besar dari
nilai standar deviasinya. Nilai tertinggi DER adalah Sekar Laut Tbk SKLT
sebesar 2.62 tahun 2013 dan nilai terendah DER adalah 0.01 tahun 2013 pada
Ultra Jaya Milk Tbk ULTJ. Semakin tinggi nilai DER maka semakin baik karena mencerminkan perusahaan mampu memenuhi harapan investornya dalam
membagi sebagai laba bersih yang diperoleh perusahaan.
4.1.2. Uji Asumsi Klasik
Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya gejala
heteroskedastisitas, gejala multikolonieritas, dan gejala autokorelasi. Model regresi akan dapat dijadikan estimasi yang tidak bias jika telah memenuhi
persyaratan BLUE Best Linear Unbiased Estimator yakni tidak terdapat heteroskedastisitas, tidak terdapat multikolonieritas dan tidak terdapat
autokolerasi.
4.1.2.1 Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah variabel dependen dan independen yang digunakan dalam penelitian mempunyai ditribusi normal atau
tidak. Model regresi yang layak adalah model yang mempunyai distribusi normal atau mendekati normal. Hasil pengujian normalitas data dapat dilihat pada
Gambar 5.1.
Gambar 4.1. Normal P-Plot
Sumber: Lampiran Output SPSS Pada grafik normal probility Gambar 4.1. menunjukkan titik-titik menjauhi
garis diagonal dan hal ini menunjukkan bahwa residual tidak terdistribusi secara
normal.
Gambar 4.2. Grafik Histogram
Sumber: Lampiran Output SPSS Pada grafik histogram pada gambar diatas tampak bahwa residual
terdistribusi secara tidak normal karena grafik histogram tidak proporsional yaitu melenceng ke kiri. Uji Kolmogorov-Smirnov dapat dilakukan untuk menguji
apakah residual terdistribusi secara normal. Hasil uji Kolmogorov-Smirnov tampak dibawah ini:
Tabel 4.2. One-Sample Kolmogorov-Smirnov Test
SBI RTA
SIZE ROA
DER Unstandardiz
ed Residual N
115 115
115 115
115 115
Normal Parameters
a
Mean 6.5740
.3605 14.5636 16.6870
.2440 .0000000
Std. Deviation
.56708 .46185 1.76851 2.96291E1 .35084
.34456184 Most Extreme
Differences Absolute
.296 .262
.114 .287
.253 .255
Positive .296
.252 .114
.252 .232
.255 Negative
-.234 -.262
-.086 -.287
-.253 -.252
Kolmogorov-Smirnov Z 3.172
2.806 1.225
3.074 2.712
2.730 Asymp. Sig. 2-tailed
.000 .000
.099 .000
.000 .000
Sumber: Lampiran Output SPSS
Berdasarkan uji Kolmogorov-Smirnov diperoleh sig. K-S 0,05 nilai α
yaitu 0,000 0,05 untuk variabel SBI, 0,000 0,05 untuk variabel RTA, 0,099 0,05 untuk variabel SIZE, 0,000 0,05 untuk variabel ROA, 0,000 0,05 untuk
variabel DER dan secara keseluruhan dari Unstandardized Residual sebesar 0,000 0,05. Oleh sebab itu, residual data tidak terdistribusi dengan normal.
4.1.2.2. Uji Normalitas Setelah Transformasi
Berikut ini dijelaskan hasil uji normalitas data setelah ditransformasi menggunakan Logaritma Natural LN. Hasil pengujian normalitas data dapat
dilihat pada Gambar 5.3.
Gambar 4.3. Normal P-Plot Setelah Transformasi Gambar pada tampilan Normal P-Plot memberikan pola distribusi normal
dengan penyebaran secara merata mendekati garis diagonal.
Gambar 4.4. Grafik Histogram Setelah Transformasi
Gambar pada tampilan grafik histogram memberikan pola distribusi normal dengan penyebaran secara merata baik ke kiri maupun ke kanan. Selain
dari gambar diatas, uji normalitas dapat dilakukan dengan uji statistik Kolmogorov Smirnov, yang merupakan pengujian yang paling valid atas
normalitas. Pengujian ini dilakukan terhadap nilai yang dihasilkan dari setiap variabel dengan hasil yang terlihat pada Tabel 4.3. berikut:
Tabel 4.3. One-Sample Kolmogorov-Smirnov Test
SBI.Ln RTA.Ln SIZE.Ln ROA.Ln DER.Ln Unstandard
ized Residual
N 115
114 115
114 115
113 Normal Parameters
a
Mean 1.8795
-1.2559 2.6711
2.2659 -2.0436 .0000000
Std. Deviation .08532
.62975 .12284
1.06174 1.08938 .98134552 Most Extreme
Differences Absolute
.279 .085
.096 .068
.127 .051
Positive .279
.057 .092
.068 .127
.051 Negative
-.250 -.085
-.096 -.068
-.088 -.036
Kolmogorov-Smirnov Z 2.989
.913 1.031
.725 1.358
.545 Asymp. Sig. 2-tailed
.000 .375
.238 .669
.050 .928
Sumber Lampiran Output SPSS Berdasarkan uji Kolmogorov-Smirnov pada data yang ditransformasi
dalam bentuk Logaritma Natural LN diperoleh sig. K-S 0,05 nilai α yaitu
0,000 0,05 untuk variabel SBI, 0,375 0,05 untuk variabel RTA, 0,238 0,05 untuk variabel SIZE, 0,669 0,05 untuk variabel ROA, 0,050 0,05 untuk
variabel DER dan secara keseluruhan dari Unstandardized Residual sebesar 0,928 0,05. Oleh sebab itu, residual data terdistribusi dengan normal sehingga layak
untuk menggunakan statistik parametrik.
4.1.2.3. Uji Multikolonieritas
Tabel 4.4 Hasil Uji Multikolonieritas Setelah Transformasi
Model Collinearity Statistics
Keterangan Tolerance
VIF 1 Constant
LN2.SBI .998
1.002 Tidak terjadi Multikolonieritas LN.RTA
.990 1.010 Tidak terjadi Multikolonieritas
LN2.SIZE .918
1.090 Tidak terjadi Multikolonieritas LN2.ROA
.925 1.081 Tidak terjadi Multikolonieritas
a. Dependent Sizeiable: LN.DER
Setelah dilakukan transformasi, dieroleh nilai VIF yang lebih kecil dari 10 dan nilai toleransi yang lebih besar dari 0,1. Multikolonieritas terjadi apabila nilai
tolerance 0,10 dan Sizeiance Inflation Factor VIF 10. Hal ini menunjukkan bahwa variabel-variabel independen yang digunakan dalam penelitian ini tidak
saling berkolerasi atau tidak ditemukan adanya kolerasi antar variabel independen. 4.1.2.4. Uji Heteroskedastisitas
Berikut ini hasil uji heteroskedasitas sesudah transformasi menggunakan uji glesger dengan melihat grafik scaterplots berikut ini :
Gambar 4.5. Scatterplot Setelah Transformasi
Sumber: Hasil Penelitian 2015, Data Diolah Berdasarkan grafik scater plots diatas terlihat bahwa titik-titik menyebar
secara acak dan telah tersebar baik di atas maupun dibawah angka 0 nol pada sumbu Y sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada
model regresi.
4.1.2.5. Uji Autokolerasi
Tabel 4.5 Tabel Autokorelasi Setelah Transformasi
Model R
R Square Adjusted
R Square Std. Error of
the Estimate Durbin-
Watson 1
.445
a
.198 .168
.99935 1.459
a. Predictors: Constant, ROA.Ln, SBI.Ln, RTA.Ln, SIZE.Ln b. Dependent Variable: DER.Ln
Sumber: Lampiran Output SPSS Berdasarkan uji autokorelasi diperoleh nilai hitung Durbin Watson sebesar
1,459 menunjukkan terjadi autokorelasi negatif karena nilai Durbin-Watson DW- test berada dibawah nilai dl 1,6207 disebabkan data SBI yang relatif konstan
setiap perusahaan.
4.1.3. Hasil Analisis Data Hipotesis Pertama 4.1.3.1 Uji Signifikansi Simultan
Hasil pengujian statistik F uji simultan pada SBI, RTA, SIZE, ROA, DER, terhadap DER dapat dilihat pada Tabel 4.7.
Tabel 4.6. ANOVA
b
Model Sum of
Squares df
Mean Square F
Sig. 1
Regression 26.657
4 6.664
6.673 .000
a
Residual 107.860
108 .999
Total 134.517
112 a. Predictors: Constant, ROA.Ln, SBI.Ln, RTA.Ln, SIZE.Ln
b. Dependent Variable: DER.Ln
Sumber: Lampiran Output SPSS
Untuk kriteria uji F dilakukan pada tingkat α = 5 dengan dua arah 0,025. Nilai F pada dk = 4 – 1 = 3 dan untuk n = 113 – 5 = 108 adalah 2,46 maka dapat
diambil keputusan menerima atau menolak hipotesis sebagai berikut :
F
hitung
=
6,673
F
abel
= 2,46 dari kriteria pengambilan keputusan :
H diterima jika : -2,46
≤ t
hitung
≤ 2,46 H
a
diterima jika : 1. t
hitung
≥ 2,46 2. -t
hitung
≤ -2,46
- 2,46 2,46
6,673
Gambar 4.6. Kurva Pengujian Hipotesis Sumber: Lampiran Output SPSS
Berdasarkan hasil pengujian hipotesis pengaruh
SBI, RTA, SIZE dan ROA secara simultan terhadap struktur modal diperoleh nilai
Fhitung
6,673
lebih besar dari t-tabel 2.46 dengan signifikansi 0,000 Sig. 0,05 maka Ho ditolak dan Ha diterima. Artinya
SBI, RTA, SIZE dan ROA secara simultan terhadap DER
pada perusahaan Sektor Aneka Industri di BEI.
4.1.3.2. Uji Signifikansi Parsial
Hasil pengujian statistik t uji parsial pada SBI, RTA, SIZE, ROA terhadap DER dapat dilihat pada Tabel 4.7.
Daerah Penerimaan Ho
Daerah Penolakan Ho
Daerah Penolakan Ho
Tabel 4.7. Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -2.545
3.004 -.847
.399 SBI.Ln
.222 1.122
.017 .197
.844 RTA.Ln
.448 .150
.259 2.985
.004 SIZE.Ln
.585 .796
.066 .735
.464 ROA.Ln
-.402 .093
-.385 -4.297
.000 a. Dependent Variable: DER.Ln
Sumber: Lampiran Output SPSS
a. Pengaruh SBI
Terhadap DER
Kriteria pengambilan keputusan menggunakan taraf nyata 5 untuk uji dua arah α2 = 0,052 = 0,025 dengan Derajat bebas df = 113 – 4 =
108 . Nilai t tabel dengan taraf nyata α2 = 0,025 dan df = 108 adalah 1.98217.
- Jika t
hitung
t
tabel
1.98217 atau -t
hitung
t
tabel
-1.98217, maka Ha dapat diterima berpengaruh.
- Jika t
tabel
-1.98217 ≤ t
hitung
≤ t
tabel
1.98217 maka Ha tidak diterima tidak berpengaruh.
- 1.98217 0 0.97 1.98217
Gambar 4.7. Kurva Pengujian Hipotesis Sumber: Lampiran Output SPSS
Berdasarkan Tabel 4.7 hasil pengujian hipotesis pengaruh SBI SBI terhadap struktur modal diperoleh nilai t-hitung 0.97 lebih kecil dari t-tabel
Daerah Penerimaan Ho
Daerah Penolakan Ho
Daerah Penolakan Ho
1.98217 dengan signifikansi 0,844 Sig. 0,05 maka Ho diterima dan Ha ditolak. Artinya SBI tidak berpengaruh signifikan terhadap DER perusahaan
Sektor Aneka Industri di BEI.
b. Pengaruh RTA
Terhadap DER
Kriteria pengambilan keputusan menggunakan taraf nyata 5 untuk uji dua arah α2 = 0,052 = 0,025 dengan Derajat bebas df = 113 – 4 =
108 . Nilai t tabel dengan taraf nyata α2 = 0,025 dan df = 108 adalah 1.98217.
- Jika t
hitung
t
tabel
1.98217 atau -t
hitung
t
tabel
-1.98217, maka Ha dapat diterima berpengaruh.
- Jika t
tabel
-1.98217 ≤ t
hitung
≤ t
tabel
1.98217 maka Ha tidak diterima tidak berpengaruh
- 1.98217 1.98217 2.985
Gambar 4.8. Kurva Pengujian Hipotesis Sumber: Lampiran Output SPSS
Berdasarkan Tabel 4.7 hasil pengujian hipotesis pengaruh RTA terhadap DER diperoleh nilai t-hitung
2.985
lebih besar dari t-tabel 1.98217 dengan signifikansi 0,004 Sig. 0,05 maka Ho ditolak dan Ha
Daerah Penerimaan Ho
Daerah Penolakan Ho
Daerah Penolakan Ho
