48
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 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
49
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 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 :
50 -
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 pola distribusi normal,
maka model regresi tidak memenuhi asumsi normalitas. B.
Analisis Statistik Uji statistik yang digunakan untuk menguji normalitas adalah uji
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.
51
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 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.
52
Tabel 3.2 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
53
pengamatan ke pengamatan lainnya. Jika varians dari residual satu 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
54
3. Jika probabilitas signifikasi lebih besar dari 0,05 α maka variabel
bebas secara individu tidak berpengaruh terhadap struktur 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.
55
• Jika nilai sig F ≤ 0.05, maka Ho ditolak, artinya variabel bebas secara simultan mempengaruhi variabel terikat secara signifikan.
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.
56
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
4.2.1 Analisis Statistik Deskriptif
Statistik deskriptif memberikan penjelasan mengenai nilai minimum, nilai maksimum, nilai rata-rata mean, dan nilai standar deviasi dari variabel-
57
variabel independen dan variabel dependen. Analisis deskriptif dari data yang diambil untuk penelitian ini adalah dari tahun 2011 sampai tahun 2013 yaitu
sebanyak 93 data pengamatan. Hasil analisis statistik deskriptif dapat dilihat pada tabel 4.1 sebagai berikut:
Tabel 4.1 Hasil Analisis Statistik Deskriptif
Sumber :output SPSS, diolah peneliti, 2015 Berdasarkan tabel 4.1 diatas dapat dijelaskan bahwa:
1. Variabel independen berupa \profitabilitas pada perusahaan manufaktur
sektor industri dasar dan kimia yang menjadi sampel dalam penelitian ini memiliki nilai minimum sebesar 0,03867, nilai maksimum sebesar
5,063313 dan nilai rata-rata sebesar 1,0656088 dengan standar deviasi sebesar 0,93755370.
2. Variabel independen berupa ukuran perusahaan pada perusahaan
manufaktur sektor industri dasar dan kimia yang menjadi sampel dalam penelitian ini memiliki nilai minimum sebesar 14,56850 nilai maksimum
58
sebesar 28,82440 dan nilai rata-rata sebesar 22,9011204 dengan standar deviasi sebesar 4,96815617.
3. Variabel independen berupa pertumbuhan aset pada perusahaan
manufaktur sektor industri dasar dan kimia yang menjadi sampel dalam penelitian ini memiliki nilai minimum sebesar -0,99880, nilai maksimum
sebesar 2,87850 dan nilai rata-rata sebesar 0,1861763 dengan standar deviasi sebesar 0,46572964.
4. Variabel independen berupa risiko bisnis pada perusahaan manufaktur
sektor industri dasar dan kimia yang menjadi sampel dalam penelitian ini memiliki nilai minimum sebesar 0,00080, nilai maksimum sebesar
7,14490 dan nilai rata-rata sebesar 0,3520151 dengan standar deviasi sebesar 1,13015142.
5. Variabel independen berupa struktur aset pada perusahaan manufaktur
sektor industri dasar dan kimia yang menjadi sampel dalam penelitian ini memiliki nilai minimum sebesar 0,08930, nilai maksimum sebesar 0,86
dan nilai rata-rata sebesar 0,4586355 dengan standar deviasi sebesar 0,18094932.
6. Variabel independen berupa likuiditas pada perusahaan manufaktur sektor
industri dasar dan kimia yang menjadi sampel dalam penelitian ini memiliki nilai minimum sebesar 0,63920, nilai maksimum sebesar
1162,49610 dan nilai rata-rata sebesar 14,7660516 dengan standar deviasi sebesar 1,2031.
59
7. Variabel dependen berupa struktur modal pada perusahaan manufaktur
sektor industri dasar dan kimia yang menjadi sampel dalam penelitian ini memiliki nilai minimum sebesar 0,03867, nilai maksimum sebesar
5,06313 dan nilai rata-rata 1,0656088 dengan standar deviasi sebesar 0,93755370.
4.2.2 Pengujian Asumsi Klasik
Kategori