4.2.3 Analisis Regresi
Berdasarkan hasil pengujian asumsi klasik dapat disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang
Best Linear Unbased Estimator BLUE dan layak dilakukan analisis regresi. Untuk menguji hipotesis, peneliti menggunakan analisis regresi berganda.
Berdasarkan hasil pengolahan data dengan program SPSS 17 maka diperoleh hasil sebagai berikut:
4.2.3.1 Persamaan Regresi
Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan
variabel dependen, melalui pengaruh ASV, MB, ROI, SIZE dan AGE terhadap DAR. Hasil regresi dapat dilihat pada tabel 4.6 berikut ini:
Universitas Sumatera Utara
Tabel 4.6 Tabel Persamaan Regresi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF 1
Constant .629
.532 1.181 .241
ASV -.120
.169 -.072 -.706 .482
.955 1.047 MB
.022 .009
.328 2.553 .012 .600 1.666
ROI -1.229
.440 -.409 -2.792 .006
.461 2.170 SIZE
.011 .016
.067 .651 .517
.922 1.084 AGE
-.095 .066
-.168 -1.450 .151 .739 1.353
a. Dependent Variable: DAR
Berdasarkan tabel diatas, maka diperoleh persamaan regresi sebagai berikut:
DAR = 0,629 - 0,120 ASV + 0,022 MB – 1,229 ROI + 0,011 SIZE – 0,095 AGE
Keterangan : 1.
konstanta sebesar 0,629 menunjukkan bahwa apabila tidak ada variabel independen ASV=0, MB=0, ROI=0, SIZE=0 dan AGE=0 maka struktur
modal sebesar 0,629. 2.
B 1 sebesar -0,120 menunjukkan bahwa setiap kenaikan dari ASV sebesar 1 akan diikuti oleh penurunan struktur modal sebesar 0,120 dengan
asumsi variabel lain tetap.
Universitas Sumatera Utara
3. B 2 sebesar 0,022 menunjukkan bahwa setiap kenaikan MB sebesar 1
maka akan diikuti kenaikan struktur modal sebesar 0,022 dengan asumsi variabel lain tetap.
4. B 3 sebesar -1,229 menunjukkan bahwa setiap kenaikan ROI sebesar 1
maka akan diikuti penurunan struktur modal sebesar 1,229 dengan asumsi variabel lain tetap.
5. B 4 sebesar 0,011 menunjukkan bahwa setiap kenaikan SIZE sebesar 1
maka akan diikuti kenaikan struktur modal sebesar 0,011 dengan asumsi variabel lain tetap.
6. B 5 sebesar -0,095 menunjukkan bahwa setiap kenaikan AGE sebesar 1
maka akan diikuti penurunan struktur modal sebesar 0,095 dengan asumsi variabel lain tetap.
4.2.3.2 Analisis Koefisien Korelasi dan Koefisien Determinasi
Nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen.
Koefisien korelasi dikatakan kuat apabila nilai R berada diatas 0,5 dan mendekati 1. Koefisien determinasi R Square menunjukkan seberapa besar
variabel independen menjelaskan variabel dependennya. Nilai R Square semakin mendekati 1, maka variabel-variabel independen memberikan semua
informasi yang dibutuhkan untuk memprediksi variabel dependen. Sebaliknya, semakin kecil R Square, maka kemampuan variabel-variabel
independen dalam menjelaskan variabel-variabel dependen semakin terbatas.
Universitas Sumatera Utara
Nilai R Square memiliki kelemahan yaitu nilai R Square akan meningkat setiap ada penambahan satu variabel independen meskipun variabel
independen tersebut tidak berpengaruh signifikan terhadap variabel dependennya.
Tabel 4. 7 Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
1 .411
a
.169 .119
.246751 a. Predictors: Constant, AGE, SIZE, ASV, MB, ROI
b. Dependent Variable: DAR Model Summary pada tabel diatas menunjukkan bahwa nilai koefisien R
sebesar 0,411 yang berarti bahwa korelasi atau hubungan antara struktur modal dengan variabel bebasnya lemah karena kurang dari 0,5. Angka
Adjusted R Square atau koefisien determinasi adalah 0,119 atau sebesar 11,9 mengindikasikan bahwa variasi dari kelima variabel independen
ASV, MB, ROI, SIZE, AGE dapat menjelaskan variabel dependen sebesar 11,9 dan sisanya 88,1 dijelaskan oleh variabel-variabel lain yang tidak
dimasukkan dalam persamaan. Adjusted R Square sebesar 11,9 mengindikasikan bahwa kelima variabel independen memiliki pengaruh yang
sangat lemah terhadap struktur modal. Standard Error of Estimate SEE adalah 0,246751, yang mana semakin besar SEE akan membuat model regresi
kurang tepat dalam memprediksi variabel dependen.
4.2.3.3 Pengujian Hipotesis
Kategori