Hasil Pengujian Normalitas Hasil Pengujian Asumsi Klasik

pengamatan yang memilki nilai Mahalonobis Distance lebih besar dari 20.515, yaitu PT. Alumindo Light Metal Industries tahun 2008 dengan nilai Mahalonobis Distance sebesar 34.894. Data tersebut tidak diikutkan untuk pengolahan lebih lanjut, sehingga jumlah sampel yang digunakan untuk proses pengolahan selanjutnya adalah 44 sampel.

4.4 Analisis Regresi Linier Berganda

Analisis regresi linier berganda dilakukan untuk menganalisis pengaruh struktur aset, ukuran perusahaan, kepemilikan manajerial, kepemilikan institusional, dan dividen terhadap kebijakan hutang pada perusahaan manufaktur di Bursa Efek Indonesia periode 2008-2010. Pengolahan data dilakukan dengan program SPSS 13.0.

4.4.1 Hasil Pengujian Normalitas

Uji F dan uji t pada analisis regresi mengasumsikan bahwa nilai residual mengikuti distribusi normal. Pengujian normalitas residual dilakukan dengan menggunakan uji kolmogorov smirnov. Jika nilai signifikansi uji kolmogorov smirnov 0,05 α=5, maka residual model regresi berdistribusi normal. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Berikut adalah hasil uji kolmogorov smirnov residual : Tabel 4.8 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test 44 -.00000000000001 16.50377160 .172 .172 -.144 1.142 .147 N Mean Std. Deviation Normal Parameters a,b Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed Unstandardized Residual Test distribution is Normal. a. Calculated from data. b. Sumber : Lampiran 5 Berdasarkan Tabel 4.8 diketahui bahwa nilai signifikan uji kolmogorov smirnov lebih besar dari 0.05 yaitu 0.147, maka disimpulkan bahwa residual model regresi berdistribusi normal. Dengan demikian asumsi normalitas residual telah terpenuhi.

4.4.2 Hasil Pengujian Asumsi Klasik

Pengujian asumsi klasik dilakukan untuk mengetahui apakah model regresi yang dihasilkan merupakan model regresi yang terbaik. Asumsi klasik yang harus dipenuhi adalah non multikolinieritas, non heteroskedastisitas dan non autokorelasi. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

4.4.2.1 Multikolinieritas

Multikolinieritas menunjukkan adanya korelasi linier sempurna antara variabel bebas dalam model regresi. Model regresi yang baik tidak menunjukkan adanya gejala multikolinieritas. Pendeteksian ada atau tidaknya multikolinieritas dilakukan dengan melihat nilai VIF. Apabila nilai VIF 10, maka model regresi bebas dari multikolinieritas. Berikut adalah nilai VIF yang dihasilkan model regresi : Tabel 4.9 Hasil Uji Multikolinieritas Coefficients a .950 1.053 .592 1.688 .681 1.468 .829 1.207 Struktur Aset X1 Ukuran Perusahaan X2 Kepemilikan Institusional X4 Dividen X5 Model 1 Tolerance VIF Collinearity Statistics Dependent Variable: Kebijakan Hutang Y a. Sumber : Lampiran 5 Dari Tabel 4.9 terlihat bahwa nilai VIF variabel struktur asset, ukuran perusahaan, kepemilikan institusional dan dividen semuanya di bawah angka 10, sehingga dapat dikatakan model regresi bebas dari multikolinieritas, dengan demikian asumsi non multikolinieritas terpenuhi. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Diketahui variabel kepemilikan manajerial secara otomatis dikeluarkan dari model oleh software SPSS, hal ini karena variabel kepemilikan manajerial memiliki nilai VIF yang sangat besar. Jika dilihat dari nilai korelasi antar variabel, variabel kepemilikan manajerial memiliki korelasi yang sempurna bernilai 1 dengan variabel kepemilikan institusional, hal tersebut bisa dilihat pada tabel berikut ini : Tabel 4.10 Hasil Uji Korelasi Antar Variabel Correlations 1 .167 -.133 .133 .014 .222 .272 .386 .386 .929 .143 45 45 45 45 45 45 .167 1 -.553 .553 .241 .042 .272 .000 .000 .110 .783 45 45 45 45 45 45 -.133 -.553 1 -1.000 -.142 .005 .386 .000 .000 .354 .976 45 45 45 45 45 45 .133 .553 -1.000 1 .142 -.005 .386 .000 .000 .354 .976 45 45 45 45 45 45 .014 .241 -.142 .142 1 .027 .929 .110 .354 .354 .860 45 45 45 45 45 45 .222 .042 .005 -.005 .027 1 .143 .783 .976 .976 .860 45 45 45 45 45 45 Pearson Correlation Sig. 2-tailed N Pearson Correlation Sig. 2-tailed N Pearson Correlation Sig. 2-tailed N Pearson Correlation Sig. 2-tailed N Pearson Correlation Sig. 2-tailed N Pearson Correlation Sig. 2-tailed N Struktur Aset X1 Ukuran Perusahaan X2 Kepemilikan Manajerial X3 Kepemilikan Institusional X4 Dividen X5 Kebijakan Hutang Y Struktur Aset X1 Ukuran Perusahaan X2 Kepemilikan Manajerial X3 Kepemilikan Institusional X4 Dividen X5 Kebijakan Hutang Y Correlation is significant at the 0.01 level 2-tailed. . Sumber : Lampiran 4 Dengan demikian untuk analisis selanjutnya hanya digunakan 4 variabel bebas yaitu struktur asset, ukuran perusahaan, kepemilikan institusional dan dividen. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

4.4.2.2 Heteroskedastisitas

Heteroskedastisitas menunjukkan adanya ketidaksamaan varians dari residual atas suatu pengamatan ke pengamatan yang lain. Model regresi yang baik tidak menunjukkan adanya gejala heteroskedastisitas. Pendeteksian ada atau tidaknya heteroskedastisitas dilakukan dengan korelasi rank spearman yaitu mengkorelasikan variabel bebas dengan nilai residual. Jika korelasi rank spearman menghasilkan nilai signifikansi 0.05 α=5, maka disimpulkan dalam model regresi tidak terjadi heteroskedastisitas. Berikut adalah hasil korelasi rank spearman antara variabel bebas dengan nilai residual : Tabel 4.11 Hasil Uji Heteroskedastisitas Correlations .070 .650 44 .031 .842 44 -.075 .630 44 .193 .211 44 Correlation Coefficient Sig. 2-tailed N Correlation Coefficient Sig. 2-tailed N Correlation Coefficient Sig. 2-tailed N Correlation Coefficient Sig. 2-tailed N Struktur Aset X1 Ukuran Perusahaan X2 Kepemilikan Institusional X4 Dividen X5 Spearmans rho Unstandardized Residual Sumber : Lampiran 5 Berdasarkan Tabel 4.11 dapat diketahui bahwa nilai signifikan korelasi rank spearman dari keempat variabel bebas lebih besar dari Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 0.05, maka disimpulkan bahwa dalam model regresi tidak terjadi heteroskedastisitas, dengan demikian asumsi non heteroskedastisitas telah terpenuhi.

4.4.2.3 Autokorelasi

Autokorelasi menunjukkan adanya korelasi antara residual pada periode t dengan residual pada periode t-1 sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Pendeteksian ada atau tidaknya autokorelasi menggunakan Durbin Watson Test. Jika nilai Durbin Watson yang dihasilkan analisis regresi terletak di antara dU hingga 4-dU, maka disimpulkan tidak terdapat autokorelasi pada model regresi. Berikut adalah nilai Durbin Watson yang dihasilkan dari model regresi : Tabel 4.12 Hasil Uji Autokorelasi Model Summary b 1.887 Model 1 Durbin-Watson Dependent Variable: Kebijakan Hutang Y b. Sumber : Lampiran 3 Dari tabel Durbin-Watson untuk k=4 jumlah variabel bebas dan n=44 jumlah sampel, diperoleh nilai dU sebesar 1.72 dan nilai 4-dU Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. sebesar 2.28. Berdasarkan Tabel 4.12 dapat dilihat bahwa nilai Durbin- Watson sebesar 1.887 terletak di antara dU 1.72 hingga 4-dU 2.28 atau terletak di daerah tidak ada autokorelasi, dengan demikian dapat disimpulkan bahwa asumsi non autokorelasi terpenuhi.

4.4.3 Hasil Pengujian Regresi Linier Berganda