Teknik Pengumpulan Data Pengaruh SBI Terhadap DER Pengaruh RTA Terhadap DER

3.6. Teknik Pengumpulan Data

Dalam penelitian ini pengumpulan data dilakukan dengan menggunakan teknik dokumentasi. Data yang digunakan adalah data sekunder yang diperoleh dari situs Bursa Efek Indonesia berupa laporan keuangan perusahaan industri Sektor Aneka Industri periode 2010-2014 yang terdiri dari : 1. Data aktiva tetap akhir tahun 2010-2013. 2. Data total aktiva akhir tahun 2010-2013. 3. Data Ekuitas akhir tahun 2010-2013. 4. Data Hutang akhir tahun 2010-2013. 5. Data Laba bersih akhir tahun 2010-2013. 6. Data bunga akhir tahun 2010-2013.

3.7. Metode Analisis Data

Dalam penelitian ini metode analisis data yang digunakan adalah regresi linier berganda multiple linier regression method dengan menggunakan regresi data panel. Suliyanto 2011:231 mengatakan regresi data panel dengan asumsi intercept dan koefesien slope konstan sepanjang waktu. Asumsi ini merupakan yang paling sederhana dengan mengabaikan dimensi waktu dan ruang, langsung melakukan regresi Ordinary Least Square OLS. Setelah dilakukan pengujian regresi berganda dilakukan pengujian regresi dengan variabel moderating dengan menggunakan uji residual. Pengujian ini dilakukan untuk mengetahui apakah variabel profitabilitas merupakan variabel moderating yang memperkuat hubungan antara suku bungan, struktur aktiva dan ukuran perusahaan terhadap struktur modal. Seluruh analisis dilakukan dengan bantuan Software SPSS Statistical Package Social Science.

3.7.1. Pengujian Asumsi Klasik

Persamaan regresi Ordinary Least Square OLS harus bersifat BLUE Best Linier Unbiased Estimator, artinya pengambilan keputusan melalui uji t tidak boleh bias. Syarat asumsi klasik yang harus dipenuhi model regresi berganda sebelum data tersebut dianalisis adalah uji Normalitas, Multikolinieritas, Autokorelasi dan Heteroskedastisitas.

3.7.1.1. Uji Normalitas

Uji Normalitas bertujuan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng dan distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Untuk menguji apakah sampel penelitian merupakan jenis distribusi normal maka digunakan pengujian Kolmogorov-Smirnov Goodness of Fit Test terhadap masing- masing variabel. Fungsi pengujian suatu data dikategorikan sebagai distribusi normal atau tidak adalah sebagai alat membuat kesimpulan populasi berdasarkan data sampel Tingkat signifikasi α yang digunakan adalah 5 dengan kriteria pengujian sebagai berikut Santoso, 2007:392 : • Jika Probabilitas 0.05, maka distribusi normal • Jika Probabilitas 0.05, maka distribusi tidak normal

3.7.1.2. Uji Multikolinieritas

Multikolinieritas berarti adanya hubungan linier yang sempurna atau pasti di antara beberapa atau semua variabel yang menjelaskan dari model regresi. Untuk mendeteksi ada atau tidaknya multikolinearitas dapat dilakukan dengan melihat toleransi variabel dan Variante Inflation Factor VIF dengan membandingkan sebagai berikut Ghozali, 2005:96: • Jika VIF 10 dan Tolerance 0,10 maka tidak terjadi multikolinearitas • Jika VIF 10 dan Tolerance 0,10 maka terjadi multikolinearitas

3.7.1.3. Uji Autokorelasi

Uji autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain atau munculnya data dipengaruhi oleh data sebelumnya. Salah satu metode yang sering digunakan untuk menguji ada tidaknya autokorelasi adalah dengan uji statistik d dari Durbin-Watson. Ghozali, 2005:32 - Apabila nilai Durbin-Watson DW-test terletak antara 0 dan batas bawah Lower Bound DL, berarti ada autokorelasi positif. - Apabila nilai Durbin-Watson DW-test terletak antara DL dan batas atas atau Uper Bound DU, berarti kita tidak dapat memutuskan apakah terjadi autokorelasi positif atau tidak. - Apabila nilai Durbin-Watson DW-test terletak antara 4-DL dan 4, berarti ada autokorelasi negatif. - Apabila nilai Durbin-Watson DW-test terletak antara 4-DU dan 4-DL, berarti kita tidak dapat memutuskan apakah terjadi autokorelasi negatif atau tidak.

3.7.1.4. Uji Heteroskedastisitas

Uji Heteroskedastisitas pengujian mengenai sama atau tidak varians dari residual satu pengamatan kepengamatan yang lain. Pengujiannya menggunakan grafik plots dengan menggunakan uji glestjer. Terjadi homoskedastisitas jika pada scatterplot titik-titik hasil pengolahan data antara Zpred dan Sresid menyebar dibawah maupun diatas titik origin angka 0 pada sumbu Y dan tidak mempunyai pola yang teratur. Terjadi heteroskedastisitas jika pada scatterplot titik-titiknya mempunyai pola yang teratur baik menyempit, melebar maupun bergelombang- gelombang Ghozali, 2005:125. 3.7.2. Pengujian Hipotesis

3.7.2.1. Persamaa Regresi Linier Berganda

Persamaan regresi linier berganda dilakukan untuk mengetahui arah hubungan dari setiap variabel bebas terhadap variabl terikatnya. Berdasarkan spesifikasi model regresi berganda maka model persamaan dalam penelitian ini adalah sebagai berikut : Y = α + β 1 X 1 + β 2 X 2 + β 3 X 3 + e Dimana : Y : Struktur Modal α : Koefisien Konstanta β 1 - β 3 : Koefisien Regresi X 1 : Suku Bunga X 2 : Struktur Aktiva X 3 : Ukuran Perusahaan e : Error term

3.7.2.2. Uji F F-test

Untuk menguji signifikansi pengaruh dimensi variabel bebas secara serempak terhadap variabel terikat dilakukan dengan uji-F. Bentuk pengujiannya adalah sebagai berikut : a. Ho : b 1, b 2 = 0 tidak terdapat pengaruh yang signifikan secara serempak dari seluruh variabel bebas terhadap variabel terikat. b. Ha : b 1, b 2 ≠ 0 terdapat pengaruh yang signifikan secara serempak dari seluruh variabel bebas terhadap variabel terikat. Untuk mengetahui apakah hipotesis yang diajukan diterima atau ditolak dilakukan dengan cara membandingkan nilai F hitung dengan F tabel pada tingkat kepercayaan 95 α = 0,05. Jika nilai F hitung F tabel , maka Ho ditolak dan Ha diterima sedangkan jika nilai F hitung ≤ F tabel maka Ho diterima dan Ha ditolak.

3.7.2.3. Uji t t-test

Uji t adalah untuk menguji hipotesis secara parsial antara masing-masing variabel bebas terhadap variabel terikat. Bentuk pengujiannya adalah sebagai berikut : a. Ho : b 1, b 2 = 0 tidak terdapat pengaruh yang signifikan dari masing-masing variabel bebas terhadap variabel terikat. b. Ha : b 1, b 2 ≠ 0 terdapat pengaruh yang signifikan dari masing-masing dimensi bebas terhadap variabel terikat. Untuk mengetahui apakah hipotesis yang diajukan diterima atau ditolak dilakukan dengan cara membandingkan nilai t hitung dengan t tabel pada tingkat kepercayaan 95 α = 0,05. Jika nilai t hitung t tabel , maka Ho ditolak dan Ha diterima sedangkan jika nilai t hitung ≤ t tabel maka Ho diterima dan Ha ditolak.

3.7.3. Uji Moderating Variabel

Ghozali 2005:163, mengatakan bahwa : Variabel moderating adalah variabel independen yang akan memperkuat atau memperlemah hubungan antara variabel independen lainnya terhadap variabel dependen. Ada tiga cara menguji regresi dengan variabel moderating yaitu : uji interaksi, uji nilai selisih mutlak dan uji residual. Penelitian ini menggunakan uji residual dengan alasan model ini lebih baik dari model lainnya. Suliyanto 2011:222 mengatakan metode ini relatif lebih rumit dibanding metode interaksi dan selisih mutlak namun metode ini terbebas dari gangguan multikolinieritas karena hanya menggunakan satu variabel bebas. Dengan model residual maka regresinya dapat diformulasikan sebagai berikut : Z = a + b 1 X + e |e|= a + b 1 Y Keterangan : Z = variabel yang dihipotesiskan sebagai variabel moderasi X = variabel bebas Suku Bunga, Struktur Aktiva, Ukuran Perusahaan |e|= nilai residual mutlak Y = Struktur Modal

4.6.4. Uji Koefisien Determinasi R

2 Uji koefisien determinasi dilakukan untuk mengukur seberapa besar kemampuan variabel bebas dapat menjelaskan variabel terikat. Semakin besar nilai koefisien determinasi, maka semakin baik kemampuan varian dan variabel bebas menerangkan variabel terikat. BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1. Hasil Penelitian

4.1.1. Deskriptif Data Statistik

Statistik deskriptif digunakan untuk memberikan gambaran umum tentang objek penelitian yang dijadikan sampel yang digunakan dalam penelitian. Statistik deskriptif pada penelitian ini difokuskan kepada nilai minimum, maksimum, rata- rata dan standar deviasi ditunjukkan Tabel 4.1: Tabel 4.1. Descriptive Statistics N Minimum Maximum Mean Std. Deviation SBI 115 5.77 7.54 6.57 0.57 RTA 115 .00 4.87 0.36 0.46 SIZE 115 9.52 18.27 14.56 1.77 ROA 115 .00 295.87 16.69 29.63 DER 115 .01 2.62 0.24 0.35 Valid N listwise 115 Sumber: Lampiran Output SPSS Berdasarkan hasil deskriptif dapat dilihat bahwa nilai rata-rata SBI perusahaan Sektor Aneka Industri yang terdaftar di BEI tahun 2010-2014 adalah sebesar 6.57 dengan standar deviasi sebesar 0.57 artinya penyebaran data bervariatif dan mengarah pada distribusi data yang tidak normal karena nilai rata- rata lebih kecil dari nilai standar deviasinya. Nilai SBI terendah terjadi pada tahun 2012 yaitu sebesar 5.77 dan nilai SBI tertinggi terjadi pada tahun 2014 sebesar 7.54. Pemerintah melakukan peningkatan suku bunga yang dapat mempengaruhi kombinasi struktur modal perusahaan yang bersumber dari hutang. 45 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 diterima. Artinya RTA berpengaruh signifikan terhadap struktur modal perusahaan Sektor Aneka Industri di BEI.

c. Pengaruh SIZE Terhadap DER