variabel lain dianggap konstan. Pengaruh yang ditimbulkan adalah positif yang berarti bahwa semakin besar struktur kepemilikan perusahaan maka akan
mencerminkan besarnya struktur modal perusahaan tersebut. 4.
b
4
= 0,049 artinya bahwa risiko bisnis naik satu satuan maka nilai strukutur modal akan mengalami peningkatan sebesar 0,049 dengan syarat variabel lain
dianggap konstan. Pengaruh yang ditimbulkan adalah positif yang berarti bahwa semakin besar meminimalisir risiko bisnis suatu perusahaan maka akan
mencerminkan semakin besar kemampuan perusahaan tersebut menghindari risiko kerugian.
5. b
5
= 0,015 artinya bahwa pertumbuhan assets naik satu satuan maka nilai struktur modal akan mengalami kenaikan sebesar 0,015 dengan syarat variabel
lain dianggap konstan. Pengaruh yang ditimbulkan adalah positif yang berarti bahwa semakin besar pertumbuhan assets perusahaan maka akan
mencerminkan tinggi struktur modal perusahaan tersebut.
4.1.3.2 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal
ataukah tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Untuk menguji apakah distribusi data normal atau tidak,
salah satu cara termudah untuk melihat normalitas adalah melihat histrogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi
normal. Namun demikian dengan hanya melihat histogram hal ini bisa
menyesatkan khususnya untuk jumlah sampel yang kecil. Metode yang lebih handal adalah dengan melihat Normal Probability Plot yang membandingkan
distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal.
Adapun berdasarkn perhitungan menggunakan software SPSS Versi 13 didapatkan hasil sebagai berikut:
Gambar 4.1 Uji Normalitas
Jika dilihat berdasarkan gambar 4.1, maka data dari semua data berdistribusi normal. Hal ini berdasarkan data yang mengikuti garis diagonal pada
scaterplot.
4.1.3.3 Uji Asumsi Klasik 1. Uji Multikolinieritas
Multikolinearitas berarti adanya hubungan linear yang “sempurna” atau pasti, diantara beberapa atau semua variabel yang menjelaskan dari model regresi.
1.0 0.8
0.6 0.4
0.2 0.0
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E x
p e
c te
d C
u m
P ro
b Dependent Variable: struktur_modal
Normal P-P Plot of Regression Standardized Residual
Istilah multikolinearitas berkenaan dengan terdapatnya lebih dari satu hubungan linear pasti, dan istilah kolinearitas dengan derajatnya satu hubungan linear
Gujarati, 1999: 157. Menurut Imam Ghozali 2001: 63 multikolinearitas dapat juga dilihat
dari nilai Tolerance dan lawannya Variance Inflation Factor VIF. Kedua ukuran ini menunjukkan setiap variabel bebas manakah yang dijelaskan oleh variabel
bebas lainnya. Dalam pengertian sederhana setiap variabel bebas menjadi variabel terikat dan diregresi terhadap variabel bebas lainnya.
Tolerance mengukur variabilitas variabel bebas yang terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya. Jadi nilai tolerance rendah sama
dengan nilai VIF tinggi VIF = 1tolerance dan menunjukkan adanya kolinearitas yang tinggi. Nilai cut off yang umum dipakai adalah nilai tolerance 0,10 atau
sama dengan nilai VIF di atas 10. Setiap analisa harus menentukan tingkat kolinearitas yang masih dapat ditolerir.
Tabel 4.3 Pengujian Multikolinieritas
Variabel Tolerance
VIF Keterangan
Size Profit
Struktur Kepemillikan Risiko Bisnis
Pertumbuhan Assets 0,846
0,954 0,873
0,985 0,996
1,183 1,049
1,145 1,015
1,116 Tidak ada Multikolinieritas
Tidak ada Multikolinieritas Tidak ada Multikolinieritas
Tidak ada Multikolinieritas Tidak ada Multikolinieritas
Sumber: Olah data SPSS Berdasarkan tabel 4.3 di atas maka dapat diketahui bahwa seluruh
variabel tidak mengalami multikolinieritas.
2. Uji Autokorelasi
Autokorelasi merupakan korelasi antara anggota dalam data runtun waktu time series. Menurut Imam Ghozali 2006:95 uji Autokorelasi bertujuan
menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1
sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Menurut Saidi 2004:51 pengujian terhadap adanya fenomena
autokorelasi dalam data yang dianalisis dapat dilakukan dengan menggunakan Durbin-Watson Test, dengan kriteria sebagai berikut:
d dl : Tolak Ho
d du : Tidak menolak Ho
dl ≤ d ≤ du
: Pengujian tidak meyakinkan d 4 - dl
: Tolak Ho d 4 - du
: Tidak menolak Ho 4 - du
≤ d ≤ 4 - dl : Pengujian tidak meyakinkan Saidi 2004:51, rumus yang digunakan untuk menghitung statistik
Durbin-Watson Test adalah sebagai berikut: d =
∑µt² + ∑µt²-1 – 2 ∑µt² µt-1 ∑µt²
Keterangan: d : Statistik Durbin–Watson
∑µt : Nilai Residual pada periode t ∑µt-1 : Nilai Residual pada periode t-1
Berdasarkan hasil perhitungan menggunakan software SPSS Versi 13, maka dapat diketahui hasil sebagai berikut:
Tabel 4.4 Uji Autokorelasi
Sumber: Output SPSS Nilai Durbin Watson sebesar 1,914, nilai ini akan dibandingkan dengan
nilai tabel dengan menggunaan nilai signifikansi 5, jumlah sampel 17 n, maka di tabel Durbin Watson akan didapatkan nilai sebesar 1,641. Oleh karena nilai
Durbin Watson 1,914 lebih besar dari batas atas du 1,641 dan kurang dari 4 - 211 , maka dapat disimpulkan bahwa tidak terjadi autokorelasi.
3. Uji Heterokedastisitas
Imam Ghozali 2001:77 juga berpendapat bahwa Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance
dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
homokedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas.
Pengujian heteroskedastisitas adalah menguji apakah dalam sebuah regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke
pengamatan yang lain tetap, maka disebut homoskedastisitas. Dan jika varians
Model Summary
b
.763
a
.582 .536
1.91404 1.914
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, pertumbuhan_assets, Profit, Risiko Bisnis, Struktur_Kepemilikan, Size
a. Dependent Variable: struktur_modal
b.
berbeda, disebut Heteroskedastisitas. Modal regresi yang baik adalah tidak terjadi heteroskedastisitas.
Tabel 4.5 Hasil Uji Glejser
Sumber: output SPSS
Tingkat sinifikansi untuk uji glejser adalah 0,05 yang berarti terjadi heteroskedastisitas. Berdasarkan tabel 4.5 di atas dapat diketahui bahwa tingkat
signifikansi untuk seluruh variabel di atas 0,05 0,05 berarti bahwa seluruh variabel tidak mengalami heterokedastisitas.
4.1.3.4 Koefisien Determinasi R
2
Imam Ghozali 2006:83, koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.
Nilai koefisien determinasi adalah diantara nol dan satu. Nilai determinasi yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi
variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel- variabel independen memberikan hampir semua informasi yang dibutuhkan untuk
memprediksi variasi variabel dependen. Pengujian ini dimaksudkan untuk mengetahui tingkat kepastian yang paling baik dalam analisis regresi yang
Coefficients
a
1.231 .504
2.442 .019
-1.1E-007 .000
-.120 -1.135
.262 .846
1.183 3.191
.423 .752
7.544 .387
.954 1.049
-.006 .006
-.100 -.961
.342 .873
1.145 .009
.045 .020
.200 .842
.985 1.015
-.034 .259
-.013 -.131
.896 .896
1.116 Constant
size profit
struktur kepemilikan risiko bisnis
pertumbuhan assets Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: abs a.
dinyatakan dengan koefisien determinasi majemuk R². R² = 1 berarti independent variabel berpengaruh sempurna terhadap dependent variabel,
sebaliknya jika R² = 0 berarti independent variabel tidak berpengaruh terhadap dependent variabel.
Berdasarkan hasil perhitungan menggunakan software SPSS Versi 13 didapatkan hasil sebagai berikut:
Tabel 4.6 Koefisien Determinasi
Sumber: Output SPSS Berdasarkan tabel 4.6 di atas, didapatkan hasil nilai Adjust R Square
sebesar 0,536 atau 53,6, hal ini berarti variabel bebas yang terdiri dari size, profit, struktur kepemilikan, risiko bisnis dan pertumbuhan asset dapat
menerangkan variabel terikat yaitu struktur modal sebesar 53,6 sedangkan sisanya sebesar 46,5 diterangkan oleh variabel yang tidak masuk di dalam
penelitian ini.
4.1.3.5 Pengujian Hipotesis 1. Uji t t-test
