Uji Asumsi Klasik HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN 87 maka koefisien regresi menjadi tidak tentu, tingkat kesalahannya menjadi sangat besar dan biasanya ditandai dengan nilai koefisien determinasi yang sangat besar, tetapi pada pengujian parsial koefisien regresi, tidak ada ataupun kalau ada sangat sedikit sekali koefisien regresi yang signifikan. Pada penelitian ini digunakan nilai variance inflation factors VIF sebagai indikator ada tidaknya multikolinieritas diantara variabel bebas. Tabel 4.7 Hasil Pengujian Asumsi Multikolinieritas Melalui nilai VIF yang diperoleh seperti pada tabel 4.7 diatas menunjukkan tidak ada korelasi yang cukup kuat antara sesama variabel bebas, dimana nilai VIF dari kedua variabel bebas masih lebih kecil dari 10 dan dapat disimpulkan tidak terdapat multikolinieritas diantara kedua variabel bebas. 3 Uji Asumsi Heteroskedastisitas Heteroskedastisitas merupakan indikasi varian antar residual tidak homogen yang mengakibatkan nilai taksiran yang diperoleh tidak lagi efisien. Untuk menguji apakah varian dari residual homogen digunakan uji rank Spearman, yaitu dengan mengkorelasikan variabel bebas terhadap nilai absolut dari residualerror. Apabila koefisien korelasi dari masing-masing variabel independen ada yang signifikan pada tingkat kekeliruan 5, mengindikasikan Coefficients a .919 1.088 .919 1.088 X1 X2 Model 1 Tolerance VIF Collinearity Statistics Dependent Variable: Y a. BAB IV HASIL PENELITIAN DAN PEMBAHASAN 88 adanya heteroskedastisitas. Pada tabel 4.8 berikut dapat dilihat nilai signifikansi masing-masing koefisien regresi variabel bebas terhadap nilai absolut dari residualerror: Tabel 4.8 Hasil Pengujian Asumsi Heteroskedastisitas Berdasarkan nilai korelasi yang diperoleh seperti dapat dilihat pada tabel 4.8 diatas memberikan suatu indikasi bahwa residual error yang muncul dari persamaan regresi mempunyai varians yang sama tidak terjadi heteroskedastisitas, hal ini terlihat dari nilai signifikansi masing-masing koefisien korelasi kedua variabel bebas dengan absolut error 0,819 dan 0,253 masih lebih besar dari 0,05. 4 Uji Asumsi Autokorelasi Autokorelasi didefinisikan sebagai korelasi antar observasi yang diukur berdasarkan deret waktu dalam model regresi atau dengan kata lain error dari observasi tahun berjalan dipengaruhi oleh error dari observasi tahun sebelumnya. Pada pengujian autokorelasi digunakan uji Durbin-Watson untuk mengetahui ada tidaknya autokorelasi pada model regresi dan berikut nilai Durbin-Watson yang diperoleh melalui hasil estimasi model regresi. Correlations .107 .819 7 -.500 .253 7 Correlation Coefficient Sig. 2-tailed N Correlation Coefficient Sig. 2-tailed N X1 X2 Spearmans rho absolut_error BAB IV HASIL PENELITIAN DAN PEMBAHASAN 89 Tabel 4.9 Nilai Durbin-Watson Untuk Uji Autokorelasi Berdasarkan hasil pengolahan diperoleh nilai statistik Durbin-Watson D- W = 1,909, sementara dari tabel d pada tingkat kekeliruan 5 untuk jumlah variabel bebas = 2 dan jumlah pengamatan n = 7 diperoleh batas bawah nilai tabel d L = 0,467 dan batas atasnya d U = 1,896. Karena nilai Durbin-Watson model regresi 1,909 berada diantara d U 1,896 dan 4-d U 2,104, maka dapat disimpulkan tidak terjadi autokorelasi pada model regresi. Karena keempat asumsi regresi terpenuhi, maka dapat disimpulkan bahwa hasil estimasi model regresi variabel struktur aktiva dan pertumbuhan penjualan terhadap struktur modal memenuhi syarat BLUE best linear unbias estimation sehingga kesimpulan yang diperoleh dari model regresi dapat dianggap sudah menggambarkan keadaan yang sebenarnya.

c. Analisis Korelasi

Korelasi parsial digunakan untuk mengetahui kekuatan hubungan masing-masing variabel independen struktur aktiva dan pertumbuhan penjualan dengan struktur modal. Melalui korelasi parsial akan dicari pengaruh masing-masing variabel independen terhadap struktur modal ketika variabel Model Summary b ,992 a ,985 ,977 1,09163 1,909 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson Predictors: Constant, X2, X1 a. Dependent Variable: Y b. BAB IV HASIL PENELITIAN DAN PEMBAHASAN 90 independen lainnya konstan. Untuk memperoleh nilai korelasi secara parsial perhitungan dapat dilakukan dengan menggunakan nilai-nilai sebagai berikut: ∑X 1 = 2,8115 ∑X 1 X 2 = 49,222 ∑X 2 = 120,592 ∑X 1 2 = 1,182 ∑Y = 432,900 ∑X 2 2 = 2224,130 ∑X 1 Y = 177,834 ∑Y 2 = 27083,737 ∑X 2 Y = 7486,345 1. Perhitungan korelasi struktur aktiva dengan struktur modal diperoleh dengan perhitungan sebagai berikut: 2. Perhitungan korelasi pertumbuhan penjualan dengan struktur modal diperoleh dengan perhitungan sebagai berikut: = 27,73736 28,28097 = 0,981 = 200,18587 1497,22469 = 0,134 = ∑ − ∑ ∑ ∑ − ∑ ∑ − ∑ = ∑ − ∑ ∑ ∑ − ∑ ∑ − ∑ BAB IV HASIL PENELITIAN DAN PEMBAHASAN 91 3. Perhitungan korelasi struktur aktiva dengan pertumbuhan penjualan diperoleh dengan perhitungan sebagai berikut: Perhitungan tersebut sesuai dengan perhitungan secara komputerisasi yang menggunakan SPSS 15 for windows yaitu sebagai berikut: Tabel 4.10 Koefisien Korelasi Sturktur Aktiva , Pertumbuhan Penjualan dengan Struktur Modal Untuk mengetahui korelasi secara parsial dari struktur aktiva dan pertumbuhan penjualan secara parsial dengan struktur modal dihitung korelasi parsial. 1. Korelasi struktur aktiva dengan struktur modal pada saat pertumbuhan penjualan konstan Correlations 1,000 ,981 ,134 ,981 1,000 ,284 ,134 ,284 1,000 . ,000 ,388 ,000 . ,268 ,388 ,268 . 7 7 7 7 7 7 7 7 7 Y X1 X2 Y X1 X2 Y X1 X2 Pearson Correlation Sig. 1-tailed N Y X1 X2 = 5,510509257 19,38955 = 0,284 = ∑ − ∑ ∑ ∑ − ∑ ∑ − ∑