37 keuangan perusahaan-perusahaan manufaktur yang diperoleh dari situs resmi
Bursa Efek Indonesia BEI melalui situs www.idx.co.id.
3.8. Teknik Analisis Data
Analisis data dilakukan dengan menggunakan analisis kuantitatif, yaitu suatu analisis data yang diperlukan terhadap data yang diperoleh dari hasil
responden yang diberikan, kemudian dilakukan analisa berdasarkan metode statistik dan data tersebut diklasifikasikan ke dalam kategori tertentu dengan
menggunakan tabel untuk mempermudah dalam menganalisa.
3.8.1. Analisis Deskriptif
Statistik deskriptif yaitu analisis yang ditunjukkan pada perkembangan dan pertumbuhan dari suatu keadaan dan hanya memberikan
gambaran tentang keadaan tertentu dengan cara menguraikan tentang sifat- sifat dari obyek penelitian tersebut Umar, 2002: 78 dalam Rahmawati
2012. Dalam analisis deskriptif data yang dipakai yaitu data minimum,
maximum, mean dan standar deviasi. 3.8.2. Uji Asumsi Klasik
Asumsi klasik adalah suatu pengujian hipotesis yang digunakan dalam suatu penelitian yang menunjukkan bahwa model regresi tersebut
layak atau tidak untuk dilakukan ke pengujian selanjutnya Ghozali, 2013:103. Adapun penyimpangan asumsi klasik ada empat :
Universitas Sumatera Utara
38 1.
Uji Normalitas
Uji Normalitas residual bertujuan untuk menguji apakah dalam model regresi, variabel penganggu atau residual memiliki distribusi normal
Ghozali, 2013:160. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini
dilanggar, maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Untuk mendeteksi apakah residual berdistribusi normal atau tidak, maka
dalam penelitian ini menggunakan analisis Kolmogorov - Smirnov. Jika nilai uji Kolmogorov – Smirnov 0,05 berarti data terdistribusi normal.
Pada penelitian ini untuk menguji kenormalitas data dapat dilihat dengan melihat normal probability plot yang membandingkan distribusi
kumulatif dan distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan
garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya
Ghozali, 2013: 161. 2.
Uji Multikolinearitas
Sebelum dilakukan regresi, terlebih dahulu dilakukan uji multikoleniaritas untuk menunjukkan adanya hubungan linear antara
variabel-variabel bebas dalam model regresi Sumodiningrat, 1994:281. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel
independen. Untuk mendekteksi adanya multikolinearitas dilihat melalui nilai tolerance value dan variance inflation factor VIF. Nilai cut off yang
Universitas Sumatera Utara
39 umumnya dipakai untuk menunjukkan adanya multikolonearitas adalah nilai
tolerance, 0,10 atau sama dengan nilai VIF 10 Ghozali, 2013:106.
3. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan
ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan tetap maka disebut homokedastisitas dan jika berbeda disebut
heterokedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas. Ghozali, 2013:139.
Cara untuk mendeteksi adanya heterokedastisitas dapat dilakukan dengan Glejser. Uji Glejser mengusulkan untuk meregresi nilai absolut
residual terhadap variabel independen. Jika variabel independen, maka indikasi terjadi heterokedastisitas. Jika variabel independen tidak signifikan
sig 0.05 berarti model bebas dari heterokedastisitas. 4.
Uji Autokorelasi
Menurut Erlina 2008:106, uji autokorelasi dilakukan bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar
kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang
berkaitan satu dengan lainnya. Untuk mendeteksi adanya autokorelasi bisa digunakan tes Durbin
Watson DW. Deteksi autokorelasi dengan cara ini dimulai dengan
Universitas Sumatera Utara
40 menghitung nilai d, setelah nilai d diketemukan maka tahapan berikutnya
adalah menentukan nilai du dan dl dengan menggunakan tabel Durbin Watson. Ketentuan yang dapat digunakan adalah sebagai berikut :
Tabel 3.3 Ketentuan Interpretasi Durbin Watson
Hipotesis Nol Keputusan
Jika Tidak ada autokorelasi positif
Tolak 0 d dl
Tidak ada autokorelasi positif No decision
dl ≤ d ≤ du
Tidak ada korelasi negatif Tolak
4-dl d 4 Tidak ada korelasi negatif
No decision 4-du
≤ d ≤ 4-dl Tidak ada autokorelasi, positif atau
negatif Tidak ditolak
du d 4-du Sumber: Erlina 2008:106
Jika nilai Durbin-Watson tidak dapat memberikan kesimpulan apakah data yang digunakan terbebas dari autokorelasi atau tidak, maka
perlu dilakukan Run Test. Pengambilan keputusan didasarkan pada acak atau tidaknya data, apabila bersifat acak maka dapat diambil kesimpulan
bahwa data tidak terkena autokorelasi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah random atau acak.
Apabila tingkat signifikansi hasil uji Run Test dibawah α 0,05 maka
didalam model terdapat autokorelasi. Tetapi apabila tidak signifikan pada α 0,05 maka tidak terdapat autokorelasi. Hipotesis yang diajukan dalam uji
Run Test : H0 : residual random acak
H1 : residual tidak random
Universitas Sumatera Utara
41
3.8.3.
Analisis Regresi Linear Berganda
Ghozali 2013 menjelaskan analisis regresi mengukur kekuatan antara dua variabel atau lebih dan menunjukkan arah hubungan antara variabel dependen
dengan variabel independen. Variabel dependen diasumsikan randomstokastik yang berarti mempunyai distribusi probabilistik. Variabel independenbebas
diasumsikan memiliki nilai tetap dalam pengambilan sampel berulang. Persamaan regresi yang digunakan dalam penelitian ini adalah sebagai berikut:
Y = α +β1X1 + β2X2 + β3X3 + e
Keterangan: Y
= Kebijakan Hutang α
= Konstanta β1 – β3
= Koefisien regresi masing-masing variabel independen X1
= Kepemilikan Manajerial X2
= Ukuran Perusahaan X3
= Kebijakan Dividen e
= koefisien error
Universitas Sumatera Utara
42
3.8.4. Uji Hipotesis 3.8.4.1. Uji Statistik F F-test
