BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Analisis Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk mengetahui deskripsi suatu data yang dilihat dari nilai maksimum, nilai minimum, nilai rata-rata
mean, dan nilai standar deviasi, dari variabel Profitability, Tangibility, Non Debt Tax Shield, Corporate Tax, Struktur Modal, dan Firm Size.
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum
Mean Std. Deviation
Struktur Modal Y 136
.13 1.25
.4409 .20594
Profitability X1 136
-.22 .66
.1091 .13259
Tangibility X2 136
.00 .78
.3116 .14642
Non Debt Tax Shield X3 136
.00 1.82
.2113 .17872
Corporate Tax X4 136
-.91 5.80
.2826 .50576
Firm Size Z 136
6.52 18.34 14.4392
1.74929 Valid N listwise
136
Diketahui nilai Struktur Modal minimum adalah 0,13 dan nilai Struktur Modal maksimum 1,25. Sementara rata-rata dan standar deviasi dari
Struktur Modal adalah 0,4409 dan 0,20594.Diketahui nilai Profitability minimum adalah -0,22 dan nilai Profitability maksimum 0,66. Sementara
rata-rata dan standar deviasi dari Profitability adalah 0,1091 dan 0,13259.Diketahui nilai Tangibility minimum adalah 0,00 dan nilai
Tangibility maksimum 0,78. Sementara rata-rata dan standar deviasi dari Tangibility adalah 0,3116 dan 0,14642.Diketahui nilai Non Debt Tax Shield
Universitas Sumatera Utara
minimum adalah 0,00 dan nilai Non Debt Tax Shield maksimum 1,82. Sementara rata-rata dan standar deviasi dari Non Debt Tax Shield adalah
0,2113 dan 0,17872.Diketahui nilai Corporate Tax minimum adalah -0,91 dan nilai Corporate Taxmaksimum 5,80. Sementara rata-rata dan standar
deviasi dari Corporate Tax adalah 0,2826 dan 0,50576.Diketahui nilai Firm Size minimum adalah 6,52 dan nilai Firm Size maksimum 18,34. Sementara
rata-rata dan standar deviasi dari Firm Size adalah 14,4392 dan 1,74929.
4.2 Uji Asumsi Klasik 4.2.1 Uji Asumsi Normalitas
Dalam penelitian ini, uji normalitas terhadap residual dengan menggunakan uji Kolmogorov-Smirnov. Tingkat signifikansi yang
digunakan � = 0,05. Dasar pengambilan keputusan adalah melihat
angka probabilitas � , dengan ketentuan sebagai berikut Ghozali,
2005.
Jika nilai probabilitas � ≥ 0,05, maka asumsi normalitas terpenuhi.
Jika nilai probabilitas 0,05, maka asumsi normalitas tidak terpenuhi.
Universitas Sumatera Utara
Tabel 4.2 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 136
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .17886696
Most Extreme Differences
Absolute .098
Positive .098
Negative -.066
Kolmogorov-Smirnov Z 1.141
Asymp. Sig. 2-tailed .148
a. Test distribution is Normal. b. Calculated from data.
Perhatikan bahwa berdasarkan Tabel 4.2, diketahui nilai probabilitas p atau Asymp.Sig. 2-tailedsebesar 0,148. Karena nilai
probabilitas p , yakni 0,148, lebih besar dibandingkan tingkat signifikansi, yakni 0,05, hal ini berarti asumsi normalitas dipenuhi.
Gambar 4.1 Uji Normalitas Normal Probability Plot
Universitas Sumatera Utara
Berdasarkan hasil uji normalitas dengan normal probability plot Gambar 4.1 titik-titik cenderung menyebar dekat dengan garis
diagonal.Hal ini berarti data telah memenuhi asumsi normalitas.
4.2.2 Uji Multikolinearitas
Untuk memeriksa apakah terjadi multikolinearitas atau tidak dapat dilihat dari nilai variance inflation factor VIF. Nilai VIF yang
lebih dari 10 diindikasi suatu variabel bebas terjadi multikolinearitas Ghozali, 2005.
Tabel 4.3 UjiMultikolinearitas
Model Collinearity Statistics
Tolerance VIF
1 Constant
Profitability .973
1.028 Tangibility
.973 1.028
Non Debt Tax Shield
.451 2.219
Corporate Tax .450
2.223
Berdasarkan Tabel 4.3, diketahui: 1. Nilai VIF dari variabel Profitability adalah 1,028 10, maka
diindikasi tidak terjadi multikolinearitas. 2. Nilai VIF dari variabel Tangibility adalah 1,028 10, maka
diindikasi tidak terjadi multikolinearitas. 3. Nilai VIF dari variabel Non Debt Tax Shield adalah 2,219 10,
maka diindikasi tidak terjadi multikolinearitas.
Universitas Sumatera Utara
4. Nilai VIF dari variabel Corporate Tax adalah 2,223 10, maka diindikasi tidak terjadi multikolinearitas.
Karena seluruh nilai VIF tidak lebih dari 10, maka diindikasi tidak terjadi multikolinearitas.
4.2.3 Uji Heteroskedastisitas
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatter plot antara
SRESID pada sumbu Y, dan ZPRED pada sumbu X.Ghozali, 2005.Ghozali 2005 menyatakan dasar analisis adalah jika ada pola
tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.Jika
tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Gambar 4.2 Uji Heteroskedastisitas
Universitas Sumatera Utara
Perhatikan bahwa berdasarkan Gambar 4.2, tidak terdapat pola
yang begitu jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
4.2.4 Uji Autokorelasi
Uji autokorelasi dalam penelitian ini digunakan uji Durbin- Watson.Berikut hasil berdasarkan uji Durbin-Watson.
Tabel 4.4 Uji Autokorelasi
Model Durbin-Watson
1 2.414
Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi.Field 2009
menyatakan sebagai berikut. “The size of the Durbin-Watson statistic depends upon the
number of predictors in the model and the number of observations. For accuracy, you should look up the exact acceptable values in
Durbin and Watsons 1951 original paper. As very conservative rule of thumb, values less then 1 or greater than 3 are definitely cause for
concern; however, values closer to 2 may stil be problematic depending on your sample and model”.
Berdasarkan Tabel 4.4, nilai dari statistik Durbin-Watson adalah 2,414. Perhatikan bahwa karena nilai statistik Durbin-Watson terletak
di antara 1 dan 3, yakni 1 2,414 3, maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang
tinggi pada residual.
Universitas Sumatera Utara
4.3Analisis Koefisien Determinasi
Koefisien determinasi �
2
merupakan suatu nilai nilai proporsi yang mengukur seberapa besar kemampuan variabel-variabel bebas yang
digunakan dalam persamaan regresi, dalam menerangkan variasi variabel tak bebas.
Tabel 4.5 Koefisien Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .496
a
.246 .223
.18158 2.414
a. Predictors: Constant, Corporate Tax X4, Non Debt Tax Shield X3, Profitability X1, Tangibility X2
b. Dependent Variable: Struktur Modal Y
Berdasarkan Tabel 4.5, nilai koefisien determinasi �
2
terletak pada kolom Adjusted R-Square. Diketahui nilai koefisien determinasi sebesar
�
2
= 0,223 . Nilai tersebut berarti seluruh variabel bebas, yakni Profitability, Tangibility, Non Debt Tax Shield, dan Corporate Tax, secara
simultan mempengaruhi variabel Struktur Modal sebesar 22,3, sisanya sebesar 77,7 dipengaruhi oleh faktor-faktor lain.
4.4 Uji Simultan F-test
Uji � bertujuan untuk menguji pengaruh variabel bebas secara bersama-
sama atau simultan terhadap variabel tak bebas.
Universitas Sumatera Utara
Tabel 4.6Uji Pengaruh Simultan F-test
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
1.406 4
.352 10.663
.000
a
Residual 4.319
131 .033
Total 5.725
135 a. Predictors: Constant, Corporate Tax X4, Non Debt Tax Shield X3, Profitability X1,
Tangibility X2 b. Dependent Variable: Struktur Modal Y
Berdasarkan Tabel 4.6, diketahui nilai F hitung adalah 10,663 sementara nilai F tabel 2,440 Gambar 4.3. Karena
Nilai F hitung 10,663 F tabel 2,440
Maka Profitability, Tangibility, Non Debt Tax Shield, dan Corporate Tax secara simultan berpengaruh signifikan terhadap Struktur Modal.
Df1 = 4 X1, X2,X3,X4 Df2 = 136 Jumlah pengamatan 136 – 5 X1, X2,X3,X4,Y
Gambar 4.3 Menghitung F tabel dengan Rumus FINV
Universitas Sumatera Utara
Diketahui nilai Sig. adalah 0,000. Karena Sig. 0,000 0,05, maka disimpulkan bahwa seluruh variabel bebas, yakni Profitability, Tangibility,
Non Debt Tax Shield, dan Corporate Tax, secara simultan berpengaruh signifikanterhadap Struktur Modal.
4.5 Analisis Regresi Linear Berganda dan Uji Parsial t-test