diagonal serta penyebarannya mengikuti garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
Tabel 4.3 Hasil Uji Normalitas dengan Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 38
Normal Parameters
a,b
Mean .0000000
Std. Deviation 1.59355559
Most Extreme Differences Absolute
.129 Positive
.129 Negative
-.072 Kolmogorov-Smirnov Z
.798 Asymp. Sig. 2-tailed
.548 a. Test distribution is Normal.
b. Calculated from data.
sumber : Data diolah SPSS, 2011
Nilai Kolmogorov – Smirnov sebesar 0.798 dan tidak signifikan pada 0.05 karena asymp.sig. = 0.548 lebih besar dari 0.05. Hal ini menunjukkan bahwa
residual terdistribusi secara normal. Semua hasil pengujian melalui analisis grafik dan statistik yang dilakukan
menunjukkan hasil yang sama yaitu normal. Dengan demikian, telah terpenuhi asumsi normalitas dan bisa dilakukan pengujian asumsi klasik berikutnya pada
data penelitian.
2. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk menguji apakah variabel-variabel yang terdapat dalam model regresi memiliki korelasi antar variabel independen. Jika
terjadi korelasi, maka dapat dikatakan model regresi tersebut terdapat masalah multikolinearitas. Adanya multikolinearitas dapat dilihat dari tolerance value atau
nilai Variance Inflation Factor VIF. Hasil pengujian multikolinearitas adalah sebagai berikut :
Tabel 4.4 Hasil Uji Multikolinearitas
Model Collinearity
Statistics Kesimpulan
Tolerance VIF
1 Constant
FCF .891
1.123 Tidak terjadi multikolinearitas
INST .877
1.140 Tidak terjadi multikolinearitas
SIZE .807
1.239 Tidak terjadi multikolinearitas
DIV .922
1.084 Tidak terjadi multikolinearitas
Sumber : data yang diolah SPSS, 2011
Nilai tolerance dari keempat variabel independen yaitu free cash flow, kepemilikan institusional, ukuran perusahaan, dan kebijakan dividen memiliki
nilai diatas 0.1 serta VIF untuk semua variabel independen memiliki nilai lebih kecil dari 10, sehingga dapat disimpulkan bahwa model regresi terbebas dari
masalah multikolinearitas.
3. Uji Heterokedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Hasil dari uji heteroskedastisitas dapat dilihat pada grafik scatterplot berikut ini :
Sumber : data diolah SPSS, 2011
Dari grafik scatterplot pada gambar 4.3, terlihat bahwa titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu, serta tersebar baik diatas
maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heterokedastisitas pada model regresi.
Gambar 4.3 Scatterplot
4. Uji Autokorelasi
Model regresi yang baik adalah model yang tidak mengandung autokorelasi. Hasil dari uji autokorelasi menggunakan uji Durbin Watson dapat dilihat pada
tabel berikut ini :
Tabel 4.5 Hasil uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .757
a
.573 .521
1.687373 1.781
a. Predictors: Constant, DIV, FCF, INST, SIZE b. Dependent Variable: DER
Sumber : data diolah SPSS, 2011
Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin Watson DW sebesar 1.781 dari jumlah sampel 38 dengan 4 variabel n = 38, k = 4 dan tingkat
signifikansi 0,05. Dengan melihat tabel Durbin-Watson, diperoleh nilai D
u
=1.722 dan nilai D
L
=1.261, maka diinterpretasikan sebagai berikut :
Tabel 4.6 Interpretasi Nilai Durbin Watson n = 38 ; k = 4
Jika Keputusan
0 — D
L
0 —1.261 terjadi autokorelasi positif
D
L
— D
U
1.261 — 1.722 tanpa kesimpulan
D
U
— 4-D
U
1.722 — 2.278 tidak terjadi autokorelasi
4-D
U
— 4-D
L
2.278 —2.739 tanpa kesimpulan
4-D
L
— 4 2.739 — 4
terjadi autokorelasi negatif Sumber : data yang diolah Peneliti, 2011
Tabel 4.6 menunjukkan bahwa nilai D
w
yang dihasilkan, 1.781, terletak diantara nilai D
U
dan 4-D
u
yaitu 1.722 1.781 2.278, sehingga dapat disimpulkan bahwa model regresi terbebas dari autokorelasi.
D. Model dan Teknik Analisis Data
Dalam pengolahan data dengan menggunakan model regresi linear berganda, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen
dan variabel dependen, melalui pengaruh free cash flow, kepemilikan institusional, ukuran perusahaan, dan kebijakan dividen terhadap kebijakan
hutang. Hasil regresi linier berganda dapat dilihat dalam tabel berikut :
Tabel 4.7 Hasil Regresi Linier Berganda
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
-48.320 7.843
-6.161 .000
FCF 1.891
1.145 .199
1.652 .108
INST 1.916
1.169 .199
1.639 .111
SIZE 1.589
.253 .797
6.292 .000
DIV 1.366
1.468 .110
.931 .359
a. Dependent Variable: DER
Sumber : data yang diolah SPSS, 2011
Berdasarkan hasil pengolahan data yang terlihat pada tabel 4.6 pada kolom unstandardized coeffisients bagian B, diperoleh model persamaan regresi
berganda sebagai berikut :
Y = -48,320 + 1,891X
1
+ 1,916 X
2
+ 1,589 X
3
+ 1,366 X
4
+ e
Adapun interpretasi dari persamaan regresi linier tersebut adalah sebagai berikut :
a. konstanta a sebesar -48,320 menyatakan bahwa jika variabel independen
dianggap konstan, maka debt to equity ratio akan sebesar -48,320. b.
koefisien X
1
b
1
sebesar 1,891 menunjukkan bahwa bahwa setiap variabel free cash flow meningkat sebesar 1 satuan, maka debt to equity akan
meningkat 1,891. c.
koefisien X
2
b
2
sebesar 1,916 menunjukkan bahwa bahwa setiap variabel kepemilikan institusional meningkat sebesar 1 satuan, maka debt to equity
akan meningkat 1,916. d.
koefisien X
3
b
3
sebesar 1,589 menunjukkan bahwa bahwa setiap variabel ukuran perusahaan meningkat sebesar 1 satuan, maka debt to equity akan
meningkat 1,589. e.
koefisien X
4
b
4
sebesar 1,366 menunjukkan bahwa bahwa setiap variabel kebijakan dividen meningkat sebesar 1 satuan, maka debt to equity akan
meningkat 1,366 f.
error e menunjukkan kesalahan dari pengukuran pencatatan, pengumpulan, maupun pengolahan data.
E. Pengujian Hipotesis
1. Uji F Uji Simultan