47
3.8.3 Uji Multikolinearitas
Multikolinearitas sebagai fenomena sampel terutama muncul karena data yang dikumpulkan bukan data percobaan, khususnya pada ilmu
ekonomi.Multikolinearitas timbul sebagai akibat kombinasi linier dari satu atau lebh variabel regressor, maka variabel regressor yang mengalami kombinasi linier
dengan variabel regresor lainnya diregresikan untuk menghitung R
2
j, regresi ini disebut Auxiliary Regression. Tolerance and Variance Inflantion Factor. Nilai
VIF yang smakin besar menunjukkan masalah multikolinear yang semakin serius. Adanya Multikolinearitas dapat dilihat dari Tolerance Value atau nilai Variance
Inflantion Factor VIF, yaitu dengan rumus ; ��� =
1 1
− �
2
� Batas Tolarnce Value adalah 0,1 dan batas VIF adalah 5, dimana
jika Tolerance Value 0,1 atau VIF 5 maka terjadi multikolinearitas dan jika Tolerance Value 0,1 atau VIF 5 maka tidak terjaadi multikolineritas
3.8.4 Koefisien Determinasi
Mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen atau predictor nya. Range nilai dari R
2
= adalah 0-1. Semakin mendekati nol berarti model tidak baik atau variasi model dala
menjelaskan amat terbatas, sebaliknya semakin mendekati satu, maka model semakin baik. Kelemahan mendasar dala penggunaan koefisien determinasi
adalah bias terhadap jumlah variabel independen. Seakin banyak variabel
48
independen ditambahkan ke dalam model maka R
2
akan meningkat walaupun variabel tersebut tidak signifikan berpengaruh terhadap model. Fungsi dari
Adjusted R Square adalah mengurangu keraguan tersebut, oleh karena itu banyak peneliti yang menganjurkan menggunakan Adjusted R Squared untuk
mengevaluasi modelnya. ��� �
2
= 1 − �1 − �
2
� − 1 � − � − 1
�
Teknik analisis data yang digunakan adalah Metode Analisis Regresi Linear Berganda Multiple Linear Regression. Metode ini digunakan
untuk mengetahui faktor penyebab perubahan variabel terikat yang memiliki lebih dari satu variabel bebas. Manfaat analisis regresi linear berganda ini meliputi : 1
untuk mengetahui besarnya pengaruh dari setiap variabel bebas yang tercakup dalam persamaan terhadap variabel terikat. 2 untuk meramalkan nilai variabel
terikat di masa yang akan datang. Model regresi linear berganda ini, bisa ditulis dengan dua cara yakni :
Y = a + B
1
X
1
+ B
2
X
2
+ ... ... + B
k
X
k
+ ∈
Y = a + b
1
X
1
+ b
2
X
2
+ ... ... + b
k
X
k
+ e
49
Variabel terikat ialah struktur modal yang memiliki beberapa variabel bebas, yaitu : Return On Assets, Return On Equity, Debt to Assets Ratio, Debt to
Equity Ratio, dan Age. Maka dapat dirumuskan menjadi : Y
1
= a + B
1
X
1
+ B
2
X
2
+ B
3
X
3
+ B
4
X
4
+ ∈
Keterangan : Y
1
= Struktur Modal a
= Konstanta intercept B
1 – 4
= Koefisien Regresi X
1
= Growth Of Sales X
2
= Structure Assets X
3
= Return On Assets X
4
= Age ∈
= Variabel penggangu Disturbance error
3.8.5 Uji F Pengujian Pengaruh Signifikan Seluruh Variabel Bebas
terhadap Struktur Modal
Pengaruh sgnifikan dari seluruh variabel bebas terhadap variabel terikat ini menggunak an hipotesis sebagai berikut:
Dengan hipotesis : H
= Tidak terdapat pengaruh yang signifikan antara Growth Of Sales, Structure Assets, Return On Assets dan Age, terhadap
struktur modal perusahaan. H
a
= Terdapat pengaruh yang signifikan antara Growth Of Sales, Structure Assets, Return On Assets dan Age terhadap struktur
modal perusahaan.
50
Jika probabilitas dari nilai F tingkat signifikansi α atau F
hitung
F
tabel
maka Ha diterima dan Ho ditolak.
3.8.6 Uji t Pengujian Pengaruh Secara Parsial Masing-Masing
Kategori