Jenis dan Sumber Data Metode Pengumpulan Data Metode Analisis Data Jadwal Penelitian Data Penelitian

3.6 Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif, yaitu data yang berbentuk angka. Data yang dikumpulkan dalam penelitian ini diukur dalam skala numerik. Data yang digunakan dalam penelitian ini diperoleh dari laporan keuangan yang dipublikasikan di Bursa Efek Indonesia tahun 2010- 2013 yang dapat diunduh melalui situs http:www.idx.co.id.

3.7 Metode Pengumpulan Data

Teknik yang digunakan dalam penelitian ini adalah teknik dokumentasi dan studi pustaka. Teknik dokumentasi yaitu pengumpulan data sekunder berupa laporan keuangan, dokumen-dokumen, catatan-catatan, dan informasi lainnya yang diunduh dengan menggunakan media internet, dengan mengakses situs http:www.idx.co.id. Sedangkan, studi pustaka yaitu pengumpulan data dengan melakukan telaah pustaka, eksplorasi, dan mengkaji berbagai literatur pustaka, seperti jurnal maupun sumber lain yang berkaitan dengan penelitian.

3.8 Metode Analisis Data

Metode analisis regresi berganda dipakai dalam penelitian ini karena metode analisis regresi berganda dapat menyimpulkan secara langsung mengenai pengaruh masing–masing variabel bebas yang digunakan secara parsial maupun simultan.

3.9 Teknik Analisis

3.9.1 Statistik Deskriptif

Statistik deskriptif merupakan proses transformasi data penelitian dalam bentuk tabulasi, sehingga mudah dipahami dan diinterpretasikan Erlina, 2011:94. Penyajian data statistik deskriptif antara lain melalui tabel, grafik, diagram lingkaran, pictogram, penghitungan modus, median, mean pengukuran tendensi sentral, penghitungan desil, persentil, penghitungan penyebaran data melalui penghitungan rata-rata dan standar deviasi, penghitungan prosentase Sugiyono, 2008:207.

3.9.2 Pengujian Asumsi Klasik

3.9.2.1 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal Ghozali, 2013:160. Cara yang digunakan untuk melihat apakah data normal atau tidak adalah dengan melakukan analisis grafik dengan melihat grafik histogram dan probability plot, dan dengan melakukan analisis statistik. Analisis grafik ini dapat dilakukan dengan melihat grafik histogram dan probability plot. Sedangkan analisis statistik dapat dilakukan dengan uji Kolmogorov-Smirnov. 1. Analisis Grafik Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati normal. Namun, hanya dengan melihat histogram, hal ini dapat membingungkan, khususnya untuk jumlah sampel yang kecil. Metode lain yang dapat digunakan adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Dasar pengambilan keputusan dari analisis normal probability plot sebagai berikut : a. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. b. Jika data menyebar jauh dari garis diagonal danatau tidak mengikuti arah garis diagonal tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. 2. Analisis Statistik Untuk mendeteksi normalitas data dapat dilakukan pula melalui analisis statistik yang salah satunya dapat dilihat melalui Kolmogrorov-Smirnov test K-S. Uji K-S dilakukan dengan membuat hipotesis: Ho = Data residual berdistribusi normal Ha = Data residual tidak berdistribusi normal Pedoman pengambilan keputusan adalah sebagai berikut: a. Nilai sig. atau signifikan atau nilai probabilitas 0.05 distribusi adalah tidak normal. b. Nilai sig. atau signifikan atau nilai probabilitas 0.05 distribusi adalah normal. Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut : a. Apabila probabilitas nilai Z uji K-S signifikan secara statistik maka Ho ditolak, yang berarti data terdistribusi tidak normal. b. Apabila probabilitas nilai Z uji K-S tidak signifikan statistik maka Ho diterima, yang berarti data terdistribusi normal.

3.9.2.2 Uji Multikolinearitas

Menurut Ghozali 2013:105 uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Multikolinearitas dapat dilihat dari nilai tolerance TOL dan variance inflation factor VIF. Nilai TOL berkebalikan dengan nilai VIF.TOL mengukur variabilitas dari variabel independen yang tidak dijelaskan oleh variabel inpenden lainnya. Sedangkan VIF menjelaskan derajat suatu variabel independen yang dijelaskan oleh variabel independen lainnya. Nilai TOL yang rendah adalah sama dengan nilai VIF yang tinggi karena VIF = 1TOL. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai TOL 0,10 atau sama dengan nilai VIF10 Ghozali, 2013:106.

3.9.2.3 Uji Heteroskedastisitas

Menurut Ghozali 2013:139, Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Cara untuk mendeteksi ada atau tidaknya heterokedastisitas adalah dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual. Dasar analisis uji heteroskedastisitas adalah sebagai berikut : 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 nol pada sumbu Y, maka tidak terjadi heterokedastisitas.

3.9.2.4 Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t- 1 atau sebelumnya Erlina, 2011:106. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan lainnya. Salah satu cara yang dapat dilakukan untuk mendeteksi terjadi atau tidaknya autokorelasi adalah dengan uji Durbin Watson. Uji ini hanya digunakan untuk autokorelasi tingkat pertama first order autokorelation dan mengisyaratkan adanya intercept konstanta dalam model regresi. Panduan untuk mendeteksi ada atau tidaknya autokorelasi, antara lain : a. Angka D-W dibawah -2 berarti ada autokorelasi positif. b. Angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi. c. Angka D-W di atas +2 berarti ada autokorelasi negatif.

3.9.3 Pengujian Hipotesis

Hipotesis merupakan jawaban sementara terhadap rumusan masalah penelitian Sugiyono, 2008:93. Untuk pengujian hipotesis, penelitian ini menggunakan analisis linear berganda, yang dapat dinyatakan dengan : Y = a + β 1 X 1 + β 2 X 2 + β 3 X 3 + β 4 X 4 + e Keterangan : Y = Struktur Modal X1 = Pertumbuhan Penjualan X2 = Likuiditas X3 = Profitabilitas X4 = Working Capital a = Konstanta e = Error β1, β2, β3, dan β4 = Koefisien regresi yang menunjukkan perubahan variabel dependen berdasarkan pada variabel independen.

3.9.3.1 Uji Koefisien Determinasi R²

Nilai R² besarnya antara 0-1 0 R² 1, koefisien determinasi ini digunakan untuk mengukur tingkat kemampuan model dalam menerangkan variabel independen. Karena R² mengandung kelemahan mendasar dimana adanya bias terhadap jumlah variabel independen yang dimasukkan dalam model maka R² akan meningkat walaupun variabel itu tidak berpengaruh secara signifikan terhadap suatu model. Tidak seperti R², nilai adjusted R² dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam suatu model. Dalam kenyataan nilai adjusted R² bernilai negatif, jika hal ini terjadi maka nilai adjusted R² dianggap 0 Ghozali, 2013:98. Oleh karena itu, pada penelitian ini yang digunakan adjusted R² berkisar antara nol dan satu. Jika nilai adjusted R² semakin mendekati satu, maka semakin baik kemampuan model tersebut dalam menjelaskan variabel independen dan sebaliknya.

3.9.3.2 Uji Signifikasi Parsial Uji t

Uji statistik t pada dasarnya menunjukan seberapa jauh pengaruh satu variabel bebas independen secara individual dalam menerangkan variansi variabel dependen. Dengan menganggap variabel lain konstan atau tetap. Dalam uji t digunakan hipotesis sebagai berikut : Ho : variabel pertumbuhan penjualan, likuiditas, profitabilitas, dan working capital tidak berpengaruh signifikan secara parsial terhadap struktur modal pada perusahaan otomotif dan komponennya yang terdaftar di Bursa Efek Indonesia. Ha : variabel pertumbuhan penjualan, likuiditas, profitabilitas, dan working capital berpengaruh signifikan secara parsial terhadap struktur modal pada perusahaan otomotif dan komponennya yang terdaftar di Bursa Efek Indonesia. Adapun kriteria pengujiannya, antara lain : Ho diterima jika signifikansi 0.05 Ha diterima jika signifikansi 0.05

3.9.3.3 Uji Simultan Uji F

Secara simultan, pengujian hipotersis dilakukan dengan uji F- test. Uji F digunakan untuk menunjukkan apakah semua variabel independen yang dimasukan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Adapun hipotesis yang digunakan dalam uji F adalah sebagai berikut : Ho : variabel pertumbuhan penjualan, likuiditas, profitabilitas, dan working capital tidak berpengaruh signifikan secara simultan terhadap struktur modal pada perusahaan otomotif dan komponennya yang terdaftar di Bursa Efek Indonesia. Ha : variabel pertumbuhan penjualan, likuiditas, profitabilitas, dan working capital berpengaruh signifikan secara parsial terhadap struktur modal pada perusahaan otomotif dan komponennya yang terdaftar di Bursa Efek Indonesia. Data penelitian yang telah diolah ditentukan dengan kriteria pengujian sebagai berikut : a. Apabila nilai signifikansinya lebih besar dari 0,05 sig. F 0,05 maka variabel independen tidak berpengaruh signifikan secara simultan terhadap variabel dependen. b. Apabila nilai signifikansinya lebih kecil dari 0,05 sig. F 0,05 maka variabel independen berpengaruh signifikan secara simultan terhadap variabel dependen

3.10 Jadwal Penelitian

Adapun jadwal penelitian yang dilakukan oleh peneliti dapat dilihat pada tabel 3.4 sebagai berikut : Tabel 3.3 Jadwal Penelitian No Tahapan Penelitian Bulan Des Mar Apr Mei Jun Jul Agust Sept 1 Pengajuan Judul 2 Penyusunan Proposal 3 Pengumpulan Data 4 Pengolahan Data 5 Bimbingan Proposal 6 Perbaikan Proposal 7 Bimbingan Proposal 8 Seminar Proposal 9 Bimbingan Proposal 10 Penyelesaian Penulisan Penelitian 11 Rencana Sidang Meja Hijau Sumber : Data diolah Penulis, 2015. BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Data Penelitian

Populasi yang diteliti dalam penelitian ini adalah perusahaan otomotif dan komponennya yang terdaftar di Bursa Efek Indonesia BEI selama tahun 2010- 2013. Perusahaan yang dijadikan sampel berjumlah 12 perusahaan, sehingga data penelitian secara keseluruhan berjumlah 48 12 x 4 pengamatan.

4.2 Analisis Hasil Penelitian