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