56
Penelitian ini dilakukan pada 26 perusahaan yang terdaftar di indeks LQ45 di BEI selama periode 2010-2014 yang go public dan memiliki laporan keuangan
yang telah diaudit.
C. Metode Pengumpulan Data
Dalam rangkan memperoleh data yang diperlukan, maka pengumpulan data dilakukan dengan menggunakan metode:
1. Data Primer Mengumpulkan data-data dari laporan keuangan perusahaan yang telah
diaudit di BEI per 31 desember 2010-2014. Data-data laporan keuangan diperoleh dari laporan keuangan yang diterbitkan ICMD, www.yahoofinance.com dan
www.idx.co.id. 2. Data Sekunder
Dalam penelitian ini peneliti melengkapi penelitiam dengan membaca dan mempelajari hal-hal yang berhubungan dengan penelitian melalui buku, jurnal,
dan skripsi.
D. Metode Analisis
Tujuan dari analisis data adalah mendapatkan informasi relevan yang terkandung di dalam data tersebut dan menggunakan hasilnya untuk memecahkan
suatu masalah Ghozali, 2009. 1. Identifikasi Variabel
Dalam penelitian ini terdapat 2 variabel yaitu:
57
Variabel Endogen Variabel endogen adalah variabel yang dipengaruhi oleh
variabel eksogen dan merupakan variabel antara. Variabel endogen dalam penelitian ini adalah struktur modal Y.
Variabel Eksogen Variabel eksogen adalah variabel yang diduga secara bebas
berpengaruh terhadap variabel endogen. Variabel eksogen dalam penelitian terdiri dari variabel struktur aktivaX
1
, ukuran perusahaan X
2
, intensitas modal X
3
, likuiditas X
4
, profitabilitas X
5
, harga saham X
6
, dan pertumbuhan perusahaan X
7
. 2. Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar deviasi, varian, maksimum, minimum,
sum, range, kurtosis dan skewnes kemencengan distribusi. 3. Metode Penelitian
Penelitian ini akan menggunakan analisis regresi berganda dalam pengujian hipotesis. Analisis regresi berganda digunakan untuk menguji pengaruh
antara variabel independen yaitu ukuran perusahaan, intesitas modal, profitabilitas dan likuiditas terhadap struktur modal perusahaan yang terdaftar di BEI sebagai
Variabel dependen. Persamaan regresi dapat dituliskan sebagai berikut:
58
Rumus: Y =
α + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 + e Y = Debt to equity ratio
α = Konstanta β1,2,3,4,5,6,7 = Penaksiran koefisien regresi
X1 = struktur aktiva X2 = ukuran perusahaan
X3 = intensitas modal X4 = likuiditas
X5 = profitabilitas X6 = harga saham
X7 = pertumbuhan perusahaan E = Variabel Residual tingkat kesalahan
4. Uji Asumsi Klasik Untuk mengetahui apakah model yang digunakan dalam regresi
menunjukkan hubungan yang signifikan dan representatif maka model yang digunakan tersebut harus memenuhi uji asumsi klasik regresi. Uji asumsi klasik
yang dilakukan adalah uji normalitas, multikolinearitas, autokorelasi, dan heteroskedastisitas.
a. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi,
variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi
59
normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil Ghozali, 2009. Secara statistik ada dua komponen
normalitas yaitu skewness dan kurtosisi. Skewness berhubungan dengan simetri distribusi. Skewed variabel variabel menceng adalah variabel yang nilai mean-
nya tidak di tengah-tengah distribusi. Sedangkan kurtosis berhubungan dengan puncak dari suatu distribusi. Jika variabel terdistribusi secara normal maka nilai
skewnees dan kurtosis sama dengan nol. Dengan melihat pada normal probability plot data dikatakan normal jika ada penyebaran titik-titik di sekitar garis diagonal
dan penyebarannya mengikuti arah garis diagonal. Sebaliknya, apabila data menyebar jauh dari garis diagonal maka model regresi tidak memenuhi asumsi
normalitas. b. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lainnya Ghozali, 2009. Cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan uji
Durbin Watson DW test. Pengambilan keputusan menurut Ghozali 2006 ada tidaknya autokorelasi:
Bahwa nilai DW terletak diantara batas atas atau upper bound du dan 4 –
du, maka koefisien autokorelasi sama dengan nol berarti tidak ada autokorelasi positif.
60
Bila nilai DW lebih rendah daripada batas bawah atau lower bound dl, maka koefisien autokorelasi lebih besar dari nol berarti ada autukorelasi
positif. Bila nilai DW lebih besar daripada batas bawah atau lower bound 4
–dl, maka koefisien autokorelasi lebih kecil dari nol berarti ada autokorelasi
negatif. Bila nilai DW terletak antara batas atas du dan batas bawah dl atau DW
terlatak antara 4 –du dan 4–dl, maka hasilnya tidak dapat disimpulkan.
c. Uji Heteroskedastisitas Menurut Ghozali 2009, uji heteroskedastisitas bertujuan untuk menguji
apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan
ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas.
Salah satu
cara untuk
menguji ada
tidaknya heteroskedastisitas, yaitu dengan menggunakan analisis grafik scatterplot. Hal ini
bisa dilakukan dengan melihat plot antara nilai prediksi variabel terikat ZPRED, dengan residualnya SRESID. Deteksi ada atau tidaknya heteroskedastisitas
dapat dilakukan dengan dasar analisis: Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar kemudian menyempit, 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.
61
Dalam uji heteroskedastisitas ada beberapa cara lain, yaitu: Uji Park
Park menemukakan metode bahwa variance s
2
merupakan fungsi dari variabel-variabel independen yang dinyatakan dalam persamaan sbb:
σ
2
i = α + β LnXi + vi
karena s
2
i umumnya tidak diketahui, maka dapat ditaksir dengan menggunakan residual Ut sebagai proksi, sehingga persamaan menjadi:
LnU
2
i = α + β LnXi + vi Uji Glejser
Seperti uji Park, Glejser mengusulkan untuk meregres nilai absolut residual terhadap variabel independen Gujarati, 2003 dengan persamaan regresi :
| Ut| = α + βXt + vt Uji White
Pada dasarnya uji White mirip dengan kedua uji Park dan Glejser. Menurut White, uji ini dapat dilakukan dengan meregres residual kuadrat U
2
t dengan variabel independen, variabel independen kuadrat dan perkalian interaksi
variabel independen. Misalkan kita punya dua variabel independen X1 dan X2, maka persamaan regresinya sbb:
U
2
t = b0 + b1X1 + b2X2 + b3X1
2
+ b4X2
2
+ b5X1X2
62
d. Uji Multikolinearitas Uji multikolinearitas bertujuan untuk mengetahui apakah dalam model
regresi ditemukan adanya korelasi antar variabel bebas atau tidak, model yang baik seharusnya tidak terjadi korelasi yang tinggi diantara variabel bebas
Ghozali, 2009. Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi adalah sebagai berikut:
Memiliki korelasi antar variabel bebas yang sempurna lebih dari 0,9, maka terjadi problem multikolinearitas.
Memiliki nilai VIF lebih dari 10 10 dan nilai tolerance kurang dari 0,10 0,10. Maka model terjadi problem multikolinearitas.
Cara mengatasi masalah multikolinearitas antara lain: Menggabungkan data cross section dan time series
Mengeluarkan satu atau lebih variabel independen yang mempunyai korelasi tinggi dari model regresi dan indentifikasikan
variabel independen lainnya untuk membentu prediksi Melakukan transformasi variabel. Tranformasi dapat dilakukan
dalam bentuk Logaritma Natural LN
E. Operasional Varibel Penelitian
