71
Emiten yang memiliki tingkat leverage di atas rata-rata adalah Adaro Energy Tbk, Alam Sutera Realty Tbk, Astra
International Tbk, Lippo Karawaci Tbk, Telekomunikasi Indonesia Tbk, dan Unilever Indonesia Tbk. Dan emiten
yang memiliki tingkat leverage paling tinggi adalah Unilever Indonesia Tbk sebesar 163,50.
Sebaliknya emiten yang memiliki tingkat likuiditas dibawah rata-rata adalah Astra Agro Lestari Tbk, Aneka
Tambang Persero Tbk, Indocement Tunggal Prakarsa Tbk, Kalbe Farma Tbk, PP London Sumatera Indonesia
Tbk, Semen Indonesia Persero Tbk, dan United Tractors Tbk. Dan emiten yang memiliki tingkat leverage paling
rendah adalah Indocement Tunggal Prakarsa Tbk sebesar 17,98.
2. Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki
distribusi normal. Dalam uji normalitas ini digunakan analisis grafik dan uji Kolmogorov-Smirnov untuk mendeteksi apakah
residual berdistribusi normal atau tidak.
72
1 Analisis Grafik dengan menggunakan Normal
Probability Plot Normal P-P Plot. Uji normalitas data dengan menggunakan SPSS 22.0
menghasilkan grafik sebagai berikut :
Grafik 4.1 Hasil Uji Normalitas
Sumber : Data yang telah Diolah
Bedasarkan hasil olah data diatas, dapat dilihat bahwa titik-titik yang menyebar disekitar garis diagonal dan
penyebaran titik-titik data searah dengan garis diagonal, hal ini menandakan bahwa model asumsi regresi memenuhi
asumsi normalitas dan model regresi layak dipakai untuk menganalisis
pengaruh variabel-variabel
bebas profitabilitas, struktur aktiva, ukuran perusahaan, sales
growth, dan likuiditas terhadap variabel terikat financial leverage.
73
2 Uji Kolmogorov-Smirnov
Tabel 4.2 Uji
Kolmogorov-Smirnov
Sumber : Data yang telah Diolah
Bedasarkan tabel diatas, maka dapat disimpulkan data dalam penelitian ini berdistribusi normal. Hal ini dapat
dilihat dari nilai Kolmogorov-Smirnov adalah 0,095 dan nilai sig. derajat alpha pada 0,198 atau lebih besar dari
0,05.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas
independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel
independen saling berkorelasi, maka variabel-variabel ini
74
tidak ortogonal. Variabel ortogonal adalah variabel
independen yang nilai korelasi antar sesama variabel
independen sama dengan nol. Pengujian dalam uji multikolinearitas dengan melihat nilai VIF Variance
Inflation Factor harus berada dibawah 10, hal ini akan
dijelaskan sebagai berikut :
Tabel 4.3 Hasil Uji Multikolinearitas
Sumber : Data yang telah Diolah
Bedasarkan tabel 4.3 diatas dapat diketahui bahwa hasil uji multikolinieritas menunjukkan nilai tolerance mendekati
angka 1 dan nilai VIF disekitar angka 1 untuk setiap variabel. Hasil perhitungan Toleransi menunjukan tidak ada variabel
independen yang memiliki nilai Toleransi kurang dari 0.10 yang berarti tidak ada korelasi antar variabel independen
yang nilainya lebih dari 95. Hasil VIF juga menunjukkan hal yang sama tidak ada suatu variabel independen yang
memiliki nilai VIF lebih dari 10. Berdasarkan hasil uji multikolinieritas tersebut, maka dapat disimpulkan bahwa
75
semua variabel independen dalam model persamaan regresi tidak terdapat problem multikolinearitas dan dapat digunakan
dalam penelitian ini.
c. Uji Heterokedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari
residual satu pengamatan ke pengamatan yang lain. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dilakukan
dengan melihat ada atau tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED. Jika terdapat pola
tertentu seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur bergelombang, melebar kemudian
menyempit, maka terjadi heterokedastisitas. Sebaliknya jika tidak terdapat pola yang jelas serta titik-titik menyebar di atas
dan di bawah angka 0 nol pada sumbu Y, maka tidak terjadi heterokedastisitas. Adapun hasil uji heterokedastisitas dalam
penelitian ini dapat dilihat pada grafik 4.2.
76
Grafik 4.2 Hasil Uji Heterokedastisitas
Sumber : Data yang telah Diolah
Bedasarkan hasil heterokedastisitas pada grafik 4.2 terlihat bahwa titik-titik menyebar di atas dan di bawah angka
nol pada sumbu Y dan tidak terlihat pola tertentu. Dengan demikian pada persamaan regresi linier berganda dalam
model ini
tidak ada
gejala atau
tidak terjadi
heterokedastisitas. Selain
menggunakan scatter
plot untuk
pengujian heteroskedastisitas, peneliti juga menggunakan Uji Glejser untuk
menghindari kerancuan yang diakibatkan pengambilan keputusan melalui grafik. Uji Glejser dapat dilakukan setelah kita
mendapatkan nilai
unstandardized residual
yang telah
dikuadratkan dan di absolutkan, lalu meregresikan nilai tersebut menjadi variable dependen.
77
Tabel 4.4 Hasil Uji Heterokedastisitas Melalui Uji Glejser
Sumber : Data yang telah Diolah
Pada tabel 4.4, dapat kita lihat hasil uji Glejser melalui tabel coefficients dan nilai sig. Pada bagian sig dapat kita
ketahui bahwa semua variabel independen tidak ada yang signifikan karena nilai signifikansi berada diatas 0,05. Hal ini
berarti model regresi tidak mengalami heteroskedastisitas.
d. Uji Autokorelasi
Tujuan pengujian autokorelasi adalah untuk mengetahui ada tidaknya korelasi antara anggota dari observasi yang
disusun menurut time series atau cross section. Asumsi autokorelasi didefinisikan sebagai terjadinya korelasi diantara
data pengamatan, dimana muncul suatu data dipengaruhi oleh data
sebelumnya. Penyimpangan
autokorelasi dalam
penelitian diuji dengan uji Durbin-Watson DW-test. Berdasarkan output SPSS 22.0, maka hasil uji autokorelasi
pada tabel 4.5 sebagai berikut :
78
Tabel 4.5 Hasil Uji Autokorelasi
Sumber : Data yang telah diolah
Pengambilan keputusan ada atau tidaknya autokorelasi bedasarkan tabel autokorelasi yang menyebutkan bahwa nilai
Uji Durbin-Watson = 2.090 sedangkan dalam tabel DW untuk “k”=5 dan N = 70 besarnya DW tabel : dl Batas luar
= 1,4637 ; du batas dalam = 1,7683 ; 4-du = 2,2317 ; dan 4- dl = 2,5363. Maka dari perhitungan disimpulkan bahwa DW-
test terletak pada daerah uji. Hal ini dapat dilihat pada gambar 4.6
Tabel 4.6 Hasil Uji Durbin Watson
Hipotesis Nol Keputusan
Jika Tidak ada
autokorelasi positif
Tolak 0 2,090
1,4637 Tidak ada
autokorelasi positif
Tidak ada kesimpulan
1,4637 2,090
1,7683 Tidak ada
korelasi negative Tolak
4-1,4637 2,090 4
Tidak ada korelasi negative
Tidak ada kesimpulan
4-1,7683 2,090 4-
79
1,4637 Tidak ada
autokorelasi, positif atau
negative Tidak terjadi
autokorelasi 1,7683
2,090 4- 1,7683
3. Pengujian Hipotesis
