4.6.2 Koefisien Determinasi
Untuk melihat proporsi variasi keseluruhan dalam nilai variabel dependen yang dapat diterangkan atau diakibatkan oleh hubungan linier dengan nilai
variabel dependen.
4.6.3 Pengujian Hipotesis
a. Uji t
Uji t parsial adalah untuk melihat pengaruh variabel-variabel bebas secara parsial terhadap variabel terikatnya. Hasil dari uji ini dapat dilihat pada
tampilan coefficient di SPSS secara bersamaan dengan prosedur sebagai berikut : 1. Menentukan rumusan hipotesis statistik :
H : b
1
= b
2
H = 0 profitabilitas dan kepemilikan insider tidak berpengaruh
secara parsial terhadap kebijakan hutang.
1
: b
1
≠ 0, b
2
2. Sedangkan kriteria penerimaanya adalah : ≠ 0 profitabilitas dan kepemilikan insider berpengaruh secara
parsial terhadap kebijakan hutang.
t
hitung
t
tabel
, maka H
1
t diterima
hitung
≤ t
tabel
, maka H
1
ditolak
b. Uji F
Uji F uji simultan adalah untuk melihat pengaruh variabel bebas terhadap variabel terikatnya secara serempak simultan. Hasil dari uji ini dapat
dilihat pada tampilan anova di SPSS dengan prosedur sebagai berikut :
Universitas Sumatera Utara
1. Menentukan rumusan hipotesis statistik: H
: b
1
= b
2
H = 0 profitabilitas dan kepemilikan insider tidak berpengaruh
secara simultan terhadap kebijakan hutang.
1
: b
1
≠ 0, b
2
2. Menentukan kriteria penerimaan dan penolakanya adalah : ≠ 0 profitabilitas dan kepemilikan insider berpengaruh secara
simultan terhadap kebijakan hutang.
F
hitung
t
tabel
, maka H
1
F diterima
hitung
≤ t
tabel
, maka H
1
ditolak
Universitas Sumatera Utara
BAB V ANALISIS DAN PEMBAHASAN
5.1 Deskriptif Data 5.1.1 Deskripsi Sampel Penelitian
Perusahaan manufaktur yang ada di Bursa Efek Indonesia BEI selama tahun 2008 – 2011 berjumlah 189 perusahaan. Namun ada beberapa perusahaan
yang telah memenuhi kriteria untuk menjadi sampel dalam penelitian ini sebanyak 156 perusahaan. Beberapa perusahaan lain yang tidak termasuk sampel
dapat dikarenakan perusahaan mengalami kerugian yang tidak mampu bersaing dengan perusahaan lain dalam pasar modal.
5.1.2 Deskripsi Statistik Data Penelitian
Berdasarkan hasil pengolahan SPSS yang disajikan, maka diperoleh deskripsi data penelitian sebagai berikut :
Tabel 5.1 Deskriptif Data Penelitian
N Minimum
Maximum Mean
Std Deviation
ROA KEP.INSD
DER AST
156 .01
79.37 1.2637
7.90328 156
156 .01
.07 806.64
26.53 6.1272
.6260 64.58499
2.12210 156
.00 .80
.4110 .16942
Universitas Sumatera Utara
Valid N listwise 156
5.1.2.1 Perkembangan Profitabilitas ROA
Dapat kita perhatikan tabel 5.1 di atas selama tahun 2008 – 2011 dengan jumlah sampel 156. Variabel independen yaitu ROA memiliki nilai minimum
sebesar 0,01 dan nilai maksimum sebesar 79,37 dan nilai rata-ratanya sebesar 1,2637 dan nilai standard deviasi sebesar 7,90328. Ada perusahaan yang
mengalami tingkat terendah dan tertinggi. Pada tahun 2008 perusahaan INDR yang mencapai tingkat terendah, berarti perusahaan INDR kurang memanfaatkan
asset yang ada untuk memperoleh laba. Sedangkan diperhatikan pada tahun 2008, ada perusahaan yang mengalami tingkat tertinggi yaitu perusahaan BATA,
perusahaan ini lebih maksimal memanfaatkan asset sehingga memperoleh laba lebih tinggi dari perusahaan yang lain.
5.1.2.2 Perkembangan Kepemilikan Insider
Kepemilikan insider memiliki tingkat minimum sebesar 0,01 dan tingkat maksimum sebesar 806,64 dan nilai
rata
-ratanya sebesar 6,1272 dan nilai standard deviasi sebesar 64,58499. Ada perusahaan yang mengalami tingkat
terendah dan tertinggi. Pada tahun 2009 perusahaan SQBI yang mencapai tingkat terendah, berarti pihak manajeman perusahaan SQBI memiliki pekerja yang
35
Universitas Sumatera Utara
kurang kompeten dibidangnya masing-masing maka menjalankan tugas di perusahaan tidak maksimal, sehingga mengakibatkan menurunnya profit atau
laba. Sedangkan pada tahun 2011 perusahaan INAF lebih besar dalam peningkatan profit, hal ini dikarenakan pihak manajemen perusahaan INAF
professional dalam menjalankan tugas.
5.1.2.3 Perkembangan Struktur Aset
Struktur Aset memiliki tingkat minimum sebesar 0,00 dan tingkat maksimum sebesar 0,80 dan nilai rata-ratanya sebesar 0,4110 dan nilai standard
deviasi sebesar 0,16942. Ada perusahaan yang mengalami tingkat terendah dan tertinggi. Pada tahun 2011 perusahaan IGAR yang mencapai tingkat terendah,
berarti perusahaan IGAR maksimal dalam menjalankan pekerjaan dan memiliki manajeman yang baik sehingga tidak perlu membutuhkan keputusan tentang
komposisi pendanaan yang akan dipergunakan perusahaan. Perusahaan memperoleh laba untuk mendanai operasional perusahaan tersebut. Sedangkan
pada tahun 2009 perusahaan SMCB kurang maksimal dalam menjalankan kegiatan perusahaan sehingga membutuhkan dana lebih tinggi untuk membiayai
pendanaan yang akan dipergunakan perusahaan.
5.1.2.4 Perkembangan Kebijakan hutang
Kebijakan hutang memiliki tingkat minimum sebesar 0,07 dan tingkat maksimum sebesar 26,53 dan nilai rata-ratanya sebesar 0,6260 dan nilai standard
deviasi sebesar 2,12210. Ada perusahaan yang mengalami tingkat terendah dan tertinggi. Pada tahun 2009 perusahaan BTON yang mencapai tingkat terendah,
berarti perusahaan BTON dengan maksimal bekerja memanfaatkan asset yang
Universitas Sumatera Utara
ada untuk memperoleh laba. Sehingga manajemen perusahaan hanya sedikit untuk mendanai operasional perusahaan. Sedangkan pada tahun 2008 perusahaan
PBRX lebih besar memiliki hutang, karena kurang maksimalnya kegiatan yang dilakukan dalam memanfaatkan asset sehingga perusahaan akan mendanai
operasional perusahaan dengan modal yang berasal dari hutang.
5.2 Uji Asumsi Klasik Pengaruh Profitabilitas dan Kepemilikan Insider
Terhadap Kebijakan Hutang Sebelum Transformasi 5.2.1 Uji Normalitas Sebelum Transformasi
Perusahaan manufaktur yang telah terpilih menjadi sampel selanjutnya akan diolah melalui SPSS. Dengan demikian akan diketahui apakah sampel dari
156 perusahaan tersebut terdistribusi normal atau tidak. Data yang sebelum ditransformasi ke logaritma natural dapat di lihat pada lampiran 8. Selanjutnya
apabila data tersebut tidak terdistribusi normal maka data tersebut harus di LN logaritma natural. Dikatakan tidak normal karena nilai signifikannya dibawah
0,05. Sebelum uji hipotesis dilakukan, terlebih dahulu dilakukan pengujian
terhadap gejala penyimpangan klasik pengujian terhadap hasil regresi tanpa melibatkan variabel moderating. Salah satu cara termudah untuk melihat
normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan observasi yang mendekati
distribusi normal seperti terlihat pada Gambar 5.1. di bawah ini:
Universitas Sumatera Utara
Gambar 5.1 Grafik Histogram P-Plot Sebelum Transformasi
Melihat gambar grafik di atas bisa saja kurang mengerti karena kurang jelas. Maka selanjutnya dapat diperhatikan gambar dibawah ini, distribusi normal
akan membentuk satu garis lurus diagonal dan ploting data residual akan dibandingkan dengan garis diagonal. Jika data residual normal, maka garis yang
menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Untuk menguji data penelitian ini berdistribusi normal atau tidak dapat dilihat melalui
analisis grafik seperti pada gambar 5.2. di bawah ini:
Universitas Sumatera Utara
.
Gambar 5.2 Normal P-Plot Sebelum Transformasi
Dengan melihat tampilan grafik histogram maupun grafik normal plot dapat disimpulkan bahwa grafik histogram memberikan pola distribusi tidak
normal dan grafik normal plot terlihat titik-titik tidak menyebar dan tidak mengikuti di sekitar garis diagonal. Grafik ini menunjukkan bahwa model regresi
belum memenuhi asumsi normalitas. Untuk lebih mengetahui apakah data tersebut normal atau tidak, kita
dapat menggunakan uji statistik kolmogorov - Smirnov K-S, Santoso 2002 memberikan keputusan tentang data yang terdistribusi normal seperti:
1. Nilai signifikansi atau probabilitas 0,05 maka data terdistribusi secara tidak normal
2. Nilai signifikansi atau probabilitas 0,05 maka data terdistribusi secara normal.
Universitas Sumatera Utara
Hasil uji normalitas dengan menggunakan tes kolmogorov - Smirnov K-S adalah sebagai berikut:
Tabel 5.2 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 156
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 2.12179949
Most Extreme Differences Absolute
.416 Positive
.416 Negative
-.396 Kolmogorov-Smirnov Z
5.191 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Penelitian 2012 data diolah
Dari hasil data yang sudah diolah seperti gambar di atas terlihat bahwa data tidak terdistribusi secara normal karena nilai signifikansi 0,05.
5.2.2 Uji Heteroskedastisitas Sebelum Transformasi
Ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu bergelombang, melebar lalu menyempit pada grafik
Scatterplot antara prediksi nilai variabel terikat ZPRED denga residualnya SRESID. Berdasarkan Gambar 5.3, terlihat bahwa titik-titik tidak menyebar
secara acak baik di atas maupun di bawah garis 0 pada sumbu Y dan tidak membentuk suatu pola tertentu sehingga dapat disimpulkan terdapat masalah
heteroskedastisitas.
Universitas Sumatera Utara
Gambar 5. 3. Scatterplot Heteroskedastisitas Sebelum Transformasi
5.2.3 Uji Multikolinearitas Sebelum Transformasi
Uji Multikolonieritas dilakukan dengan melihat nilai Collinearity statistic dan nilai koefisien korelasi di antara variabel bebas. Uji ini bertujuan untuk
mengetahui apakah model regresi ditemukan adanya korelasi antar variabel bebas. Pengujian multikolineritas dilakukan untuk melihat apakah pada model
regresi ditemukan ada tidaknya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi multikolineritas. Berikut ini merupakan tabel dari
data yang terdistribusi secara normal dan belum ditransformasi ke dalam bentuk Logaritma Natural LN.
Universitas Sumatera Utara
Tabel 5.3 Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardize
d Coefficients
t Sig.
Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant .633
.174 3.637
.000 ROA
-.004 .022
-.015 -.187
.852 1.000
1.000 KEP.IND
S .000
.003 -.008
-.095 .925
1.000 1.000
a. Dependent Variable: DER
Uji Multikolonieritas dilakukan dengan melihat nilai Collinearity statistic dan nilai koefisien korelasi di antara variabel bebas. Uji ini bertujuan untuk
mengetahui apakah model regresi ditemukan adanya korelasi antar variabel bebas. Multikolinieritas terjadi apabila nilai tolerance 0,10 dan Variance
Inflation Factor VIF 10. Berdasarkan tabel 5.3 terlihat nilai VIF variabel independen yang terdiri dari ROA dan variabel Kepemilikan insider lebih kecil
dari 10 sedangkan nilai tolerance lebih besar dari 0,10. Hal ini menunjukkan bahwa indikakator varibel informasi akuntansi dalam penelitian ini tidak saling
berkorelasi.
5.2.4 Uji Autokorelasi Sebelum Transformasi
Pengujian ini bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka
Universitas Sumatera Utara
dinamakan ada masalah autokorelasi Ghozali, 2005. Adapun kriteria pengujiannya adalah :
a. Jika nilai D-W dibawah 0 samapai 1,5 berarti ada autokorelasi positif. b. Jika nilai D-W diantara 1,5 samapi 2,5 berarti tidak ada autokorelasi.
c. Jika nilai D-W diatas 2,5 sampai 4 berarti ada autokorelasi negatif.
Tabel 5.4 Uji Autokorelasi Sebelum Transformasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .017
a
.000 -.013
2.13562 2.022
a. Predictors: Constant, KEP.INSD, ROA a. Dependent Variable: DER
Dari tabel 5.4 di atas nilai Durbin Watson sebesar 2,022, maka tidak terjadi autokorelasi yang terjadi dalam model regresi ini.
5.3 Uji Asumsi Klasik Pengaruh Profitabilitas dan Kepemilikan Insider
Terhadap Kebijakan Hutang Setelah Transformasi
Setelah ditemukan masalah pada asumsi klasik sebelumnya, peneliti melakukan transformasi pada beberapa data yang tidak normal dengan
menjadikan data dalam bentuk logaritma natural LN sehingga dapat menyelesaikan masalah data yang tidak normal. Data setelah ditransformasi ke
Universitas Sumatera Utara
dalam logaritma natural dapat dilihat pada lampiran 10. Hasil transformasi yang telah dilakukan adalah sebagai berikut:
5.3.1 Uji Normalitas Setelah Transformasi
Setelah dilakukan transformasi, dan data dalam peneltian ini berdistribusi secara normal yang dapat dilihat melalui analisis grafik seperti pada gambar.
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan
observasi yang mendekati distribusi normal seperti terlihat pada Gambar 5.4 di
bawah ini.
Gambar 5. 4. Grafik Histogram P-Plot SetelahTransformasi
Distribusi normal akan membentuk satu garis lurus diagonal dan ploting data residual akan dibandingkan dengan garis diagonal. Jika data residual normal,
maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Untuk menguji data penelitian ini berdistribusi normal atau tidak
dapat dilihat melalui analisis grafik seperti pada gambar 5.5.
Universitas Sumatera Utara
Gambar 5.5 Normal P-Plot Setelah Transformasi
Dengan melihat tampilan grafik histogram maupun grafik normal plot dapat disimpulkan bahwa grafik histogram memberikan pola distribusi normal
setelah di LN logaritma natural. Untuk lebih mengetahui apakah data tersebut normal atau tidak, kita
dapat menggunakan uji statistik Kolmogorov - Smirnov K-S, Santoso 2002 memberikan keputusan tentang data yang terdistribusi normal seperti:
1. Nilai signifikansi atau probabilitas 0,05 maka data terdistribusi secara tidak normal
2. Nilai signifikansi atau probabilitas 0,05 maka data terdistribusi secara normal.
Universitas Sumatera Utara
Hasil uji normalitas dengan menggunakan tes Kolmogorov - Smirnov K-S adalah sebagai berikut:
Tabel 5.5 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 156
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .70751315
Most Extreme Differences Absolute
.106 Positive
.106 Negative
-.057 Kolmogorov-Smirnov Z
1.323 Asymp. Sig. 2-tailed
.060 a. Test distribution is Normal.
b. Calculated from data.
Dari hasil data yang sudah diolah seperti Tabel 5.5 di atas terlihat bahwa data terdistribusi secara normal karena nilai signifikansi 0,05.
5.3.2 Uji Heteroskedastisitas Setelah Transformasi
Ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu bergelombang, melebar lalu menyempit pada grafik
Scatterplot antara prediksi nilai variabel terikat ZPRED dengan residualnya SRESID. Berdasarkan Gambar 5.6, terlihat bahwa titik-titik menyebar secara
acak baik di atas maupun di bawah garis 0 pada sumbu Y dan membentuk suatu pola tertentu sehingga dapat disimpulkan tidak terdapat masalah
heteroskedastisitas.
Universitas Sumatera Utara
Gambar 5.6. Scatterplot Heteroskedastisitas Setelah Transformasi
5.3.3 Uji Multikolinearitas Setelah Transformasi
Setelah diadakan transformasi, diperoleh nilai korelasi yang lebih besar dari 0,10 dan Variance Inflation Factor VIF lebih kecil dari 10. Hal ini
menunjukkan bahwa variabel independen dalam penelitian ini tidak saling berkolerasi atau tidak ditemukan adanya korelasi antara variabel independen.
Multikolinieritas terjadi apabila nilai tolerance 0,10 dan VIF 10. Hasil pengujian terlihat pada Tabel 5.6 berikut.
Universitas Sumatera Utara
Tabel 5.6 Uji Multikolinieritas Setelah Transformasi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant -1.239
.118 -10.482
.000 LN_ROA
-.097 .039
-.194 -2.452 .015
.995 1.005
LN_KEP.INSD -.078
.060 -.103 -1.298
.196 .995
1.005 a. Dependent Variable: LN_DER
Uji Multikolonieritas dilakukan dengan melihat nilai Collinearity statistic dan nilai koefisien korelasi di antara variabel bebas. Berdasarkan tabel 5.6
terlihat nilai VIF variabel independen yang terdiri dari ROA dan variabel Kepemilikan insider lebih kecil dari 10 sedangkan nilai tolerance lebih besar dari
0,10. Hal ini menunjukkan bahwa indikakator varibel informasi akuntansi dalam penelitian ini tidak saling berkorelasi.
5.2.4 Uji Autokorelasi Setelah Transformasi
Pengujian ini bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Hasil transformasi terhadap penelitian menghasilkan nilai baru yang tertera pada Tabel 5.7 untuk Durbin
Watson sebesar 2,175 yang berada di antara 1,5 samapai dengan 2,5 sehingga menunjukkan tidak terjadi autokorelasi.
Universitas Sumatera Utara
Tabel 5.7 Uji Autokorelasi Setelah Transformasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1
.
213
a
.046 .033
.71212 2.175
a. Predictors: Constant, LN_KEP.INSD, LN_ROA b. Dependent Variable: LN_DER
5.4 Koefisien Determinasi
Nilai R square R
2
atau nilai koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel
dependen. Nilai R
2
adalah diantara nol dan satu. Nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel
dependen sangat terbatas. Nilai yang mendekati satu berarti variabel-variabel dependen memberikan hampir semua informasi yang dibutuhkan untuk
memprediksi variasi variabel dependen.
Tabel 5.8 Hasil Adjusted R
Model Summary
2
Model R
R Square Adjusted R Square
Std. Error of the Estimate
1 .213
a
.046 .033
.71212 Predictors: Constant, LN_KEP.INSD, LN_ROA
Nilai adjusted R
2
sebesar 0,033 mempunyai arti bahwa hal ini berarti variabel dependen mampu dijelaskan oleh variabel independen sebesar 3,3.
Universitas Sumatera Utara
Dengan kata lain 3,3 perubahan dalam Kebijakan Hutang mampu dijelaskan variabel ROA dan Kepemilikan Insider dan sisanya 100-3,3= 96,7
dijelaskan oleh sebab yang lain diluar model penelitian ini.
5.5 Pengujian Hipotesis