46 Nilai Foreign Direct Investment sebesar
2,007,150,725.00
yaitu negara Filipina sampai dengan nilai tertinggi sebesar
63,772,316,791.00
, dimiliki oleh negara singapura.
Dari analisis statistik deskriptif diketahui nilai rata-rata Debt to Equity perusahaan sampel sebesar
9.7435
dengan nilai standar deviasi sebesar
3.50301
, yang berarti variasi data sangat besar sekitar 64 dari mean. Debtto Equity
Ratio berkisar dari nilai terendah sebesar
4.94
perusahaan PT. Bank Central Asia Tbk tahun 2012 sampai dengan nilai tertinggi sebesar
26.65
yaitu perusahaan Vietcom Bank LLC tahun 2014. Nilai rata-rata Debt to Equity Ratio sebesar
9.7435
.
4.2 Uji Asumsi Klasik
4.2.1 Uji Normalitas
Uji normalitas dilakukan pada tiap-tiap variabel penelitian untuk mengetahui variabel mana yang memenuhi dan tidak memenuhi asumsi normalitas variabel
tersebut terdistribusi secara normal.Uji normalitas dilakukan dengan menggunakan Normal Probability Plot dan uji Kolmogorov-Smirnov.
Universitas Sumatera Utara
47
Gambar 4.1 Uji Normalitas P-Plot
Gambar 4.1 menunjukkan bahwa grafik memberikan pola distribusi normal dikarenakan terlihat grafik titik-titik menyebar mendekati dari garis
Universitas Sumatera Utara
48 diagonal. Sehingga model regresi layak untuk dipakai dalam penelitian ini. Hasil
ini diperkuat dengan menggunakan uji normalitas Kolmogorov- Smirnov. Dalam analisis uji statistik Kolmogorov Smirnov. Apabila nilai
signifikansi 0,05, berarti variabel terdistribusi secara normal. Hasil output SPSSnya disajikan dalam tabel berikut ini:
Tabel 4.2 Hasil Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 60
Normal Parameters
a,b
Mean .0000000
Std. Deviation 1.20421026
Most Extreme Differences Absolute
.110 Positive
.110 Negative
-.091 Kolmogorov-Smirnov Z
.850 Asymp. Sig. 2-tailed
.465 a. Test distribution is Normal.
b. Calculated from data.
Hasil yang diperoleh dari Tabel 4.2 menunjukkan besarnya nilai Kolmogorov-Smirnov adalah 0,850 dan nilai Asymp.Sig. 2-tailed 0,822
dengan nilai signifikan yang ditetapkan 0,05 yang berarti data residual persamaan 2 terdistribusi secara normal. Hasil uji statistik non-parametric
Kolmogorov-Smirnov ini konsisten dengan hasil yang ditunjukkan melalui kurva histogram dan normal probability plot, sehingga dapat disimpulkan model
regresi persamaan 2 memenuhi asumsi normalitas.
Universitas Sumatera Utara
49
4.2.2 Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1 sebelumnya. Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah dalam autokorelasi diantaranya adalah dengan uji Durbin-
Watson.
Tabel 4.3 Hasil Uji Durbin - Watson
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.572
a
.328 .291
1.33181 1.544
a. Predictors: Constant, Ln_FDI, Ln_DER, IAS28 b. Dependent Variable: LN_MC
Berdasarkan Tabel 4.3 hasil pengujian diperoleh bahwa tidak terjadi autokorelasi antar kesalahan pengganggu antar periode. Hal ini dilihat dari nilai
Durbin-Watson D-W sebesar 1,544. Angka tersebut berada diantara -2 dan +2, artinya bahwa angka DW lebih besar dari -2 dan lebih kecil dari +2 -2 1,517
+2. Jadi dapat disimpulkan bahwa tidak ada autokorelasi positif maupun negatif.
4.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke
Universitas Sumatera Utara
50 pengamatan yang lain. Pengujian ini dapat dilakukan dengan berbagai uji yang
dilakukan. Di bawah ini merupakan hasil dar pengujian heteroskedastisitas dengan melihat grafik plot antara nilai prediksi variabel terikat dependen yaitu
ZPRED dengan residualnya SRESID. Deteksi ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang
telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya
yang telah di – studentized. Cara mendeteksi ada tidaknya gejala
heteroskedastisitas adalah dengan melihat grafik scatterplot yang dihasilkan dari pengolahan data dengan SPSS. Menurut Ghozali 2013 pengambilan keputusan
adalah dengan melihat pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heterokedastisitas dan jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y,
maka tidak terjadi heterokedastisitas.
Universitas Sumatera Utara
51
Gambar 4.2 Uji Heteroedastisitas
Berdasarkan gambar 4.2 terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Maka
dapat disimpulkan bahwa tidak terjadi heteroskedastisitas.
4.2.4 Uji Multikolinearitas
Pengujian multikolinearitas dilakukan dengan melihat nilai Variance Coefficient factors VIF yang ditampilkan pada Tabel 4.4.
Universitas Sumatera Utara
52
Tabel 4.4 Uji Multiolineritas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
3.615 4.177
.865 .391
Ln_DER -.884
.592 -.171
-1.492 .141
.911 1.097
IAS28 .167
.424 .046
.394 .695
.875 1.142
Ln_FDI .858
.179 .540
4.789 .000
.944 1.059
a. Dependent Variable: LN_MC
Nilai VIF menunjukkan nilai 2 yang berarti tidak terjadi multikolinearitas antar variabel pada model regresi penelitian ini.
4.3 Pengujian Hipotesis 4.3.1 Uji R² atau Koefisien Determinasi