Uji normalitas adalah uji yang dilakukan dengan tujuan untuk melihat
apakah data yang ada dalam penelitian sudah terdistribusi dengan normal
atau tidak. Model regresi yang baik adalah apabila data tersebut normal atau
dua cara yaitu dengan grafik dan uji statistik. Untuk grafik itu menggunakan
suatu variabel dapat dikatakan normal apabila gambar titik-titik pada grafik
non probability plots mengikuti garis diagonal dan nilai signfikan atau
Tabel 4.2
Hasil Uji Normalitas
Page 1
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
atau 0,05 yaitu dengan nilai 0,069, hal ini menunjukkan data terdistribusi
dengan normal.
Page 2
4.2.2 Uji Multikolinearitas
dapat dilihat dari besaran VIF (Variance Inflation Factor) dan tolerance.
Regresi bebas dari multikolinearitas jika besar nilai VIF<10 dan nilai
tolerance>0.10.
Tabel 4.3
Hasil Uji Multikolinearitas
multikolinearitas pada variabel bebasnya karena semua nilai VIF < 10 dan
Page 3
Uji Heteroskedastisitas digunakan untuk menguji apakah dalam suatu
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 1.271 .528 2.408 .018
Profitabilitas -6.054 3.502 -.176 -1.729 .087
Likuiditas .354 .182 .195 1.940 .055
Struktur Asset 2.160 2.714 .079 .796 .428
Ukuran Perusahaan -.024 .022 -.104 -1.079 .283
Tingkat Pertumbuhan -.393 .192 -.206 -2.051 .053
Perusahaaan
a. Dependent Variable: Abs_Res
bahwa nilai Sig. dari masing-masing variabel 0.087, 0.055, 0.428, 0.283
dam 0.053. Dari hasil tersebut, maka dapat disimpulkan, bahwa model
nilai dari masing-masing variabel tidak signifikan, atau nilai Sig. lebih besar
dari 0.05
Page 4
tidaknya autokorelasi dalam model regresi ini ialah menggunakan uji
Tabel 4.5
Hasil Uji Autokorelasi
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .589 a
.347 .314 1.68623 1.894
a. Predictors: (Constant), Tingkat Pertumbuhan Perusahaaan , Struktur Asset, Ukuran
Perusahaan, Likuiditas, Profitabilitas
b. Dependent Variable: Struktur Modal
sebagai berikut :
Page 5
= du< dw< 4−du
= 1.7311<2.099<2,2173
pengaruh dua atau lebih variabel independen terhadap satu variabel dependen,
Tabel 4.6
Analisis Regresi Linear Berganda
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 10.307 .942 10.937 .000
Profitabilitas 4.578 6.251 .064 .732 .466
Likuiditas -1.840 .325 -.487 -5.654 .000
Struktur Asset -7.824 4.844 -.137 -1.615 .109
Ukuran Perusahaan -.131 .039 -.276 -3.344 .001
Tingkat Pertumbuhan -.426 .342 -.107 -1.247 .215
Perusahaaan
Sumber: Data diolah peneliti, (2023)
Page 6
Pada tabel di atas dapat dijelaskan tentang persamaan regresi linear
berganda pada penelitian ini. Adapun rumus persamaan regresi dalam penelitian
Y^ =α + β 1 X 1+ β 2 X 2 + β 3 X 3 + β 4 X 4 + β 5 X 5 e
modal akan meningkat sebesar 4,578. Satuan dengan asumsi hal hal lain
bersifat konstan.
modal akan menurun sebesar -1,840. Satuan dengan asumsi hal hal lain
bersifat konstan.
modal akan menurun sebesar -7,824. Satuan dengan asumsi hal hal lain
bersifat konstan.
Page 7
e. Koefisien regresi ukuran perusahaan sebesar -0,131 menunjukkan bahwa
maka struktur modal akan menurun sebesar -,131. Satuan dengan asumsi
sebesar -,426. Satuan dengan asumsi hal hal lain bersifat konstan.
Tabel 4.7
Uji Simultan
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 149.637 5 29.927 10.525 .000b
Residual 281.495 99 2.843
Total 431.132 104
a. Dependent Variable: Struktur Modal
b. Predictors: (Constant), Tingkat Pertumbuhan Perusahaaan , Struktur Asset, Ukuran
Perusahaan, Likuiditas, Profitabilitas
Sumber: Data diolah peneliti, (2023)
Page 8
Hipotesis :
H0 : β i=0
Taraf Signifikansi :
α = 0,05
Kriteria Penolakan :
modal adalah sebesar 0.000. Diketahui nilai Fhitung sebesar 10,525 dan
nilai Ftabel sebesar 2,306 sehingga nilai Fhitung (10,525> Ftabel (2,306)
dan nilai Sig (0.000) <α (0.05) maka tolak H0. Sehingga dapat disimpulkan
bahwa minimal ada satu variabel bebas berpengaruh positif dan signifikan
didapatkan:
Page 9
Tabel 4.8
Uji Parsial
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 10.307 .942 10.937 .000
Profitabilitas 4.578 6.251 .064 .732 .466
Likuiditas -1.840 .325 -.487 -5.654 .000
Struktur Asset -7.824 4.844 -.137 -1.615 .109
Ukuran Perusahaan -.131 .039 -.276 -3.344 .001
Tingkat Pertumbuhan -.426 .342 -.107 -1.247 .215
Perusahaaan
Sumber: Data diolah peneliti, (2023)
Hipotesis :
H0 : β i=0
H1 : β i ≠ 0 ( i = 1,2,3)
Taraf Signifikansi :
α = 0,05
Kriteria Penolakan :
Berdasarkan hasil output yang diperoleh dari aplikasi SPSS di atas, dapat
disimpulkan bahwa:
nilai Sig (0.466) >α (0.05), maka gagal tolak H0 artinya secara parsial
Page 10
tidak terdapat pengaruh profitabilitas terhadap struktur modal. Nilai
nilai Sig (0.000) <α (0.05), maka tolak H0 artinya secara parsial terdapat
nilai Sig (0.109) >α (0.05), maka gagal tolak H0 artinya secara parsial
nilai Sig (0.001) <α (0.05), maka tolak H0 artinya secara parsial terdapat
Page 11
5. Pengaruh Variabel Tingkat Pertumbuhan Perusahaan terhadap
Struktur Modal
nilai Sig (0.215) >α (0.05), maka gagal tolak H0 artinya secara parsial
dalam sebuah model regresi penelitian. Hasil uji koefisien determinasi adalah
sebagai berikut:
Tabel 4.9
Koefisien Determinasi
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .589a .347 .314 1.68623
a. Predictors: (Constant), Tingkat Pertumbuhan Perusahaaan , Struktur
Asset, Ukuran Perusahaan, Likuiditas, Profitabilitas
b. Dependent Variable: Struktur Modal
Sumber: Data diolah peneliti, (2023)
Page 12
bebas yang diteliti. Sedangkan 65,3% lainnya dipengaruhi oleh faktor lain diluar
penelitian.
~THANK YOU~
Page 13
LAMPIRAN
2) Uji Multikolinearitas
Page 14
3) Uji Heterokedastisitas
4) Uji Autokorelasi
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .722a .522 .490 .76240 2.088
a. Predictors: (Constant), X4 , Ln(X1) , Ln(X2) , X3
b. Dependent Variable: Log(Y)
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 4.541 .404 11.234 .000
Ln(X1) .722 .175 .396 4.123 .000
Ln(X2) .572 .082 .738 6.974 .000
X3 -3.065 .774 -.421 -3.958 .000
X4 .416 .185 .241 2.245 .028
Page 15
3. Pengujian Hipotesis
1) Uji F
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 38.077 4 9.519 16.377 .000b
Residual 34.875 60 .581
Total 72.953 64
a. Dependent Variable: Log(Y)
b. Predictors: (Constant), X4 , Ln(X1) , Ln(X2) , X3
2) Uji T
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 4.541 .404 11.234 .000
Ln(X1) .722 .175 .396 4.123 .000
Ln(X2) .572 .082 .738 6.974 .000
X3 -3.065 .774 -.421 -3.958 .000
X4 .416 .185 .241 2.245 .028
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .722 a
.522 .490 .76240 2.088
a. Predictors: (Constant), X4 , Ln(X1) , Ln(X2) , X3
b. Dependent Variable: Log(Y)
Page 16