BAB IV. HASIL DAN PEMBAHASAN
4.2 Analisis dan Hasil Penelitian Pengembangan Hipotesis
Statistik deskriptif digunakan untuk memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum dan minimum. (Ghozali, 2016). Variabel-variabel yang digunakan adalah likuiditas (CR), leverage (DER), profitabilitas (ROA) dan ukuran perusahaan (SIZE) sebagai variabel independen dan variabel dependen yaitu kebijakan dividen (DER). Data-data tersebut diperoleh dan diolah dari data laporan tahunan perusahaan property dan real estate yang terdaftar Di Bursa Efek Indonesia (BEI) selama periode 2014-2018. Berikut ini hasil pengujian analisis statistik deskriptif sebagai berikut:
Tabel 4.2 Hasil Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
DPR 45 3.53 143.31 17.8096 21.47162 CR 45 64.65 776.12 266.7416 140.03107 DER 45 4.86 180.72 81.9956 50.21123 ROA 45 1.03 18.14 7.9998 4.23357 Ln 45 23.49 31.58 28.8856 2.11457 Valid N (listwise) 45
Sumber: Data Hasil SPSS
Berdasarkan hasil perhitungan pada tabel 4.2 tersebut dapat diketahui bahwa jumlah pengamatan (observasi) dalam penelitian ini sebanyak 45 sampel pengamatan. Perhitungan kebijakan dividen yang diproksikan dengan Dividend Payout Ratio (DPR) dilakukan dengan perbandingan dividen persaham dan laba persaham menunjukkan bahwa rata-rata Dividend Payout Ratio (DPR) pada perusahaan property dan real estate yang terdaftar di Bursa Efek Indonesia (BEI) selama periode 2014-2018 sebesar 17,8096. Sedangkan standar deviasi (SD)
sebesar 21,47162 artinya besarnya penyimpangan data dari Dividend Payout Ratio sebesar 21,474162. Nilai maksimum Dividend Payout Ratio dilakukan oleh Agung Podomoro Land Tbk periode 2018. Sedangkan nilai minimum Dividend Payout Ratio terdapat pada Bekasi Fajar Industrial Estate Tbk periode 2016. Pada variable likuiditas yang diproksikan dengan Curren Ratio (CR) dapat diketahui bahwa, perhitungan rasio tersebut dilakukan dengan membandingkan asset lancar dengan hutang lancar. Pada tabel diatas menunjukkan bahwa rata-rata curren ratio pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) selama periode 2014-2018 sebesar 266,7416 untuk standar deviasi (SD) sebesar 140,03107. Nilai maksimum sebesar 776,12 dan nilai minimum sebesar 64,65. Nilai maksimum perhitungan curren ratio terdapat pada BNekasi Fajar Industrial Estate Tbk pada periode 2018, sedangkan nilai minimum perhitungan curren ratio terdapat pada Metropolitan Kentjana Tbk periode 2014.
Pada variabel leverage yang diproksikan dengan Debt to Equity Ratio (DER) dapat diketahui bahwa, perhitungan rasio tersebut dilakukan dengan membandingkan Total Hutang dengan Modal. Pada tabel menunjukkan bahwa rata-rata debt to equity ratio pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) selama periode 2014-2018 sebesar 81,9956. Untuk standar deviasi (SD) perhitungan debt to equity ratio sebesar 50,21123. Nilai maksimum perhitungan debt to equity ratio sebesar 180,72 dan nilai minimumnya sebesar 4,87. Nilai maksimum perhitungan debt to equity ratio terdapat pada Agung Podomoro Land Tbk periode 2014, sedangkan nilai minimum perhitungan debt to equity ratio terdapat pada Bekasi Fajar Industrial Estate Tbk periode 2017.
Pada variabel profitabilitas yang diproksikan dengan Return On Asset (ROA) dapat diketahui bahwa, perhitungan rasio tersebut dilakukan dengan membandingkan laba bersih sebelum pajak dengan total aset. Pada tabel menunjukkan bahwa rata-rata perhitungan return on asset pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) selama periode 2014-2018 sebesar 7,9998. Untuk standar deviasi (SD) perhitungan return on asset sebesar 4,23357. Sedangkan untuk nilai maksimum perhitungan return on asset sebesar 18,14 dan nilai minimumnya sebesar 1,03. Nilai maksimum perhitungan return on asset terdapat pada Metropolitan Kentjana Tbk Periode 2016, sedangkan nilai minimum perhitungan return on asset terdapat pada Agung Podomoro Land Tbk periode 2018.
Pada variabel Ukuran Perusahaan (SIZE) dapat diketahui bahwa, perhitungan variabel tersebut dilakukan dengan log natural dari total aset. Pada tabel menunjukkan bahwa rata-rata perhitungan ukuran perusahaan pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) selama periode 2014-2018 sebesar 28,8856. Untuk standar deviasi (SD) perhitungan ukuran perusahaan sebesar 2,11457. Nilai maksimum perhitungan ukuran perusahaan sebesar 31,58 dan nilai minimumnya sebesar 23,49. Nilai maksimum perhitungan ukuran perusahaan terdapat pada Bumi Serpong Damai Tbk periode 2018, sedangkan nilai minimum perhitungan ukuran perusahaan terdapat pada Summarecon Agung Tbk periode 2014.
4.2.2 Uji Asumsi Klasik 4.2.2.1 Uji Normalitas
Menurut Priyatno (2013) uji normalitas data digunakan untuk mengetahui apakah data berdistribusi normal atau tidak. Pengambilan keputusan tentang data berdistribusi normal atau tidak, dapat menggunakan uji one sample Kolmogorov Smirnov (K-S) yang dapat dilihat dari:
a. Jika signifikansi > 0,05 maka data dinyatakan berdistribusi normal b. Jika signifikansi < 0,05 maka data dinyatakan berdistribusi tidak normal Tabel 4.3 Uji One Sample Kolmogorov Smlrnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 38
Normal Parametersa,b Mean -6.2012934
Std. Deviation 7.87314685 Most Extreme Differences Absolute 0.104
Positive 0.104
Negative -0.066
Test Statistic 0.104
Asymp. Sig. (2-tailed) 0.200c,d
Sumber: Data Hasil SPSS
Dari hasil pengolahan data pada tabel 4.3 diatas dapat diketahui bahwa dari keseluruhan variabel, dapat dilihat dari nilai residual yang menunjukkan bahwa angka diatas alpha 0,05 yaitu 0,200. Hal ini berarti bahwa data dinyatakan berdistribusi normal.
4.2.2.2 Uji Multikolonieritas
Menurut Ghozali (2018) uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara
variabel independen. Untuk mendeteksi ada atau tidaknya multikolonieritas di dalam model regresi dapat dilihat dari nilai tolerance dan lawannya Variance Inflation Factor (VIF). Nilai cutoff yang dipakai untuk menunjukkan adanya multikolonieritas adalah nilai Tolerance = 0,10 atau sama dengan nilai VIF = 10. Tabel 4.4 Nilai Tolerance dan Variance Inflation Factor
Model Collinearity Statistics Tolerance VIF 1 (Constant) CR 0.661 1.513 DER 0.600 1.666 ROA 0.759 1.317 Ln 0.914 1.094
Sumber: Data Hasil SPSS
Tabel 4.4 diatas menunjukkan tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antara variabel independen. Hasil perhitungan nilai VIF juga menunjukkan hal yang sama, yaitu tidak ada variabel independen yang memliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel independen dalam model regresi.
4.2.2.3 Uji Autokorelasi
Menurut Ghozali (2018) 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. Untuk menguji ada tidaknya
gejala autokorelasi maka dapat dideteksi dengan uji Durbin-Watson (DW Test). Dasar pengambilan keputusan diambil berdasarkan Sunyoto (2009):
a. Terjadi autokorelasi positif jika nilai Durbin Watson dibawah 2 (DW < -2).
b. Tidak terjadi autokorelasi jika nilai Durbin Watson berada diantara -2 dan +2 atau (-2 < DW < +2).
c. Terjadi autokorelasi negatif jika nilai Durbin Watson diatas +2 (DW > +2). Tabel 4.5 Uji Durbin-Watson
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 0.555a 0.308 0.224 5.07993 1.892
Sumber: Data Hasil SPSS
Hasil uji Durbin Watson dalam tabel 4.5 diatas menunjukkan nilai Durbin Watson sebesar 1,892. Hal ini dapat dikatakan bahwa tidak terjadi autokorelasi karena nilai Durbin Watson berada diantara -2 dan +2 atau (-2 < DW < +2). 4.2.2.4 Uji Heteroskedastisitas
Menurut Ghozali (2018) uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas yaitu dengan melihat hasil output SPSS melalui grafik scatterplot antara nilai prediksi variabel terikat (dependen) yaitu ZPRED dengan residualnya SRESID. Dasar analisisnya, yaitu:
a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.
b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Gambar 4.1 Grafik Scatterplot
Gambar 4.1 Grafik Scatterplot
Sumber: Data Hasil Penelitian SPSS
Dari gambar 4.1 diatas pada grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi.
Berdasarkan hasil penelitian dengan perhitungan kuantitatif menggunakan model statistic regresi linear berganda maka dapat diketahui hasil dari Uji Statistik F, Koefisien Determinasi dan Uji Statistik t pada penelitian ini adalah sebagai berikut.
4.2.3.1 Uji Statistik F (Kelayakan Model)
Uji statistik F atau uji kelayakan model digunakan untuk mengetahui apakah model regresi statistik yang digunakan layak atau tidak untuk dilakukan prediksi.
Tabel 4.6 Hasil Uji Anova
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1 Regression 378.706 4 94.677 3.669 0.014b
Residual 851.589 33 25.806
Total 1230.295 37
Sumber: Data Hasil Penelitian SPSS
Dari uji anova atau F test didapat nilai F sebesar 3,669 dengan probabilitas signifikansi 0,014. Nilai probabilitas yang lebih kecil dari 0,05 maka model regresi linier layak digunakan untuk menjelaskan pengaruh rasio keuangan (likuiditas, leverage, profitabilitas) dan ukuran perusahaan terhadap kebijakan dividen.
4.2.3.2 Koefisien Determinasi (R2)
Menurut Ghozali (2018) Koefisien determinasi bertujuan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel
dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
Dasar pengambilan keputusan diambil berdasarkan Gujarati (2003) dalam Ghozali (2018) yaitu jika dalam uji empiris didapat nilai adjusted R2 negatif, maka nilai adjusted R2 dianggap bernilai nol. Secara matematis jika nilai R2 = 1, maka Adjusted R2 = R2 = 1 sedangkan jika nilai R2 = 0, maka adjusted R2 = (1-k)/(n-k). Jika k > 1, maka adjusted R2 akan bernilai negatif.
Tabel 4.7 Hasil Model Summary
Dari hasil output SPSS model summary, besarnya Adjusted R Square adalah 0,224. Hal ini berarti 22,4% variasi kebijakan dividen dapat dijelaskan oleh variasi dari empat variabel independen Likuiditas, Leverage, Profitabilitas dan Ukuran Perusahaan. Sedangkan sisanya 77,6% dijelaskan oleh sebab-sebab yang lain diluar model atau variabel lainnya yang tidak diuji dalam penelitian ini. 4.2.3.3 Uji Hipotesis
Menurut Ghozali (2018) Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Pengambilan keputusan pada uji statistik t dapat dilakukan dengan menggunakan tingkat keyakinan 95% dengan
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 0.555a 0.308 0.224 5.07993
signifikansi 5%. Jika p-value < 0,05 maka variabel independen tersebut berpengaruh signifikan terhadap variabel dependen. Sebaliknya, jika p-value > 0,05 maka variabel independen tersebut tidak berpengaruh signifikan terhadap variabel dependen.
Tabel 4.8 Model Regresi Linier Berganda
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) -31.448 12.108 -2.597 0.014 CR -0.023 0.009 -0.439 -2.464 0.119 DER 0.003 0.021 0.029 0.153 0.880 ROA 1.184 0.251 0.222 2.373 0.026 Ln -0.535 0.386 -0.210 -1.385 0.175
Sumber: Data Hasil SPSS
Keterangan :
Y adalah Dividen Payout Ratio (DPR)
𝑎 adalah Konstanta
𝛽1𝛽2𝛽3𝛽4 adalah Koefisien Regresi
X1 adalah Current Ratio (CR)
X2 adalah Debt to Equity Ratio (DER)
X3 adalah Return On Asset (ROA)
X4 adalah Ukuran Perusahaan
e adalah Error
y = a + β1X1+ β2X2+ β3X3+ β4X4 + e
Berdasarkan hasil analisis pada table 4.7 dapat disimpulkan bahwa: 1. Konstanta (α )
Nilai konstanta yang diperoleh sebesar -31,448 yang dapat diartikan jika semua variabel bebas (CR, DER, ROA, SIZE) bernilai nol, maka (Y) Kebijakan Dividen adalah sebesar -31,448.
2. Koefisien Regresi (ß) (X1)
Koefisien regresi untuk variabel X1 yakni Likuiditas (CR) sebesar -0,023. Hal ini menunjukkan bahwa setiap penambahan CR sebesar satu kali akan menurunkan nilai Kebijakan Dividen (DPR) sebesar 0,023. Dengan asumsi bahwa variabel bebas lainnya tidak mengalami perubahan (konstan).
Variabel Likuiditas (CR) mempunyai arah yang negatif yaitu -0,023 dengan nilai signifikansi sebesar 0,119 > 0,05. Maka variabel Likuiditas (CR) berpengaruh negatif dan tidak signifkan terhadap Kebijakan Dividen berarti H1 tidak didukung oleh teori yang digunakan dalam penelitian ini.
3. Koefisien Regresi (ß) (X2)
Koefisien regresi untuk variable X2 yakni Leverage (DER) bernilai positif sebesar 0,003. Hal ini menunjukkan bahwa setiap penambahan DER sebesar satu persen akan menaikkan nilai Kebijakan Dividen (DPR) sebesar 0,003. Dengan asumsi bahwa variabel bebas lainnya tidak mengalami perubahan (konstan).
Variabel Leverage (DER) mempunyai arah yang positif yaitu 0,003 dengan nilai signifikansi sebesar 0,880 > 0,05. Maka variabel Leverage (DER) berpengaruh positif dan tidak signifkan terhadap Kebijakan Dividen berarti H2 tidak didukung oleh teori yang digunakan dalam penelitian ini.
4. Koefisien Regresi (ß) (X3)
Koefisien regresi untuk variable X3 yakni Profitabilitas (ROA) bernilai positif sebesar 1,184. Hal ini menunjukkan bahwa setiap penambahan ROA sebesar satu persen akan menaikkan nilai Kebijakan Dividen (DPR) sebesar 1,184. Dengan asumsi bahwa variabel bebas lainnya tidak mengalami perubahan (konstan).
Profitabilitas (ROA) mempunyai arah yang positif yaitu 1,184 dengan nilai signifikansi sebesar 0,026 < 0,05. Maka variabel Profitabilitas (ROA) berpengaruh positif dan signifkan terhadap Kebijakan Dividen berarti H3 didukung oleh teori yang digunakan dalam penelitian ini. 5. Koefisien Regresi (ß) (X4)
Koefisien regresi untuk variable X4 yakni Ukuran Perusahaan (SIZE) bernilai negatif sebesar -0,535. Hal ini menunjukkan bahwa setiap penambahan SIZE sebesar satu kali akan menurunkan nilai Kebijakan Dividen (DPR) sebesar 0,535. Dengan asumsi bahwa variabel bebas lainnya tidak mengalami perubahan (konstan).
Ukuran Perusahaan (SIZE) mempunyai arah yang negatif yaitu -0,535 dengan nilai signifikansi sebesar 0,175 > 0,05. Maka variabel
Ukuran Perusahaan (SIZE) berpengaruh negatif dan tidak signifkan terhadap Kebijakan Dividen berarti H4 tidak didukung oleh teori yang digunakan dalam penelitian ini.