BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.2 Analisis statistik Deskriptif
Statistik deskriptif memberikan gambaran mengenai nilai minimum, nilai maksimum, nilai rata-rata, median, variance, serta standar deviasi data yang digunakan dalam penelitian. Menurut sugiyono (2007:49) Dimana komponen-komponen statistik deskriptif dapat dijabarkan sebagai berikut:
1. Mean merupakan teknik penjelasan kelompok yang didasarkan atas nilai rata-rata dari kelompok tersebut.
2. Median adalah suatu teknik penjelasan kelompok yang didasarkan atas nilai tengah dari kelompok data yang telah disusun urutannya dari yang terkecil sampai yang terbesar, atau sebaliknya dari yang terbesar sampai yang terkecil.
3. Range dapat diketahui dengan jalan mengurangi data yang terbesar dengan data terkecil yang ada pada kelompok itu,
4. Standard deviation adalah simpangan baku. Semakin kecil nilainya, maka data yang digunakan mengelompokkan di sekitar nilai rata-rata,
5. Variance adalah jumlah kuadrat semua deviasi nilai-nilai individual terhadap rata-rata kelompok
Tabel 4.1 Statistik Deskriptif
Sumber : Diolah dengan SPSS 2015 Descriptive Statistics
N Range Minimum Maximum Mean Std. Deviation Variance
Collateralizable_Asset 42 .73 .14 .87 .4642 .21642 .047
Rasio_Hutang 42 2.38 .02 2.40 .6762 .58019 .337 Reputasi_Auditor 42 1.00 .00 1.00 .7857 .41530 .172
Dividend_Payout_Ratio 42 .74 .15 .89 .4062 .16001 .026
Valid N (listwise) 42
Berdasarkan Tabel 4.1 dapat dijelaskan penggambaran tentang data yang digunakan dalam penelitian ini :
1. N merupakan data yang valid yakni sebanyak 42 (14 dikali 3).
2. Collateralizable Assets memiliki nilai minimum 0,14 dan nilai maksimum yaitu 0,87, dengan nilai rata-rata yaitu 0,4642. Standard Deviation variabel ini adalah 0,21642 dan variance 0,047. Range yaitu senilai 0,73 menunjukkan bahwa data yang digunakan dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum.
3. Rasio Hutang memiliki nilai minimum 0,2 dan nilai maksimum yaitu 2,40 dengan nilai rata-rata yaitu 0,6762. Standard Deviation variabel ini adalah 0,58019 dan variance 0,337. Range yaitu senilai 2,38 menunjukkan bahwa data yang digunakan yang dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum. 4. Reputasi Auditor memiliki nilai minimum 0,00 dan nilai maksimum yaitu
1,00 dengan nilai rata-rata yaitu 0,7857. Standard Deviation variabel ini adalah 0,41530 dan variance 0,172. Range yaitu senilai 1,00 menunjukkan bahwa data yang digunakan yang dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum.
5. Divident Payout Ratio memiliki nilai minimum 0,15 dan nilai maksimum yaitu 0,89 dengan nilai rata-rata yaitu 0,4062. Standard Deviation variabel ini adalah 0,16001 dan variance 0,026. Range yaitu senilai 0,74 menunjukkan bahwa data yang digunakan yang dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum.
4.3 Uji Asumsi Klasik 4.3.1 Uji Normalitas Data
Pengujian normalitas data dapat dilakukan secara kasat mata yaitu dapat dilihat pada grafis histogram dan grafik PP Plots. Suatu data akan berdistribusi normal jika grafik histogram menyerupai bel yang menghadap ke atas. Hal ini bisa dilihat dalam tampilan grafik berikut ini :
Gambar 4.1
Uji Normalitas (1) : Histogram Sebelum Transformasi Sumber : Hasil Pengolahan SPSS (2015)
Pada Gambar 4.1 terlihat bahwa residual data berdistribusi normal, hal ini ditunjukan oleh distribusi data yang berbentuk lonceng dan tidak melenceng ke kiri atau ke kanan.
Gambar 4.2
Uji Normalitas (2) : Grafik Normalitas PP Plot Sebelumnya Transformasi Sumber : Hasil Pengolahan SPSS (2015)
Pada Gambar 4.2 Normal P-P Plot terlihat titik-titik yang mengikuti data disepanjang garis normal, hal ini berarti residual data berdistribusi normal.
Tabel 4.2
Uji Kolmogrov-Smirnov Sebelum Transformasi Sumber : Hasil Pengolahan SPSS (2015)
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 42
Normal Parametersa,b Mean .0000000 Std. Deviation .14604139
Most Extreme Differences
Absolute .099
Positive .098
Negative -.099
Kolmogorov-Smirnov Z .640
Asymp. Sig. (2-tailed) .807
a. Test distribution is Normal. b. Calculated from data.
Pada Tabel 4.2 terlihat bahwa nilai Asymp.sig (2-tailed) adalah 0,807 dan nilai signifikan (0,05), karena nilai Asymp.sig (2-tailed) diatas 0,05 yaitu 0,807 hal ini berarti menunjukan bahwa residual data berdisribusi normal.
4.3.2 Uji Multikolinearitas
Untuk melihat ada tidaknya gejala multikolinearitas, peneliti melihat besaran korelasi antara variabel independen dan besarnya tingkat kolinearitas yang masih dapat ditolerir yaitu : tolerance > 0,1 dan VIF (Variance Inflation Factor) < 5. Uji multikolinearitas dengan melihat nilai tolerance dan VIF menunjukkan hasil seperti pada tabel 4.3 berikut :
Tabel 4.3
Hasil Uji Multikolinearitas Sumber : Hasil Pengolahan SPSS 2015
Tabel 4.3 menunjukkan bahwa penelitian ini bebas dari adanya gejala multikolinearitas. Hal ini dapat dilihat dengan membandingkan nilai tolerance dan VIF. Masing-masing variabel independen yang digunakan dalam penelitian ini memiliki nilai tolerance yang lebih besar dari 0,1. Untuk Collateralizable Assets
memiliki nilai tolerance 0,683; Rasio Hutang memiliki nilai tolerance 0,885; Reputasi Auditor memiliki nilai tolerance 0,617. Jika dilihat dari VIF, masing-masing variabel independen lebih kecil dari 5 yaitu Collateralizable Assets 1,463; Rasio Hutang memiliki VIF 1,131; Reputasi Auditor memiliki VIF 1,620. Kesimpulan yang diperoleh adalah tidak terjadi gejala multikolinearitas dalam variabel independennya.
4.3.3 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan lain. Pengujian heteroskedastisitas pada penelitian ini menggunakan dasar dari analisis sebagai berikut :
Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
T Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1
(Constant) .362 .073 4.986 .000
Collateralizable_Asset -.277 .132 -.375 -2.094 .043 .683 1.463
Rasio_Hutang .031 .043 .112 .710 .482 .885 1.131
Reputasi_Auditor .193 .073 .501 2.657 .011 .617 1.620
1. Jika ada pola tertentu, seperti titik-titik yang ada akan membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka mengindikasikan tidak terjadi heteroskedastisitas.
Hasil dari uji heteroskedastisitas dapat ditunjukkan pada gambar 4.3 berikut ini :
Gambar 4.3 Grafik Scatterplot
Sumber : Diolah denegan SPSS 2015
Dari grafik scatterplot pada gambar 4.3 diatas terlihat bahwa titik-titik menyebar secara acak baik diatas maupun di bawah angka 0 pada sumbu Y tidak
dari titik-titik yang lain mengindikasikan bahwa adanya data observasi yang sangat berbeda dengan data penelitian lainnya. Maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi ini sehingga model ini layak untuk digunakan untuk melihat pengaruh collateralizable assets, rasio hutang, dan reputasi auditor terhadap kebijakan dividen pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.
4.3.4 Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan penganggu periode t-1 (sebelumnya). Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Adanya autokorelasi dapat diuji dengan menggunakan Uji Durbin-Watson, dengan kriteria sebagai berikut :
1. Angka D-W di bawah -2 berarti ada ditemukan autokorelasi positif
2. Angka D-W di antara -2 sampai +2, berarti tidak ada ditemukan autokorelasi 3. Angka D-W di atas +2 berarti ada ditemukan autokorelasi negative
Hasil uji autokorelasi dapat dilihat pada Tabel 4.4 sebagai berikut : Tabel 4.4
Hasil Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate
Change Statistics Durbin -Watso n R Square Change F Change df1 df2 Sig. F Change 1 .409a .167 .101 .15170 .167 2.540 3 38 .071 1.899
a. Predictors: (Constant), Reputasi_Auditor, Rasio_Hutang, Collateralizable_Asset b. Dependent Variable: Dividend_Payout_Ratio
Berdasarkan Tabel 4.4 diatas, hasil uji autokorelasi maka dapat dibuat keputusan dengan persamaan :
du < d < 4-du
1,7202 < 1,899 < 2,279
Dari angka persamaan tersebut maka dapat disimpulkan bahwa tidak terdapat adanya autokorelasi positif atau negatif.
4.4 Pengujian Hipotesis
Pengujian hipotesis dilakukan untuk mengetahui pengaruh variabel independen terhadap variabel dependen. Pengujian hipotesis secara statistic dilakukan dengan menggunakan analisis uji parsial (t-test) dan uji simultan
(F-test). 4.4.1 Uji t
Uji t digunakan untuk mengetahui apakah variabel independen mempengaruhi variabel dependen secara parsial.
Tabel 4.5 Hasil Uji t
Sumber : Diolah dengan SPSS 2015 Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .362 .073 4.986 .000 Collateralizable_Asset .277 .132 .375 1.094 .243 Rasio_Hutang .031 .043 .112 .710 .482 Reputasi_Auditor .193 .073 .501 2.657 .011
Hasil uji secara parsial (t)
Berdasarkan Tabel 4.5 dapat disimpulkan mengenai uji hipotesis secara parsial.
Collateralizable Assets (X1) terhadap Dividend Payout Ratio (Y)
H1 : Collateralizable Assets (X1) berpengaruh terhadap Dividend Payout Ratio (Y) pada perusahaan manufaktur yang terdaftar di BEI
Nilai t hitung Collateralizable Assets (X1) diperoleh sebesar 1,094 dan nilai signifikansi sebesar 0,043. Data t tabel df = jumlah sampel – jumlah variabel yaitu 42-4 maka df = 38 pada tingkat signifikansi 5%, maka nilai t tabel adalah 1,68595. Nilai t hitung < nilai t tabel yang telah ditetapkan atau 1,094 <1,68595 dan nilai signifikan untuk uji t yang diperoleh 0,243 > dari tingkat signifikan
alpha yang telah ditetapkan 5% (0,05). Sehingga H1 ditolak dengan pengertian bahwa Collateralizable Assets (X1) tidak berpengaruh terhadap Dividend Payout Ratio (Y). Artinya jika Collateralizable Assets (X1) meningkat maka tidak berpengaruh terhadap Dividend Payout Ratio (Y). Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Latiefasari (2011).
Rasio Hutang (X2) terhadap Dividend Payout Ratio (Y)
H2 : Rasio Hutang (X2) berpengaruh terhadap Dividend Payout Ratio (Y) pada perusahaan manufaktur yang terdaftar di BEI.
Nilai t hitung Rasio Hutang (X2) diperoleh sebesar 0,710 dan nilai signifikansi sebesar 0,482. Sehingga diperoleh t hitung < t tabel atau 0,710 <1,68595 dan nilai signifikansi untuk uji t yang diperoleh sebesar 0,482 > dari tingkat signifikansi
bahwa rasio hutang (X2) tidak berpengaruh terhadap dividend payout ratio (Y). Artinya apabila rasio hutang (X2) meningkat maka tidak berpengaruh terhadap
dividend payout ratio (Y). Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Latiefasari (2011).
Reputasi Auditor (X3) terhadap Dividend Payout Ratio (Y)
H3 : Reputasi Auditor (X3) berpengaruh terhadap Dividend Payout Ratio (Y) pada perusahaan manufaktur yang terdaftar di BEI.
Nilai t hitung Reputasi Auditor (X3) diperoleh sebesar 2,657 dan nilai signifikansi sebesar 0,011. Sehingga diperoleh t hitung > nilai t tabel yang telah ditetapkan atau 2,657>1,68595 dan nilai signifikansi untuk uji t yang diperoleh 0.011< dari tingkat signifikansi alpha yang telah ditetapkan 5% (0,05). Sehingga H3 diterima dengan pengertian bahwa Reputasi Audior (X3) berpengaruh terhadap Dividend Payout Ratio (Y). Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Al Shahibi dan Ramesh (2011)
Model regresi yang terbentuk adalah sebagai berikut : Y = 0.362 + 0,277X1 + 0,31X2– 0,193X3 + e Dimana : X1 : Collateralizable Assets X2 : Rasio Hutang X3 : Reputasi Auditor α : Konstanta
Berdasarkan hasil persamaan regresi berganda tersebut masing-masing variabel menjelaskan bahwa :
1. Konstanta sebesar 0,362 menyatakan bahwa apabila tidak ada variabel bebas maka nilai dividend payout ratio (Y) adalah sebesar 0,362.
2. Collateralizable Assets (X1) memiliki arah hubungan yang negatif sejauh 0,277 terhadap dividend payout ratio (Y). Dengan asumsi setiap kenaikan pada
collateralizable assets (X1) sebesar 1% akan menyebabkan penurunan pada
dividend payout ratio (Y) sebesar 0,277%, dan sebaliknya penurunan pada
collateralizable assets (X1) sebesar 1% akan menyebabkan pula kenaikan pada
dividend payout ratio (Y) sebesar 0,277%.
3. Rasio Hutang (X2) memiliki arah hubungan yang negatif sejauh 0,31 terhadap
dividend payout ratio (Y). Dengan asumsi setiap kenaikan pada rasio hutang (X2) sebesar 1% akan menyebabkan penurunan dividend payout ratio sebesar 0,31%, sebaliknya penurunan rasio hutang (X2) sebesar 1% akan menyebabkan kenaikan
dividend payout ratio (Y) sebesar 0,31%
4. Reputasi Auditor (X3) memiliki arah hubungan yang positif sejauh 0,193 terhadap dividend payout ratio (Y). Dengan asumsi setiap kenaikan reputasi auditor (X3) sebesar 1% akan menyebabkan kenaikan pada dividend payout ratio
(Y) sebesar 0,193%, dan sebaliknya penurunan pada reputasi auditor (X3) sebesar 1% akan menyebabkan pula penurunan pada dividend payout ratio (Y) sebesar 0,193%.
4.4.2 Uji F
Uji F atau uji secara simultan dilakukan untuk mengetahui apakah variabel bebas memiliki pengaruh secara bersama-sama atau pun simultan terhadap variabel terikat, apabila nilai signifikan yang diperoleh kurang dari 0,05.
Tabel 4.6 Hasil Uji F
Sumber : Diolah dengan SPSS 2015 ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1
Regression .175 3 .058 2.540 .041b
Residual .874 38 .023
Total 1.050 41
a. Dependent Variable: Dividend_Payout_Rasio
b. Predictors: (Constant), Reputasi_Auditor, Rasio_Hutang, Collateralizable_Asset
Collateralizable Assets (X1), Rasio hutang (X2) dan reputasi auditor (X3) terhadap dividend payout ratio (Y)
H4 : Collateralizable Assets (X1), Rasio hutang (X2) dan reputasi auditor (X3) berpengaruh secara bersama-sama terhadap dividend payout ratio (Y) pada perusahaan manufaktur yang terdaftar di BEI.
Uji F pada tabel anova diperoleh nilai F sebesar 2,540 dan nilai signifikan sebesar 0,041 yaitu lebih kecil dari 0,05 sehingga dapat disimpulkan bahwa
collateralizable assets (X1), rasio hutang (X2) dan reputasi auditor (X3) berpengaruh secara bersama-sama terhadap dividend payout ratio (Y) pada perusahaan manufaktur yang terdaftar di BEI, maka H4 diterima karena didukung oleh data dan sesuai dengan ekspektasi penelitian.
4.4.3 Uji Koefisien Determinasi (R2)
Uji koefisien determinasi (R2) dilakukan untuk menunjukkan seberapa besar presentase variasi variabel independen yang digunakan dalam model mampu menjelaskan variasi variabel depeden. Nilai koefisien determinasi ini terletak diantara nol dan satu.
Tabel 4.7
Hasil Uji Koefisien Determinasi Sumber : Diolah dengan SPSS 2015
Model Summary Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 .409a .167 .101 .15170
a. Predictors: (Constant), Reputasi_auditor, Log_Collateralizable_assets, Rasio_hutang
Tabel 4.7 menunjukkan bahwa terjadi korelasi atau hubungan yang signifikan antara collateralizable assets (X1), rasio hutang (X2) dan reputasi auditor (X3) sebagai variabel independen dan dividend payout ratio (Y) sebagai variabel dependen. Hal ini terlihat dari nilai R sebesar 0,409 atau 40,9%. Nilai
Adjusted R Squared diperoleh sebesar 0,101 yang berarti 10,1% variasi atau perubahan dalam collateralizable assets (X1), rasio hutang (X2) dan reputasi auditor (X3) mempengaruhi kebijakan dividen (Y). Sisanya sebesar 89,9 % dijelaskan oleh faktor-faktor lain yang tidak dimasukkan dalam penelitian ini.