HASIL DAN PEMBAHASAN 4.1 Data Penelitian
Data dalam penelitian ini dianalisis dengan menggunakan metode analisis statistik dengan menggunakan analisis persamaan regresi berganda, yakni studi mengenai ketergantungan variabel dependen (terikat) dengan satu atau lebih variabel dependen (bebas), yang bertujuan untuk mengestimasi dan/atau memprediksi rata-rata variabel dependen berdasarkan nilai variabel independenden yang di ketahui (Gujrati,2003 dalam Ghozali,2006). Analisis data dimulai dengan mengolah data mentahyang diperoleh dari dengan menggunakan Microsoft Exel. Selanjutnya dilakukan pengujian asumsi klasik dan uji hipotesis dengan mengguanakan regresi berganda. Pengujiaan asumsi klasik dan regresi berganda dilakukan dengan menggnakan software SPSS versi 17. Prosedur pengujian dimulai dengan memasukkan data yang akan di uji ke dalam program SPSS, yang kemudian menghasilkan output- output sesuai metode analisis yang telah ditetapkan sebelumnya. Adapun jumlah perusahaan infrastrukture, utilities and transportation dan real estate and property yang dijadikan sampel dalam penelitian ini, yang dipilih berdasarkan metode purposive sampling (berdasarkan kriteria tertentu), berjumlah 11 perusahaan untuk setiap tahunnya, atau 33 perusahaan selama tiga tahun berturut-turut, yakni tahun 2007 sampai tahun 2009.
4.2Analisis Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai minimum, nilai maksimum, nilai rata-rata (mean), dan nilai standart deviasi dari variabel-variabel independen dan variabel dependen.
Tabel 4.1
Statistik Deskriptif Variabel-varibel Selama Tahun 2007 sampai Tahun 2009
N Range Minimum Maximum Mean Std. Deviation Laba_Akuntansi 33 12854340 2678 12857018 1608728.15 3437421.651 Laba_Tunai 33 29714619 955 29715574 4064179.85 7996669.980 Ukuran_Perusahaan 33 90977707 278543 91256250 19343921.73 26430000.007 Umur_Perusahaan 33 22 7 29 17.55 5.729 Dividen 33 8034496 19 8034515 761810.21 1857056.130 Valid N (listwise) 33
Tabel 4.1 diatas menunjukkan bahwa sampel yang digunakan dalam penelitian ini berjumlah 33, yang dapat dilihat dari nilai N. Berikut ini dijelaskan perincian deskriptif statistik yang telah diolah:
a. Jumlah minimum laba akuntansi pada perusahaan ini sebesar Rp.2.678.000.000 dan nilai maksimum Rp.12.857.018.000.000 dengan rata-rata nilai laba akuntansi sebesar Rp.1.608.728.150.000 dan dengan luas simpangan nilai dari nilai rata-rata laba akuntansi sebesar Rp.3.437.421.651.000.
b. Jumlah minimum laba tunai pada perusahaan ini Rp.955.000.000 dan nilai maksimumnya Rp.29.715.574.000.000 dengan nilai rata-rata laba
tunai 4.064.179.850.000 dan dengan luas simpangan nilai dari nilai rata-rata laba tunai sebesar Rp.7.996.669.980.000.
c. Variabel ukuran perusahaan diukur dengan menggunakan total aktiva perusahaan. Total aset memiliki nilai minumum Rp.278.543.000.000 dan nilai maksimum Rp.91.256.250.000.000 dengan nilai rata-rata total aktiva Rp.19.343.921.730.000 juta rupiah dan dengan luas simpangan nilai dari nilai rata-rata total aktiva sebesar Rp.26.430.000.007.000.
d. Umur perusahaan yang paling muda dalam penelitian ini adalah 7 tahun dan umur perusahaan yang paling lama yaitu 29 tahun dengan rata-rata umur perusahaan 17.55 tahun dengan simpangan nilai dari nilai rata-rata umur perusahaan 5,729 tahun.
e. Nilai minimum dari dividen kas pada perusahaan yang di teliti adalah sebesar Rp.19.000.000 dan nilai maksimum Rp.8.034.515.000.000 dengan nilai rata-rata dividen kas Rp.761.810.210.000 dan dengan simpangan nilai dari nilai rata-rata dividen kas sebesar Rp1.857.056.130.000.
4.2.2 Uji Asumsi Klasik
Syarat yang mendasari penggunaan model regresi berganda dengan metode estimasi Ordinary Least Squares (pangkat kuadrat terkecil biasa) adalah dipenuhinya semua asumsi klasik, agar hasil pengujian bersifat
tidak bias (Best Linear Unbiased Estimator/BLUE) (Ghozali, 2006). Pengujian asumsi klasik yang telah dilakukan adalah sebagai berikut.
4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Penelitian ini menggunakan dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak, yakni dengan menggunakan grafik dan anlisis statistik. Berikut ini adalah hasil grafik variabel pengganggu atau residual dalam model regresi berganda yang digunakan.
Hasil uji Histogram dan Normal P Plot sebelum transformasi
Gambar 4.1
Gambar 4.2 Grafik Normal Plot
Grafik histogram dan grafik plot di atas menunjukkan bahwa variabel pengganggu atau residualnya berdistribusi tidak normal, dengan melihat gambar histogram diatas dapat disimpulakn bahwa pola distribusi menceng ke kanan maupun ke kiri. Pada grafik normal plot terlihat bahwa titik-titik tidak menyebar disekitar/mengikuti garis diagonal, yang menunjukkan bahwa data berdistribusi tidak normal. Kedua grafik menunjukkan bahwa model regresi tidak layak digunakan karena tidak memenuhi normalitas data.
Uji t dan uji F mensyaratkan distribusi residual harus normal, karena residual dalam penelitian ini tidak berdistribusi normal perlu dilakukan tindakan penormalan data. Ghozali (2006) menyatakan bahwa jika asumsi normalitas data residual tidak terpenuhi maka
variabel independen dan dependen dapat di transformasi ke dalam betuk fungsi logaritma natural.
Setelah dilakukan transformasi maka hasil yang didapatkan dari pengujian adalah sebagai berikut:
Gambar 4.3
Gambar 4.4
Gfarik Normal Plot Setelah Transformasi
Grafik histogram dan grafik plot di atas menunjukkan bahwa variabel pengganggu atau residualnya berdistribusi normal, dengan melihat gambar histogram diatas dapat disimpulkan bahwa pola distribusi tidak menceng ke kanan maupun ke kiri. Sedangkan pada grafik normal plot terlihat bahwa titik-titik menyebar disekitar/mengikuti garis diagonal, yang menunjukkan bahwa data berdistribusi normal. Kedua grafik menunjukkan bahwa model regresi layak digunakan karena memenuhi normalitas data.
Analisis statistik yang digunakan untuk melihat apakah residual berdistribusi normal adalah uji Kolmogorov Smirnov dengan pedoman sebagai berikut:
1) data dikatakan terdistribusi normal jika nilai signifikan atau Sig. atau probabilitas > 0.05, dan
2) data dikatakan tidak terdistribusi normal jika nilai signifikan atau Sig. atau probabilitas < 0.05.
Berikut adalah hasil pengujian menggunakan analisis Kolmogorov Smirnov.
Tabel 4.2
Nonparametric-test Kolmogorof Smirnov
Dari hasil pengolahan data tersebut diatas, besarnya nilai Kolmogorov Smirnov adalah 0.803 dan signifikansinya pada 0.539 dimana lebih besar dari 0.05 (p = 0.539 > 0.05), maka dapat disimpulkan data terdistribusi secara normal. One-Sample Kolmogorov-Smirnov Test Unstandardize d Residual N 33
Normal Parametersa,,b Mean .0000000
Std. Deviation .96252763 Most Extreme Differences Absolute .140 Positive .075 Negative -.140 Kolmogorov-Smirnov Z .803
Asymp. Sig. (2-tailed) .539
a. Test distribution is Normal. b. Calculated from data.
4.2.2.2 Uji Multikolonieritas
Multikolinerietas adalah keadaan dimana variabel-varieabel independen dalam persamaan regresi mempunyai korelasi (hubungan) yang erat satu sama lain (Prastiso, 2009). Pengujian multikolinearitas dapat dilakukan dengan melihat Variance Inflation Factor (VIF) dan korelasi di antara variabel independen. Jika nilai VIF > 10 atau tolerance < 0,10 maka terjadi multikolinearitas sedangkan apabiila nilai VIF < 10 atau nilai tolerance > 0,10 maka tidak terjadi multikolinerietas. Dismaping itu, suatu model dikatakan terdapat gejala multikolinearitas, jika korelasi di antara variabel independen lebih besar dari 0,9 (Ghozali, 2006). Hasil dari uji multikolinearitas dapat kita lihat pada tabel dibawah ini: D a r T a Tabel 4.3 Coefficient Correlationsa Model LN_Umur_ Perusahaan LN_Laba_ Tunai LN_Ukuran_ Perusahaan LN_Laba_ Akuntansi 1Correlations LN_Umur_Perusahaan 1.000 .159 -.279 -.188 LN_Laba_Tunai .159 1.000 .210 -.790 LN_Ukuran_Perusahaan -.279 .210 1.000 -.572 LN_Laba_Akuntansi -.188 -.790 -.572 1.000 Covariances LN_Umur_Perusahaan .348 .013 -.034 -.022 LN_Laba_Tunai .013 .018 .006 -.021 LN_Ukuran_Perusahaan -.034 .006 .042 -.023 LN_Laba_Akuntansi -.022 -.021 -.023 .039
bel 4.3 di atas menunjukkan bahwa tidak terdapat korelsi yang cukup tinggi diantara variabel independennya. Hal ini berarti tidak terdapat gejala multikolinearitas dalam model regresi yang digunakan. Tabel berikut akan memperkuat bahwa tidak terdapat gejala multikolinearitas dalam model regresi ini.
Tabel 4.4 Koefisien Korelasi Model Collinearity Statistics Tolerance VIF 1(Constant) LN_Laba_Akuntansi .159 6.276 LN_Laba_Tunai .266 3.759 LN_Ukuran_Perusahaan .367 2.724 LN_Umur_Perusahaan .685 1.459
a. Dependent Variabel: LN_Dividen
Dari tabel 4.4 diatas terlihat bahwa nilai tolerance untuk laba akuntansi adalah 0.159, nilai tolerance untuk laba tunai 0.266, nilai tolerance untuk ukuran perusahaan 0.367 dan untuk umur perusahaan adalah 0.685. Nilai VIF untuk laba akuntansi 6.276, nilai VIF untuk laba tunai 3.7759, nilai VIF untuk ukuran perusahaan adalah 2.724 dan nilai VIF untuk umur perusahaan adalah 1.459. Maka dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas antara variabel independen, dengan dasar nilai tolerance tidak ada yang kurang dari 0.10 dan nilai VIF untuk setiap variabel tidak ada yang melebihi 10, maka dapat di lakukan analisis lebih lanjut menggunakan model regresi linear berganda.
4.2.2.3 Uji heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain, (Ghozali, 2006). Jika variance dari satu pengamatan ke pengamatan lain tetap, maka di sebut homokedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang baik adalah tidak terjadi heterokedastisitas.
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat plot grafik yang dihasilkan dari pengolahan data dengan menggunakan program SPSS. Dasar pengambilan keputusannya adalah:
1. jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang terartur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas,
2. jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas.
Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi heteroskedastisitas atau terjadi homoskedastisitas dengan mengamati penyebaran titik-titik pada gambar.
Gambar 4.3 Grafik Scatterplot
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi dividen kas berdasarkan masukan variabel independen laba akuntansi, laba tunai, ukuran perusahaan, dan juga umur perusahaan. Adanya titik-titik yang menyebar menjauh dari titik-titik yang lain dikarenakan adanya data observasi yang sangat berbeda dengan data observasi yang lain .
4.2.2.4Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan penggangu pada periode t-1 (sebelumnya). Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada data time series. Cara yang dapat digunakan untuk mendeteksi ada tidaknya dalam penelitian ini adalah uji Durbin-Waston (DW Test). Hasil pengolahan data adalah sebagai berikut:
Tabel 4.5
Hasil Uji Durbin Waston Model Summaryb Model R R Square Adjusted R Square Std. Error of
the Estimate Durbin-Watson
1 .940a .884 .867 1.02899 2.260
a. Predictors: (Constant), LN_Umur_Perusahaan, LN_Laba_Tunai, LN_Ukuran_Perusahaan, LN_Laba_Akuntansi
b. Dependent Variable: LN_Dividen
Hasil pengujian di atas menunjukkan bahwa nilai Durbin-Watson adalah 2.260. Nilai ini akan diuji dengan ketentuan ada tidaknya gejala auto korelasi, yaitu jika nilai Durbin-Watson (D-W) ada pada batas du (atas) dan 4-du (du < D-W < 4-du) , model regresi tidak mengalami gejala autokorelasi. Nilai signifikansi yang digunakan adalah 5% dengan jumlah sampel 33 (n = 33) dan jumlah variabel independen sebanyak 4 (k = 4), mka dari tabel data statistik Durbin-Watson di peroleh nilai batas bawah
(dl) sebesar 1.193 dan nilai batas atas (du) sebesar 1.730. Nilai D-W (2.260) berada di antara du (1.730) dan 4-du (2.270) atau 1.730 < 2.260 < 2.270. Dengan demikian dapat disimpulkan bahwa model regresi tidak mengalami gejala autokorelasi.
4.2.3 Analisis Regresi
Berdasarkan hasil pengujian asumsi kalsik disimpulkan bahwa model regresi dipakai dalam penelitian ini telah memenuhi model estimasi yang Best Linear Unbiased Estimator (BLUE) dan layak dilakukan analisis regresi. Untuk menguji hipotesis, peneliti menggunakan analisis regresi berganda. Berdasarkan hasil pengolahan data dengan program SPSS 17, maka diperoleh hasil sebagai berikut:
a) Persamaan Regresi
Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dengan varibel dependen, melalui pengaruh laba akuntansi, laba tunai, ukuran perusahaan, dan umur perusahaan terhadap dividen tunai. Berdasarkan hasil pengolahan data dengan SPSS Versi 17, maka diperoleh hasil sebagai berikut
Tabel 4.6 Analisis Hasil Regresi
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -3.740 2.348 -1.593 .122 LN_Laba_Akuntansi .867 .197 .711 4.409 .000 LN_Laba_Tunai .265 .135 .246 1.969 .059 LN_Ukuran_Perusahaan .022 .206 .011 .108 .915 LN_Umur_Perusahaan .088 .590 .012 .150 .882
a. Dependen Variabel: Dividen
Berdasarkan hasil pengolahan data di atas, di peroleh perolehan regresi sebagai :
Dividen = -3.740 + 0.867 Laba_Akuntansi + 0.265 Laba_Tunai + 0.22 Ukuran_Perusahaan + 0.88 Umur_Perusahaan + e
Keterangan:
1) Konstanta sebesar -0.889 menunjukkan bahwa jika laba akuntansi, laba tunai, ukuran perusahaan, dan umur perusahaan di abaikan (variabel independen = 0), maka tingkat dividen kas menurun sebesar -3.740.
2) ß1 sebesar 0.867 menunjukkan bahwa setiap kenaikan laba akuntansi sebesar 1% akan di ikuti oleh kenaikan dividen kas sebesar 0.867 dengan asumsi variabel alin tetap.
3) ß2 sebesar 0.265 menunjukkan bahwa setiap kenaikan laba tunai sebesar 1% akan dikuti oleh kenaikan dividen kas sebesar 0.265 dengan asumsi variabel lain tetap.
4) ß3 sebesar 0.22 menunjukkan bahwa setiap kenaikan ukuran perusahaan sebesar 1% akan dikuti oleh kenaikan dividen kas sebesar 0.22 dengan asumsi variabel lain tetap.
5) ß4 sebesar 0.88 menunjukkan bahwa setiap kenaikan umur perusahaan sebesar 1% akan dikuti oleh kenaikan dividen kas sebesar 0.88 dengan asumsi variabel lain tetap.
b)Pengujian Hipotesis
Untuk mengetahui apakah variabel independen dalam model regresi berpengaruh terhadap variabel dependen, maka dilakukan beberapa pengujian signifikansi, yaitu uji koefisien determinasi R2 , uji parsial (uji t), dan uji simultan (uji F).
1. Koefisien Determinasi (R2 )
Koefisien determinasi ( ) bertujuan untuk mengukur sejauh mana kemampuan model dalam menerangkan variasi variabel dependennya. Nilai koefisien determinasi berkisar antara 0 dan 1. Semakin kecil nilai koefisien determinasi (semakin mendekati nol) berarti semakin terbatas kemampuan variabel independen menjelaskan variasi variabel dependennya. Koefisien determinasi dikatakan kuat jika nilainya lebih besar dari 0.5.
Tabel 4.7
Hasil Uji Durbin Waston Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .940a .884 .867 1.02899 2.260
a. Predictors: (Constant), LN_Umur_Perusahaan, LN_Laba_Tunai, LN_Ukuran_Perusahaan, LN_Laba_Akuntansi
b.Dependent Variable: LN_Dividen
Dilihat dari tabel 4.7 diatas bahwa nilai koefisien korelasi (R) sebesar 0.940 yang berarti hubungan dividen kas dengan variabel independen yakni laba akuntansi, laba tunai, ukuran perusahaan, umur perusahaan adalah kuat karena di atas 0.5. Angka Adjusted R Square atau nilai koefisien determinasi adalah 86.7% yang berarti bahwa perubahan dalam divien kas dapat diterangkan oleh variabel laba akuntansi, laba tunai, ukuran peruasahaan, dan umur perusahaan sedangkan 13.3% (100% - 86.7%) diterangkan oleh sebab-sebab lain. Standard Error of the Estimate (SEE) adalah 1.02899 . Semakin tinggi nilai SEE, semakin tinggi pula ketidakpastian model regresi memprediksi variabel dependennya.
2. Uji Parsial (Uji –t)
Uji-t digunakan untuk menguji pengaruh masing-masing variabel independen terhadap variabel dependen secara parsial. Hasil pengolahan SPSS menunjukkan hasil sebagai berikut.
Tabel 4.8
Hasil Uji Parsial (Uji t) Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -3.740 2.348 -1.593 .122 LN_Laba_Akuntansi .867 .197 .711 4.409 .000 LN_Laba_Tunai .265 .135 .246 1.969 .059 LN_Ukuran_Perusahaa n .022 .206 .011 .108 .915 LN_Umur_Perusahaan .088 .590 .012 .150 .882 a. Dependen Variabel: Dividen
Hasil uji parsial (uji t) dalam tabel di atas menunjukkan bahwa variabel yang berpengaruh positif dan signifikan terhadap dividen kas hanya laba akuntansi dapat dilihat dari perbandingan antara t-tabel dan t-hitung, yakni t-tabel < t-hitung. Untuk variabel laba akuntansi dengan nilai t-tabel 2.048407115 dan t- hitung 4.409 serta tingkat signifikansi yang berada di bawah 0.05 yakni 0.000. Sementara laba tunai, ukuran perusahaan, dan umur perusahaan berpengaruh positif tetapi tidak signifikan terhadap dividen kas. Hal ini dapat dilihat dari nilai signifikansinya yang berada di atas 0.05. Untuk laba tunai nilai signifikansinya adalah 0.59 lebih besar dari 0.05, untuk ukuran perusahaan nilai signifikansinya adalah 0.915 juga lebih besar dari 0.05, dan untuk umur perusahaan nilai signifikansinya adalah 0.882 nilainya lebih besar dari 0.05. Pengujian masing- masing variabel bebas secara parsial terhadap variabel terikat akan dijelaskan sebagai berikut:
1) Pengaruh laba akuntansi terhadap dividen kas diuji dengan hipotesis sebagai berikut:
H1: bX1 ≠ 0, artinya laba akuntansi mempunyai pengaruh yang signifikan terhadap dividen kas.
Dengan kriteria sebagai berikut:
H1 diterima jika t hitung > t tabel untuk α = 5% atau signifikansi < 0.05 a) Nilai t-hitung 4.409 menunjukkan bahwa peningkatan laba
akuntansi akan menaikkan dividen kas secara umum.
b) Nilai t-tabel diperoleh dengan menggunakan Microsoft Excel, yakni dengan rumus TINV (0.05, 28), yaitu 2.048407115.
c) Nilai t-hitung > t-tabel (4.409 > 2.048407115) artinya H1 diterima yakni laba akutansi mempunyai pengaruh positif terhadap dividen kas pada perusahaan infrastructure, utility, and transportation dan real estate and property yang terdaftar di BEI.
d) Nilai signifikansi 0.000 menunjukkan bahwa pengaruh yang diberikan laba akuntansi terhadap dividen kas adalah signifikan karena < 0.05. jadi dapat disimpulkan bahwa laba akuntansi berpengaruh terhadap dividen kas.
2) Pengaruh laba tunai terhadap dividen kas diuji dengan menggunakan hipotesis berikut:
H2: bX2 ≠ 0, artinya laba tunai mempunyai pengaruh yang signifikan terhadap dividen kas.
Dengan kriteria sebagai berikut:
H0 diterima jika t hitung < t tabel untuk α = 5% atau signifikansi > 0.05 H2 diterima jika t hitung > t tabel untuk α = 5% atau signifikansi < 0.05
a) Nilai t-hitung 1.969 menunjukkan bahwa peningkatan laba tunai akan meningkatkan dividen tunai secara umum.
b) Nilai t-tabel diperoleh dengan menggunakan Microsoft Excel, yakni dengan rumus TINV (0.05, 28), yaitu 2.048407115.
c) Nilai t-hitung < t-tabel (1.969 < 2.048407115) artinya H0 diterima yakni laba tunai tidak mempunyai pengaruh terhadap dividen kas pada perusahaan infrastructure, utility, and transportation dan real estate and property yang terdaftar di BEI.
d) Nilai signifikansi 0.059 menunjukkan bahwa pengaruh yang diberikan laba tunai terhadap dividen kas adalah tidak signifikan karena > 0.05. jadi dapat disimpulkan bahwa laba tunai tidak berpengaruh terhadap dividen kas.
3) Pengaruh ukuran perusahaan terhadap dividen kas diuji dengan hipotesis sebagai berikut:
H0: bX3 = 0, artinya ukuran perusahaan tidak mempunyai pengaruh yang signifikan terhadap dividen kas.
H3: bX3 ≠ 0, artinya ukuran perusahaan mempunyai pengaruh yang signifikan terhadap dividen kas.
Dengan kriteria sebagai berikut:
H3 diterima jika t hitung > t tabel untuk α = 5% atau signifikansi < 0.05 a) Nilai t-hitung 0.108 menunjukkan bahwa peningkatan laba tunai
akan meningkatkan dividen tunai secara umum.
b) Nilai t-tabel diperoleh dengan menggunakan Microsoft Excel, yakni dengan rumus TINV (0.05, 28), yaitu 2.048407115.
c) Nilai t-hitung < t-tabel (0.108 < 2.048407115) artinya H0 diterima yakni ukuran perusahaan tidak mempunyai pengaruh terhadap dividen kas pada perusahaan infrastructure, utility, and transportation dan real estate and property yang terdaftar di BEI. d) Nilai signifikansi 0.059 menunjukkan bahwa pengaruh yang
diberikan ukuran perusahaan terhadap dividen kas adalah tidak signifikan karena > 0.05. jadi dapat disimpulkan bahwa ukuran perusahaan tidak berpengaruh secara signifikan terhadap dividen kas.
4) Pengaruh umur perusahaan terhadap kebijakan hutang diuji dengan menggunakan hipotesis berikut:
H0: bX3 = 0, artinya ukuran perusahaan tidak mempunyai pengaruh yang signifikan terhadap dividen kas.
H4: bX3 ≠ 0, artinya ukuran perusahaan mempunyai pengaruh yang signifikan terhadap dividen kas.
Dengan kriteria sebagai berikut:
H0 diterima jika t hitung < t tabel untuk α = 5% atau signifikansi > 0.05 H4 diterima jika t hitung > t tabel untuk α = 5% atau signifikansi < 0.05
a) Nilai t-hitung 0.150 menunjukkan bahwa peningkatan laba tunai akan meningkatkan dividen tunai secara umum.
b) Nilai t-tabel diperoleh dengan menggunakan Microsoft Excel, yakni dengan rumus TINV (0.05, 28), yaitu 2.048407115.
c) Nilai t-hitung < t-tabel (0.150 < 2.048407115) artinya H0 diterima yakni umur perusahaan tidak mempunyai pengaruh terhadap dividen kas pada perusahaan infrastructure, utility, and transportation dan real estate and property yang terdaftar di BEI. d) Nilai signifikansi 0.059 menunjukkan bahwa pengaruh yang
diberikan umur perusahaan terhadap dividen kas adalah tidak signifikan karena > 0.05. jadi dapat disimpulkan bahwa umur perusahaan tidak berpengaruh secara signifikan terhadap dividen kas.
3. Uji Simultan (Uji-F)
Untuk melihat pengaruh laba akuntansi, laba tunai, ukuran perusahaan, dan umur perusahaan terhadap dividen kas secara simultan dapat dihitung dengan menggunakan uji F (F test). Berdasarkan hasil pengolahan data dengan program SPSS 17, maka diperoleh hasil sebagai berikut:
Tabel 4.9
Hasil Uji Simultan (Uji-F) ANOVAb
Model
Sum of
Squares Df Mean Square F Sig. 1 Regression 225.981 4 56.495 53.357 .000a
Residual 29.647 28 1.059
Total 255.628 32
a. Predictors: (Constant), LN_Umur_Perusahaan, LN_Laba_Tunai, LN_Ukuran_Perusahaan, LN_Laba_Akuntansi
b. Dependent Variable: LN_Dividen
Hasil pengujian simultan di atas dapat dijelaskan dengan menggunakan hipotesis berikut:
H5: bX1 = bX2 = bX3 = bX4 ≠ 0, artinya variabel laba akuntansi, laba tunai, ukuran peerusahaan, dan umur perusahaan secara simultan mempunyai pengaruh terhadap dividen kas.
Kriteria yang digunakan:
H0 diterima jika Fhitung < Ftabel untuk α = 5% H5 diterima jika Fhitung < Ftabel untuk α = 5%
Dari hasil uji ANOVA (Analysis of Variance) atau F test, di atas maka Fhitung yang didapat sebesar 53.357 dengan tingkat signifikansi 0.000. Dengan demikian diketahui bahwa probabilitas = 0.000 atau P < 0.05 ( 0.000 < 0.05) berarti koefisien regresi signifikan. Nilai Ftabel yang diperoleh dari Microsoft Excel dengan rumus FINV ( 0.05,4,28) yaitu 2.714075804 menunjukkan bahwa Fhitung > Ftabel (53.357 > 2.714075804), artinya bahwa secara simultan laba akuntansi, laba tunai, ukuran perusahaan, dan umur perusahaan berpengaruh signifikan terhadap
dividen kas pada perusahaan infrastructure, utility, and transportation dan real estate and property yang terdaftar di BEI.
4.3 Pembahasan Hasil Penelitian
Angka Adjusted R Square atau nilai koefisien determinasi adalah 0.867 atau 86.7% yang berarti bahwa perubahan dalam divien kas dapat diterangkan oleh variabel laba akuntansi, laba tunai, ukuran peruasahaan, dan umur perusahaan sedangkan 13.3% diterangkan oleh sebab-sebab lain yang tidak termasuk dalam penelitian ini.
Secara parsial, hasil pengujian laba akuntansi memiliki pengaruh yang signifikan terhadap dividen kas yang dibayarkan perusahaan. Laba akuntansu berpengaruh positif dan signifikan terhadap dividen kas, yang dapat dilihat dari t- hitung lebih besar dari t-tabel (4.409 > 2.048407115) dan nilai signifikansi 0.000 di bawah 0.05, artinya H1 diterima yakni laba akutansi mempunyai pengaruh signifikan terhadap dividen kas. Berdasarkan persamaan regresi menunjukkan bahwa laba akuntansi mempunyai arah koefisien regresi positif sebesar 0.867. Artinya semakin banyak laba akuntansi yang mampu di hasilkan oleh perusahaan maka semkin tinggi juga dividen kas yang di bayarkan, mungkin karena jumlah laba yang semakin besar maka akan mendorong dewan direksi membayarkan dividen dalam jumlah yang lebih besar dibanding jika laba akuntansi perusahaan
