BAB IV ANALISIS DAN PEMBAHASAN
4.2 Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Statistik deskriptif merupakan analisis yang memberikan gambaran mengenai jumlah sampel, nilai minimum, nilai maksimum, rata-rata, dan standar deviasi dari data penelitian kita. Berikut ini ditampilkan hasil analisis statistik deskriptif dari variabel ROA, CR, DER, Growth, dan DPR
Tabel 4.3 Statistik Deskriptif
N Minimum Maximum Mean Std. Deviation ROA 60 ,64 32,11 11,1012 5,77844 CR DER GROWTH DPR 60 60 60 60 63,92 15,02 1,02 3,48 934,46 318,67 85,36 72,43 290,3337 81,9757 20,6463 33,5022 178,94339 70,22481 13,97268 17,62104 INDEP 60 33,00 60,00 39,0000 6,59481 Valid N (listwise) 60
Dari tabel 4.3 di atas menunjukkan bahwa: 1. Variabel ROA
Variabel ROA memiliki sampel sebanyak 60 sampel dengan nilai minimum sebesar 0,64 dan nilai maksimum sebesar 32,11. Rata-rata yang diperoleh pada variabel ini 11,1012 dengan standar deviasi sebesar 5,77844.
2. Variabel CR
Variabel CR memiliki sampel sebanyak 60 sampel dengan nilai minimum sebesar 63,92 dan nilai maksimum sebesar 934,46. Rata-rata yang diperoleh pada variabel ini 290,3337 dengan standar deviasi sebesar 178,94339.
3. Variabel DER
Variabel DER memiliki sampel sebanyak 60 sampel dengan nilai minimum sebesar 15,02 dan nilai maksimum sebesar 318,67. Rata-rata yang diperoleh pada variabel ini 81,9757 dengan standar deviasi sebesar 70,22481 .
4. Variabel growth
Variabel growth memiliki sampel sebanyak 60 sampel dengan nilai minimum sebesar 1,02 dan nilai maksimum sebesar 85,36. Rata-rata yang diperoleh pada variabel ini 20,6463 dengan standar deviasi sebesar 13,97268.
5. Variabel DPR
Variabel DPR memiliki sampel sebanyak 60 sampel dengan nilai minimum sebesar 3,48 dan nilai maksimum sebesar 72,43. Rata-rata yang diperoleh pada variabel ini 33,5022 dengan standar deviasi sebesar 17,62104.
6. Variabel Independensi Dewan Komisaris
Variabel Indep memiliki sampel sebanyak 60 sampel dengan nilai minimum sebesar 33,00 dan nilai maksimum sebesar 60,00. Rata-rata yang diperoleh pada variabel ini 39,0000 dengan standar deviasi sebesar 6,59481.
4.2.2 Uji Asumsi Klasik
4.2.2.1 Uji Normalitas
Asumsi data telah berdistribusi normal adalah salah satu asumsi yang penting dalam melakukan penelitian dengan regresi. Uji ini bertujuan untuk menguji apakah dalam model regresi, variabel independen dan dependen terdistribusi secara normal atau tidak.
Apabila nilai signifikansi >0,05 maka H0 diterima dan H1 ditolak, sedangkan nilai signifikansi <0,05 maka H0 ditolak dan H1 diterima.
Tabel 4.4 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 60
Normal Parametersa,,b Mean .0000000 Std. Deviation 15.63367667 Most Extreme Differences Absolute .068 Positive .066 Negative -.068 Kolmogorov-Smirnov Z .524 Asymp. Sig. (2-tailed) .946 a. Test distribution is Normal.
b. Calculated from data.
Dari hasil analisis Kolmogorov-Smirnov (K-S) di atas menjelaskan bahwa data ini berdistribusi normal. Hal ini terlihat dari nilai Asymp. Sig. (2-tailed) sebesar 0,946 lebih besar dari 0,05 yang berarti H0 diterima dan H1 ditolak.
Gambar 4.1 Normal P-Plot
Menurut Ghozali (2006), pendeteksian normalitas dapat dilakukan dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik, yaitu jika data (titik) menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan data yang telah terdistribusi normal. Grafik 4.1 menunjukkan bahwa data (titik) menyebar di sekitar dan mendekati garis diagonal. Ini menunjukkan bahwa data penelitian yang mencakup variabel profitabilitas, likuiditas, leverage, growth, kebijakan dividen dan independensi dewan komisaris telah menunjukkan distribusi data normal yang diperlukan sebelum melakukan pengujian hipotesis. Karena berdasarkan Grafik 4.1 telah terdistribusi secara normal, maka dapat dilakukan pengujian asumsi klasik lainnya.
Gambar 4.2
Data dengan variabel yang baik kurva normalnya berbentuk kemiringan seimbang antara sisi kiri dan kanan, atau tidak condong ke kiri maupun ke kanan, melainkan ke tengah dengan bentuk seperti lonceng, dengan nilai skewness mendekati 0 (Lubis, 2007). Keempat grafik di atas bentuk kurvanya cenderung di tengah tidak condong ke kiri maupun kanan. Dengan kata lain data tersebut terdistribusi normal.
4.2.2.2 Uji Heterokedastisitas
Model regresi yang baik adalah model regresi yang memiliki persamaan variance residual suatu periode pengamatan dengan periode pengamatan yang
lain, atau adanya hubungan antara nilai yang diprediksi dengan Studentized Delete Residual nilai tersebut sehingga dapat dikatakan model tersebut homokedastisitas (Lubis, 2007).
Gambar 4.3
Grafik 4.3 menjelaskan bahwa data sampel tersebar baik berada di atas
maupun di bawah angka 0 pada sumbu Y. Hal ini menunjukkan tidak terdapat heteroskedastisitas dalam model regresi yang digunakan, dan layak dipakai dalam penelitian.
4.2.2.3 Uji Autokorelasi
Model regresi yang baik adalah tidak adanya autokorelasi antara residual dalam suatu pengamatan dengan pengamatan lain. Uji autokorelasi pada penelitian ini menggunakan runs test.
Tabel 4.5 Runs Test Runs Test Unstandardized Residual Test Valuea -1,43457 Cases < Test Value 30 Cases >= Test Value 30
Total Cases 60
Number of Runs 25
Z -1,562
Asymp. Sig. (2-tailed) ,118 a. Median
Hasil runs test diatas menunjukkan bahwa nilai Asymp. Sig. (2-tailed) > 0,05 yang berarti data yang dipergunakan cukup random sehingga tidak terdapat masalah autokorelasi pada data yang diuji.
4.2.2.4 Uji Multikolinearitas
Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen (Ghozali, 2006). Dalam penelitian ini cara yang digunakan untuk mendeteksi ada tidaknya multikolinearitas dengan membandingkan nilai Tolerence value dan Variance Inflation Factor (VIF).
Tabel 4.6 Uji Multikolinearitas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std.
Error Beta Tolerance VIF 1 (Constant) 48.207 7.655 6.298 .000 ROA .467 .417 .153 1.121 .267 .767 1.304 CR -.023 .014 -.235 -1.648 .105 .706 1.416 DER -.101 .034 -.404 -2.939 .005 .758 1.318 GROWTH -.236 .156 -.187 -1.516 .135 .938 1.066 a. Dependent Variable: DPR 4.2.3 Uji Hipotesis 4.2.3.1 Uji T
Uji statistik t dilakukan untuk menunjukkan seberapa jauh pengaruhsatu variabel independen secara individual dalam menerangkan variasi variabel dependen (Kusumadilaga, 2010). Tabel 4.7 Uji T Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 48.207 7.655 6.298 .000 ROA .467 .417 .153 1.121 .267 CR -.023 .014 -.235 -1.648 .105 DER -.101 .034 -.404 -2.939 .005 GROWTH -.236 .156 -.187 -1.516 .135
Model regresi yang dibentuk dalam penelitian ini adalah:
Y = 48.207 – 0,467X1 – 0,023X2 – 0,101X3 – 0,236X4 + e
Berdasarkan tabel 4.7 di atas, uji t menunjukkan interpretasi sebagai berikut:
H1 : Return on assets berpengaruhterhadap dividend payout ratio.
Pengujian hipotesis pengaruh variabel return on assetsterhadap dividend payout ratio pada Tabel 4.7 diperoleh besarnya thitung untuk variabel ROA adalah 1,121 dengan nilai signifikansi sebesar 0,267 sedangkan ttabel sebesar 1,671 dengan tingkat signifikansi 0,05. Hasil ini menunjukkan bahwa ttabel> thitung
(1,121<1,671)dan nilaisignifikansi juga menunjukkan angka yang lebih besar dari 0,05 (0,267>0,05). Maka dapat disimpulkan, ROA tidak memiliki pengaruh terhadap DPR.
H2 : Current ratio berpengaruh terhadap dividend payout ratio.
Pengujian hipotesis pengaruh variabelcurrent ratio terhadap dividend payout ratio pada Tabel 4.7 diperoleh besarnya thitung untuk variabel CR adalah -1,648 dengan nilai signifikansi sebesar 0,105 sedangkan ttabel sebesar 1,671 dengan tingkat signifikansi 0,05. Hasil ini menunjukkan bahwa thitung< ttabel
(1,648<1,671)dan nilaisignifikansi juga menunjukkan angka yang lebih besar dari 0,05 (0,105>0,05). Maka dapat disimpulkan CR tidak memiliki pengaruh terhadap DPR.
H3: Debt to equity ratioberpengaruh terhadap dividend payout ratio.
Pengujian hipotesis pengaruh variabel debt to equity ratioterhadap dividend payout ratio pada Tabel 4.7 diperoleh besarnya thitung untuk variabel DER adalah -2,939 dengan nilai signifikansi sebesar 0,005 sedangkan ttabel sebesar 1,671 dengan tingkat signifikansi 0,05. Hasil ini menunjukkan bahwa thitung> ttabel
(2,939>1,671)dan nilaisignifikansi juga menunjukkan angka yang lebih kecil dari 0,05 (0,005<0,05). Maka dapat disimpulkan bahwaDER memiliki pengaruh yang signifikan terhadap DPR.
H4: Growth berpengaruh terhadap dividend payout ratio.
Pengujian hipotesis pengaruh variabelgrowthterhadap dividend payout ratio pada Tabel 4.7 diperoleh besarnya thitung untuk variabelgrowth adalah -1,516 dengan nilai signifikansi sebesar 0,135 sedangkan ttabel sebesar 1,671 dengan tingkat signifikansi 0,05. Hasil ini menunjukkan bahwa thitung< ttabel
(1,516<1,671)dan nilaisignifikansi juga menunjukkan angka yang lebih besar dari 0,05 (0,135>0,05). Maka dapat disimpulkan growth tidak memiliki pengaruh terhadap DPR.
4.2.3.2 Uji F
Uji F digunakan untuk mengetahui apakah variabel-variabel independen secara simultan berpengaruh signifikan terhadap variabel dependen.
Tabel 4.8 Uji F
ANOVAb
Model Sum of Squares df Mean Square F Sig. 1 Regression 3890.960 4 972.740 3.708 .010a
Residual 14428.601 55 262.338 Total 18319.561 59
a. Predictors: (Constant), GROWTH, ROA, DER, CR b. Dependent Variable: DPR
Hasil uji anova pada tabel 4.8 menunjukkan bahwa Fhitung sebesar 3,708 dengan nilai signifikansi 0,010, sedangkan Ftabel sebesar 2,54 dengan signifikansi 0,05. Berdasarkan hasi tersebut dapat disimpulkan bahwa H5 diterima, artinya terdapat pengaruh yang signifikan antara ROA, CR, DER, growth secara simultan terhadap DPR. Karena Fhitung>Ftabel (3,708>2,54) dan signifikansi penelitian lebih kecil dari 0,05 (0,010<0,05).
4.2.3.3 Uji Koefisien Determinasi (R²)
Koefisien determinasi bertujuan untuk mengetahui seberapa besar kemampuan variabel independen menjelaskan variabel dependen.
Tabel 4.9
Uji Koefisien Determinasi (R²) Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate Change Statistics R Square Change F Change df1 df2 Sig. F Change 1 .461a .212 .155 16,19686 .212 3.708 4 55 .010 a. Predictors: (Constant), GROWTH, ROA, DER, CR
Nilai Adjusted R Square sebesar 0,155. Artinya, 15,5% variabel dependen dividend payout ratio dijelaskan oleh variabel independen return on assets, current ratio, debt to equity ratio, dan growth, dan sisanya 84,5% dijelaskan oleh variabel lain diluar variabel yang digunakan.
4.2.4 Pengujian hipotesis dengan variabel moderasi
Pengujian hipotesis ini dilakukan untuk melihat pengaruh independensi dewan komisaris sebagai variabel moderasi yang memperkuat atau memperlemah hubungan antara variabel independen dengan dependen. Uji yang dilakukan adalah uji interaksi atau Moderated Regression Analysis.
4.2.4.1 Uji T
Tabel 4.10
Uji T variabel moderasi
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 51.575 45.130 1.143 .259 MODERATROA .062 .085 .823 .731 .468 MODERATCR -.001 .003 -.415 -.388 .699 MODERATDER .005 .005 .924 .994 .325 MODERATGROWTH .004 .028 .132 .149 .882 ROA -1.976 3.106 -.648 -.636 .528 CR .014 .107 .142 .131 .896 DER -.338 .230 -1.348 -1.469 .148 GROWTH -.344 1.112 -.273 -.309 .758 INDEP -.008 1.128 -.003 -.007 .995 a. Dependent Variable: DPR
Hasil analisis regresi berganda tersebut dapat diformulasikan dalam bentuk persamaan sebagai berikut:
DPR = 51.575 – 1,976 ROA + 0,014 CR – 0,338 DER – 0,344 growth – 0,008 Indep + 0,062 ModeratROA – 0,001 ModeratCR + 0,005 ModeratDER + 0,004 Moderatgrowth + e.
Berdasarkan tabel 4.11 diatas, maka hasil uji t dapat diinterpretasikan sebagai berikut:
1. Variabel ModeratROA yang merupakan interaksi antara ROA dengan Independensi Dewan Komisaris ternyata tidak berpengaruh terhadap DPR. Karena, thitung< ttabel (0,731<1,671) nilai signifikansinya lebih besar dari 0,05 (0,468>0,05). Maka, dapat disimpulkan ModeratROA tidak mampu memoderasi ROA dengan DPR.
2. Variabel ModeratCR yang merupakan interaksi antara CR dengan Independensi Dewan Komisaris ternyata tidak berpengaruh terhadap DPR. Karena, thitung< ttabel (0,388<1,671) nilai signifikansinya lebih besar dari 0,05 (0,699>0,05). Maka, dapat disimpulkan ModeratCR tidak mampu memoderasi CR dengan DPR.
3. Variabel ModeratDER yang merupakan interaksi antara DER dengan Independensi Dewan Komisaris ternyata tidak berpengaruh terhadap DPR. Karena, thitung< ttabel (0,994<1,671) nilai signifikansinya lebih besar dari 0,05
(0,325>0,05). Maka, dapat disimpulkan ModeratDER tidak mampu memoderasi DER dengan DPR.
4. Variabel Moderatgrowth yang merupakan interaksi antara growth dengan Independensi Dewan Komisaris ternyata tidak berpengaruh terhadap DPR. Karena, thitung< ttabel (0,149<1,671) nilai signifikansinya lebih besar dari 0,05 (0,882>0,05). Maka, dapat disimpulkan Moderatgrowth tidak mampu memoderasi growth dengan DPR.
4.2.4.2 Uji F
Tabel 4.11 Uji F variabel moderasi
ANOVAb
Model Sum of Squares df Mean Square F Sig. 1 Regression 6607.213 9 734.135 3.134 .005a
Residual 11712.348 50 234.247 Total 18319.561 59
a. Predictors: (Constant), INDEP, ROA, GROWTH, DER, CR, MODERATDER, MODERATGROWTH, MODERATCR, MODERATROA
b. Dependent Variable: DPR
Hasil uji anova pada tabel 4.12 menunjukkan bahwa Fhitung sebesar 3,134 dengan nilai signifikansi 0,005 sedangkan Ftabel sebesar 2,07 dengan signifikansi 0,05. Berdasarkan hasi tersebut dapat disimpulkan bahwa terdapat pengaruh yang signifikan antara ROA, CR, DER, growth secara simultan terhadap DPR. Karena Fhitung>Ftabel (3,134>2,07) dan signifikansi penelitian lebih kecil dari 0,05
4.2.4.3 Uji Koefisien Determinasi (R²)
Tabel 4.12
UjiKoefisien Determinasi (R²) variabel moderasi
Model Summary
Model R R Square Adjusted R Square
Std. Error of the Estimate 1 .601a .361 .246 15,30513 a. Predictors: (Constant), INDEP, ROA, GROWTH, DER, CR,
MODERATDER, MODERATGROWTH, MODERATCR, MODERATROA
Tampilan output SPSS pada tabel 4.10 menunjukkan Adjusted R square sebesar 0,246 atau 24,6%. Hal ini berarti 26% variabel DPR dapat dijelaskan oleh variasi variabel ROA, CR, DER, growth, ModeratROA, ModeratDER, ModeratGROWTH, ModeratCR dan Indep, sedangkan 85,4% lagi dijelaskan oleh variabel di luar variabel-variabel tersebut.