HASIL PENELITIAN DAN PEMBAHASAN
4.4.3 Koefisien Determinasi
2,0970.
hitung > Ftabel yaitu 3,369 > 2,0970 dan tingkat signifikansinya 0,003 < 0,05. Keputusan yang diambil adalah H0 ditolak dan H1 diterima. Hal ini memberikan arti bahwa variabel-variabel bebas yaitu cash position, Kebijakan Hutang, firm size, Profitabilitas dan Pertumbuhan Investasi secara serempak (simultan) berpengaruh signifikan terhadap Dividend Payout Ratio pada perusahaan manufaktur di Bursa Efek Indonesia.
4.4.3 Koefisien Determinasi
Uji determinasi (R2) dilakukan untuk mengukur seberapa jauh kemampuan variasi variabel bebas yaitu cash position, kebijakan hutang, firm size, profitabilitas, dan pertumbuhan investasi dalam menjelaskan variasi variabel terikatnya yaitu dividend payout ratio. Nilai koefisien determinasi (R-Square) yang diperoleh dari hasil pengolahan data dapat dilihat dari Tabel 4.16.
Tabel 4.16
Koefisien Determinasi Sektor Manufaktur
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .820a .761 .639 29.58221 2.095
a. Predictors: (Constant), Dummy_3, INV, FS, PR, Dummy_1, CP, KH, Dummy_2 b. Dependent Variable: DPR
Nilai R-Square yang diperoleh pada Tabel 4.16 sebesar 0,761 atau 76,1%. Hal ini menunjukkan bahwa variasi variabel bebas cash position, Kebijakan Hutang, firm size, Profitabilitas danPertumbuhan Investasi dalam menjelaskan variasi variabel terikatnya (Dividend Payout Ratio) sebesar 76,1%, sedangkan sisanya sebesar 23,9% dijelaskan oleh variasi variabel lain yang tidak dijelaskan oleh model penelitian ini.
4.5. Hasil Uji Asumsi Klasik Variabel Per SubSektor Manufaktur a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model, variabel pengganggu atau residual memiliki distribusi normal atau tidak yang dapat dilihat dengan melihat Asymp. Sig. (2-tailed). Data dalam keadaan normal apabila nilai Asymp. Sig. (2-tailed) lebih besar dari 0,05. Hasil pengujian normalitas dapat dilihat pada Tabel 4.17, Tabel 4.18 dan Tabel 4.19.
Tabel 4.17
Hasil Uji Normalitas SubSektor Industri Dasar Kimia
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 24
Normal Parametersa Mean .0000000
Std. Deviation 7.90736557 Most Extreme Differences Absolute .181
Positive .127
Negative -.181
Kolmogorov-Smirnov Z .886
Asymp. Sig. (2-tailed) .412
a. Test distribution is Normal.
Tabel 4.17 memperlihatkan bahwa nilai Asymp. Sig (2-tailed) UnstandardizedResidual
masing-masing bernilai 0,412 yang lebih besar dibandingkan dengan taraf nyata (
α
) yaitu 0,05. Hal ini berarti model regresi variabel dependen dan independen mempunyai distribusi normal.Tabel 4.18
Hasil Uji Normalitas SubSektor Aneka Industri
memperlihatkan bahwa nilai Asymp. Sig (2-tailed) UnstandardizedResidual masing-masing bernilai 0,221 yang lebih besar dibandingkan dengan taraf nyata (
α
) yaitu 0,05. Hal ini berarti model regresi variabel dependen dan independen mempunyai distribusi normal.One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 32
Normal Parametersa Mean .0000000
Std. Deviation 50.56714838 Most Extreme Differences Absolute .242
Positive .242
Negative -.100
Kolmogorov-Smirnov Z 1.367
Asymp. Sig. (2-tailed) .221
Tabel 4.19
Hasil Uji Normalitas SubSektor Industri Barang Konsumsi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 48
Normal Parametersa Mean .0000000
Std. Deviation 31.09564106 Most Extreme Differences Absolute .108
Positive .108
Negative -.074
Kolmogorov-Smirnov Z .746
Asymp. Sig. (2-tailed) .634
a. Test distribution is Normal.
Tabel 4.19 memperlihatkan bahwa nilai Asymp. Sig (2-tailed) Unstandardized
Residual masing-masing bernilai 0,634 yang lebih besar dibandingkan dengan taraf nyata (
α
) yaitu 0,05. Hal ini berarti model regresi variabel dependen dan independen mempunyai distribusi normal.a. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas. Pada model regresi yang baik, sebaiknya tidak terjadi korelasi diantara variabel bebas. Untuk mendeteksi ada tidaknya dengan melihat (1) nilai
tolerance dan lawannya, (2) variance inflation factor, dimana nilai tolerance tidak kurang dari 0,1 dan nilai VIF tidak lebih dari 10. Hasil pengujian multikolinearitas dapat dilihat pada Tabel 4.20, Tabel 4.21 dan Tabel 4.22 berikut ini:
Tabel 4.20
Hasil Uji Multikolinieritas SubSektor Industri Dasar Kimia
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) -61.173 18.839 -3.247 .004 CP 3.507 2.372 .292 1.478 .007 .478 2.090 KH 2.997 8.757 .109 .342 .736 .184 5.429 FS 4.235 1.407 .636 3.010 .008 .419 2.389 PR .855 .468 .516 1.828 .084 .234 4.269 INV 14.173 10.340 .530 1.371 .001 .125 8.010 a. Dependent Variable: DPR
Berdasarkan hasil pengolahan data pada Tabel 4.20 menunjukkan bahwa tidak ada variabel bebas yang memiliki nilai tolerance lebihi kecil dari 0,1 atau nilai VIF setiap variabel bebas kurang dari 10, maka dapat disimpulkan bahwa model regresi tidak terjadi masalah multikolinieritas.
Tabel 4.21
Hasil Uji Multikolinieritas SubSektor Aneka Industri
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) 88.019 91.997 .957 .347 CP 14.117 13.360 .290 1.057 .003 .435 2.301 KH 8.920 42.361 .097 .211 .835 .154 6.488 FS -3.591 5.622 -.119 -.639 .029 .947 1.056 PR -.143 1.357 -.026 -.106 .917 .530 1.885 INV -3.259 40.887 -.037 -.080 .037 .154 6.502 a. Dependent Variable: DPR
Berdasarkan hasil pengolahan data pada Tabel 4.21 menunjukkan bahwa tidak ada variabel bebas yang memiliki nilai tolerance lebihi kecil dari 0,1 atau nilai VIF setiap variabel bebas kurang dari 10, maka dapat disimpulkan bahwa model regresi tidak terjadi masalah multikolinieritas.
Tabel 4.22
Hasil Uji Multikolinieritas SubSektor Industri Barang Konsumsi
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) 14.136 66.865 .211 .834 CP 6.930 5.907 .252 1.173 .027 .415 2.409 KH -2.670 11.705 -.056 -.228 .821 .314 3.187 FS -.022 3.927 .000 -.006 .006 .619 1.614 PR 1.282 .477 .563 2.690 .010 .438 2.284 INV 1.958 6.625 .069 .296 .769 .347 2.880 a. Dependent Variable: DPR
Berdasarkan hasil pengolahan data pada Tabel 4.22 menunjukkan bahwa tidak ada variabel bebas yang memiliki nilai tolerance lebihi kecil dari 0,1 atau nilai VIF setiap variabel bebas kurang dari 10, maka dapat disimpulkan bahwa model regresi tidak terjadi masalah multikolinieritas.
b. Uji Autokorelasi
Uji Autokorelasi dilakukan untuk menguji apakah pada model regresi terdapat korelasi kesalahan pengganggu pada periode t dan kesalahan pengganggu pada periode sebelumnya (periode t-1). Dalam penelitian ini. gejala autokorelasi dideteksi dengan menggunakan Durbin-Watson Test.
Hasil pengujian autorkorelasi Per Subsektor dapat dilihat pada Tabel 4.23, Tabel 4.24 dan Tabel 4.25 sebagai berikut:
Tabel 4.23
Hasil Uji Autokorelasi SubSektor Industri Dasar Kimia
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .815a .664 .571 8.93839 2.023
a. Predictors: (Constant), INV, FS, CP, PR, KH b. Dependent Variable: DPR
n = jumlah sampel=24
k = jumlah variabel bebas = 5
Pada tingkat signifikansi diperoleh du = 1,9018 dan dl
d
= 0,9249
u < DW< 4-du
Berdasarkan Tabel di 4.23 model memenuhi kriteria karena tidak terkena gejala autorkorelasi. = 1,9018 < 2,023< 2,0982 (memenuhi kriteria)
Tabel 4.24
Hasil Uji Autokorelasi SubSektor Aneka Industri
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .586a .493 .314 55.21571 1.840
a. Predictors: (Constant), INV, FS, PR, CP, KH b. Dependent Variable: DPR
n = jumlah sampel=32
k = jumlah variabel bebas = 5
Pada tingkat signifikansi diperoleh du = 1,8187 dan dl
d
= 1,1092
u < DW< 4-du
Berdasarkan Tabel di 4.24 model memenuhi kriteria karena tidak terkena gejala autorkorelasi. = 1,8187 < 1,840< 2,1813 (memenuhi kriteria)
Tabel 4.25
Hasil Uji Autokorelasi SubSektor Industri Barang Konsumsi
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .741a .699 .571 33.7693 1.957
a. Predictors: (Constant), INV, FS, PR, CP, KH b. Dependent Variable: DPR
n = jumlah sampel=48
k = jumlah variabel bebas = 5
Pada tingkat signifikansi diperoleh du = 1,7725 dan dl d
= 1,3167
u < DW< 4-du
Berdasarkan Tabel di 4.25 model memenuhi kriteria karena tidak terkena gejala autorkorelasi. = 1,7725 < 1,957< 2,2275 (memenuhi kriteria)
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual data yang ada. Model regresi yang baik adalah yang tidak mengalami gejala heteroskedastisitas. Hasil pengujian heteroskedastisitas dengan menggunakan metode grafik dapat dilihat pada Gambar 4.2 sebagai berikut:
Gambar 4.2
Hasil Uji Heteroskedastisitas Hipotesis Penelitian Menggunakan Scatterplot Subsektor Industri Dasar dan Kimia
Berdasarkan Gambar 4.2 terlihat bahwa titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Dengan demikian dapat disimpulkan bahwa persamaan regresi hipotesis penelitian terbebas dari asumsi heteroskedastisitas.
Gambar 4.3
Hasil Uji Heteroskedastisitas Hipotesis Penelitian Menggunakan Scatterplot Subsektor Aneka Industri
Gambar 4.4
Hasil Uji Heteroskedastisitas Hipotesis Penelitian Menggunakan Scatterplot Subsektor Industri Barang Konsumsi
Hasil pengujian heteroskedastisitas juga dapat dilakukan dengan menggunakan Uji Glejser
dapat dilihat pada Tabel 4.26, Tabel 4.27 dan Tabel 4.28 sebagai berikut:
Tabel 4.26
Hasil Uji Heteroskedastisitas SubSektor Industri Dasar Kimia
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) -.027 8.028 -.003 .997 CP -.818 1.011 -.253 -.810 .429 KH .430 3.731 .058 .115 .910 FS .526 .599 .293 .878 .392 PR .011 .199 .024 .054 .957 INV .068 4.406 .009 .015 .988
a. Dependent Variable: ABSUT
Berdasarkan Tabel 4.26 menunjukkan bahwa tidak ada satu pun variabel bebas yang signifikan secara statistik mempengaruhi variabel terikat Absolut Ut (AbsUt) yang terlihat dari
nilai signifikansi di atas 0,05. Hasil ini sejalan dengan pengujian heteroskedastisitas menggunakan metode grafik dan disimpulkan bahwa persamaan regresi hipotesis penelitian terbebas dari asumsi heteroskedastisitas.
Tabel 4.27
Hasil Uji Heteroskedastisitas SubSektor Aneka Industri
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 94.286 49.701 1.897 .069 CP 7.146 7.217 .207 .990 .331 KH 37.116 22.885 .570 1.622 .117 FS -6.845 3.037 -.320 -2.254 .033 PR .308 .733 .080 .420 .678 INV -5.873 22.089 -.094 -.266 .792
a. Dependent Variable: ABSUT
Berdasarkan Tabel 4.27 menunjukkan bahwa tidak ada satu pun variabel bebas yang signifikan secara statistik mempengaruhi variabel terikat Absolut Ut (AbsUt) yang terlihat dari nilai signifikansi di atas 0,05. Hasil ini sejalan dengan pengujian heteroskedastisitas menggunakan metode grafik dan disimpulkan bahwa persamaan regresi hipotesis penelitian terbebas dari asumsi heteroskedastisitas.
Tabel 4.28
Hasil Uji Heteroskedastisitas SubSektor Industri Barang Konsumsi
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 81.959 34.371 2.384 .022 CP 5.077 3.036 .310 1.672 .102 KH 11.731 6.017 .415 1.950 .058 FS -5.965 2.018 -.448 -2.955 .005 PR .840 .245 .618 3.427 .001 INV -8.297 3.406 -.493 -2.436 .019
Berdasarkan Tabel 4.28 menunjukkan bahwa tidak ada satu pun variabel bebas yang signifikan secara statistik mempengaruhi variabel terikat Absolut Ut (AbsUt) yang terlihat dari nilai signifikansi di atas 0,05. Hasil ini sejalan dengan pengujian heteroskedastisitas menggunakan metode grafik dan disimpulkan bahwa persamaan regresi hipotesis penelitian terbebas dari asumsi heteroskedastisitas.
4.6 Hasil Analisis Data Per Subsektor Manufaktur