METODE PENELITIAN
3.6 Metode Analisis Data
Dalam penelitian ini, metode analisis data yang digunakan adalah model analisis regresi berganda dan menggunakan software SPSS 17 (Statistik Product and Services Solution). Peneeliti terlebih dahulu melakukan uji asumsi klasik sebelum melakukan pengujian hipotesis.
3.6.1 Pengujian Asumsi Klasik 3.6.1.1 Uji Normalitas
Tujuan uji normalitas menurut Ghozali (2005) adalah untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Kalau nilai residual tidak mengikuti distribusi normal, uji statistik menjadi tidak valid untuk jumlah sampel kecil. Menurut Ghozali (2005),”cara untuk mendeteksi apakah residual berdistribusi normal atau tidak ada dua, yaitu analisis grafik dan analisis statistik. Normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dan grafik dengan melihat histogram dari residualnya”. Dasar pengambilan keputusan normalitas adalah:
1) jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal maka model regresi memenuhi asumsi normalitas,
2) jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal maka model regresi tidak memenuhi asumsi normalitas.
Menurut Ghozali (2005),”Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik Kolmogorov-Smirnov (K-S)”. Pedoman pengambilan keputusan tentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov-Smirnov dapat dilihat dari:
a.Nilai Sig.atau signifikan atau probabilitas < 0,05 maka distribusi data tidak normal,
b.Nilai Sig. atau signifikan atau probabilitas > 0,05 berarti distribusi data normal.
3.6.1.2 Uji Multikolenieritas
Menurut Ghozali (2005), uji multikolenieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antara variabel independen. Suatu model regresi yang baik seharusnya tidak terjadi korelasi di antara independennya. Untuk mendeteksi ada atau tidaknya multikolineritas dapat dilihat dari nilai tolerance dan lawannya variance inflation factor (VIF). Jika nilai tolerance tidak
kurang dari 0,1 dan nilai variance inflation factor (VIF) tidak lebih dari 10, maka model dikatakan terbebas dari multikolineritas.
3.6.1.3Uji Heterokedastisitas
Uji ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variance dari residul satu pengamatan ke pengamatan yang lain. Suatu model regresi yang baik adalah homokedastisitas atau tidak terjadi heterokedastisitas. Cara yang dipakai dalam penelitian ini untuk mendeteksi ada atau tidaknya heterokedastisitas pada suatu model adalah dengan melihat grafik Scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan nilai residualnya SRESID. Dasar analisis menurut Ghozali (2005):
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit), maka mengidentifikasikan telah terjadi heterokedastisitas,
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas atau terjadi homokedastisitas.
3.6.1.4 Uji Autokorelasi
Uji Autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t (saat ini) dengan kesalahan pengganggu pada periode t-1(sebelumnnya). Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Autokorelasi sering terjadi pada sampel dengan data time series. Untuk menentukan ada atau tidaknya autokorelasi dalam
penelitian ini digunakan uji Durbin–Watson (Ghozali, 2006 :100).. Kriteria untuk penilaian terjadinya autokorelasi yaitu:
Tabel 3.3
Kriteria Penilaian Uji Autokorelasi (Durbin-Watson)
Hipotesis Nol Keputusan Jika
Tidak ada autokorelasi positif Tolak 0 < d < dl Tidak ada autokorelasi positif No desicion Dl ≤ d ≤ du Tidak ada korelasi negatif tolak 4-dl < d < 4 Tidak ada korelasi negatif No desicion 4-du ≤ d ≤ 4-dl Tidak ada autokorelasi negatif atau
positif
Tidak ditolak du < d < 4-du
3.6.2 Pengujian Hipotesis
Model yang digunakan dalam menganalisis pengaruh variabel independen terhadap variabel dependen adalah model regresi berganda. Model regresi linear berganda adalah model regresi yang memiliki lebih dari satu variabel independen, persamaan regresi linear berganda yang digunakan sebagai berikut :
Y = a +
Keterangan:
Y = Dividen Kas a = Konstanta
= Koefisien regresi dari variabel independen
= Laba akuntansi
= Laba tunai
= Umur Perusahaan e = error (penggangu)
3.6.2.1 Koefision Determinasi
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen (Ghozali, 2006 : 87). Nilai koefisien determinasi adalah anatara nol dan satu. Karena variabel independen yang digunakan dalam penelitian ini lebih dari dua, ,aka nilai koefisien determinasinya di lihat pada Adjusted R Square. Nilai Adjusted R Square yang kecil berarti variabel-variabel independen dalam menjelaskan variasi varibel dependen amat terbatas. Nilai Adjusted R Square yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel dependen.
Kelemahan mendasar menggunakan koefisien determinasi adalah bias terhadap jumlah variabel indenpenden yang dimasukkan ke dalam model. Setiap tambahan satu variabel indenpenden, maka R2 pasti akan meningkat tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Oleh karena itu, banyak peneliti menganjurkan untuk menggunakan nilai Adjusted R Square pada saat mengevaluasi mana model regresi terbaik. Tidak seperti R2, nilai Adjusted R Square dapat naik atau turun apabila satu variabel ditamabah ke dalam model.
3.6.2.2 Uji Signifikasi Parsial (Uji-t)
Uji statistik t pada dasarnya menunjukkan seberapa jauh Uji-t digunakan untuk melihat pengaruh variabel independen secara individual dalam menerangkan variabel dependen. Uji t digunakan untuk menguji signifikansi pengaruh varabel independen secara parsial terhadap variabel dependen. Signifikan atau tidaknya pengaruh variabel independen terhadap variabel dependen dilihat dari nilai probabilitas (nilai sig.) dari masing-masing variabel independen pada taraf uji α = 5% (0.05)
Kesimpulan dapat diterima atau tidaknya Ha sebagai pembuktian yaitu: 1) Jika probabilitas < 0,05 maka Ha dapat diterima,
2) Jika probabilitas > 0,05 maka Ha tidak dapat diterima.
Signifikansi juga dapat dilihat dengan membandingkan , dengan ketentuan:
1) Jika (α = 5%) maka Ha dapat diterima,
2) Jika (α = 5%) maka Ha tidak dapat diterima. 3.6.2.3 Uji Signifikansi Simultan (Uji-F)
Uji-F digunakan untuk melihat pengaruh variabel independen terhadap variabel dependen secara bersama-sama (simultan). Hipotesis yang digunakan adalah:
H4 : bX1 = bX2 = bX3 = bX4 ≠ 0 artinya terdapat pengaruh yang signifikan secara bersama-sama (simultan) dari seluruh variabel independen terhadap variabel dependen.
Signifikan atau tidaknya pengaruh variabel independen terhadap variabel dependen dapat dilihat dari nilai probabilitas (nilai Sig.) dari F rasio seluruh variabel independen pada taraf uji α = 5% (0,05).
Kesimpulan dapat diterima atau tidaknya Ha dapat diketahui dengan pembuktian adalah:
1) Jika probabilitas < 0,05 maka Ha dapat diterima, 2) Jika Probabilitas > 0,05 maka Ha tidak dapat diterima. Signifikansi juga dapat dilihat dengan membandingkan dengan ketentuan yaitu:
1) Jika (α = 5%) maka Ha dapat diterima, 2) Jika (α = 5%) maka Ha tidak dapat diterima.
BAB IV
HASIL DAN PEMBAHASAN
