BAB III METODE PENELITIAN
3.6 Metode Analisis Data
Metode analisi data yang digunakan dalam penelitian ini menggunakan metode analisis statistik dengan bantuan software SPSS 17. Peneliti melakukan pengujian asumsi klasik agar data terdistribusi normal, dan setelah itu dilakukan pengujian terhadap hipotesis.
3.6.1 Analisis Statistik Deskriptif
Secara sederhana statistik deskriptif adalah statistik yang bertujuan untuk mendeskripsikan data. Terdapat berbagai cara dalam mendeskripsikan data, yang salah satunya adalah dalam bentuk ukuran-ukuran numerik dari hasil pengolahan terhadap data tersebut.Data yang digunakan penelitian ini merupakan data sekunder yang diperoleh dari www.idx.co.id dan Indonesia Capital Market Directory berupa data keuangan sampel perusahaan manufaktur dari tahun 2008 sampai tahun 2010. Dan variabel penelitian ini terdiri dari Retrun on Invesment (ROI) dan arus kas operasi sebagai variabel bebas (independent variable) dan DPR sebagai variabel terikat (dependent variable).
3.6.2 Uji Asumsi Klasik 3.6.2.1 Uji Normalitas Data
Uji normalitas data bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Apabila nilai residual tidak mengikuti distribusi normal, uji statistik menjadi tidak valid untuk jumlah sampel kecil. Menurut ghozali (2005:110), “cara untuk mendeteksi apakah residual berdistribusi normal atau tidak ada dua,
yaitu analisis grafik dan analisis statistik. Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik Kolmogorov-Smirnov (K-S)”, dibuat dengan membuat hipotesis :
Ho : Data residual berdistribusi normal.
Ha : Data residual tidak berdistribusi normal.
Bila signifikansi > 0,05 berarti distribusi data normal maka Ha ditolak dan Ho diterima, sebaliknya bila signifikan < 0,05 berarti distribusi data tidak normal maka Ho ditolak dan Ha diterima.
Normalitas juga dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dan grafik dengan melihat histogram dari residualnya”. Dasar pengambilan keputusannya adalah :
1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola berdistribusi normal, maka model regresi memenuhi asumsi normalitas,
2. Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan data berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
3.6.2.2 Uji Multikolonearitas
Uji Multikoloneritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antara variabel independen.
Model regresi yang baik seharusnya tidak ada korelasi antar variabel independen. Ada tidaknya multikoloneritas dapat dideteksi dengan melihat nilai tolerance dan variance inflation factor (VIF), serta dengan menganalisis matrik korelasi variabel-variabel independen. Nilai cut off
yang umum dipakai untuk menunjukkan adanya multikoloneritas adalah nilai tolerance < 0,10 atau sama dengan nilai VIF > 10 dan untuk matrik korelasi adanya indikasi multikoloneritas dapat dilihat jika antar variabel independen ada korelasi yang cukup tinggi umumnya diatas 0.90.
3.6.2.3 Uji Heteroskedastisitas
Uji ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan lain. Jika varians dari residual satu pengamatan ke pengamatan lainnya tetap, maka disebut homoskedasitas. Ada tidaknya heteroskedastistas dapat dilakukan dengan melihat grafik scaterplot antar nilai prediksi variabel independen dengan nilai residualnya. Dasar analisis yang dapat digunakan untuk menentukan heteroskedastisitas, antara lain :
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi heteroskedastisitas,
2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas.
3.6.2.4 Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu meodel regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1. 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 medeteksi masalah autokorelasi adalah dengan menggunakan nilai uji Durbin Watson dengan ketentuan dari Prof. Singgih sebagai berikut :
1. Angka D-W dibawah -2 berarti ada autokorelasi positif,
2. Angka D-W diantara -2 sampai +2, berarti tidak ada autokorelasi, 3. Angka D-W diatas +2 berarti ada autokorelasi negatif.
3.6.3 Pengujian Hipotesis
Penelitian ini dianalisis dengan model regresi linier berganda untuk melihat seberapa besar pengaruh Return on Investment (ROI) dan arus kas operasi terhadap DPR dengan model dasar sebagai berikut
Y = α + + + ε
Keterangan :
Y = Variabel dependen (DPR)
α = Konstanta
, = Koefesien
= Variabel independen pertama yaitu ROI
= Variabel independen kedua yaitu arus kas operasi ε = Tingkat kesalahan pengganggu
3.6.3.1 Koefisien Determinasi (R²)
Uji ini bertujuan untuk melihat seberapa jauh kemampuan variabel independen dalam menerangkan variabel dependennya. Nilai koefisien determinasi adalah diantara nol sampai dengan satu. Semakin nilainya mendekati satu maka semakin lengkap informasi yang diberikan variabel independen dalam menerangkan variabel dependennya, sebaliknya jika nilainya semakin menjauhi satu maka semakin sedikit informasi yang diberikan variabel independen dalam menerangkan variabel dependennya.
3.6.3.2 Uji Parsial atau uji t ( t Test )
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel independen. Uji ini dilakukan untuk melihat pengaruh laba bersih dan arus kas bersih secara parsial terhadap DPR. Uji ini dilakukan dengan membandingkan signifikansi t hitung yang mengacu pada suatu ketentuan.
Ho diterima jika t hitung < t tabel (α = 5%) Ha diterima jika t hitung > t table (α =5%)
Di samping itu dapat pula dilihat dari signifikansinya yaitu jika nilai signifikansi penelitian < 0,05 maka Ha diterima.
Hipotesis Statistik
Ho = Return on Investment dan arus kas operasi tidak berpengaruh terhadap DPR secara parsial.
Ha = Return on Investment dan arus kas operasi berpengaruh terhadap DPR secara parsial.
3.6.3.3 Uji Simultan atau Uji F (F test)
Uji F statistik digunakan untuk menguji keberartian pengaruh dari seluruh variabel bebas secara bersama sama (simultan) terhadap variabel dependen. Uji F dimaksudkan untuk melihat kemampuan menyeluruh dari variabel bebas yaitu laba bersih dan arus kas operasi terhadap kebijakan dividen. Uji ini dilakukan dengan mengacu pada suatu ketentuan.
Ho diterima jika F hitung < F table
Ha diterima jika F hitung > F table
Selain itu dapat pula dilihat dari nilai signifikansinya yaitu jika nilai signifikansi penelitian < 0,05 maka Ha diterima.
Hipotesis Statistik
Ho = Return on Investment dan arus kas operasi tidak berpengaruh terhadap DPR secara simltan.
Ha = Return on Investment dan arus kas operasi berpengaruh terhadap DPR secara simultan.