Metode analisis data yang digunakan adalah metode analisis statistik dengan menggunakan software SPSS 15. Sebelum data dianalisis, maka untuk keperluan analisis data tersebut terlebuh dahulu dilakukan uji asumsi klasik.
1. Uji Asumsi Klasik
Uji asumsi klasik yang dilakukan adalah uji normalitas data, uji multikolinearitas, uji heterokedasitas dan uji autokorelasi.
a. Uji Normalitas Data
Uji normalitas data bertujuan untuk menguji 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 (Ghozali, 2005:110). Untuk mendeteksinya yaitu dengan melihat grafik histogram yang membandingkan data observasi dengan distribusi normal.
Menurut Ghozali (2005:110), ”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 keputusannya adalah:
Indah Agustina Manurung : Pengaruh Laba Bersih Dan Arus Kas Operasi Terhadap Kebijakan Dividen Pada Perusahaan Manufaktur Yang Go Publik, 2009.
USU Repository © 2009
74 1) jika data menyebar di sekitar 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.
”Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik Kolmogorov-Smirnov (K-S)”, yang dijelaskan oleh Ghozali (2005:115). Uji K-S dibuat dengan membuat hipotesis:
Ho : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal
Bila signifikansi >0,05 dengan = 5% berarti distribusi data normal dan Ho diterima, sebaliknya bila nilai signifikan <0,05 berarti distribusi data tidak normal dan Ha diterima.
b. Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara antara variabel independen. Model regresi yang baik seharusnya tidak ada korelasi antar variabel independen. Ada tidaknya multikolinearitas dapat dideteksi dengan melihat nilai tolerance dan VIF. Menurut Ghozali (2005:92), ”nilai cutoff yang umum dipakai untuk menunjukkan
Indah Agustina Manurung : Pengaruh Laba Bersih Dan Arus Kas Operasi Terhadap Kebijakan Dividen Pada Perusahaan Manufaktur Yang Go Publik, 2009.
USU Repository © 2009
75 adanya multikolinearitas adalah nilai tolerance < 0,10 atau sama dengan nilai VIF > 10”.
c. Uji Heterokedasitas
Uji ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan yang lain. Menurut Erlina (2007:108) “jika varians dari residual satu pengamatan ke pengamatan lainnya tetap, maka disebut homokedasitas, jika berbeda disebut heterokedasitas. Sebaliknya jika varians berbeda, maka disebut heterokedasitas”. Ada tidaknya heterokedasitas dapat dilakukan dengan melihat grafik Scaterplot antar nilai prediksi variabel independen dengan nilai residualnya. Dasar analisis yang dapat digunakan untuk menentukan heterokedasitas, antara lain:
1) jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heterokedasitas,
2) jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedasitas atau terjadi homokedasitas.
d Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model 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
Indah Agustina Manurung : Pengaruh Laba Bersih Dan Arus Kas Operasi Terhadap Kebijakan Dividen Pada Perusahaan Manufaktur Yang Go Publik, 2009.
USU Repository © 2009
76
time series. Cara yang dapat digunakan untuk mendeteksi 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 di antara -2 sampai +2, berarti tidak ada autokorelasi, 3) angka D-W di atas +2 berarti ada autokorelasi negatif.
2. Pengujian hipotesis
Penelitian ini dianalisis dengan model regresi berganda untuk melihat seberapa besar pengaruh laba bersih dan arus kas operasi terhadap dividend
payout ratio dengan model dasar sebagai berikut:
Y= α+ 1X1+ 2X2 +
Keterangan :
Y = Variabel dependen, dalam hal ini dividend payout ratio.
α = Konstanta.
1, 2 = Koefisien regresi X1,X2,X3.
X1 = Variabel independen pertama yaitu laba bersih.
X2 = Variabel independen kedua yaitu arus kas operasi.
= Tingkat kesalahan pengganggu.
a. Uji F
Uji F statistik digunakan untuk menguji keberartian pengaruh dari seluruh variabel bebas secara bersama-sama (serentak) terhadap variabel tidak bebas. Uj F dimaksudkan untuk melihat kemampuan menyeluruh dari variabel bebas yaitu
Indah Agustina Manurung : Pengaruh Laba Bersih Dan Arus Kas Operasi Terhadap Kebijakan Dividen Pada Perusahaan Manufaktur Yang Go Publik, 2009.
USU Repository © 2009
77 laba bersih dan arus kas operasi terhadap kebijakan dividen. Uji ini dilakukan dengan ketentuan sebagai berikut:
H0 diterima jika Fhitung < Ftabel
Ha diterima jika Fhitung > Ftabel
Pada tingkat kepercayaan 95 %. Hipotesis Penelitian
Laba bersih dan arus kas operasi berpengaruh secara simultan terhadap dividend
payout ratio.
Hipotesis Statistik
Ho:b1 = 0 (Laba bersih dan arus kas operasi tidak berpengaruh secara simultan
terhadap dividend payout ratio)
Ha: b1 ≠ 0 (Laba bersih dan arus kas operasi berpengaruh secara simultan terhadap
dividend payout ratio)
b. Uji t
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas/independen secara individual dalam menerangkan variasi variabel dependen.
Uji ini dilakukan untuk melihat pengaruh laba bersih dan arus kas bersih secara parsial terhadap dividend payout ratio. Uji ini dilakukan dengna membandingkan signifikansi t hitung dengan ketentuan sebagai berikut: H0 diterima jika t hitung < t tabel ( = 5%)
Indah Agustina Manurung : Pengaruh Laba Bersih Dan Arus Kas Operasi Terhadap Kebijakan Dividen Pada Perusahaan Manufaktur Yang Go Publik, 2009.
USU Repository © 2009
78 Hipotesis Penelitian
Laba bersih dan arus kas operasi berpengaruh terhadap dividend payout ratio secara parsial.
Hipotesis Statistik
Ho: b2 = 0 (laba bersih dan arus kas operasi tidak berpengaruh terhadap dividend
payout ratio secara parsial)
Ha: b2 ≠ 0 (laba bersih dan arus kas operasi tidak berpengaruh terhadap dividend payout ratio secara parsial.