4. Cash Dividend (Y)
4.2.1. Uji Normalitas
Untuk mengetahui apakah data tersebut berdistribusi normal, dapat diuji dengan metode Kolmogorov Smirnov
Dasar analisis yang digunakan yaitu nilai signifikansi atau nilai probabilitasnya (Asymp sig (2-tailed) > 5%, maka data tersebut berdistribusi normal (Sumarono, 2004 :40)
Berdasarkan hasil Uji Normalitas dengan alat bantu komputer yang menggunakan Program SPSS. 16.0, dapat dilihat pada tabel 6, sebagai berikut
Tabel 6 : Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
21 ,0000000 130,97878703 ,104 ,083 -,104 ,475 ,978 N Mean Std. Deviation Normal Parametersa,b
Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
Unstandardized Residual
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Lampiran 5
Berdasarkan pada tabel 6 di atas menunjukkan bahwa nilai Sig
(2-tailed) lebih besar dari 0,05, dan sesuai dengan dasar pengambilan
4.2.2. Uji Asu
lui uji F ias (Sesuai dengan tujuan)
1. Au
si linier ada korelasi antara korelasi pengganggu pada n kesalahan pada periode t-1 (sebelumnya)
ima : Jadi P = 0
P =
wa Uji ini hasilnya
t
yaitu sebesar 2,014 (Lampi
1,669.
msi Klasik
Dalam suatu persamaan regresi harus bersifat BLUE (Best Linier
Unbiased Estimator), artinya dalam pengambilan keputusan mela
dan uji t tidak boleh b
Berdasarkan hasil uji asumsi klasik dengan alat bantu komputer yang menggunakan Program SPSS. 16.0 For Windows. diperoleh hasil sebagai berikut
tokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam suatu model regre
periode t denga
Untuk menguji apakah terjadi autokorelasi atau tidak, dapat digunakan uji Durbin Watson, dengan ketentuan sebagai berikut :. 1. Apabila (4 – dW) > dU, hal ini berarti bahwa Ho diter
, berarti tidak ada autokorelasi pada model
2. Apabila (4 – dW) < dL, hal ini berarti bahwa Ho ditolak : Jadi 0, berarti terdapat autokorelasi pada model
3. Apabila dL < (4 – dW) < dU, hal ini berarti bah
tidak konklusif, sehingga tidak dapat ditentukan apakah ada autokorelasi atau tidak dalam model tersebu
Berdasarkan dari hasil “Uji Autokorelasi” dengan alat bantu komputer yang menggunakan Program SPSS. 16.0. For Windows dapat diketahui besarnya bahwa nilai dW tes
ran. 6), sedangkan berdasarkan tabel “Durbin Watson” Untuk N = 21 dan k = 3 (Lampiran 8), diperoleh nilai dL = 1,026 dan dU =
Untuk memperjelas uraian tersebut di atas, berikut ini merupakan gambar kurva daerah keputusan autokorelasi, yang dapat dilihat pada gambar 2, sebagai berikut
Gambar. 3 : Daerah Keputusan Autokorelasi
Berdasarkan p tes
sebesar 2,014 berada diantara nilai dU = 1,669 dan 4 - dU = 2,331, sesuai dengan ketentuan yang telah ditetapkan, maka hal ini berarti bahwa dalam model regresi tersebut tidak terdapat korelasi antara korelasi pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya), sehingga data dari seluruh variabel bebas (X) yang digunakan dalam penelitian ini baik X1, X2, dan X3, dapat digunakan dalam penelitian.
2.
alam penelitian ini dengan melihat besarnya nilai
Variance Inflation Factor (VIF).
Positif dan Negatif
ada gambar 2 dapat diketahui bahwa nilai dW
Multikolinieritas
Alat uji yang digunakan untuk mengetahui ada tidaknya multikolinieritas d
Tidak Ada Autokorelasi
dL = 1,026 dU 69 4 – dU = 4 0 Ada Daerah ragu - raguan Ada Aukorelasi positif DW test = 2,014 Daerah Autokorelasi Negatif Keragu -raguan Ke 2,331 =2,974 4 – dL = 1,6
Dasar analisis yang digunakan yaitu jika nilai VIF (Variance
Inflatio
Berdasarkan hasil Uji Multikolinieritas dengan alat bantu komputer yang menggunakan Program SPSS. 16.0., dapat dilihat pada tabel 7, sebagai berikut
Tabel 7 : Hasil Uji Multkolinieritas
n Factor) < 10, maka hal ini berarti bahwa dalam persamaan
regresi tidak ditemukan adanya korelasi antar variabel bebas atau bebas Multikolinieritas (Ghozali, 2002 : 57-59)
Coefficientsa
,605 1,654 ,533 1,876 Cash Position (X1)
Debt to Total Assets (X2)
Return On Assets (X3) ,419 2,389 Model 1 Tolerance VIF Collinearity Statistics (Multikolinieritas)
Dependent Variable: Cash Dividen
a. d (Y)
Sumber : Lampiran 6
Berdasarkan pada tabel 7 menunjukkan bahwa seluruh variabel bebas (X) yang digunakan dalam penelitian ini baik X1, X2, dan X3, mempunyai nilai VIF (Variance Inflation Factor) lebih kecil dari 10,
ambilan keputusan, hal ini berarti bahwa dalam
dan sesuai dengan dasar peng
persamaan regresi tidak ditemukan adanya korelasi antar variabel bebas atau bebas Multikolinieritas, sehingga data dari seluruh variabel bebas (X) yang digunakan dalam penelitian ini baik X1, X2, dan X3,dapat digunakan dalam penelitian.
3.
tuk mengetahui adanya heteroskedastisitas secara kuantitatif dalam suatu persamaan regresi dapat dilakukan dengan menggunakan uji korelasi Rank Spearman.
Dasar analisis yang digunakan yaitu jika nilai Sig (2-tailed) > 0,05, maka maka hal ini berarti dalam model regresi tidak terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
kompu
Probabilitas
Heteroskedastisitas
Alat uji yang digunakan un
lainnya atau bebas Heteroskedastisitas (Santoso, 2001 : 301)
Berdasarkan hasil Uji Heteroskedastisitas dengan alat bantu ter yang menggunakan Program SPSS. 16.0., dapat dilihat pada tabel 8, sebagai berikut
Tabel 8 : Hasil Uji Heteroskedastisitas
Variabel
(Sig (2 - tailed) Keterangan
Cash position (X ) 0,893 1 Bebas Heteroskedastisitas
Debt to total assets (X2) 1,000 Bebas Heteroskedastisitas
Return On Assets (X ) 0,746 3 Bebas Heteroskedastisitas
Berdasarkan pada tabel 8 di atas menunjukkan bahwa seluruh variabel bebas (X) yang digunakan dalam penelitian ini baik X1, X dan X , mempunyai n d) lebih besar dari 0,05, dan
sesuai dengan dasar pengam
jadi ketidaksamaan variance dari residual satu pengam
Sumber : Lampiran 7
2, 3 ilai Sig (2-taile
bilan keputusan, hal ini berarti dalam model regresi tidak ter
atan ke pengamatan lainnya atau bebas Heteroskedastisitas, sehingga data dari seluruh variabel bebas (X) yang digunakan dalam penelitian ini baik X1, X2, dan X3,dapat digunakan dalam penelitian.
Setelah dilakukan Uji Asumsi Klasik tersebut di atas, maka dapat pulkan bahwa model persamaan regresi linier dalam penelitian ini, s dari asumsi dasar (klasik) tersebut, sehingga pengambilan keputusan lui uji F dan uji t yang akan dilakukan dalam penelitian ini tidak akan atau sesuai dengan tujuan penelitian.
disim beba mela bias
4.2.3.
Tabel 9 : Hasil Pendugaan Parameter Regresi Linier Berganda Teknik Analisis
Berdasarkan hasil dari “olah data” dengan alat bantu komputer yang menggunakan program SPSS.16.0, dapat dilihat pada tabel 9, sebagai berikut Coefficientsa -122,276 137,293 -,023 ,354 1,948 1,471 19,465 4,475 (Constant) Cash Position (X1) Debt to Total Assets (X2) Return On Assets (X3) Model 1 B Std. Error Unstandardized Coefficients
Dependent Variable: Cash Dividend (Y) a.
Sumber : Lampiran. 6
Berdasarkan pada tabel 9 dapat dibuat model persamaan regresi sebagai berikut :
Y = -122,276 - 0,023 X1 + 1,948 X2 + 19,465 X3
Dari model persamaan regresi linier tersebut di atas, dapat ikut :
Konstanta (b0)
Nilai konstanta (b0) sebesar -122,276 menunjukkan bahwa apabila nilai Cash position, Debt to total assets dan Return On Assets, konstan maka besarnya nilai Cash Dividend yaitu sebesar -122,276 satuan
Cash Position
inya jika nilai variabel Cash position naik sebesar satu satuan, maka nilai Cash
gan asumsi variabel bebas lainnya
Koefisien ( Debt to Tota
variabel Debt to total assets yang artinya jika nilai variabel Debt to total assets naik sebesar satu satuan, maka nilai Cash
umsi variabel bebas lainnya
positif menunjukkan adanya hubungan yang searah antara variabel Cash
Dividend dengan variabel Return On Assets, yang artinya jika nilai variabel
Koefisien (b1) Untuk Variabel
Besarnya nilai koefisien regresi (b1) sebesar -0,023, nilai (b1) yang negatif menunjukkan adanya hubungan yang berlawanan arah antara variabel Cash Dividend dengan variabel Cash position yang art
Dividend akan turun sebesar 0,023 satuan den
konstan.
b2) Untuk Variabel l Assets
Besarnya nilai koefisien regresi (b2) sebesar 1,948, nilai (b2) yang positif menunjukkan adanya hubungan yang searah antara variabel Cash
Dividend dengan
Dividend akan naik sebesar 1,948 satuan dengan as
konstan.
Koefisien (b3) Untuk Variabel Return on Assets
Return On Assets naik sebesar satu satuan, maka nilai Cash Dividend akan
naik sebesar 19,465 satuan dengan asumsi variabel bebas lainnya konstan.
4.2.4.
4.2.4.1. Uji K
Dari hasil pengujian dengan menggunakan alat bantu komputer am SPSS.16.0, For Windows mengenai analisis hubungan
ihat pada tabel 10, sebagai berikut Tabel 10 : Hasil Analisis Variabel
Uji Hipotesis
esesuaian Model
Uji F ini digunakan untuk mengetahui sesuai tidaknya model regresi yang dihasilkan guna melihat pengaruh Cash position, Debt to
total assets dan Return On Assets terhadap Cash Dividend pada
perusahaan LQ-45 yang go publik di Bursa Efek Indonesia.
dengan progr
secara simultan, dapat dil
Bebas Terhadap Variabel Terikat
ANOVAb
655152,473 3 218384,158 10,820 ,000a
343108,853 17 20182,874
998261,326 20
Regression
Sum of Squares df Mean Square F Sig.
Model
Residual 1
Total
Predictors: (Constant), Return On Assets (X3), Cash Position (X1), Debt to Total Assets (X2) a.
Dependent
b. Variable: Cash Dividend (Y)
; Lampiran. 6
Berdasarkan pada tabel 10 menunjukkan bahwa besarnya nilai F Sumber
(lebih kecil dari 0,05), maka H0 ditolak dan H1 diterima yang berarti bahwa model regresi yang dihasilkan cocok guna melihat pengaruh Cash
Position, Debt to Total Asset, dan Return on Assets terhadap Cash Dividend, sehingga hipotesis yang diajukan terbukti kebenarannya.
D d
d
ari hasil pengujian dengan menggunakan alat bantu komputer engan program SPSS.16.0, For Windows juga diperoleh nilai R square apat dilihat pada tabel 11, sebagai berikut:
Tabel. 11 : Koefisien Determinasi (R square / R2)
Model Summaryb
,810a ,656 ,596 142.06644 2,014
Model R R Square
Adjusted R Std. Error of the Durbin-Watson si
Square Estimate (Autokorela
1
Predictors
a. : (Constant), Return On Assets (X3), Cash Position (X1), Debt to Total Assets (X2) Dependent Variable: Cash Div
b. idend (Y)
Sumbe
menunjukkan bahwa perubahan yang terjadi pada variabel Cash dividend sebesar 65,6% mampu dijelaskan oleh variabel Cash position, Debt to total assets dan
Return On Assets, sedangkan sisanya 34,4% dijelaskan oleh faktor lain
suk dalam model.
4.2.4.2.
sia.
ari hasil pengujian dengan menggunakan alat bantu komputer ram SPSS.16.0, For Windows mengenai analisis hubungan secara
r ; Lampiran. 6
Berdasarkan pada tabel 11 menunjukkan besarnya nilai koefisien Determinasi (R square) sebesar 0,656, hal ini
yang tidak terma
Uji Parsial
Uji t ini digunakan untuk mengetahui dan membuktikan secara empiris pengaruh Cash Position, Debt to Total Asset, dan Return on
Assets secara parsial terhadap Cash Dividend pada perusahaan LQ-45
yang go publik di Bursa Efek Indone D
dengan prog
Tabel 12 : Hasil Analisis Variabel Bebas Terhadap Variabel Terikat Coefficientsa -,891 ,386 (Constant) -,064 ,950 Cash Position (X1) 1,325 ,203 Debt to Total Assets (X2)
Return On Assets (X3) 4,350 ,000 Model