BAB IV ANALISIS HASIL PENELITIAN
B. Analisis Hasil Penelitian
3. Pengujian Asumsi Klasik
Untuk mendapatkan hasil yang BLUE (Best Linear Unbiased Estimated), maka dilakukan pengujian asumsi klasik yang diantaranya harus memiliki distribusi
data normal, tidak terjadi masalah autokorelasi, multikolinearitas, dan heterokedastisitas.
1. Uji Normalitas
Uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Jika data normal, gunakan statistik parametrik dan jika tidak normal, gunakan statistik non parametrik atau lakukan treatment agar data normal.
Tujuan uji normalitas adalah ingin mengetahui apakah sebuah data mengikuti atau mendekati distribusi normal, yaitu distribusi data bentuk lonceng (Bell Shaped). Data yang baik adalah data yang mempunyai pola seperti distribusi normal. Pedoman pengambilan keputusan tentang data tersebut mendekati atau merupakan distribusi normal dapat dilihat dari :
f. Nilai sign. Atau signifikan atau probabilitas < 0,5, maka distribusi data adalah tidak normal
g. Nilai sign. Atau signifikan atau probabilitas > 0,05, maka distribusi data adalah normal.
Selain melihat nilai signifikan dari uji kolmogorov Smirnov, untuk melihat apakah suatu data mempunyai distribusi normal dapat dilihat dari nilai Zskewness. Berdasarkan uji skewness ini, maka suatu data dikatakan memiliki normal jika Zhitung lebih kecil dari Ztabel.
Zhitung = n Skewness / 6 Gambar 4.1 Sumber: hasil olahan SPSS
Gambar 4.2 Sumber : Hasil olahan SPSS
Gambar 4.7 menunjukkan bahwa diagram batang cenderung dan berbentuk lonceng dan pada gembar 4.8 terlihat titik-titik data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal sehingga dapat disimpulkan dalam penelitian ini model memiliki distribusi data normal atau mendekati normal.
Mendapatkan tingkat uji Normalitas yang lebih signifikan maka dalam penelitian ini juga menggunakan uji Statistik non parametik Kolmogorov-Smirnov. Pada tabel 4.8 dibawah ini diperoleh Asymp-Sig (2-tailed) > taraf nyata ( ) atau 0,370 > 0,05. Hal ini berarti data residual berasal dari distribusi normal.
Tabel 4.8
NPar Test
One-Sample Kolmogorov-Smirnov Test
17 ,0000000 ,51641205 ,222 ,189 -,222 ,917 ,370 N Mean Std. Deviation Normal Parametersa,b
Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Sumber : hasil olahan SPSS
2. Uji Multikolinearitas
Uji Multikolinearitas dilakukan untuk melihat ada tidaknya hubungan linear diantara variabel bebas dalam model regresi. Tabel 4.9 menunjukkan tidak adanya gejala multikolinearitas, dimana hasil uji VIF (variance Inflation factor) menentukan nilai kurang dari 10 (VIF<10).
Tabel 4.9
Nilai Korelasi Parsial variabel bebas
Coefficient Correlationsa 1,000 -,117 -,226 ,466 -,798 -,117 1,000 ,180 ,539 ,085 -,226 ,180 1,000 ,140 -,034 ,466 ,539 ,140 1,000 -,333 -,798 ,085 -,034 -,333 1,000 ,004 -,001 -,001 ,121 -,018 -,001 ,006 ,001 ,184 ,003 -,001 ,001 ,003 ,035 -,001 ,121 ,184 ,035 18,955 -,549 -,018 ,003 -,001 -,549 ,143 Firm Size Cash potition Growth Potential Return on Asset Debt to Equity Rat Firm Size
Cash potition Growth Potential Return on Asset Debt to Equity Rat Correlations
Covariances Model
1
Firm Size Cash potition
Growth Potential Return on Asset Debt to Equity Ratio
Dependent Variable: Log Dividen Payout Ratio a.
sumber : Hasil olahan SPSS
Tabel 4.10 Nilai Tolerance dan VIF
Coefficientsa -1,218 ,594 -2,049 ,065 ,287 ,078 ,886 3,664 ,004 ,527 1,899 ,900 ,378 ,765 2,380 ,037 ,298 3,353 10,078 4,354 ,660 2,315 ,041 ,379 2,639 ,016 ,057 ,056 ,273 ,790 ,724 1,382 -,060 ,060 -,393 -1,004 ,337 ,201 4,974 (Constant) Cash potition Debt to Equity Ra Return on Asset Growth Potential Firm Size Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients
t Sig. Tolerance VIF Collinearity Statistics
Dependent Variable: Log Dividen Payout Ratio a.
Sumber : Hasil olahan SPSS
Dari nilai korelasi parsial dari kelima variabel bebas yang terlihat pada tabel di atas menunjukkan tidak adanya korelasi yang kuat di antara variabel bebas. Dari hasil pada tabel di atas dapat diketahui bahwa nilai VIF untuk variabel cash position (X1) sebesar 1,899, debt to equity ratio (X2) sebesar 3,353, return on asset (X3) sebesar 2,639, growth potential (X4)
sebesar 1,382, firm size (X5) sebesar 4,974 sehingga dapat dikatakan nilai VIF kelima variabel bebas semuanya lebih kecil dari 10 dan nilai tolerance dari kelima variabel tersebut lebih besar dari 0,1 sehingga dapat disimpulkan pada model regresi tidak terdapat masalah multikolinearitas.
2. Uji Autokorelasi
Autokorelasi terjadi karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini muncul karena kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. untuk mendeteksi masalah autokorelasi pada model regresi dapat diamati melalui uji Durbin-Watson (DW).
Tabel 4.11 Model Summary (b) Model Summary b ,813a ,661 ,507 ,62282 2,247 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson Predictors: (Constant), Firm Size, Cash potition, Growth Potential, Return
on Asset, Debt to Equity Ratio a.
Dependent Variable: Log Dividen Payout Ratio b.
sumber: Hasil olahan SPSS
Berdasarkan hasil pengolahan data, maka uji D-W adalah sebagai berikut :
= 0.05% k = 5 n = 17
dL = 0,67 4 - dL = 3,33
dU = 2,10 4 - dU = 1,90 DW statistik = 2,247
0,67 1,90 2,10 2,247
Gambar 4.3
Kurva Daerah Pengambilan Keputusan D-W Test
Kriteria pengambilan keputusan :
D-W statistik = 2,247 berarti dU < Dw < 4-dU (1,90<2,10<2,247)
Berdasarkan hasil di atas, dapat diambil kesimpulan tidak ada autokrelasi dalam model tersebut karena D-W statistik berada di antara dU dan 4-dU.
3. Uji Heterokedastisitas
Heterokedastisitas berarti adanya variasi residual yang tidak sama untuk semua pengamatan, atau terdapatnya variasi residaul yang semakin besar pada jumlah pengamatan yang semakin besar. Pengujian heterokedastisitas menggunakan metode
Ho accept Negative autocorrelation Positive autocorrelation 2
Rank Spearman Correlation antara residual dengan masing-masing variabel bebas pada tingkat kepercayaan 95% ( = 0,05). Jika semua variabel bebas berkorelasi secara signifikan dengan residual maka dalam model regresi terdapat gejala heterokedastisitas.
Hasil pengujian korelasi Rank Spearman dapat dilihat pada tabel berikut:
Tabel 4.12
Nilai Korelasi Rank Spearman Correlations 1,000 -,713** ,233 ,056 -,076 ,206 . ,001 ,368 ,830 ,772 ,428 17 17 17 17 17 17 -,713** 1,000 -,696** -,081 ,069 -,025 ,001 . ,002 ,758 ,794 ,926 17 17 17 17 17 17 ,233 -,696** 1,000 ,054 ,402 -,184 ,368 ,002 . ,837 ,110 ,480 17 17 17 17 17 17 ,056 -,081 ,054 1,000 -,233 -,039 ,830 ,758 ,837 . ,368 ,881 17 17 17 17 17 17 -,076 ,069 ,402 -,233 1,000 -,130 ,772 ,794 ,110 ,368 . ,619 17 17 17 17 17 17 ,206 -,025 -,184 -,039 -,130 1,000 ,428 ,926 ,480 ,881 ,619 . 17 17 17 17 17 17 Correlation Coefficien Sig. (2-tailed) N Correlation Coefficien Sig. (2-tailed) N Correlation Coefficien Sig. (2-tailed) N Correlation Coefficien Sig. (2-tailed) N Correlation Coefficien Sig. (2-tailed) N Correlation Coefficien Sig. (2-tailed) N Cash potition Return on Asset Firm Size Growth Potential
Debt to Equity Rati
residual Spearman's rho
Cash potition
Return on
Asset Firm Size Growth Potential
Debt to
Equity Ratio residual
Correlation is significant at the 0.01 level (2-tailed). **.
Sumber: Hasil olahan SPSS
Hasil korelasi Rank Spearman menunjukkan nilai signifikan koefisien korelasi masing-masing variabel bebas dengan nilai residualnya diperoleh nilai signifikansi korelasi masing-masing variabel adalah 0,428 untuk X1, 0,926 untuk X2, 0,480 untuk X3, 0,881 untuk X4, 0,619 untuk X5. Jadi kelima variabel tersebut mempunyai nilai
signifikan korelasi yang lebih besar dari 0,05 sehingga tidak ada korelasi signifikan terhadap residual dan dapat disimpulkan dalam model regresi tidak terjadi heterokedastisitas.
gambar 4.4: scatterplot sumber: Hasil olahan SPSS
Pada gambar 4.9 tersebut terlihat bahwa penyebaran residual terakhir tidak teratur. Hal ini dapat dilihat pada plot yang berpencar dan tidak membentuk pola tertentu, sehingga dapat disimpulkan bahwa tidak terjadi gejala heterokedastisitas. Pada tabel 4.10 diatas diperoleh nilai signifikansi variabel-variabel independen lebih besar dari taraf nyata ( ) 5%. Dengan demikian dapat disimpulkan tidak terjadi gejala heterokedastisitas atau persamaan regresi tersebut memenuhi asumsi heterokedastisitas.