BAB III METODE PENELITIAN
4.3. Teknik Analisis Dan Uji Hipotesis
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(Sumarsono, 2004 :40)
Berdasarkan hasil Uji Normalitas dengan alat bantu komputer yang menggunakan Program SPSS. 16.0, dapat disajikan pada tabel 4.5, sebagai berikut
Tabel 4.5 : Hasil Uji Normalitas
Variabel Nilai Asymp.Sig. (2-tailed) Keterangan
Cash Position (X1) 0,833 Berdistribusi Normal
Debt to Equity Ratio (X2) 0,326 Berdistribusi Normal
Pertumbuhan laba relatif (X3) 0,063 Berdistribusi Normal
Dividend Payout Ratio (Y) 0,093 Berdistribusi Normal
Sumber : Lampiran 5
Berdasarkan pada tabel 4.5 menunjukkan bahwa besarnya nilai signifikansi atau nilai probabilitasnya (Asymp sig (2-tailed) untuk seluruh variabel baik X1, X2, X3, dan Y lebih besar dari 5%, dan sesuai dengan dasar analisis yang digunakan, hal ini berarti bahwa seluruh variabel yang digunakan dalam penelitian ini tersebut adalah berdistribusi normal, sehingga dapat digunakan dalam penelitian.
4.3.2. Uji Asumsi Klasik
Dalam suatu persamaan regresi harus bersifat BLUE (Best Linier Unbiased Estimator), artinya dalam pengambilan keputusan melalui uji F dan uji t tidak boleh bias (Sesuai dengan tujuan)
Berdasarkan hasil uji asumsi klasik dengan alat bantu komputer yang menggunakan Program SPSS. 16.0 For Windows. diperoleh hasil sebagai berikut
1. Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara korelasi pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya)
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 diterima : Jadi P
= 0, berarti tidak ada autokorelasi pada model
2. Apabila (4 – dW) < dL, hal ini berarti bahwa Ho ditolak : Jadi P = 0, berarti terdapat autokorelasi pada model
3. Apabila dL < (4 – dW) < dU, hal ini berarti bahwa Uji ini hasilnya tidak konklusif, sehingga tidak dapat ditentukan apakah ada autokorelasi atau tidak dalam model tersebut
Berdasarkan dari hasil “Uji Autokorelasi” dengan alat bantu komputer yang menggunakan Program SPSS. 16.0. For Windows dapat diketahui besarnya bahwa nilai dW tes yaitu sebesar 2,185 (Lampiran. 6), sedangkan berdasarkan tabel “Durbin Watson” Untuk N = 15 dan k = 3 (Lampiran 8), diperoleh nilai dL = 0,814 dan dU = 1,750.
Untuk memperjelas uraian tersebut di atas, berikut ini merupakan gambar kurva daerah keputusan autokorelasi, dapat disajikan pada gambar 4.1, sebagai berikut
Gambar. 4.1 : Daerah Keputusan Autokorelasi
Berdasarkan pada gambar 4.1 dapat diketahui bahwa nilai dW tes sebesar 2,185 berada diantara nilai dU = 1,750 dan 4 - dU = 2,250, terletak didaerah tidak ada Autokorelasi positif dan negatif, dan 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. Multikolinieritas
Alat uji yang digunakan untuk mengetahui ada tidaknya multikolinieritas dalam penelitian ini dengan melihat besarnya nilai Variance Inflation Factor (VIF).
Tidak Ada Autokorelasi Positif dan Negatif
dL = 0,814 dU = 1,750 4 – dU = 2,250 4 – dL =3,186 4 0 Daerah Keragu -raguan Ada Autokorelasi Negatif Daerah Keragu - raguan Ada Aukorelasi positif DW test = 2,185
Dasar analisis yang digunakan yaitu jika nilai VIF (Variance Inflation Factor) < 10, maka hal ini berarti dalam persamaan regresi tidak ditemukan adanya korelasi antar variabel bebas atau bebas Multikolinieritas (Ghozali, 2002 : 57-59)
Berdasarkan hasil Uji Multikolinieritas dengan alat bantu komputer yang menggunakan Program SPSS. 16.0, dapat disajikan pada tabel 4.6, sebagai berikut
Tabel 4.6 : Hasil Uji Multikolinieritas
Variabel Nilai VIF
(Variance Inflation Factor) Keterangan
Cash Position (X1) 1,588 Bebas Multikolinieritas
Debt to Equity Ratio (X2) 1,587 Bebas Multikolinieritas
Pertumbuhan laba relatif (X3) 1,050 Bebas Multikolinieritas
Sumber : Lampiran 6
Berdasarkan pada tabel 4.6 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, dan sesuai dengan dasar analisis yang digunakan, hal ini berarti bahwa dalam persamaan regresi tidak ditemukan adanya korelasi antar variabel bebas atau bebas Multikolinieritas.
3. Heteroskedastisitas
Alat uji yang digunakan untuk mengetahui adanya heteroskedastisitas secara kuantitatif dilakukan dengan 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 lainnya atau bebas Heteroskedastisitas (Santoso, 2001 : 301)
Berdasarkan hasil Uji Heteroskedastisitas dengan alat bantu komputer yang menggunakan Program SPSS. 16.0, dapat disajikan pada tabel 4.7, sebagai berikut
Tabel 4.7 : Hasil Uji Heteroskedastisitas
Variabel Sig (2 - tailed) Keterangan
Cash Position (X1) 0,950 Bebas Heteroskedastisitas
Debt to Equity Ratio (X2) 0,237 Bebas Heteroskedastisitas
Pertumbuhan laba relatif (X3) 0,248 Bebas Heteroskedastisitas
Sumber : Lampiran 7
Berdasarkan pada tabel 4.7 menunjukkan bahwa seluruh variabel bebas (X) yang digunakan dalam penelitian ini baik X1, X2,
dan X3, mempunyai nilai Sig (2-tailed) lebih besar dari 0,05, dan sesuai dengan dasar analisis yang digunakan, hal ini berarti bahwa dalam model regresi tidak terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya atau bebas He
n dalam penelitian ini tidak akan bias atau sesuai dengan tujuan penelitian.
4.3.3. Teknik
data yang diperoleh tersebut dianalisis dengan menggunakan Uji Regresi teroskedastisitas.
Setelah dilakukan Uji Asumsi Klasik tersebut di atas, maka dapat disimpulkan bahwa model persamaan regresi linier dalam penelitian ini, bebas dari asumsi dasar (klasik) tersebut, sehingga pengambilan keputusan melalui uji F dan uji t yang akan dilakuka
Analisis
Linier Berganda dengan alat bantu komputer, yang menggunakan program SPSS. 16.0 For Windows
Berdasarkan hasil dari “olah data” dengan alat bantu komputer yang menggunakan program SPSS.16.0, dapat disajikan pada tabel 4.8, sebagai berikut
Tabel 4.8 : Hasil Pendugaan Parameter Regresi Linier Berganda
Nilai Koefisien Model
( B )
(Constant) 0,02748
Cash Position (X1) -0,00001
Debt to Equity Ratio (X2) -0,00819
1
Pertumbuhan laba relatif (X3) 0,00028
Sumber : Lampiran. 6
Berdasarkan pada tabel 4.8, dapat dibuat model persamaan regresi sebagai berikut :
Y = 0,02748 - 0,00001 X1 - 0,00819X2 + 0,00028 X3
Dari model persamaan regresi linier tersebut di atas, dapat diinterprestasikan, sebagai berikut :
Konstanta (b0)
Nilai konstanta (b0) sebesar 0,02748 menunjukkan bahwa apabila nilai Cash position, Debt to Equity Ratio dan Pertumbuhan Laba Relatif, konstan maka besarnya nilai Dividend Payout Ratio yaitu sebesar 0,02748 Koefisien (b1) Untuk Variabel Cash Position
Besarnya nilai koefisien regresi (b1) sebesar -0,00001, nilai (b1) yang negatif menunjukkan adanya hubungan yang berlawanan arah antara variabel Dividend Payout Ratio dengan variabel Cash position yang artinya jika nilai variabel Cash position naik sebesar satu satuan, maka nilai
Dividend Payout Ratio akan turun sebesar 0,00001 satuan dengan asumsi variabel bebas lainnya konstan.
Koefisien (b2) Untuk Variabel Debt to Equity Ratio
Besarnya nilai koefisien regresi (b2) sebesar -0,00819, nilai (b2) yang negatif menunjukkan adanya hubungan yang berlawanan arah antara variabel Dividend Payout Ratio dengan variabel Debt to Equity Ratio yang artinya jika nilai variabel Debt to Equity Ratio naik sebesar satu satuan, maka nilai Dividend Payout Ratio akan turun sebesar 0,00819 satuan dengan asumsi variabel bebas lainnya konstan.
Koefisien (b3) Untuk VariabelPertumbuhan Laba Relatif
Besarnya nilai koefisien regresi (b3) sebesar 0,00028, nilai (b3) yang positif menunjukkan adanya hubungan yang searah antara variabel Dividend Payout Ratio dengan variabel Pertumbuhan Laba Relatif yang artinya jika nilai variabel Pertumbuhan Laba Relatif naik sebesar satu satuan, maka nilai Dividend Payout Ratio akan naik sebesar 0,00028 satuan dengan asumsi variabel bebas lainnya konstan.
4.3.4. Uji Hipotesis
4.3.4.1. Uji Kesesuaian Model
Uji Kesesuaian Model atau Uji F ini digunakan untuk mengetahui sesuai tidaknya model regresi yang dihasilkan guna melihat pengaruh Cash Position, Debt to Equity Ratio dan Pertumbuhan Laba Relatif terhadap Dividend Payout Ratio pada perusahaan Food and Baverage yang go publik di Bursa Efek Indonesia
Dari hasil pengujian dengan menggunakan alat bantu komputer dengan program SPSS.16.0, For Windows mengenai analisis hubungan secara simultan, dapat disajikan pada tabel 4.9, sebagai berikut
Tabel 4.9 : Hasil Analisis Variabel Bebas Terhadap Variabel Terikat
Nilai F hitung Nilai Signifikan
Taraf
Signifikansi Keterangan
4,483 0,027 0,05 Berpengaruh Signifikan
Sumber ; Lampiran. 6
Berdasarkan pada tabel 4.9 menunjukkan bahwa besarnya nilai F hitung sebesar 4,483, dengan tingkat taraf signifikansi sebesar 0,027 (lebih kecil dari 0,05), dan sesuai dengan dasar analisis yang digunakan maka H0 ditolak dan H1 diterima yang berarti model regresi yang dihasilkan cocok guna melihat pengaruh Cash Position, Debt to Equity Ratio dan Pertumbuhan Laba Relatif terhadap Dividend Payout Ratio.
Untuk mengetahui seberapa besar pengaruh dari Cash Position, Debt to Equity Ratio dan Pertumbuhan Laba Relatif terhadap Dividend Payout Ratio, dapat dilihat dari nilai R square
Dari hasil pengujian juga diperoleh nilai R square yang dapat disajikan pada tabel 4.10, sebagai berikut
Tabel. 4.10 : Koefisien Determinasi (R square / R2) Model Summaryb
Model R Square
1 0,550
Sumber ; Lampiran. 6
Berdasarkan tabel 4.10 menunjukkan besarnya nilai koefisien Determinasi (R square / R2) sebesar 0,550, hal ini menunjukkan bahwa perubahan yang terjadi pada variabel Dividend Payout Ratio sebesar 55%
dipengaruhi oleh variabel Cash Position, Debt to Equity Ratio dan Pertumbuhan Laba Relatif, sedangkan sisanya 45% dijelaskan oleh faktor lain yang tidak termasuk dalam model.
4.3.4.2. Uji Parsial
Uji t ini digunakan untuk mengetahui dan membuktikan secara empiris pengaruh Cash Position, Debt to Equity Ratio dan Pertumbuhan Laba Relatif terhadap Dividend Payout Ratio pada perusahaan Food and Baverage yang go publik di Bursa Efek Indonesia
Dari hasil pengujian dengan menggunakan alat bantu komputer dengan program SPSS.16.0, For Windows mengenai analisis hubungan secara parsial, dapat dilihat pada tabel 4.11, sebagai berikut :
Tabel 4.11 : Hasil Analisis Varians Hubungan Secara Parsial
Variabel t hitung Nilai Signifikan
Taraf
Signifikansi Keterangan
Cash Position (X1) -0,134 0,896 Tidak Berpengaruh Signifikan
Debt to Equity Ratio (X2) -0,483 0,638 Tidak Berpengaruh Signifikan
Pertumbuhan laba relatif (X3) 3,550 0,005
0,05
Berpengaruh Signifikan
Sumber ; Lampiran. 6
Berdasarkan dari tabel 4.11, dapat diinterprestasikan, yaitu sebagai berikut :
1. Pengaruh Cash Position (X1) Secara Parsial terhadap Dividend Payout Ratio (Y)
Berdasarkan tabel 4.11 menunjukkan besarnya nilai t hitung sebesar -0,134, dengan tingkat signifikansi sebesar 0,896 (lebih besar dari 0,05), dan sesuai dengan dasar analisis yang digunakan, maka H1
ditolak dan H0 diterima yang berarti Cash Position secara parsial tidak berpengaruh signifikan terhadap Dividend Payout Ratio, hal ini
disebabkan perusahaan merasa perlu untuk menginvestasikan kembali laba yang dihasilkan guna perluasan usaha, dengan begitu perusahaan tidak akan membagikan deviden kepada para pemegang saham, sehingga tinggi rendahnya Cash Position tidak berpengaruh terhadap Devudend Payout Ratio
2. Pengaruh Debt to Equity Ratio (X2) Secara Parsial terhadap
Dividend Payout Ratio (Y)
Berdasarkan tabel 4.11 menunjukkan besarnya nilai t hitung sebesar -0,483, dengan tingkat signifikansi sebesar 0,638 (lebih besar dari 0,05), dan sesuai dengan dasar analisis yang digunakan, maka H1
ditolak dan H0 diterima yang berarti Debt to Equity Ratio secara parsial tidak berpengaruh signifikan terhadap Dividend Payout Ratio, hal ini disebabkan karena banyak perusahaan yang memiliki hutang dalam kurs $ yang cukup tinggi, selain itu tinginya tingkat suku bunga yang harus ditanggung oleh perusahaan, oleh sebab itu keuntungan yang diperoleh perusaahan sepenuhnya digunakan untuk melunasi kewajiban-kewajiban yang jatuh tempo, dengan begitu perusahaan tidak akan membagikan deviden kepada pemegang saham, sehingga tinggi rendahnya debt to equity Ratio tidak berpengaruh terhadap Devidend Payout Ratio
3. Pengaruh Pertumbuhan Laba Relatif (X3) Secara Parsial terhadap Dividend Payout Ratio (Y)
Berdasarkan tabel 4.11 menunjukkan besarnya nilai t hitung sebesar 3,550, dengan tingkat signifikansi sebesar 0,005 (lebih kecil
dari 0,05), dan sesuai dengan dasar analisis yang digunakan, maka H0
ditolak dan H1 diterima yang berarti Pertumbuhan Laba Relatif secara parsial berpengaruh signifikan terhadap Dividend Payout Ratio, hal ini membuktikan bahwa perusahaan yang memperoleh keuntungan yang lebih besar sebagai deviden. Semakin besar keuntungan yang diperoleh, maka akan besar pula kemampuan perusahaan untuk membayar deviden.
Berdasarkan hasil Uji Hipotesis dengan menggunakan uji kesesuaian model dan uji t dapat diketahui bahwa ada pengaruh Cash Position, Debt to Equity Ratio dan Pertumbuhan Laba Relatif terhadap Dividend Payout Ratio pada perusahaan Food and Baverage yang go publik di Bursa Efek Indonesia, sehingga hipotesis yang menyatakan diduga bahwa ada pengaruh Cash Position, Debt to Equity Ratio dan Pertumbuhan Laba Relatif terhadap Dividend Payout Ratio pada perusahaan Food and Baverage yang go publik di Bursa Efek Indonesia, teruji kebenarannya.
4.4. Pembahasan