Teknik Analisis Data - METODE PENELITIAN - Tesis. Untuk Memenuhi Sebagian Persyaratan Mencapai

BAB IV METODE PENELITIAN

4.5. Teknik Analisis Data

Dalam penelitian ini data dianalisis dengan menggunakan alat bantu software E-views. Data yang digunakan dalam penelitian ini adalah data panel yaitu kombinasi antara Time Series dan Cross Section. Adapun analisis data yang digunakan adalah analisis statistik deskriptif, pengujian data, estimasi model regresi data panel, pemilihan model regresi data panel dan pengujian hipotesis.

4.5.1 Pengujian Data

Adapun pengujian data pada penelitian ini adalah dengan menggunakan uji normalitas, yaitu uji untuk mengukur data kita memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik. Pendugaan persamaan dengan menggunakan metode Ordinary Least Square (OLS) harus memenuhi sifat kenormalan, karena jika tidak normal maka dapat menyebabkan Varians Infinitive (ragam tidak hingga atau ragam yang sangat besar). Hasil pendugaan yang memilikiVarian Infinitive menyebabkan pendugaan dengan metode OLS akan

menghasilkan nilai dugaan yang tidak berarti. Pengujian normalitas residual metode OLS secara formal dapat dilihat dari nilai probabilitas p dari statistik, dimana apabila probabilitas signifikan lebih besar dari α = 0.05 maka, data berdistribusi normal.

4.5.6.1 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah model regresi apakah data dalam penelitian terdistribusi normal atau tidak. Terdapat dua acara untuk mngetahui apakah suatu data terdistribusi normal atau tidak yaitu dengan cara analisis grafik dan analisis statistik (Ghazali, 2011). Dalam penelitian ini untuk mengetahui suatu data terdistribusi normal atau tidak yaitu dengan melihat nilai Jarque-Bera Probability. Pengujian dilakukan dengan pengambilan hipotesis sebagai berikut:

a. Apabila nilai probability memiliki nilai lebih kecil dari 0,05 (∝ < 0,05) maka data tidak terdistribusi normal.

b. Apabila nilai probability memiliki nilai lebih besar dari 0,05 (∝ > 0,05) maka data terdistribusi normal.

4.5.2 Estimasi Model Regresi Data Panel

Model persamaan data panel adalah gabungan dari data Cross Sectiondan dataTime Series adalah sebagai berikut :

Yit = α + β1X1it + β2X2it + β2X3it + β2X4it++ β2X5it +β2X6it + εit Keterangan :

Yit : Variabel Terikat Xit : Variabel Bebas

α : Konstanta

β1….β6 : Koefesien Regresi i : Entitas ke-i t : Entitas ke-t

€ : Error

Model regresi data panel secara umum mengakibatkan kesulitan dalam spesifikasi modelnya. Nilai residualnya akan mempunyai tiga kemungkinan yaitu residual Time Series, Cross Section maupun gabungan keduanya. Untuk mengatasi kesulitan tersebut maka, dalam analisa data panel terdapat beberapa metode analisis, yaitu Common Effect Model (CEM), Fixed Effect Model (FEM) dan, Random Effect Model (REM).

4.5.2.1 Common Effect Model (CEM)

Model CEM merujuk kepada model dengan koefisien Intercept dan Slope yang tidak berbeda (konstan) sehingga, mengabaikan dimensi tempat dan waktu dari data panel dan menggunakan estimasi regresi OLS untuk estimasi (Gujarati, 2012) yang menemukan bahwa mengestimasi jenis data panel dengan metode OLS tidak konsisten dan efisien sehingga disarankan untuk menggunakan metode Generalized Least Square (GLS). Dimana dalam metode inidapat dianalisis dengan dua model pendekatan, yaitu Fixed Effects Model (FEM) dan, Random Effects Model (REM).

4.5.2.2 Fixed Effect Model (FEM)

Fixed Efect Model (FEM) merujuk kepada model dengan Slope tidak berbeda (konstan) tetapi Intercept bervariasi atau berbeda berdasarkan Cross Section dalam hal ini perusahaan walaupun Intercept dapat berbeda antar perusahaan namun, tiap-tiap Intercept tersebut tidak berbeda dari waktu ke waktu (Gujarati, 2012).

Dari model tersebut sesungguhnya model efek tetap adalah sama dengan regresi yang menggunakan Dummy variabel sebagai variabel bebas, sehingga dapat diestimasi dengan OLS. Estimasi dengan OLS menjadikan estimasi ini menjadi General Least Square Fixed Effect sehingga, data yang dihasilkan tidak bias dan konsisten.

4.5.2.3 Random Effect Model (REM)

Random Effect Model (REM) merujuk pada model dengan Slope tidak berbeda (konstan) tetapi intersep bervariasi atau berbeda berdasarkan Cross Section dalam hal ini perusahaan secara Random dan bukan Fixed (Gujarati, 2012). Pada model efek tetap perbedaan antar individu dicerminkan oleh Intercept atau konstanta tetapi, pada model efek random perbedaan tersebut diakomodasi oleh Error Terms masing-masing individu. Metode ini memliki keuntungan karena menghilangkan heterokedasitas (data tidak homogen) jika memang ada.

Ada dua komponen yang mempunyai kontribusi pada pembentukan Error, yaitu individu dan antar waktu maka,Random Error perlu diuraikan untuk komponen individu dan antar waktu serta Error gabungan.

4.5.3 Pemilihan Model Regresi Data Panel

Langkah untuk memilih model regresi data panel yang digunakan dalam penelitian adalah dengan melalui pengujian sebagai berikut :

4.5.3.1 Uji Chow

Uji Chow dilakukan untuk memilih apakah model yang digunakan model efek umum (CEM) atau model efek tetap (FEM). Pengujian ini dilakukan dengan hipotesis sebagai berikut :

Ho: Probabilitas > 0,05 maka, model efek umum (CEM) valid digunakan.

Ha: Probabilitas < 0,05 maka, model efek tetap (FEM) valid digunakan.

4.5.3.2 Uji Hausman

Uji hausman digunakan sebagai dasar pertimbangan dalam memilih apakah model yang digunakan adalah model efek tetap atau model efek random.

Pengujian ini dilakukan dengan hipotesis sebagai berikut:

Ho: Probabilitas > 0,05 maka, model efek random (REM) valid digunakan.

Ha: Probabilitas < 0,05 maka, model efek tetap (FEM) valid digunakan.

Artinya, dasar penolakan terhadap Ho adalah dengan menggunakan statistik distribusi Chi square. Jika hasil diperhitungkan uji hausman signifikan (lebih kecil dari 0,05) maka, Ho ditolak. Artinya, model efek tetap (FEM) yang digunakan.

4.5.3.3 Uji Langrange Multiplier (LM)

Uji Langrange Multiplier digunakan sebagai pertimbangan statistik dalam memilih Model Efek Random (REM) atau Model Efek Umum (CEM). Pengujian ini dilakukan dengan hipotesis sebagai berikut:

Ho: Probabilitas >0,05 maka, model efek umum (CEM) valid digunakan.

Ha: Probabilitas <0,05 maka, modal efek random (REM) valid digunakan.

Artinya, dasar penolakan terhadap Ho adalah dengan menggunakan statistik Chi Square. Jika hasil perhitungan uji LM signifikan (lebih dari 0,05) maka Ho ditolak artinya, efek random (REM) yang digunakan.

4.5.4 Pengujian Hipotesis

Pengujian hipotesis dilakukan dengan menggunakan model analisis regresi data panel yang bertjuan untuk memprediksi berapa besar kekuatan pengaruh variabel independen terhadap variabel dependen melalui uji t maupun uji f dengan model statis persamaan regresi model statis adalah :

KD = α+ b1CR+ b2ROA+ b3DER+ b4TATO + b5Growth +b6Penjualan + € Keterangan :

KD = Kebijakan Dividen

α = Konstanta

b1.b2.b3.b4.b5.b6 = Koefisien Regresi

CR = Current Ratio

ROA = Return on Assets

DER = Debt to Equity Ratio TATO = TotalAsset Turn Over

Growth = Growth

Penjualan = Pertumbuhan Penjualan

€ = Error

4.5.4.1 Koefesien Determinasi

Uji statistik koefisien determinasi dengan melihat adjusted R2 yaitu, untuk menyakinkan hubungan atau tingkat kekuatan hubungan antar variabel dapat dilihat pada uji koefisien determinasi. Nilai adjusted R2 koefisien determinasi berkisar antar 0 sampai 1 (0 ≤ R2 ≤1). Nilai adjusted R2 dikatakan baik jika diatas 0,5 karena nilai adjusted R2 berkisar antara 0 sampai 1. Nilai adjusted R2 dapat naik atau turun, apabila satu variabel independen ditambahkan kedalam model regresi (Ghozali, 2013).

4.5.4.2 Uji Parsial (Uji t)

Uji signifikan parsial (uji t) disebut juga sebagai uji signifikan individual.

Uji ini menunjukkan seberapa jauh pengaruh variabel independen yaitu Likuiditas yang diproksikan dengan Current Ratio, Profitabilitas yang di proksikan dengan Return on Asset, Adapun langkah-langkah dalam pengambilan keputusan untuk uji t adalah:

1. Jika t hitung > t tabel dan nilai Sig. < α = 0,05 maka, dapat disimpulkan bahwa secara parsial variabel independen berpengaruh signifikan terhadap variabel dependen.

2. Jika t hitung < t tabel dan nilai Sig. > α = 0,05 maka, dapat disimpulkan bahwa secara parsial variabel independen tidak berpengaruh signifikan terhadap variabel dependen.

4.5.4.3 Moderated Regression Analysis (MRA)

Menurut Ghozali (2011) Moderated Regression Analysis (MRA) adalah pendekatan yang mempertahankan integritas sampel dan memberikan dasar untuk mengontrol pengaruh moderator.

Model persamaan regresi MRA adalah sebagai berikut:

Y= α + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 +β6X6+ β6Z + β7X1*Z + β8X2*Z + β9X3*Z + β10X4*Z + β11X5*Z +β12X6*Z +€

Keterangan:

Y : Variabel Dependen α : Konstanta

β : Koefisien Regresi X : Variabel Independen Z : Variabel Moderating

€ : Error

Adapun pengambilan keputusan dalam pengujian ini adalah sebagai berikut:

1. Jika nilai Signifikansinya < 0,05 maka, variabel moderating memoderasi variabel independen terhadap varaibel dependen (variabel moderating).

2. Jika nilai Signifikansinya > 0,05 maka, variabel moderating tidak memoderasi variabel independen terhadap variabel dependen (bukan variabel moderating).

66 BAB V

HASIL PENELITIAN DAN PEMBAHASAN

5.1 Deskripsi Data

Penelitian ini dilakukan berdasarkan penelitian explanatory research untuk menganalisis pengaruh likuiditas, profitabilitas, leverage, aktivitas, growth dan, pertumbuhan penjualan terhadap kebijakan dividen dengan ukuran perusahaan sebagai variabel moderating.

Populasi dalam penelitian ini adalah 15 perusahaan manufaktur sub sektor otomotif di Bursa Efek Indonesia. Teknik pengambilan sampel dalam penelitan ini dilakukan berdasarkan kriteria-kriteria tertentu dengan teknik purposive sampling.

Adapun sampel yang digunakan dalam penelitian ini adalah 12 Perusahaan manufaktur sub sektor otomotif dengan periode pengamatan 4 tahun (2016-2019) sehingga jumlah data penelitian sebanyak 12 perusahaan manufaktur sub sektor otomotif x 4 tahun = 48 data penelitian.

Jenis data yang digunakan adalah data sekunder. Metode pengumpulan data dalam penelitian ini adalah teknik dokumentasi, yaitu dengan mengumpulkan data sekunder perusahaan berupa laporan keuangan, catatan-catatan maupun informasi lainnya yang berkaitan dengan melalui pustaka, media masa, dan media lainnya.

Metode analisis data yang digunakan adalah regresi data panel, yaitu analisis statistik deskriptif, pengujian data, estimasi model regresi data panel, pemilihan model regresi data panel dan pengujian hipotesis dilakukan dengan menggunakan software e-views. Prosedur dimulai dengan menginput variabel-

variabel penelitian ke program e-views dan menghasilkan data yang telah ditentukan.

5.2 Pengujian Persyaratan Analisis Data 5.2.1 Statistik Deskriptif Penelitian

Statistik deskriptif memberikan gambaran umum atau deskripsi suatu data yang dijadikan sampel penelitian, yang dilihat dari nilai minimum, maksimum, rata-rata (mean), dan standar deviasi. Adapaun hasil dari pengujian statistik deskriptif dari variable yang diteliti dapat dilihat pada tabel berikut:

Tabel 5.1. Statistik Deskriptif Penelitian

Variabel N Mean Minimum Maximum Std. Dev.

Kebijakan Dividen

(Y) 48 0.29625 -1.57 4.43 0.731538

Likuiditas (X1) 48 2.154167 0.62 5.83 1.42

Profitabilitas (X2) 48 0.901458 0.32 1.76 0.32

Leverage (X3) 48 1.232708 0.10 3.84 1.11

Aktivitas (X4) 48 0.901458 0.32 1.76 0.32

Growth (X5) 48 0.606667 -15.92 24.63 4.90

P. Penjualan (X6) 48 0.044167 -0.33 0.22 0.11

Ukuran Perusahaan

(Z) 48 25.0725 14.63 33.49 6.433599

Berdasarkan tabel statistik deskriptif dapat dilihat bahwa jumlah data penelitian (n) adalah 48 observasi analisis, dimana masing-masing variabel memiliki nilai minimum, maksimum, rata-rata, dan standar deviasi yang berbeda-beda.

1. Kebijakan Dividen (Y) yang diproksikan menggunakan Dividend Payout Ratio (DPR) pada sub sector otomotif selama periode 2016-2019 yang memiliki nilai minimum -1,57 yaitu pada perusahaan PT. Goodyear Indonesia

Tbk tahun 2019 kemudian, untuk nilai maksimum sebesar 4,43 yaitu pada perusahaan PT Mitra Pinasthika Mustika Tbk tahun 2019. Sedangkan, untuk nilai rata-rata adalah 0,296 dengan standar deviasi sebesar 0,7315.

2. Likuiditas (X1) yang diproksikan menggunakan current ratio pada sampel perusahaan sub sektor otomotif selama periode 2016-2019 memiliki nilai minimum 0,62 pada perusahaan PT. Goodyear Indonesia Tbk tahun 2019 kemudian, untuk nilai maksimum sebesar 5,83 yaitu pada perusahaan PT Indospring Tbk pada tahun 2019. Sedangkan, untuk nilai rata-rata adalah 2,154 dengan standar deviasi sebesar 1,42.

3. Profitabilitas (X2) yang diproksikan menggunakan Return on Asset (ROA) pada sub sektor otomotif selama periode 2016-2019 memiliki nilai minimum 0,32 yaitu pada perusahaan PT. Indomobil Sukses Internasional Tbk tahun 2018 kemudian, untuk nilai maksimum sebesar 1,76 yaitu pada perusahaan PT. Mitra Pinasthika Mustika Tbk pada tahun 2019. Sedangkan, nilai untuk rata-rata adalah 0,9014 dengan standar deviasi sebesar 0,32.

4. Leverage (X3) yang diproksikan menggunkan Debt to Equity Ratio (DER) pada sub sektor otomotif selama periode 2016-2019 memiliki nilai minimum 0,10 yaitu pada perusahaan PT. Indospring Tbk pada tahun 2019 kemudian, untuk nilai maksimum sebesar 3,84 yaitu pada perusahaan PT. Bintraco Dharma Tbk pada tahun 2018-2019. Sedangkan, nilai untuk rata-rata adalah 1,232 dengan standar deviasi sebesar 1,11.

5. Aktivitas (X4) yang diproksikan menggunkan Total Asset Turn Over (TATO) pada sub sektor otomotif selama periode 2016-2019 memiliki nilai minimum

0,31 yaitu pada perusahaan PT. Indomobil Sukses International Tbk pada tahun 2018 kemudian, untuk nilai maksimum sebesar 1,76 yaitu pada perusahaan PT. Mitra Pinasthika Mustika Tbk pada tahun 2019. Sedangkan, nilai untuk rata-rata adalah 0,9014 dengan standar deviasi sebesar 0,32.

6. Growth (X5) yang diproksikan menggunkan Growth pada sub sektor otomotif selama periode 2016-2019 memiliki nilai minimum -15,92 yaitu pada perusahaan PT. Goodyear Indonesia Tbk pada tahun 2016 kemudian, untuk nilai maksimum sebesar 24,63 yaitu pada perusahaan PT. Indospring Tbk pada tahun 2016. Sedangkan, nilai untuk rata-rata adalah 0,6066 dengan standar deviasi sebesar 4,90.

7. Pertumbuhan Penjualan (X6) pada sub sektor otomotif selama periode 2016-2019 memiliki nilai minimum -0,33 yaitu pada perusahaan PT. Bintraco Dharma Tbk pada tahun 2019 kemudian, untuk nilai maksimum sebesar 0,22 yaitu pada perusahaan PT. Garuda Metalindo Tbk pada tahun 2016, PT.

Indospring Tbk pada tahun 2018 dan PT. Multistrada Arah Sarana Tbk pada tahun 2017 Sedangkan, nilai untuk rata-rata adalah 0,044 dengan standar deviasi sebesar 0,11.

8. Ukuran Perusahaan (Z) yang diproksikan menggunkan Firm Size pada sub sektor otomotif selama periode 2016-2019 memiliki nilai minimum 14,63 yaitu pada perusahaan PT. Selamat Sempurna Tbk pada tahun 2016 kemudian, untuk nilai maksimum sebesar 33,49 yaitu pada perusahaan PT. Astra International Tbk pada tahun 2019. Sedangkan, nilai untuk rata-rata adalah 25,07 dengan standar deviasi sebesar 6,433.

5.2.1.1 Uji Normalitas

Nilai residual hasil dari regresi data panel dapat dilihat dari nilai probability untuk mendeteksi apakah residualnya terdistribusi normal atau tidak. Jika nilai probability signifikan lebih besar dari 0,05 maka data terdistribusi normal, begitu pula sebaliknya jika, probability signifikan lebih kecil dari 0,05 maka, data terdistribusi tidak normal. Pada penelitian ini hasil uji normalitas adalah sebagai berikut:

Berdasarkan gambar diatas dapat disimpulkan bahwa data tidak terdistribusi normal karena nilai probabilitas yaitu 0,00000 kurang dari 0,05.

Untuk itu peneliti melakukan transformasi data dengan melakukan log pada variabel dependen, dan setelah dilakukan transformasi data maka hasil uji normalitas adalah sebagai berikut:

Gambar 5.2. Uji Normalitas Setelah Transformasi

Berdasarkan tabel diatas dapat disimpulkan bahwa nilai probabilitas 0,553887 lebih besar dari 0,05 sehingga, data terditribusi normal. Sehingga dapat dilakukan pengujian selanjutnya.

5.2.2 Estimasi Model Regresi Data Panel

Penelitian ini menggunakan data yang berasal dari 12 perusahaan (Cross Section) yang diamati pada beberapa periode pengamatan dari tahun 2016-2019 (Time Series). Penelitian ini menggunakan gabungan data dari cross section dan time series dengan demikian, teknik regresi yang digunakan dalam estimasi regresi data panel yaitu Common Effect Model (CEM), Fixed Effect Model (FEM), Random Effect Model (REM)

5.2.3 Common Effect Model (CEM)

Model ini menggabungkan data cross section dengan time series dengan menggunakan metode OLS untuk mengestimasi model data panel. Model ini adalah model paling sederhana dibandingkan kedua model lainnya. Data time

series dan cross section dianggap konstan ketika menggunakan persamaan berikut:

KD = α+ b1CR+ b2ROA+ b3DER+ b4TATO + b5Growth + b6Penjualan + €

Dari hasil pengolahan data dengan menggunakan Common Effect Model (CEM) dengan Common intercept, dengan menggunakan software e-views didapatkan hasil sebagai berikut:

Tabel 5.2 Common Effect Model (CEM)

Variable Coefficient Probability

Konstanta -0,903213 0,107

Likuiditas -0,207383 0,0337

Profitabilitas -214,9638 0,1985

Leverage -0,310153 0,0136

Aktivitas 215,2728 0,1977

Growth 0,015466 0,5487

P. Penjualan 1,086257 0,3494

Berikut adalah analisis hasil tabel diatas:

1. Konstanta = -0,903213

Hasil ini menunjukkan bahwa apabila tidak terdapat variabel bebas yaitu likuiditas yang diprosikan menggunakan current ratio, profitabilitas yang diproksikan menggunakan return on asset, leverage yang diproksikan menggunakan debt to equity ratio, aktivitas diproksikan menggunakan total asset turn over, growth, dan pertumbuhan penjualan maka, besar kebijakan dividen yang diproksikan dengan dividend payout ratio adalah sebesar -0,903213.

2. Current Ratio = -0,207383

Koefesien regresi likuiditas yang diproksikan dengan current ratio pada pengujian sebesar 0,207383 yang artinya adalah likuiditas yang diproksikan current ratio mempunyai pengaruh negatif terhadap kebijakan dividen yang

diproksikan dengan dividend payout ratio, sehingga apabila likuiditas yang diproksikan dengan current ratio naik 1 maka kebijakan dividen yang diproksikan dengan dividend payout ratio akan turun sebesar 0,207383.

3. Return on Asset = -214,9638

Koefesien regresi profitabilitas yang diproksikan menggunakan return on asset pada pengujian sebesar -214,9638 yang artinya adalah profitabilitas yang diproksikan dengan return on asset mempunyai pengaruh negatifterhadap kebijakan dividen yang diproksikan dengan dividend payout ratio, sehingga apabila profitabilitas yang diproksikan menggunakan return on asset naik 1 maka kebijakan dividen diproksikan dengandividend payout ratio akan turun sebesar -214,9638.

4. Debt to Equity Ratio = -0,310153

Koefesien regresi leverage yang diproksikan dengan debt to equityratio pada pengujian sebesar -0,310153 yang artinya adalah leverage yang diproksikan menggunakan debt to equity ratio mempunyai pengaruh negatif terhadap kebijakan dividen yang diproksikan menggunakan dividend payout ratio, sehingga apabila leverage yang diproksikan menggunakan debt to equity ratio naik 1 maka kebijakan dividen yang diproksikan dengan dividend payout ratio akan turun sebesar -0,310153.

5. TATO = 215,272

Koefesien regresi aktivitas yang diproksikan menggunakan TATO pada pengujian sebesar 215,272 yang artinya adalah aktivitas yang diproksikan menggunakan TATO mempunyai pengaruh positif terhadap kebijakan dividen

yang diproksikan menggunakan dividend payout ratio, sehingga apabila aktivitas yang diproksikan menggunakan TATO naik 1 maka, kebijakan dividen yang diproksikan dengan dividend payout ratio akan naik sebesar 215,272 satuan.

6. Growth = 0,015466

Koefesien regresi Growth pada pengujian sebesar 0,015466 yang artinya adalah growth mempunyai pengaruh positif terhadap kebijakan dividen yang diproksikan menggunakan dividend payout ratio, sehingga apabila Growth naik 1 maka, kebijakan dividen yang diproksikan dengan dividend payout ratio akan naik sebesar 0,015466.

7. Pertumbuhan Penjualan = 1,086257

Koefesien regresi Pertumbuhan Penjualan pada pengujian sebesar 1,086257 yang artinya adalah Pertumbuhan Penjualan mempunyai pengaruh positifterhadap kebijakan dividen yang diproksikan menggunakan dividend payout ratio, sehingga apabila Pertumbuhan Penjualan naik 1 maka kebijakan dividen yang diproksikan dengan dividend payout ratio akan naik sebesar 1,086257.

5.2.4 Fixed Effect Model (FEM)

Dalam metode ini dimungkinkan adanya perubahan pada setiap masa waktu dan perusahaan yang di observasi, hal ini dapat terlihat dari persamaan berikut:

KD = α+ b1CR+ b2ROA+ b3DER+ b4TATO + b5Growth + b6PertumbuhanPenjualan + €

Dari hasil pengolahan data dengan menggunakan model estimasi fixed effect model, didapatkan hasil sebagai berikut:

Tabel 5.3Fixed Effect Model (FEM)

Variable Coefficient Probability

Konstanta -1,532145 0,3821

Likuiditas -0,329411 0,1077

Profitabilitas -40,54584 0,8017

Leverage -0,04725 0,9364

Aktivitas 41,55234 0,797

Growth 0,022786 0,4291

P. Penjualan 0,542502 0,6333

Berikut adalah analisis hasil tabel diatas:

1. Konstanta = -1,532145

2. Current Ratio = -0,329411

Koefesien regresi likuiditas yang diproksikan dengan current ratio pada pengujian sebesar -0,329411 yang artinya adalah likuiditas yang diproksikan current ratio mempunyai pengaruh negatif terhadap kebijakan dividen yang diproksikan dengan dividend payout ratio, sehingga apabila likuiditas yang diproksikan dengan current ratio naik 1 maka kebijakan dividen yang diproksikan dengan dividend payout ratio akan turun sebesar -0,329411.

3. Return on Asset = -40,54584

Koefesien regresi profitabilitas yang diproksikan menggunakan return on asset pada pengujian sebesar -40,54584 yang artinya adalah profitabilitas yang

diproksikan dengan return on asset mempunyai pengaruh negatif terhadap kebijakan dividen yang diproksikan dengan dividend payout ratio, sehingga apabila profitabilitas yang diproksikan menggunakan return on asset naik 1 maka kebijakan dividen diproksikan dengandividend payout ratio akan turun sebesar -40,54584.

4. Debt to Equity Ratio = -0,047250

Koefesien regresi leverage yang diproksikan dengan debt to equity ratio pada pengujian sebesar -0,047250 yang artinya adalah leverage yang diproksikan menggunakan debt to equity ratio mempunyai pengaruh negatif terhadap kebijakan dividen yang diproksikan menggunakan dividend payout ratio, sehingga apabila leverage yang diproksikan menggunakan debt to equity ratio naik 1 maka kebijakan dividen yang diproksikan dengan dividend payout ratio akan turun sebesar -0,047250.

5. TATO = 41,55234

Koefesien regresi aktivitas yang diproksikan menggunakan TATO pada pengujian sebesar 41,55234 yang artinya adalah aktivitas yang diproksikan menggunakan TATO mempunyai pengaruh positif terhadap kebijakan dividen yang diproksikan menggunakan dividend payout ratio, sehingga apabila aktivitas yang diproksikan menggunakan TATO naik 1 maka kebijakan dividen yang diproksikan dengan dividend payout ratio akan naik sebesar 41,55234.

6. Growth = 0,022786

Koefesien regresi Growth pada pengujian sebesar 0,022786 yang artinya adalah Growth mempunyai pengaruh positifterhadap kebijakan dividen yang

diproksikan menggunakan dividend payout ratio, sehingga apabila Growth naik 1 maka kebijakan dividen yang diproksikan dengan dividend payout ratio akan naik sebesar 0,022786.

7. Pertumbuhan Penjualan = 0,542502

Koefesien regresi Pertumbuhan Penjualan pada pengujian sebesar 0,542502 yang artinya adalah Pertumbuhan Penjualan mempunyai pengaruh positif terhadap kebijakan dividen yang diproksikan menggunakan dividend payout ratio, sehingga apabila Pertumbuhan Penjualan naik 1 maka kebijakan dividen yang diproksikan dengan dividend payout ratio akan naik sebesar 0,542502.

5.2.5 Random Effect Model (REM)

Model ini memberikan perbedaan individu yang di akomodasi oleh error terms masing- masing. Hasil perhitungan dengan menggunakan Random Effect Model (REM) adalah:

KD = α+ b1CR+ b2ROA+ b3DER+ b4TATO + b5Growth + b6PertumbuhanPenjualan

Dari hasil perhitungan dengan menggunakan model estimasi Random Effect Model (REM) adalah:

Tabel 5.4Random Effect Model (REM)

Variable Coefficient Probability

Konstanta -0,981318 0,123

Likuiditas -0,248918 0,0171

Profitabilitas -129,6168 0,3543

Leverage -0,330474 0,0243

Aktivitas 130,1334 0,3522

Growth 0,019122 0,3889

P. Penjualan 0,940831 0,3141

Berikut adalah analisis hasil tabel diatas:

1. Konstanta = -0,981318

2. Current Ratio = -0,248918

Koefesien regresi likuiditas yang diproksikan dengan current ratio pada pengujian sebesar -0,248918 yang artinya adalah likuiditas yang diproksikan current ratio mempunyai pengaruh negatif terhadap kebijakan dividen yang diproksikan dengan dividend payout ratio, sehingga apabila likuiditas yang diproksikan dengan current ratio naik 1 maka kebijakan dividen yang diproksikan dengan dividend payout ratio akan turun sebesar -0,248918.

3. Return on Asset = -129,6168

Koefesien regresi profitabilitas yang diproksikan menggunakan return on asset pada pengujian sebesar-129,6168 yang artinya adalah profitabilitas yang diproksikan dengan return on asset mempunyai pengaruh negatif terhadap kebijakan dividen yang diproksikan dengan dividend payout ratio, sehingga apabila profitabilitas yang diproksikan menggunakan return on asset naik 1 maka kebijakan dividen diproksikan dengandividend payout ratio akan turun sebesar

Dalam dokumen Tesis. Untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjana S2 Program Studi Magister Akuntansi. Oleh: TAUFIQURRAHMAN (Halaman 75-0)