BAB IV ANALISIS HASIL PENELITIAN
B. Analisis Hasil Penelitian
1. Uji Asumsi Klasik
Uji asumsi klasik yang dilakukan adalah uji normalitas data, uji heteroskedastisitas 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). 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:
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 α = 5% berarti distribusi data normal dan Ho diterima, sebaliknya bila nilai signifikan < 0,05 berarti distribusi data tidak normal dan Ha diterima.
b. Uji Heteroskedastisitas
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 homoskedastisitas. Sebaliknya jika varians berbeda, maka disebut heterokedasitas”. Ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik Scaterplot antar nilai prediksi variabel independen dengan nilai residualnya. Dasar analisis yang dapat digunakan untuk menentukan heteroskedastisitas, 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 heteroskedastisitas,
2) jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas.
c. 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
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 akuntansi dan laba tunai terhadap dividen kas dengan model dasar sebagai berikut:
DK= α+β1LA+β2LT +ε Keterangan : DK = Dividen kas. α = Konstanta. β1,β2 = Koefisien regresi X1,X2, LA = Laba Akuntansi LT = Laba Tunai
ε = Tingkat kesalahan pengganggu.
a. Uji t ( t Test )
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas atau independen secara individual dalam menerangkan variasi
variabel dependen. Uji ini dilakukan untuk melihat pengaruh laba akuntansi dan laba tunai secara parsial terhadap dividen kas. Uji ini dilakukan dengan membandingkan signifikansi t hitung dengan ketentuan sebagai berikut:
H0 diterima jika t hitung < t tabel (α = 5%) Ha diterima jika t hitung > t tabel (α = 5%)
Selain itu dapat pula dilihat dari nilai signifikansinya. Jika nilai signifikansi penelitian < 0,05 maka Ha diterima.
Hipotesis Penelitian
Laba akuntansi dan laba tunai berpengaruh terhadap dividen kas secara parsial. Hipotesis Statistik
Ho: b2 = 0 (laba akuntansi dan laba tunai tidak berpengaruh terhadap dividen kas secara parsial)
Ha: b2 ≠ 0 (laba akuntansi dan laba tunai berpengaruh terhadap dividen kas secara parsial)
b. Uji F ( F Test )
Uji F statistik digunakan untuk menguji keberartian pengaruh dari seluruh variabel bebas secara bersama-sama (serentak) terhadap variabel tidak bebas. Uji F dimaksudkan untuk melihat kemampuan menyeluruh dari variabel bebas yaitu laba akuntansi dan laba tunai terhadap dividen kas. Uji ini dilakukan dengan ketentuan sebagai berikut:
H0 diterima jika F hitung < F tabel Ha diterima jika F hitung > F tabel
Pada tingkat kepercayaan 95%.
Selain itu dapat pula dilihat dari nilai signifikansinya. Jika nilai signifikansi penelitian < 0,05 maka Ha diterima.
Hipotesis Penelitian
Laba akuntansi dan laba tunai berpengaruh secara simultan terhadap dividen kas. Hipotesis Statistik
Ho:b1 = 0 (Laba akuntansi dan laba tunai tidak berpengaruh secara simultan terhadap dividen kas)
Ha: b1 ≠ 0 (Laba akuntansi dan laba tunai berpengaruh secara simultan terhadap dividen kas)
G. Jadwal Penelitian
Penelitian ini direncanakan secara bertahap mulai dari pengajuan proposal skripsi hingga sidang meja hijau. Jadwal ini dibuat untuk menunjukkan tahapan penelitian secara sistematis. Tabel di bawah ini memuat perincian jadwal dari penelitian dari awal hingga akhir.
No Tahapan Penelitian Tahun 2010 Keterangan
Juli Agt Sept Okt Nov Des
1 Pengajuan Proposal Skripsi √ 1 minggu
2 Bimbingan Proposal Skripsi √ 2 minggu
3 Seminar Proposal Skripsi √ 1 hari
4 Pengumpulan Data √ 4 minggu
5 Pengolahan Data √ 2 minggu
6 Bimbingan Skripsi √ 3 minggu
7
Penyelesaian Penulisan Laporan
Penelitian √ 1 minggu
BAB IV
ANALISIS HASIL PENELITIAN
A. Data Penelitian
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi berganda. Analisis data dimulai dengan mengolah data dengan menggunakan Microsoft excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian menggunakan regresi berganda. Pengujian asumsi klasik dan regresi berganda dilakukan dengan menggunakan
software SPSS versi 17. Prosedur dimulai dengan memasukkan variabel-variabel
penelitian ke program SPSS tersebut dan menghasilkan output-output sesuai metode analisis data yang telah ditentukan. Berdasarkan kriteria yang telah ditetapkan, didapat 40 perusahaan dari 194 prusahaan manufaktur yang memenuhi kriteria dan dijadikan sampel dalam penelitian ini dan diamati selama periode 2005-2007.
B. Analisis Hasil Penelitian 1. Uji Asumsi Klasik a. Uji Normalitas
Pengujian normalitas data dalam penelitian ini mengunakan uji statistik non parametrik Kolmogorov-Smirnov (K-S) dengan membuat hipotesis:
H0 : Data residua l berdistribusi normal,
Apabila nilai signifikansinya lebih besar dari 0,05 maka H0 diterima, sedangkan jika nilai signifikansinya lebih kecil dari 0,05 maka H0 ditolak.
Tabel 4.1 Uji Normalitas Data
One-Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
laba akuntansi laba tunai cash dividen
N 120 120 120
Normal Parametersa,,b Mean 11.2311 11.3367 10.7488
Std. Deviation .67357 .73148 .76837
Most Extreme Differences Absolute .092 .087 .112
Positive .092 .087 .112
Negative -.055 -.044 -.066
Kolmogorov-Smirnov Z 1.003 .956 1.228
Asymp. Sig. (2-tailed) .267 .320 .098
a. Test distribution is Normal.
b. Calculated from data.
Sumber: Data yang diolah penulis, 2010.
Dari tabel diatas, besarnya Kolmogorv-Smirnov (K-S) untuk laba akuntansi adalah 1,003 dan signifikansi pada 0,267, untuk laba tunai adalah 0,956 dan signifikansinya pada 0.320, dan dividen kas adalah 1,228 dengan signifikansi pada 0,098 sehingga dapat disimpulkan bahwa data dalam model regresi telah terdistribusi secara normal, dimana nilai signifikansinya lebih dari 0,05. Dengan demikian, secara keseluruhan dapat disimpulkan bahwa nilai-nilai observasi data
telah terdistribusi secara normal dan dapat dilanjutkan dengan uji asumsi klasik lainnya. Untuk lebih jelas, berikut ini turut dilampirkan grafik histogram dan plot data yang terdistribusi normal
Gambar 4.1 Histogram Sumber: Data yang diolah penulis, 2010.
Gambar 4.2 Grafik Normal P-P Plot Sumber: Data yang diolah penulis, 2010.
Dengan cara membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal, dari grafik di atas dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng (skewness) ke kiri maupun ke kanan atau normal.
Demikian pula dengan hasil uji normalitas dengan menggunakan grafik plot. Pada grafik normal plot, terlihat titik-titik menyebar disekitar garis diagonal serta penyebarannya agak mendekati dengan garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
b. Uji Heteroskedastisitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat plot grafik yang dihasilkan dari pengolahan data dengan menggunakan program SPSS. Dasar pengambilan keputusannya adalah:
1) jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas,
2) jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas.
Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi heteroskedastisitas atau terjadi homoskedastisitas dengan mengamati penyebaran titik-titik pada gambar.
Gambar 4.3 Scatterplot Sumber: Data yang diolah penulis, 2010.
Gambar di atas menunjukkan bahwa titik-titik yang dihasilkan menyebar secara acak dan tidak membentuk suatu pola atau trend garis tertentu. Gambar di atas juga menunjukkan bahwa sebaran data ada di sekitar titik nol. Hasil pengujian ini menunjukkan bahwa model regresi ini bebas dari masalah heteroskedastisitas, dengan perkataan lain: variabel-variabel yang akan diuji dalam penelitian ini bersifat homokedastis.
c. Uji Autokorelasi
Untuk mendeteksi terjadinya autokorelasi dilakukan perbandingan nilai Durbin-Watson (DW)-statistik dengan nilai DW-tabel. Nilai DWstatistik dalam penelitian ini dapat diketahui dengan melihat koefisien korelasi DW-statistik (DW-test) melalui uji Durbin-Watson pada tabel berikut ini:
Tabel 4.2
Hasil Uji Autokorelasi
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .903a .815 .812 .33313 1.656
a. Predictors: (Constant), Laba Tunai, Laba Akuntansi
b. Dependent Variable: Dividen Kas
Sumber: Data yang diolah penulis, 2010.
Tabel di atas menunjukkan bahwa nilai DW-statistik yang didapatkan sebesar 1,656. Menurut Algifari (1997,hal.79), untuk mendeteksi terjadinya autokorelasi, angka ini kemudian diklasifikasikan menurut kriteria yang ditentukan sesuai dengan tabel berikut ini:
Tabel 4.3
Interpretasi Autokorelasi Durbin Watson Kesimpulan Kurang dari 1,10 1,10 sampai dengan 1,54 1,55 sampai dengan 2,46 2,47 sampai dengan 2,90 Lebih dari 2,91 Ada autokorelasi Tidak ada kesimpulan Tidak ada autokorelasi Tidak ada kesimpulan Ada autokorelasi
Untuk menilai ada atau tidaknya autokorelasi, nilai Durbin-Watson statistik yang didapatkan dari penghitungan pada tabel di atas, yang menunjukkan nilai sebesar 1,656 diklasifikasikan menurut kriteria pengukuran autokorelasi pada tabel di atas. Dilihat dari tabel tersebut, pengukuran autokorelasi dalam penelitian ini menunjukkan bahwa tidak terjadi autokorelasi dalam model regresi ini.