Uji Asumsi Klasik - Analisis Hasil Penelitian

BAB IV ANALISIS HASIL PENELITIAN

B. Analisis Hasil Penelitian

2. Uji Asumsi Klasik

Pengujian normalitas data dalam penelitian ini mengunakan uji statistik non parametrik Kolmogorov-Smirnov (K-S) dengan membuat hipotesis:

H0 : Data residua l berdistribusi normal H1 : Data residual tidak 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 4.3

Uji Normalitas Sebelum Data Ditransformasi One-Sample Kolmogorov-Smirnov Test

93 .0000000 29.54141664 .184 .184 -.092 1.774 .004 N Mean Std. Deviati on Normal Parametersa,b

Absolute Positive Negati ve Most Extrem e Di fferences Kolmogorov-Sm irnov Z As ymp. Sig. (2-tailed)

Unstandardiz ed Res idual

Test di stribution is Norm al. a.

Calculated from data. b.

Sumber: Data yang diolah penulis, 2009.

Dari hasil pengolahan data tersebut, diperoleh bahwa data dalam penelitian ini tidak terdistribusi secara normal, dimana ada variabel memiliki nilai signifikansi lebih kecil dari 0,05.

Indah Agustina Manurung : Pengaruh Laba Bersih Dan Arus Kas Operasi Terhadap Kebijakan Dividen Pada Perusahaan Manufaktur Yang Go Publik, 2009.

84 Setelah melihat tabel di atas, dapat disimpulkan bahwa perhitungan Kolmogorov-Smirnov (K-S) menunjukkan data tidak terdistribusi secara normal. Ada beberapa cara mengubah model regresi menjadi normal menurut Erlina (2007:106) yaitu:

a. lakukan transformasi data ke bentuk lainnya, b. lakukan trimming, yaitu membuang data outlier,

c. lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu.

Untuk mengubah nilai residual agar berdistribusi normal, penulis melakukan transformasi data ke model SQRT dari persamaan DPR = f(EPS, OCF), menjadi DPR = f( SQRT_EPS, SQRT_OCF). Kemudian, data diuji ulang berdasarkan asumsi normalitas. Berikut ini hasil pengujian Kolmogorov-Smirnov (K-S):

Tabel 4.4

Uji Normalitas Setelah Data Ditransformasi

One-Sample Kolmogorov-Smirnov Test

80 .0000000 2.18519904 .130 .130 -.090 1.164 .133 N Mean Std. Deviati on Normal Parametersa,b

Absolute Positive Negati ve Most Extrem e Di fferences Kolmogorov-Sm irnov Z As ymp. Sig. (2-tailed)

Unstandardiz ed Res idual

Test di stribution is Norm al. a.

Calculated from data. b.

Sumber: Data yang diolah penulis, 2009.

Dari tabel diatas, dapat disimpulkan bahwa data dalam model regresi telah terdistribusi secara normal, dimana nilai signifikansinya lebih dari 0,05. Dengan

Indah Agustina Manurung : Pengaruh Laba Bersih Dan Arus Kas Operasi Terhadap Kebijakan Dividen Pada Perusahaan Manufaktur Yang Go Publik, 2009.

85 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.

Regression Standardized Residual

4 2 0 -2 Frequency 25 20 15 10 5 0 Histogram Dependent Variable: SQRT_DPR Mean =7.08E-16฀ Std. Dev. =0.987฀ N =80

Gambar 4.1. Histogram-Dependent Variable: SQRT_DPR Sumber: Data yang diolah penulis, 2009.

Indah Agustina Manurung : Pengaruh Laba Bersih Dan Arus Kas Operasi Terhadap Kebijakan Dividen Pada Perusahaan Manufaktur Yang Go Publik, 2009.

Observed Cum Prob

1.0 0.8 0.6 0.4 0.2 0.0 E xpect ed C um P rob 1.0 0.8 0.6 0.4 0.2 0.0

Normal P-P Plot of Regression Standardized Residual

Gambar 4.2. Normal P-P Plot of Regression Standarized Residual-Depndent Variable: SQRT_DPR

Sumber: Data yang diolah penulis, 2009.

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-titi menyebar disekitar garis diagonal serta penyebarannya agak mendekati dengan garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.

Indah Agustina Manurung : Pengaruh Laba Bersih Dan Arus Kas Operasi Terhadap Kebijakan Dividen Pada Perusahaan Manufaktur Yang Go Publik, 2009.

b. Uji Multikolinearitas

Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala multikolinearitas adalah dengan melihat besaran korelasi antar variabel independen dan besarnya tingkat kolinearitas yang masih dapat ditolerir, yaitu: Tolerance > 0.10 dan

Variance Inflation Factor (VIF) < 10. Berikut disajikan tabel hasil pengujian:

Tabel 4.5

Coefficients untuk DPR = f(SQRT_EPS, SQRT_OCF)

Coeffic ientsa .68 5 1.4 59 .68 5 1.4 59 SQRT_ EPS SQRT_ OCF Mo del 1 To leran ce VIF

Co lline arity Stati stics

De pend ent Varia ble: SQRT_DPR a.

Sumber: Data yang diolah penulis, 2009.

Tabel 4.6

Cofficients Correlations untuk DPR = f(SQREPS, SQROCF) Coefficient Correlations a 1.000 -.561 -.561 1.000 .000 .000 .000 .000 SQRT_OCF SQRT_EPS SQRT_OCF SQRT_EPS Correlations Covariances Model 1 SQRT_OCF SQRT_EPS

Dependent Vari able: SQRT_DPR a.

Sumber: Data yang diolah penulis, 2009.

Melihat hasil besaran korelasi antar variabel independen tampak bahwa variabel laba bersih mempunyai korelasi sebesar -0.561 atau sekitar 56,1%. Hal ini menunjukkan tidak adanya korelasi yang tinggi (0,90) diantara variabel independen. Hasil dari coefficient correlations tersebut menunjukkan tidak ada korelasi yang tinggi (umumnya diatas 0,90), maka hal ini merupakan indikasi

Indah Agustina Manurung : Pengaruh Laba Bersih Dan Arus Kas Operasi Terhadap Kebijakan Dividen Pada Perusahaan Manufaktur Yang Go Publik, 2009.

88 tidak adanya multikolinearitas. Hasil perhitungan nilai tolerance menunjukkan variabel independen memiliki nilai tolerance lebih dari 0.10 yaitu 0.585 yang berarti tidak terjadi korelasi antar variabel independen. Hasil perhitungan VIF juga menunjukkan hal yang sama dimana variabel independen memiliki nilai VIF kurang dari 10 yaitu 1,459. Berdasarkan tabel diatas dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model ini.

c. 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 terartur (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.

Indah Agustina Manurung : Pengaruh Laba Bersih Dan Arus Kas Operasi Terhadap Kebijakan Dividen Pada Perusahaan Manufaktur Yang Go Publik, 2009.

Regression Standardized Predicted Value

4 2 0 -2 R egressi on S tudent iz ed R esi dual 4 2 0 -2 Scatterplot

Gambar 4.3. Scatterplot-Dependent variable:SQRDPR Sumber: Data yang diolah penulis, 2009.

Dari grafik scatterplot terlihat bahwa ttik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi.

d. 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

Indah Agustina Manurung : Pengaruh Laba Bersih Dan Arus Kas Operasi Terhadap Kebijakan Dividen Pada Perusahaan Manufaktur Yang Go Publik, 2009.

90 adalah dengan menggunakan nilai uji Durbin Watson dengan ketentuan 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.

Tabel 4.7

Hasil Uji Autokorelasi

Model Summaryb .427a .182 .161 2.21340 1.853 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson Predictors: (Constant), SQRT_OCF, SQRT_EPS

Dependent Vari able: SQRT_DPR b.

Sumber: Data yang diolah penuis, 2009.

Tabel 4.7 memperlihatkan nilai statistik DW sebesar 1,853. Angka ini terletak diantara -2 dan +2, dari pengamatan ini dapat disimpulkan bahwa tidak terjadi autokorelasi positif maupun autokorelasi negatif.

3. Analisis Regresi

Dari hasil pengujian asumsi klasik disimpulkan bahwa bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang

Best Linear Unbiased Estimator (BLUE) dan layak dilakukan analisis regresi.

Untuk menguji hipotesis, peneliti menggunakan analisis regresi berganda. Berdasarkan hasil pengolahan data dengan program SPSS 15, maka diperoleh hasil sebagai berikut:

Indah Agustina Manurung : Pengaruh Laba Bersih Dan Arus Kas Operasi Terhadap Kebijakan Dividen Pada Perusahaan Manufaktur Yang Go Publik, 2009.

91 Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan variabel dependen, melalui pengaruh SQRT_Laba Bersih (X1) dan SQRT_Arus

Kas Operasi terhadap SQRT_DPR (Y). Hasil regresi dapat dilihat pada tabel 4.9 berikut ini: Tabel 4.8 Analisis Regresi Coeffi cientsa 4.601 .410 11.223 .000 .015 .020 .088 .710 .480 .039 .013 .371 2.976 .004 (Const ant) SQRT_EPS SQRT_OCF Model 1 B St d. E rror Unstandardized Coeffic ients Beta St andardiz ed Coeffic ients t Sig. Dependent Variable: SQRT_DPR a.

Sumber: Data yang diolah penulis, 2009.

Berdasarkan tabel di atas, didapatlah persamaan regresi sebagai beikut: Y = 4,601 + 0,015X1 + 0,039X2 + e

Keterangan :

1) Konstanta sebesar 4,601 menunjukkan bahwa apabila tidak ada variabel independen (X1 = 0 dan X2 = 0) maka dividend payout ratio sebesar 4,601. 2) 1 sebesar 0,015 menunjukkan bahwa setiap kenaikan laba bersih sebesar 1%

akan diikuti oleh kenaikan dividend payout ratio sebesar 0,015 dengan asumsi variabel lain tetap.

3) 2 sebesar 0,039 menunjukkan bahwa setiap kenaikan 1% pada arus kas

operasi akan diikuti oleh kenaikan dividend payout ratio sebesar 0,039 dengan asumsi variabel lain tetap.

Indah Agustina Manurung : Pengaruh Laba Bersih Dan Arus Kas Operasi Terhadap Kebijakan Dividen Pada Perusahaan Manufaktur Yang Go Publik, 2009.

b. Analisis Koefisien Korelasi dan Koefisien Determinasi

Nilai koefisien korelasi (R) menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen. Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0.5 dan mendekati 1.

Koefisien determinasi (R square) menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah nol sampai dengan satu. Apabila nilai R square semakin mendekati satu, maka variabel- variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R square, maka kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen semakin terbatas. Nilai R square memiliki kelemahan yaitu

nilai R square akan meningkat setiap ada penambahan satu variabel independen meskipun variabel independen tersebut tidak berpengaruh signifikan terhadap variabel dependen. Tabel 4.9 Model Summaryb .427a _.182 _.161 _2.21340 _1.853 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson Predictors: (Constant), SQRT_OCF, SQRT_EPS

Dependent Vari able: SQRT_DPR b.

Sumber: Data yang diolah penulis, 2009.

Pada model summary, nilai koefisien korelasi (R) sebesar 0,427 yang berarti bahwa korelasi atau hubungan antara dividend payout ratio (SQRT_DPR) dengan

Indah Agustina Manurung : Pengaruh Laba Bersih Dan Arus Kas Operasi Terhadap Kebijakan Dividen Pada Perusahaan Manufaktur Yang Go Publik, 2009.

93 variabel independennya (SQRT_Laba Bersih dan SQRT_Arus Kas Operasi) tidak begitu kuat karena berada dibawah 0,5. Angka adjusted R square atau koefisien determinasi adalah 0,161. Hal ini berarti 16,1% variasi atau perubahan dalam

dividend payout ratio dapat dijelaskan oleh variasi dari laba bersih dan arus kas

operasi, sedangkan sisanya (83,9%) dijelaskan oleh sebab-sebab lain. Standar

Error of Estimate (SEE) adalah 2,21340, yang mana semakin besar SEE akan

membuat model regresi kurang tepat dalam memprediksi variabel dependen.

c. Pengujian Hipotesis

Untuk mengetahui apakah variabel independen dalam model regresi berpengaruh terhadap variabel dependen, maka dilakukan pengujian dengan menggunakan uji t (t test) dan uji F (F test).

1). Uji t

Uji t digunakan untuk menguji signifikansi konstanta dan setiap variabel independennya. Berdasarkan hasil pengolahan SPSS versi 15, diperoleh hasil sebagai berikut. Tabel 4.10 Co effi cien tsa 4.601 .410 11.223 .000 .015 .020 .088 .710 .480 .039 .013 .371 2.976 .004 (Const ant) SQRT_EPS SQRT_OCF Model 1 B St d. E rror Unstandardized Coeffic ients Beta St andardiz ed Coeffic ients t Sig. Dependent Variable: SQRT_DPR a.

Sumber: Data yang diolah penulis, 2009.

Dari tabel regresi dapat dilihat besarnya t hitung untuk variabel laba bersih sebesar 0,710 dengan nilai signifikan 0,480. Hasil uji statistik tersebut dapat

Indah Agustina Manurung : Pengaruh Laba Bersih Dan Arus Kas Operasi Terhadap Kebijakan Dividen Pada Perusahaan Manufaktur Yang Go Publik, 2009.

94 menyimpulkan t hitung adalah 0,710 sedangkan t tabel adalah 1,9867, sehingga t tabel > t hitung (1,9867>0,710), maka laba bersih secara individual tidak mempengaruhi DPR. Signifikansi penelitian >0,05 ((),480 > 0,05), maka Ho diterima dan Ha ditolak, artinya laba bersih tidak berpengaruh terhadap dividend

payout ratio. Tabel diatas juga menunjukkan besarnya t hitung untuk variabel

arus kas operasi sebesar 2,976 sedangkan t hitung adalah 1,9867, sehingga t hitung > t tabel (2,976>1,9867), maka arus kas operasi berpengaruh positif terhadap dividend payout ratio secara individual. Signifikansi 0,004 menyimpulkan bahwa sig penelitian <0,05 (0,004 < 0,05), maka Ho ditolak dan Ha diterima, artinya arus kas operasi berpengaruh signifikan terhadap dividend

payout ratio.

2). Uji F

Untuk melihat pengaruh laba bersih dan arus kas operasi terhadap dividend

payout ratio secara simultan dapat dihitung dengan menggunakan F test.

Berdasarkan hasil pengolahan data dengan program SPSS 15, maka diperoleh hasil sebagai berikut:

Tabel 4.11 ANOV Ab 83.888 2 41.944 8.562 .000a 377.232 77 4.899 461.121 79 Regres sion Residual Total Model 1 Sum of

Squares df Mean S quare F Sig.

Predic tors: (Constant), SQRT_OCF, SQRT_E PS a.

Dependent Variable: SQRT_DPR b.

Sumber: Data yang diolah penulis, 2009.

Indah Agustina Manurung : Pengaruh Laba Bersih Dan Arus Kas Operasi Terhadap Kebijakan Dividen Pada Perusahaan Manufaktur Yang Go Publik, 2009.

95 Dari uji ANOVA atau F test, diperoleh F hitung sebesar 8,562 dengan tingkat signifikansi 0,000, sedangkan F tabel sebesar 3,0977 dengan signifikansi 0,05. Berdasarkan hasil tersebut dapat disimpulkan bahwa laba bersih dan arus kas operasi berpengaruh secara simultan dan signifikan terhadap dividend payout

ratio karena F hitung > F tabel (8,562>3,0977) dan sig penelitian < 0,05 (0,000 <

0,05).

Dalam dokumen Pengaruh Laba Bersih Dan Arus Kas Operasi Terhadap Kebijakan Dividen Pada Perusahaan Manufaktur Yang Go Publik (Halaman 70-82)