BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.4 Uji Asumsi Klasik
Menurut Ghozali (2005) asumsi klasik yang harus dipenuhi adalah berdistribusi normal, non-multikolinearitas, non-autokorelasi dan non-heteroskedasitas.
4.4.1 Uji Normalitas
Dalam penelitian ini, uji normalitas terhadap residual menggunakan uji Jarque-Bera (J-B), dengan tingkat signifikansi yang digunakan α = 0.05. Dasar pengambilan keputusan adalah melihat angka probabilitas dari statistik J-B, dengan ketentuan sebagai berikut:
1. Jika nilai probabilitas ≥ 0,05, maka asumsi normalitas terpenuhi.
2. Jika probabilitas < 0,05, maka asumsi normalitas tidak terpenuhi.
74 Skewness 4.851247 Kurtosis 41.46352
Jarque-Bera 4720.743 Probability 0.000000
Sumber: Lampiran 7
Gambar 4.1
Uji Normalitas dengan Uji Jarque-Bera Sebelum Transformasi Data Berdasarkan Gambar 4.1, diketahui nilai probabilitas dari statistik Jarque-Bera adalah 0,000000. Karena nilai probabilitas, yakni 0,000000, lebih kecil dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas tidak terpenuhi. Karena residual terdistribusi tidak normal, maka perlu dilakukan transformasi data dengan metode Panel Estimated Generalized Least Square (Cross-section weights) dengan tetap menggunakan fixed effect model (FEM).
Metode ini digunakan juga untuk mengatasi masalah autokorelasi. Menurut Winarno (2015) untuk mengatasi masalah data tidak normal, masalah heteroskedastisitas dan masalah autokorelasi maka dapat diatasi dengan menggunakan metode Panel Estimated Generalized Least Square (cross-section weight).
0 2 4 6 8 10 12 14
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0
Series: Standardized Residuals Sample 2013 2016
Observations 72
Mean 9.25e-18 Median -0.128233 Maximum 1.928320 Minimum -1.485943 Std. Dev. 0.797580 Skewness 0.383440 Kurtosis 2.418971
Jarque-Bera 2.777098 Probability 0.249437
Sumber: Lampiran 8
Gambar 4.2
Uji Normalitas dengan Uji Jarque-Bera Setelah Transformasi Data
Berdasarkan Gambar 4.2, diketahui nilai probabilitas dari statistik J-B adalah 0,249437. Karena nilai probabilitas, yakni 0,249437, lebih besar dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas terpenuhi.
4.4.2 Uji Heteroskedastisitas
Menguji ada tidaknya heteroskedasitas dalam penelitian ini dapat dilakukan dengan Uji Glejser. Dasar pengambilan keputusan adalah dengan melihat nilai probabilitas dari statistik uji Glejser semua variabel ≥ 0,05.
Berdasarkan Tabel 4.5 menunjukkan bahwa nilai probabilitas semua variabel ≥ 0,05. Maka asumsi homoskedastisitas terpenuhi. Dengan kata lain, tidak terjadi gejala heteroskedastisitas pada residual (H0 diterima).
76
Tabel 4.5 Hasil Uji Glejser
Heteroskedasticity Test: Glejser
F-statistic 0.443052 Prob. F(4,67) 0.7770
Obs*R-squared 1.855386 Prob. Chi-Square(4) 0.7623 Scaled explained SS 4.382674 Prob. Chi-Square(4) 0.3567
Test Equation:
Variable Coefficient Std. Error t-Statistic Prob.
C 0.525755 0.346247 1.518437 0.1336
DER -0.036082 0.286370 -0.126000 0.9001
CR -0.004658 0.038823 -0.119982 0.9049
ROI -0.267890 1.753716 -0.152755 0.8791
SIZE -0.013842 0.011836 -1.169505 0.2463
R-squared 0.025769 Mean dependent var 0.288201 Adjusted R-squared -0.032394 S.D. dependent var 1.000673 S.E. of regression 1.016752 Akaike info criterion 2.938018 Sum squared resid 69.26353 Schwarz criterion 3.096120 Log likelihood -100.7687 Hannan-Quinn criter. 3.000959 F-statistic 0.443052 Durbin-Watson stat 2.034214 Prob(F-statistic) 0.777047
Sumber: Lampiran 9
4.4.3 Uji Autokorelasi
Uji autokorelasi merupakan pengujian yang dilakukan untuk menguji ada tidaknya korelasi antara variabel dalam model regresi dengan perubahan waktu.
Dalam penelitian ini uji autokorelasi menggunakan tes D-W.
Berdasarkan Tabel 4.6 menunjukkan bahwa nilai statistik D-W sebesar 2.803770. dL=1,5029 dan dU=1.6156 untuk k=4; n=72; α=0,05. Nilai statistik D-W terletak diantara 4-dL (2.4971) < d (2.803770) < 4, maka terdapat masalah autokorelasi.
Tabel 4.6
Uji Autokorelasi Sebelum Transformasi Data
Dependent Variable: DPR Method: Panel Least Squares Date: 03/27/18 Time: 15:56 Sample: 2013 2016
Periods included: 4
Cross-sections included: 18
Total panel (balanced) observations: 72
Variable Coefficient Std. Error t-Statistic Prob.
C 0.831306 1.248238 0.665983 0.5085
DER -0.442125 1.281500 -0.345006 0.7315
CR 0.009927 0.211200 0.047003 0.9627
ROI -0.636147 3.089262 -0.205922 0.8377
SIZE -0.012876 0.051319 -0.250911 0.8029
Effects Specification Cross-section fixed (dummy variables)
R-squared 0.250892 Mean dependent var 0.308349 Adjusted R-squared -0.063734 S.D. dependent var 1.052783 S.E. of regression 1.085814 Akaike info criterion 3.249004 Sum squared resid 58.94956 Schwarz criterion 3.944652 Log likelihood -94.96415 Hannan-Quinn criter. 3.525944 F-statistic 0.797430 Durbin-Watson stat 2.803770 Prob(F-statistic) 0.709113
Sumber: Lampiran 10
Tabel 4.7
Uji Autokorelasi Setelah Transformasi Data
Durbin-Watson stat 2.373307 Sumber: Lampiran 11
Berdasarkan hasil uji autokorelasi pada Tabel 4.7 menunjukkan bahwa nilai statistik D-W sebesar 2.373307. dL=1,5029 dan dU=1.6156 untuk k=4;
n=72; α=0,05. Maka tidak terdapat masalah autokorelasi karena nilai statistik D-W terletak diantara dU (1.6156) < d (2.373307) < 4-dU (2,3844).
78
4.4.4 Uji Multikolinieritas
Dalam penelitian ini, gejala multikolinearitas dapat dilihat dari nilai korelasi antar variabel yang terdapat dalam matriks korelasi. Menurut Ghozali (2013) jika antar variabel independen ada korelasi yang cukup tinggi, yakni diatas 0,8 maka hal ini merupakan indikasi adanya multikolinearitas. Hasil uji multikolinearitas disajikan pada Tabel 4.8 berikut:
Tabel 4.8 Uji Multikolinieritas
DER CR ROI SIZE
DER 1.000000 -0.225027 -0.138564 0.384110 CR -0.225027 1.000000 -0.135898 0.027422 ROI -0.138564 -0.135898 1.000000 -0.189156 SIZE 0.384110 0.027422 -0.189156 1.000000 Sumber: Lampiran 12
Dari hasil pengujian multikolinearitas pada Tabel 4.8 terlihat bahwa nilai korelasi antar variabel independen tidak lebih dari 0,8, maka dapat disimpulkan data tidak terdapat gejala multikonieritas antar variabel independen (H0 diterima).
4.5 Pengujian Hipotesis
4.5.1 Uji Signifikansi Pengaruh Serempak (F-test)
Berdasarkan Tabel 4.4, diketahui bahwa nilai probabilitas dari uji F-statistic sebesar 16,57527 > Ftabel (2,51) dengan tingkat signifikansi sebesar 0,000000 < 0,05 sehingga berdasarkan hasil pengujian tersebut, maka H0 ditolak (terima H1). Maka dapat disimpulkan secara serempak, DER, CR, ROI, dan SIZE berpengaruh signifikan terhadap kebijakan dividen (DPR) perusahaan properti dan
4.5.2 Uji Signifikansi Pengaruh Parsial (t-test)
Hasil uji signifikansi pengaruh secara parsial (uji t) berdasarkan Tabel 4.4 adalah sebagai berikut:
1. Debt to Equity Ratio (DER) memiliki nilai koefisien sebesar -0.193181, artinya jika DER mengalami kenaikan sebesar 1 unit dan variabel lain dianggap konstan, maka kebijakan dividen (DPR) akan mengalami penurunan sebesar 0.193181. Nilai t-statistic sebesar (-2.872082) < t-tabel (1,99601) dan nilai probabilitas sebesar 0.0060 dan lebih kecil dari tingkat signifikansi sebesar 0,05, maka dapat disimpulkan bahwa DER memiliki pengaruh negatif dan signifikan terhadap kebijakan dividen (DPR).
2. Current Ratio (CR) memiliki nilai koefisien sebesar -0.004050, artinya jika CR mengalami kenaikan sebesar 1 unit dan variabel lain dianggap konstan, maka kebijakan dividen (DPR) akan mengalami penurunan sebesar 0.004050.
Nilai t-statistic sebesar (-1.520097) < t-tabel (1,99601) dan nilai probabilitas sebesar 0.1348 dan lebih besar dari tingkat signifikansi sebesar 0,05, maka dapat disimpulkan bahwa CR memiliki pengaruh negatif dan tidak signifikan terhadap kebijakan dividen (DPR).
3. Return on Investment (ROI) memiliki nilai koefisien sebesar 0.706141, artinya jika ROI mengalami kenaikan sebesar 1 unit dan variabel lain dianggap konstan, maka kebijakan dividen (DPR) akan mengalami kenaikan sebesar 0.706141. Nilai t-statistic sebesar (4.716417) > t-tabel (1,99601) dan nilai probabilitas sebesar 0.0000 dan lebih kecil dari tingkat signifikansi sebesar 0,05, maka dapat disimpulkan bahwa ROI memiliki pengaruh positif
80
dan signifikan terhadap kebijakan dividen (DPR).
4. Ukuran perusahaan (size) memiliki nilai koefisien sebesar -0.011409, artinya jika size mengalami kenaikan sebesar 1 unit dan variabel lain dianggap konstan, maka kebijakan dividen (DPR) akan mengalami penurunan sebesar 0.011409. Nilai t-statistic sebesar (-9.271798) < t-tabel (1,99601) dan nilai probabilitas sebesar 0.0000 dan lebih kecil dari tingkat signifikansi sebesar 0,05, maka dapat disimpulkan bahwa size memiliki pengaruh negatif dan signifikan terhadap kebijakan dividen (DPR).
5. Nilai Konstanta (C) sebesar 0.668853 menunjukkan bahwa jika variabel independen (Debt to Equity Ratio, Current Ratio, Return on Investment, dan Ukuran Perusahaan) = 0, maka Kebijakan Dividen (DPR) sebesar 0.668853.