BAB III METODOLOGI PENELITIAN
3.6 TEKNIK PENGOLAHAN DAN ANALISIS DATA
3.6.6 Uji Statistik F
Uji statistik F dimaksudkan untuk mengetahui apakah ada signifikansi pengaruh secara keseluruhan (simultan) terhadap garis regresi yang diobservasi yaitu pengaruh variabel independen terhadap variabel dependen (Ghozali, 2016). Kriteria pengujian dalam pengambilan keputusan uji statistik F dapat membandingkan dengan nilai signifikansi yang diperoleh dengan derajat kepercayaan yang telah ditentukan yaitu 0,05 atau 5%. Apabila nilai signifikansi < 0,05 maka variabel independen mampu mempengaruhi variabel dependen secara signifikan.
Selanjutnya membandingkan antara F hitung dengan F tabel, kriteria membandingkan nilai F hitung dengan F tabel sebagai berikut:
a. Apabila F hitung < F tabel, maka variabel independen secara keseluruhan atau simultan tidak berpengaruh terhadap variabel dependen.
b. Apabila F hitung > F tabel, maka variabel independen secara keseluruhan atau simultan berpengaruh terhadap variabel dependen.
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1. DESKRIPSI DATA PENELITIAN
Data yang dibutuhkan dalam penelitian ini adalah data yang diperoleh dari laporan keuangan perusahaan consumer goods yang terdaftar di Bursa Efek Indonesia selama tahun 2016-2018. Dengan teknik pengambilan sample menggunakan purposive sampling, yaitu sampel atas dasar kesesuaian karakteristik sampel dengan kriteria pemilihan sampel yang ditentukan. Berdasarkan data yang diperoleh dari BEI melalui situsnya www.idx.co.id, diketahui bahwa populasi penelitian ini yakni perusahaan sektor consumer goods yang terdaftar selama periode penelitian berjumlah 52 perusahaan. Terdapat 32 perusahaan tidak sesuai dengan sample kriteria yang ada, dan sisanya 20 perusahaan yang telah memenuhi sample kriteria.
Adapun perusahaan yang dijadikan sample dalam penelitian ini sebagai berikut:
Tabel 4.1 Sample Penelitian
NO. CODE NAMA PERUSAHAAN
1 CINT Chitose Internasional Tbk.
2 DLTA Delta Djakarta Tbk.
3 DVLA Darya-Varia Laboratoria Tbk.
4 GGRM Gudang Garam Tbk.
5 HMSP H.M. Sampoerna Tbk.
6 ICBP Indofood CBP Sukses Makmur Tbk 7 INDF Indofood Sukses Makmur Tbk.
8 KAEF Kimia Farma (Persero) Tbk.
9 KINO Kino Indonesia Tbk.
10 KLBF Kalbe Farma Tbk.
11 MERK Merck Tbk.
12 MLBI Multi Bintang Indonesia Tbk.
13 MYOR Mayora Indah Tbk.
14 ROTI Nippon Indosari Corpindo Tbk.
15 SIDO Industri Jamu dan Farmasi Sido 16 SKLT Sekar Laut Tbk.
17 TCID Mandom Indonesia Tbk.
18 TSPC Tempo Scan Pacific Tbk.
19 ULTJ Ultra Jaya Milk Industry & Tra 20 UNVR Unilever Indonesia Tbk.
Sumber: www.idx.co.id yang diolah, 2019.
4.2. HASIL STATISTIK DESKRIPTIF
Statistik deskriptif merupakan suatu analisis yang berfungsi mendeskripsikan atau memberi gambaran mengenai data-data yang dikumpulkan dan digolongkan secara obyektif. Gambaran atau deskripsi yang dilihat berdasakan data nilai minimum, nilai maksimum, rata–rata (mean), dan standar deviasi dari masing-masing variabel serta jumlah data (N) yang digunakan dalam penelitian.
Pengukuran statistik deskriptif dilakukan terhadap variabel-variabel penelitian yang terdiri dari cash position, sales growth, firm size dan dividend payout ratio. Hasil analisis deskriptif dari variabel yang digunakan dalam penelitian ini adalah sebagai berikut:
Tabel 4.2
Hasil Analisis Statistik Deskriptif
Sumber: Data penelitian yang diolah, 2019 Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
CP 60 ,04 14,00 2,0543 2,20695
SG 60 -,47 ,24 ,0722 ,09539
FZ 60 26,71 32,20 29,3695 1,50944
DPR 60 ,01 20,28 ,9175 2,62314
Valid N (listwise)
60
4.2.1 Dividend Payout Ratio
Hasil pengujian statistik deskriptif pada table 4.2 menunjukan bahwa perubahan dividend payout ratio terendah terjadi pada PT. Ultra Jaya Milk Industry & Tra yakni sebesar 0.01, sedangkan dividend payout ratio tertinggi terjadi pada PT. H.M. Sampoerna Tbk. yakni sebesar 20,28. Dan rata-rata (mean) sebesar 0,9175 serta standar deviasi sebesar 2,62314.
Berdasarkan data tersebut, juga mengidentifikasi bahwa dari rata-rata (mean) keseluruhan perusahaan yang dijadikan penelitian periode 2016-2018 mempunyai dividend payout ratio yang tinggi sebesar 20,28.
Hal tersebut memperlihatkan tingginya kemampuan perusahaan membayarkan dividen kepada pemegang saham.
4.2.2 Cash Position (Posisi Kas)
Hasil pengujian statistik deskriptif pada table 4.2 menunjukan bahwa perubahan cash position (posisi kas) terendah terjadi pada PT. Unilever Indonesia Tbk. yakni sebesar 0.04, sedangkan cash position (posisi kas) tertinggi terjadi pada PT Nippon Indosari Corpindo Tbk. yakni sebesar 14,00. Dan rata-rata (mean) sebesar 2,0543 serta standar deviasi sebesar 2,20695. Berdasarkan data tersebut, juga mengidentifikasi bahwa dari rata-rata (mean) keseluruhan perusahaan yang dijadikan penelitian periode 2016-2018 mempunyai cash position (posisi kas) yang tinggi sebesar 14,00. Hal tersebut memperlihatkan tingginya aktiva berupa kas yang dimiliki perusahaan.
4.2.3 Sales Growth (Pertumbuhan Penjualan)
Hasil pengujian statistik deskriptif pada table 4.2 menunjukan bahwa perubahan sales growth (pertumbuhan penjualan) terendah terjadi pada
yakni sebesar 0,24. Dan rata-rata (mean) sebesar 0,0722 serta standar deviasi sebesar 0,09539. Berdasarkan data tersebut, juga mengidentifikasi bahwa dari rata-rata (mean) keseluruhan perusahaan yang dijadikan penelitian periode 2016-2018 mempunyai sales growth (pertumbuhan penjualan) yang tinggi sebesar 0,24. Hal tersebut memperlihatkan tingginya tingkat pertumbuhan penjualan yang dimiliki perusahaan.
4.2.4 Firm Size (Ukuran Perusahaan)
Hasil pengujian statistik deskriptif pada table menunjukan bahwa perubahan firm size (ukuran perusahaan) terendah terjadi pada PT.
Chitose Internasional Tbk. yakni sebesar 26,71, sedangkan firm size (ukuran perusahaan) tertinggi terjadi pada PT Indofood Sukses Makmur Tbk. yakni sebesar 32,20. Dan rata-rata (mean) sebesar 29,3695 serta standar deviasi sebesar 1,50944. Berdasarkan data tersebut, juga mengidentifikasi bahwa dari rata-rata (mean) keseluruhan perusahaan yang dijadikan penelitian periode 2016-2018 mempunyai firm size (ukuran perusahaan) yang tinggi sebesar 32,20. Hal tersebut memperlihatkan tingginya ukuran perusahaan dilihat dari total aset yang dimiliki perusahaan.
4.3 UJI ASUMSI KLASIK
Salah satu asumsi yang harus dipenuhi dalam penelitian yang menggunakan statistik parametrik dengan model analisis regresi linier berganda adalah uji asumsi klasik. Tujuan pengujian asumsi klasik ini dimaksudkan untuk memberikan kepastian bahwa persamaan regresi yang didapatkan memiliki ketepatan dalam estimasi, tidak bias dan konsisten.
Model regresi memiliki beberapa asumsi dasar yang harus dipenuhi untuk menghasilkan estimasi yang baik. Asumsi-asumsi dasar tersebut mencakup normalitas, multikolinearitas, heteroskedastisitas dan autokorelasi.
4.3.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal atau tidak.
Model regresi yang baik adalah yang residual datanya berdistribusi normal. Jika residual data tidak terdistribusi normal maka kesimpulan statistik menjadi tidak valid atau bias. Dalam penelitian ini uji normalitas diuji menggunakan Kolmogorov Smirnov, dan juga dilihat dari penyebaran data (titik) pada Normal P-Plot of Regression Standarized Residual.
Tabel 4.3
Hasil Uji Kolmogorov Smirnov
Sumber: Output data sekunder yang diolah SPSS, 2019.
Hasil uji Kolmogorov Smirnov pada table 4.3 menunjukkan hasil bahwa data terdistribusi normal. Hal ini dapat dilihat dari hasil output SPSS nilai Sig. atau probabilitas yang menunjukkan angka 0,200, lebih besar dari tingkat signifikansi 5% atau 0,05. Maka dapat disimpulkan bahwa distribusi data adalah normal.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 54
Normal Parametersa,b Mean ,0000000
Std. Deviation ,22714650 Most Extreme Differences Absolute ,075
Positive ,067
Negative -,075
Test Statistic ,075
Asymp. Sig. (2-tailed) ,200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.
Gambar 4.1
Grafik Normal P-Plot of Regression Standarized Residual.
Sumber: Output data sekunder yang diolah SPSS, 2019.
Untuk dasar pengembalian keputusan dalam mendeteksi normalitas menggunakan grafik normal P-P Plot yaitu jika data menyebar disekitar garis diagonal dan atau mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas. Tetapi jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas. Dapat disimpulkan pada gambar 4.1 bahwa data penelitian mempunyai distribusi yang normal karena titik-titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal. Sehingga model ini layak dipakai untuk analisis selanjutnya
4.3.2 Uji Heteroskedastisitas
Uji heteroskedastistas merupakan salah satu uji yang harus dipenuhi dalam model regresi untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas atau tidak terjadi heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas (Ghozali,2016).
Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot berikut ini:
Gambar 4.2 Grafik Scatterplot
Sumber: Output data sekunder yang diolah SPSS, 2019.
Berdasarkan dasar pengambilan keputusan jika tidak ada pola yang jelas, serta titik-titik menyebar secara acak diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas. Sehingga dapat
4.3.3 Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas (independen). Model regresi yang baik seharusnya bebas dari multikoleanaritas atau tidak terjadi korelasi diantara variabel independen. Uji multikolinearitas dapat dilihat dari nilai Tolerance dan lawannya, Variance Inflation Factor (VIF) pada table berikut:
Tabel 4.4
Hasil Uji Multikolinearitas
Sumber: Output data sekunder yang diolah SPSS, 2019.
Berdasarkan dasar pengambilan keputusan jika nilai Tolerance lebih besar dari 0,1 dan nilai VIF lebih kecil dari 10, maka tidak terjadi multikolinearitas pada data yang akan diolah. Sehingga dapat disimpulkan bahwa hasil uji multikolinearitas pada table 4.4 terbebas dari masalah multikolinearitas, karena semua variabel menunjukkan nilai Tolerance tidak kurang dari 0,1 dan mempunyai nilai VIF yang tidak lebih dari 10, dengan kata lain model regresi layak untuk digunakan.
Coefficientsa
Model
Collinearity Statistics Tolerance VIF 1 (Constant)
CP ,973 1,028
SG ,991 1,009
FZ ,964 1,037
a. Dependent Variable: DPR
4.3.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam sebuah model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Terbebasnya suatu model dari autokorelasi dapat dilihat dari angka Durbin Watson pada tabel berikut:
Tabel 4.5
Hasil Uji Autokorelasi (Durbin Watson)
Sumber: Output data sekunder yang diolah SPSS, 2019.
Berdasarkan hasil uji autokorelasi menggunakan durbin watson yang tertera pada tabel 4.5 diatas, dapat diketahui bahwa nilai DW sebesar 1,470 nilai ini akan dibandingkan dengan nilai tabel Durbin-Watson dengan menggunakan nilai signifikansi 5%, jumlah unit analisis 54 (n) dan jumlah variabel independen 3 (k=3), maka di tabel DW akan didapatkan nilai sebagai berikut:
Tabel 4.6
Durbin-Watson Test Bound K=3
N 𝑑𝐿 𝑑U
53 1,4402 1,6785
54 1,4464 1,6800
55 1,4523 1,6815
Sumber : Junaidi (http://junaidichaniago.wordpress.com)
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-Watson
1 ,534a ,285 ,242 ,23386 1,470
a. Predictors: (Constant), FZ, SG, CP b. Dependent Variable: DPR
Berdasarkan dasar pengambilan keputusan tidak terjadi autokorelasi, jika nilai Durbin Watson terletak antara du sampai dengan (4-du). Pada hasil uji Durbin Watson tabel 4.6 didapat nilai dL = 1,4464 dan dU = 1,6800. Nilai DW adalah 1,470, dimana nilai DW ini terletak diantara nilai dL dengan nilai dU (1,4464 < 1,470 < 1,6800) sehingga hasil tersebut tidak ada kesimpulan yang pasti ada atau tidaknya gejala autokorelasi dari data tersebut.
Langkah alternatif selanjutnya untuk mendeteksi apakah terdapat autokorelasi atau tidak yaitu dengan melakukan Run Test. Run Test sebagai bagian dari statistik non-parametik dapat pula digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random. Runt test digunakan untuk melihat apakah data residual terjadi secara random atau tidak (sistematis).
Tabel 4.7
Hasil Uji Autokorelasi (Runt Test)
Sumber: Output data sekunder yang diolah SPSS, 2019.
Dasar pengambilan keputusan dalam Runt Test adalah jika nilai Asymp. Sig. (2-tailed) lebih kecil dari 0,05 maka terdapat autokorelasi.
Sebaliknya jika Asymp. Sig. (2-tailed) lebih besar dari 0,05 maka tidak terdapat autokorelasi. Hasil Runt Test pada table 4.7 diketahui nilai Asymp. Sig. (2-tailed) sebesar 0,054 yang artinya lebih besar dari 0.05 maka dapat disimpulkan bahwa tidak terdapat gejala atau masalah autokorelasi sehingga analisis regresi linear dapat dilanjutkan.
Runs Test
Unstandardized Residual
Test Valuea -,01842
Cases < Test Value 27
Cases >= Test Value 27
Total Cases 54
Number of Runs 21
Z -1,923
Asymp. Sig. (2-tailed) ,054
a. Median
4.4 ANALISIS REGRESI LINEAR BERGANDA
Analisis data dengan menggunakan regresi berganda dilakukan untuk mengetahui hubungan atau pengaruh antara variabel independen yaitu cash position (posisi kas), sales growth (pertumbuhan penjualan), dan firm size (ukuran perusahaan) terhadap variabel dependen yaitu dividend payout ratio. Hasil uji regresi linier berganda adalah sebagai berikut:
Tabel 4.8
Hasil Uji Regresi Linear Berganda
Sumber: Output data sekunder yang diolah SPSS, 2019.
Dari table 4.8 diatas dapat disusun model persamaan regresi linier berganda berdasarkan kolom B. Model persamaan regresi linier berganda hasil penelitian adalah sebagai berikut:
Y = −0,336 − 0,101X1− 0,802X2+ 0,037X3+ e
Model persamaan regresi linier berganda hasil analisis tersebut dapat diartikan sebagai berikut:
1. Diketahui bahwa nilai konstanta adalah sebesar -0,336 yang dapat diartikan apabila tidak terdapat variabel independen seperti cash position (posisi kas), sales growth (pertumbuhan penjualan), firm size (ukuran perusahaan), maka besarnya dividend payout ratio adalah sebesar -0,336.
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -,336 ,638 -,526 ,601
CP -,101 ,029 -,417 -3,440 ,001 ,973 1,028
SG -,802 ,569 -,169 -1,409 ,165 ,991 1,009
FZ ,037 ,021 ,214 1,754 ,086 ,964 1,037
a. Dependent Variable: DPR
2. Variable cash position (posisi kas) memiliki koefisien regresi sebesar -0,101. Jika nilai cash position (posisi kas) meningkat satu satuan maka nilai dividend payout ratio akan menurun sebesar -0,101 dengan asumsi besarnya variabel-variabel yang lain tidak berubah.
3. Variable sales growth (pertumbuhan penjualan) memiliki koefisien regresi sebesar -0,802. Jika nilai sales growth (pertumbuhan penjualan) meningkat satu satuan maka nilai dividend payout ratio akan menurun sebesar -0,802 dengan asumsi besarnya variabel-variabel yang lain tidak berubah.
4. Variable firm size (ukuran perusahaan) memiliki koefisien regresi sebesar 0,037. Jika nilai firm size (ukuran perusahaan) meningkat satu satuan maka nilai dividend payout ratio akan meningkat sebesar 0,037 dengan asumsi besarnya variabel-variabel yang lain tidak berubah.
4.4.1 Uji Koefisien Determinasi (R2)
Menurut Imam Ghozali (2018) koefisien determinasi R2 pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variable dependen. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menerangkan variabel-variabel dependen, terbatas.
Sebaliknya, nilai R2 yang mendekati satu menandakan variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan oleh variabel dependen. Nilai yang digunakan adalah Adjusted R Square karena variabel independen yang digunakan dalam penelitian lebih dari dua variabel. Hasil uji koefisien determinasi (R2) dapat dilihat dari tabel berikut:
Tabel 4.9
Hasil uji koefisien determinasi (R2)
Model Summaryb
a. Predictors: (Constant), FZ, SG, CP b. Dependent Variable: DPR
Sumber: Output data sekunder yang diolah SPSS, 2019
Hasil analisis regresi berganda dapat diketahui koefisien determinasi (Adjusted R Square) adalah sebesar 0,242. Nilai Adjusted R Square = 0,242 menunjukkan bahwa cash position (posisi kas), sales growth (pertumbuhan penjualan), dan firm size (ukuran perusahaan) dalam model secara bersama-sama mampu menjelaskan 24,2% variasi Y sedangkan sisanya 75,8% dipengaruhi oleh faktor lain yang tidak diteliti dalam penelitian ini.
4.4.2 Uji Simultan (Uji F)
Uji ini digunakan untuk mengetahui variabel-variabel independen secara bersama-sama berpengaruh terhadap variabel dependen. Hasil Uji Statistik F dapat dilihat dari Tabel 4.10 berikut ini:
Tabel 4.10
Hasil Uji Simultan (Uji F)
Sumber: Output data sekunder yang diolah SPSS, 2019.
Hasil uji statistik F pada tabel 4.10 diatas mempunyai F hitung sebesar 6,653 jika dibandingkan F tabel pada tingkat signifikansi 5% yaitu sebesar 2,790 maka nilai F hitung lebih besar dari F tabel (6,653 > 2,790) nilai signifikansi 0,001. Maka secara simultan atau bersama-sama variabel cash position (posisi kas), sales growth (pertumbuhan penjualan), dan fim size (ukuran perusahaan) berpengaruh signifikan
ANOVAa Model
Sum of
Squares df
Mean
Square F Sig.
1 Regression 1,092 3 ,364 6,653 ,001b
Residual 2,735 50 ,055
Total 3,826 53
a. Dependent Variable: DPR
b. Predictors: (Constant), FZ, SG, CP
4.4.3 Uji Parsial (Uji T)
Uji parsial digunakan untuk mengetahui pengaruh masing-masing variabel independen terhadap variabel dependen. Hasil dari uji parsial data dilihat pada tabel 4.11 berikut ini :
Tabel 4.11 Hasil Uji Parsial (Uji T)
Sumber: Output data sekunder yang diolah SPSS, 2019.
Berdasarkan tabel uji t di atas didapatkan hasil hipotesis adalah sebagai berikut:
1. Variabel cash position (posisi kas) (X1) terhadap dividend payout ratio (Y)
Berdasarkan hasil pengujian diperoleh t hitung variabel X1 sebesar -3,440 dan t tabel sebesar -2,009 dengan nilai signifikan 0,001. Jadi diperoleh -t hitung < -t tabel (-3,440 < -2,009) dan sig > alpha (0,001 <
0,05) H1 ditolak. Sehingga dapat disimpulkan bahwa variabel cash position berpengaruh negatif signifikan terhadap dividend payout ratio.
2. Variabel sales growth (pertumbuhan penjualan) (X2) terhadap dividend payout ratio (Y)
Berdasarkan hasil pengujian diperoleh t hitung variabel X2 sebesar -1,409 dan t tabel sebesar -2,009 dengan nilai signifikan 0,165. Jadi diperoleh -t hitung > -t tabel (-1,409 > -2,009) dan sig > alpha (0,165 >
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients T Sig.
B Std. Error Beta
1 (Constant) -,336 ,638 -,526 ,601
CP -,101 ,029 -,417 -3,440 ,001
SG -,802 ,569 -,169 -1,409 ,165
FZ ,037 ,021 ,214 1,754 ,086
a. Dependent Variable: DPR
0,05) H2 ditolak. Sehingga dapat disimpulkan bahwa sales growth (pertumbuhan penjualan) tidak berpengaruh tehadap dividend payout ratio.
3. Variabel firm size (ukuran perusahaan) (X2) terhadap dividend payout ratio (Y)
Berdasarkan hasil pengujian diperoleh t hitung variabel X3 sebesar 1,754 dan t tabel sebesar 2,009 dengan nilai signifikan 0,086. Jadi diperoleh t hitung < t tabel (1,754 < 2,009) dan sig > alpha (0,086 > 0,05) H3 ditolak. Sehingga dapat disimpulkan bahwa firm size (ukuran perusahaan) tidak berpengaruh tehadap dividend payout ratio (Y).
4.4.4 Pengujian Hipotesis
4.4.4.1 Uji Hipotesis Pertama (H1)
Hipotesis pertama (H1) menyatakan bahwa cash position (posisi kas) secara parsial berpengaruh positif terhadap dividend payout ratio. Pada hasil tabel 4.11 menunjukan nilai signifikansi sebesar 0,001 yang lebih kecil dari 0,05 (sig<0,05) dan nilai koefisien sebesar -0,417 yang artinya arah hubungan cash position (posisi kas) terhadap dividend payout ratio adalah negatif. Hal tersebut menunjukan bahwa cash position (posisi kas) berpengaruh negatif signifikan terhadap dividend payout ratio, sehingga H1 ditolak.
4.4.4.2 Uji Hipotesis Kedua (H2)
Hipotesis kedua (H2) menyatakan bahwa sales growth (pertumbuhan penjualan) secara parsial berpengaruh positif terhadap dividend payout ratio. Pada hasil tabel 4.11 menunjukan
growth (pertumbuhan penjualan) terhadap dividend payout ratio adalah negatif. Hal tersebut menunjukan bahwa sales growth (pertumbuhan penjualan) tidak berpengaruh terhadap dividend payout ratio, sehingga H2 ditolak.
4.4.4.3 Uji Hipotesis Ketiga (H3)
Hipotesis ketiga (H3) menyatakan bahwa firm size (ukuran perusahaan) secara parsial berpengaruh positif terhadap dividend payout ratio. Pada hasil tabel 4.11 menunjukan nilai signifikansi sebesar 0,086 yang lebih besar dari 0,05 (sig>0,05) dan nilai koefisien sebesar 0,214 yang artinya arah hubungan firm size (ukuran peruahaan) terhadap dividend payout ratio adalah positif. Hal tersebut menunjukan bahwa firm size (ukuran peruahaan) tidak berpengaruh terhadap dividend payout ratio, sehingga H3 ditolak.
Tabel 4.12
Hasil Pengujian Hipotesis Keseluruhan
Hipotesis Pernyataan Hasil
H1 Cash position (posisi kas) berpengaruh positif signifikan terhadap dividend payout ratio.
H1 ditolak
H2 Sales growth (pertumbuhan penjualan) berpengaruh positif signifikan terhadap dividend payout ratio.
H2 ditolak
H3 Firm size (ukuran peruahaan)
berpengaruh positif signifikan terhadap dividend payout ratio.
H3 ditolak
Sumber: Data yang diolah, 2019.
4.5 PEMBAHASAN HASIL PENELITIAN
4.5.1. Pengaruh cash position (posisi kas) terhadap dividend payout ratio
Hasil analisis statistik untuk variabel cash position (posisi kas) menunjukkan bahwa koefisien regresi sebesar -0,417. Hasil uji t untuk variabel cash position (posisi kas) diperoleh t hitung sebesar -3,440 dan signifikansi kurang dari 0,05 (0,001 < 0,05), sehingga dapat disimpulkan bahwa cash position (posisi kas) berpengaruh negatif dan signifikan terhadap dividend payout ratio pada perusahaan consumer goods yang terdaftar di Bursa Efek Indonesia tahun 2016-2018.
Hal ini bertolak belakang dengan penelitian yang dilakukan oleh Haryatih (2015), yang menyatakan bahwa variabel cash position (posisi kas) berpengaruh positif signifikan terhadap dividend payout ratio. Namun dari hasil tersebut, sejalan dengan penelitian yang dilakukan oleh Pribadi dan Sampurno (2012), menyatakan variabel cash position (posisi kas) mempunyai pengaruh negatif signifikan terhadap dividend payout ratio.
Besarnya dividen yang akan dibayarkan akan sangat dipengaruhi oleh besarnya cash position (posisi kas) pada suatu perusahaan.
Terkadang cash position (posisi kas) yang besar dipandang sebagai sebuah keunggulan, namun bagi investor hal tersebut bisa saja dianggap sinyal buruk karena tidak dapat memanfaatkan kas dengan maksimal, yang berakibat kecilnya return dan berdampak pada dividend payout ratio. Kondisi tersebut menunjukkan bahwa cash position (posisi kas) tergantung pada bagaimana kemampuan perusahaan dalam pengelolaannya.
Dalam hal ini dapat dijelaskan pula bahwa perusahaan yang memiliki likuiditas yang tinggi lebih memilih menahan laba untuk melakukan investasi kembali untuk mengantisipasi pada keperluan atau permasalahan yang akan terjadi di masa mendatang dan melaksanakan kewajibannya untuk membayar hutang kepada kreditur. Sehingga
4.5.2. Pengaruh sales growth (pertumbuhan penjualan) terhadap dividend payout ratio
Hasil analisis statistik untuk variabel sales growth (pertumbuhan penjualan) menunjukkan bahwa koefisien regresi sebesar -0,169. Hasil uji t untuk variabel sales growth (pertumbuhan penjualan) diperoleh t hitung
sebesar -1,409 dan signifikansi lebih besar dari 0,05 (0,165 > 0,05), sehingga dapat disimpulkan bahwa sales growth (pertumbuhan penjualan) tidak berpengaruh terhadap dividend payout ratio pada perusahaan consumer goods yang terdaftar di Bursa Efek Indonesia tahun 2016-2018.
Hal ini bertolak belakang dengan penelitian yang dilakukan oleh Mufidah (2018), yang menyatakan bahwa variabel sales growth (pertumbuhan penjualan) berpengaruh positif signifikan terhadap dividend payout ratio. Namun dari hasil tersebut, sejalan dengan penelitian yang dilakukan oleh Manullang et. al., (2019), menyatakan variable sales growth (pertumbuhan penjualan) tidak berpengaruh terhadap dividend payout ratio. Hal ini dikarenakan meningkatnya sales growth (pertumbuhan penjualan) perusahaan yang semakin tinggi akan membutuhkan lebih banyak dana untuk membiayai pertumbuhan perusahaan, perusahaan cenderung menghemat dana daripada meminjam dana dari pasar modal dengan bunga atau biaya yang lebih tinggi. Perusahaan juga lebih memilih berinvestasi untuk proyek-proyeknya sehingga perusahaan akan mempertahankan proporsi pendapatan mereka yang lebih besar dari pada meningkatkan jumlah dividen yang dibayarkan kepada pemegang saham.
4.5.3. Pengaruh firm size (ukuran perusahaan) terhadap dividend payout ratio
Hasil analisis statistik untuk variabel firm size (ukuran perusahaan) menunjukkan bahwa koefisien regresi sebesar 0,214. Hasil uji t untuk variabel firm size (ukuran perusahaan) diperoleh t hitung sebesar 1,754 dan signifikansi lebih besar dari 0,05 (0,086 > 0,05), sehingga dapat disimpulkan bahwa firm size (ukuran perusahaan) tidak berpengaruh berpengaruh terhadap dividend payout ratio pada perusahaan consumer goods yang terdaftar di Bursa Efek Indonesia tahun 2016-2018.
Hal ini bertolak belakang dengan penelitian yang dilakukan oleh Nurvi (2015), menyatakan variable firm size mempunyai pengaruh positif dan signifikan terhadap dividend payout ratio. Namun dari hasil tersebut, sejalan dengan penelitian yang dilakukan oleh Sulfikram dan Gregorius (2018), artinya besar atau kecilnya ukuran suatu perusahaan (firm size) tidak berpengaruh terhadap tingkat dividend yang dibayarkan.
Kemungkinan besar kondisi ekonomi di Indonesia membaik dan perusahaan lebih berorientasi untuk melakukan ekspansi guna memperluas pasar. Kondisi ini mempengaruhi operasional usaha dan lebih mengutamakan bahan operasional dibandingkan dividennya (Liza,
Kemungkinan besar kondisi ekonomi di Indonesia membaik dan perusahaan lebih berorientasi untuk melakukan ekspansi guna memperluas pasar. Kondisi ini mempengaruhi operasional usaha dan lebih mengutamakan bahan operasional dibandingkan dividennya (Liza,