15.000, sedangkan yang terendah dimiliki oleh PT. Trias Sentosa Tbk., yaitu sebesar Rp. 10.
Return saham untuk semua perusahan mengalami fluktuatif di
dalam perkembangannya yang mencerminkan tingkat kesehatan perusahaan, sehingga investor lebih selektif dalam menanamkan modalnya
untuk mendapatkan keuntungan yang baik pula.
4.3. Uji Kualitas Data
4.3.1. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal atau tidak. Untuk mengetahui apakah data tersebut mengikuti
sebaran normal dapat dilakukan dengan metode Kolmogorov Smirnov dengan menggunakan program SPSS Sumarsono, 2004: 40. Tabel 4.3.1. adalah
hasil dari pengujian normalitas.
Tabel . 4.3.1. Hasil Uji Normalitas
Variabel Sig. Keterangan Cash Dividen
Y 0.000 Tidak Normal
ROI X
1
0.993 Normal EPSX
2
0.000 Tidak Normal
Current Ratio X
3
0.013 Tidak Normal
DTA X
4
0.972 Normal
Sumber : Lampiran 6
Berdasarkan tabel.4.3.1. hasil uji normalitas dengan Kolmogorov- Smirnov terhadap variabel penelitian pada regresi berganda menunjukkan
bahwa distribusi data pada variabel Cash Dividend Y tingkat signifikansi
yang dihasilkan 0,000 lebih kecil dari 0,05 yang berarti distribusi tidak normal, sedangkan distribusi data pada variabel Return On Invesment X1
sebesar 0.993, mengikuti distribusi normal karena signifikan yang dihasilkan lebih besar dari 0.05, Earning Per Share X2 sebesar 0,000 dan Current
Ratio X3 sebesar 0,013 lebih kecil dari 0.05 yang berarti distribusi tidak
normal, sedangkan distribusi data pada variabe Debt to Total Asset X4 sebesar 0,972, mengikuti distribusi normal karena signifikan yang dihasilkan
lebih besar dari 0.05. Salah satu uji statistik yang dapat digunakan untuk menormalkan suatu
data adalah uji outlier. Dalam Perbaikan data, peneliti melakukan uji outlier sebanyak 3 kali,
dalam uji outlier ke-1 sampel yang semula 40 menjadi 35 dengan mengurangi 5 data yang memiliki Zscore diatas 1,96 dan kurang dari -1,96.
Tabel.4.3.2. Hasil Uji Outlier Ke-1
Descriptive Statistics
40 -.29599
5.30707 .0000000
1.00000000 40
-1.50089 2.88943
.0000000 1.00000000
40 -.40122
5.21945 .0000000
1.00000000 40
-.97560 2.94920
.0000000 1.00000000
40 -2.14289
1.57536 .0000000
1.00000000 40
ZscoreY ZscoreX1
ZscoreX2 ZscoreX3
ZscoreX4 Valid N lis twise
N Minimum
Maximum Mean
Std. Deviation
Sumber : Lampiran 6
Berdasarkan tabel. 4.3.2. di atas, menunjukkan bahwa pada variabel
Cash Dividend Y, Return On Invesment ROI X1, Earning Per Share
EPS X2, Current Rasio X3 terdapat outlier karena nilai zscore yang dihasilkan melebihi selang ± 1.96. lihat lampiran 6 dan 7
Karena data dalam penelitian belum normal lihat lampiran 8, maka dilakukan uji outlier ke-2 agar data yang dihasilkan dapat berdistribusi
normal. Dalam uji outlier ke-2 sampel yang semula 35 menjadi 30 dengan mengurangi 5 data yang memiliki Zscore diatas 1,96 dan kurang dari -1,96.
Tabel.4.3.3. Hasil Uji Outlier Ke-2
Descriptive Statistics
35 -.29210
5.06595 .0000000
1.00000000 35
-1.51109 1.90851
.0000000 1.00000000
35 -.47319
4.15064 .0000000
1.00000000 35
-1.25608 2.54723
.0000000 1.00000000
35 -2.22968
1.68762 .0000000
1.00000000 35
ZscoreY ZscoreX1
ZscoreX2 ZscoreX3
ZscoreX4 Valid N lis twise
N Minimum
Maximum Mean
Std. Deviation
Lampiran: 9 Berdasarkan tabel. 4.3.3. di atas, menunjukkan bahwa pada variabel
Cash Dividend Y, Return On Invesment ROI X1, Earning Per Share
EPS X2, Current Rasio X3 terdapat outlier karena nilai zscore yang dihasilkan melebihi selang ± 1.96. lihat lampiran 9 dan 10.
Karena data dalam penelitian belum normal lihat lampiran 11 maka dilakukan uji outlier ke-3 agar data yang dihasilkan dapat berdistribusi
normal. Dalam uji outlier ke-3 sampel yang semula 30 menjadi 25 dengan mengurangi 5 data yang memiliki Zscore diatas 1,96 dan kurang dari -1,96.
Tabel.4.3.4. Hasil Uji Outlier Ke-3
Descriptive Statistics
30 -.83376
3.71848 .0000000
1.00000000 30
-1.44896 1.90244
.0000000 1.00000000
30 -.87799
3.08803 .0000000
1.00000000 30
-1.13020 2.92099
.0000000 1.00000000
30 -1.39423
1.78359 .0000000
1.00000000 30
ZscoreY ZscoreX1
ZscoreX2 ZscoreX3
ZscoreX4 Valid N lis twise
N Minimum
Maximum Mean
Std. Deviation
Lampiran : 12 Berdasarkan tabel. 4.3.4. di atas, menunjukkan bahwa pada variabel
Cash Dividend Y, Return On Invesment ROI X1, Earning Per Share
EPS X2, Current Rasio X3 terdapat outlier karena nilai zscore yang dihasilkan melebihi selang ± 1.96. Dengan demikian data yang dihasilkan
akan cenderung menjadi lebih baik. lihat lampiran 12 dan 13. Observasi yang dikategorikan sebagai outlier Ke-1,2,3 pada variabel
rasio Cash Dividend Y, Return On Invesment ROI X1, Earning Per Share
EPS X2, Current Rasio X3 dapat dilihat pada Lampiran. Dalam uji normalitas sebelum perbaikan data diketahui signifikansi
dari variabel cash dividen, EPS, dan current ratio yang dihasilkan kurang dari 0,05 yang berarti data tidak normal, sedangkan variabel ROI dan DTA nilai
signifikansinya lebih dari 0.05 yang berarti data sudah memenuhi normalitas. Tabel.4.3.5. adalah hasil uji normalitas setelah dilakukan
transformasi.
Tabel .4.3.5. Hasil Uji Normalitas Setelah Uji Outlier Ke-3
Variabel Sig. Keterangan Cash Dividen
Y 0.084
Normal ROI X
1
0.976 Normal
EPSX
2
0.438 Normal
Current Ratio X
3
0.270 Normal
DTA X
4
0.857 Normal
Sumber : Lampiran 14
Berdasarkan Tabel.4.3.5. hasil uji normalitas setelah dilakukan transformasi data dengan Kolmogorov-Smirnov terhadap variabel penelitian
pada regresi linier berganda menunjukkan bahwa distribusi data pada variabel cash dividend
Y sebesar 0.084, ROI X
1
sebesar 0.976, EPS X
2
sebesar 0.438, current ratio X
3
sebesar 0.270, dan DTA X
4
sebesar 0.857 tingkat signifikansi yang dihasilkan oleh masing-masing variabel lebih besar dari
0,05 yang berarti distribusi masing-masing variabel tersebut normal 4.4.
Uji Asumsi Klasik
Persamaan regresi harus bersifat BLUE Best Linier Unbiased Estimator, artinya pengambilan keputusan melalui uji F dan uji t tidak boleh bias. Untuk
menghasilkan keputusan yang BLUE maka persamaan regresi harus memenuhi ketiga asumsi klasik.
4.4.1. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adnya korelasi antar variabel bebas independen. Model regresi
yang baik seharusnya tidak terjadi korelasi di antara variabel bebas Ghozali, 2006 : 95.
Tabel.4.4.1. Hasil Uji Multikolinieritas
Variabel VIF Keterangan
ROI X
1
2,179 Non Multikolinearitas
EPS X
2
1,581 Non Multikolinearitas
Current Ratio X
3
1,309 Non Multikolinearitas
DTA X
4
1,776 Non Multikolinearitas
Sumber : Lampiran 15A
Berdasarkan tabel.4.4.1. menunjukkan nilai VIF kurang dari 10, sehingga tidak terjadi multikolinieritas yang tinggi. Dengan demikian dapat
disimpulkan bahwa asumsi tidak terjadi multikolinieritas pada variabel bebas penelitian dapat dipenuhi.
4.4.2. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan
yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut
Heteroskedastisitas Ghozali, 2006 : 125. Model regresi yang baik tidak mengandung heteroskedastisitas. Pengujian Heteroskedastisitas dilakukan
dengan menggunakan metode Rank Spearman.
Tabel.4.4.2. Hasil Uji Heteroskedastisitas Variabel Bebas
Unstandardized residual
Keterangan
ROI X
0.951
Non heteroskedastisitas
EPS X
0.624
Non heteroskedastisitas
Current Ratio X
0.805
Non heteroskedastisitas
DTA X
0.344
Non heteroskedastisitas
Sumber : Lampiran 15A
Berdasarkan tabel.4.4.2. diketahui bahwa hasil uji heteroskedastisitas pada nilai residual variabel bebas penelitian menunjukkan nilai signifikansi
0,05. Dengan demikian asumsi tidak terjadi heteroskedastisitas dapat dipenuhi.
4.4.3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara korelasi pengganggu pada periode t dengan
kesalahan pada periode t-1 sebelumnya. Untuk menguji apakah terjadi autokorelasi atau tidak, digunakan uji Durbin-Watson Dw-Test. Suatu
observasi dikatakan tidak terjadi autokorelasi jika nilai Durbin Watson terletak antara batas atas atau upper bound du dan 4-du Ghozali, 2006 :
99. Tabel 10 adalah nilai Durbin-Watson yang dihasilkan dari model regresi.
Tabel.4.4.3. Hasil Uji Autokorelasi
Kriteria Pengujian Nilai Durbin Tabel
Uji Durbin
Kesimpulan 0 d dl
0 1,849 1,0616 Tidak ada
dl ≤ d ≤ du
1,0381 ≤ 1,849 ≤ 1,7666
Autokorelasi 4 - dl d 4
2,9619 1,849 4 Positif atau
4 - du ≤ d ≤ 4 – dl
2,2334 ≤ 1,849 ≤ 2,9619
negatif
du d 4 – du 1,7666 1,849 2,2334
1,839 Sumber : Lampiran 15B
Berdasarkan tabel.4.4.3. nilai DW sebesar 1,839 sedangkan N = 25 dan K = 4, maka du = 1,7666, dl = 1,0381. Jadi d terletak antara batas du d
4 – du atau, 1,7666 1,849 2,2334 maka dapat disimpulkan tidak ada
autokorelasi positif atau negatif dan terletak pada keputusan tidak ditolak. Dengan demikian dapat disimpulkan bahwa asumsi tidak terjadi autokorelasi,
dan asumsi dapat dipenuhi.
4.5. Analisis dan Pengujian Hipotesis
