44
3.7.1. Statistik Deskriptif
Menurut Sugiyono 2010: 206 yang dimaksud statistik deskriptif adalah sebagai berikut :
“Statistik deskriptif adalah statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah
terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi.”
3.7.2. Metode Analisis Data
3.7.2.1.Analisis Regresi Berganda
Regresi berganda adalah pengujian pengaruh satu variabel terikat terhadap lebih dari satu variabel bebas Ghozali, 2011 : 7. Hubungan antara satu variabel
terikat dan lebih dari satu variabel bebas dapat ditulis dalam persamaan linear sebagai berikut:
Y = b0 + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ b
5
X
5
+b
6
X
6
+ e
Dimana : Y
= Dividend payout ratio bo
= Konstanta b
1
…b
4
= Koefisien Regresi X
1
= CR X
2
= ROA X
3
= GROWTH X
4
= FS X
5
= DER X
6
= NPM
45
3.7.2.2.Uji Asumsi Klasik 1.
Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam sebuah model regresi, variabel dependen, variabel independen keduanya memiliki distribusi
normal ataukah tidak. Model regresi yang baik adalah data normal atau mendekati normal. Caranya adalah dengan normal probability plot yang membandingkan
distribusi komulatif dari data sesungguhnya dengan distribusi komulatif dari distribusi normal. Menurut Ghazali 2011: 160 ada dua cara untuk mendeteksi
apakah residual berdistribusi normal atau tidak yaitu : a.
Analisis Grafik Distribusi normal akan membentuk satu garis lurus diagonal,dan ploting
data residual akan membandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya
akan mengikuti garis diagonalnya. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari
grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan :
1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal atau grafik histogramnya menunjukkan pola distribusi normal,maka model regresi memenuhi asumsi normalitas.
2. Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah
garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
46
b. Uji Kolmogrov Smirnov Jika nilai signifikan 0.05 maka distribusi normal,sedangkan nilai
signifikan 0.05 maka distribusi tidak normal. Hipotesis yang digunakan dalam uji ini adalah:
Ho : Data residual berdistribusi normal, dan Ha : Data residual tidak berdistribusi normal.
2. Multikolinieritas
Multikolinieritas adalah adanya suatu hubungan linier yang sempurna antara beberapa atau semua variabel independen. Uji Multikolinieritas bertujuan
untuk menguji apakah model regresi ditemukan adanya korelasi antar variable bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi
diantara variabel bebas Ghozali,2011 : 105. Pada program SPSS, ada beberapa metode yang sering digunakan untuk
mendeteksi adanya multikolinieritas. Salah satunya adalah dengan cara mengamati nilai Variance Inflation Factor VIF dan TOLERANCE. Batas dari
VIF adalah 10 dan nilai dari TOLERANCE adalah 0,1. Jika nilai VIF lebih besar dari 10 dan nilai TOLERANCE kurang dari 0,1 maka terjadi multikolinieritas.
3. Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu. Jika terjadi korelasi, maka
dinamakan ada problem autokorelasi Ghozali, 2011 : 110 Pengujian dilakukan
47
dengan membandingkan nilai statistik hitung Durbin Watson pada perhitungan regresi dengan statistik tabel Durbin Watson pada tabel. Dasar pengambilan
keputusan adalah sebagai berikut: a.
Jika 0 DW DL, maka terjadi autokorelasi positif. b.
Jika DL DW DU, maka ragu – ragu terjadi autokorelasi. c.
Jika 4- DU DW DU, maka tidak terjadi autokorelasi. d.
Jika 4- DU DW 4-DL, maka ragu – ragu terjadi autokorelasi. e.
Jika DW 4-DL, maka terjadi autokorelasi negatif. Keterangan : DL = batas bawah DW
DU = batas atas DW
4. Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain.
Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model
regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskesdatisitas Ghozali, 2011:139. Deteksi ada tidaknya heterokedastisitas
dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y’ adalah Y yang diprediksi, dan
sumbu X adalah residual Y prediksi - Y sesungguhnya yang telah di studentized Ghozali, 2011:139. Jika probabilitas signifikansinya di atas tingkat kepercayaan
48
5, maka dapat disimpulkan model regresi tidak mengandung heterokedastisitas Ghozali,2011 : 143.
5. Koefisien Determinan R
2
Koefisien determinasi R² pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien
determinasi adalah antar nol sampai satu 0R²1. Nilai R² yang kecil berarti kemampuan variabel – variabel independen dalam menjelaskan variasi variable
dependen amat terbatas. Nilai yang mendekati satu berarti variabel – variable independen memberikan hampir semua informasi yang dibutuhkan untuk
memprediksi variasi variabel dependen.
3.7.3. Pengujian Hipotesis
3.7.3.1.Uji F- Statistik
F-test untuk menguji apabila variabel bebas secara simultan mempunyai pengaruh yang signifikan atau tidak signifikan dengan variabel terikat Y. Jika P-
value α = 0.05, maka H
ditolak dan H
1
diterima. Hal berarti variabel bebas secara simultan mempunyai pengaruh yang signifikan dengan variabel terikat.
Jika P-value α = 0.05, maka H
diterima dan H
1
ditolak. Hal ini berarti variabel bebas secara simultan tidak mempunya pengaruh yang signifikan dengan variabel
terikat.
49
3.7.3.2.Uji t- Statistik
Pengujian hipotesis dilakukan melalui regresi yang menggunakan program SPSS dengan membandingkan tingkat signifikasi Sig t masing – masing variabel
independen dengan taraf sig α = 0,05. Apabila tingkat signifikansinya Sig t lebih
kecil daripada α = 0,05, maka hipotesisnya diterima yang artinya variable
independent tersebut berpengaruh secara signifikan terhadap variabel dependennya. Sebaliknya bila tingkat signifikansinya Sig t lebih besar daripada
α = 0,05, maka hipotesisnya tidak diterima yang artinya variabel independent tersebut tidak berpengaruh secara signifikan terhadap variabel dependennya.
50
BAB IV HASIL DAN PEMBAHASAN
4.1. Data Penelitian
Objek penelitian ini adalah adalah Perusahaan LQ-45 yang terdaftar di BEI sebanyak 45 perusahaan. Sampel yang dipilih dalam penelitian ini adalah 13
perusahaan LQ-45 yang terdaftar di Bursa Efek Indonesia tahun 2010-2012. Sampel ditentukan dengan metode purposive sampling yaitu perusahaan
manufaktur yang tidak delisting dan listing sejak tahun 2010-2012 serta membagikan dividen secara kontinu selama periode 2010-2012, dan perusahaan
non lembaga keuangan. Berikut tabel data DPR,CASH RATIO,ROA,GROWTH, FS,DER dan NPM untuk tahun 2010-2012.
4.1.1. Deskripsi Nilai Variabel Dividend Payout Ratio DPR
Tabel 4.1 Dividend Payout Ratio DPR Perusahaan LQ-45
Periode 2010-2012
NO KODE
2010 2011
2012 RATA2
1 AALI
64,8 65,1
44,8 58,23
2 ANTM
40,1 45,0
15,0 33,37
3 ASII
13,2 45,1
45,0 34,45
4 INCO
76,8 55,6
74,6 69,01
5 INDF
39,6 49,9
49,8 46,43
6 ITMG
74,1 26,7
84,7 61,80
7 JSMR
60,2 40,0
40,0 46,75
8 KLBF
56,1 65,1
66,8 62,67
9 PTBA
60,0 60,0
57,3 59,10
10 SMGR
50,0 50,0
45,0 48,33