Hasil Pengolahan Data 1. Pengujian Asumsi Klasik
50 PT. Bristol-Meyers Squibb Ind Tbk
SQBB 0.0000
51 PT. Tempo Scan Pacific Tbk
TSPC 0.0000
52 PT. Mandom Indonesia Tbk
TCID 0.0000
53 PT. Unilever Indonesia Tbk
UNVR 0.0000
54 PT. Kedaung Indah CAN Tbk
KICI 0.0460
4.2. Hasil Pengolahan Data 4.2.1. Pengujian Asumsi Klasik
Untuk menghasilkan suatu analisis data yang akurat, suatu persamaan regresi sebaiknya terbebas dari asumsi-asumsi klasik yang harus dipenuhi antara
lain uji autokorelasi, normalitas, multikolinieritas, dan heterokedastisitas. 4.2.1.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual berdistribusi normal. Seperti diketahui bahwa
uji t dan uji f mengasumsikan bahwa nilai residual mengikuti distribusi normal. Ghozali 2001, menyatakan bahwa untuk mengetahui apakah data berdistribusi
normal atau mendekati normal bisa dilakukan uji statistik non-parametrik Kolmogorov-Smirnov Test. Jika nilai Kolmogorov-Smirnov tidak signifikan pada
p0,05, dengan kata lain residual berdistribusi normal. Jadi secara keseluruhan dapat disimpulkan bahwa model regresi yang memenuhi syarat asumsi klasik
adalah dalam bentuk logaritma natural. Berdasarkan hasil pengolahan data SPSS, Uji normalitas data dalam penelitian ini ditunjukkan pada tabel 4.6.
Tabel 4.6. Uji Normalitas Data
Divpay Bvdar
Tobins Q Manown
Tob.Manown
N 54
54 54
54 54
Normal Mean
27.8889 1.1296
2.4630 .0497
.0151 Parametersa,b
Std. Deviation
44.22228 1.15000
2.16937 .13671
.21471
Universitas Sumatera Utara
Most Extreme
Absolute .220
.378 .251
.385 .409
Differences Positive
.220 .378
251 .385
.347 Negative
-.209 -.214
-.176 -.358
-.409 Kolmogorov-Smimov Z
Z~
1.615 2.779
1.846 2.828
3.004 Asymp. Sig. 2-tailed
.01 i
.000 .002
.000 .000
a Test distribution is Norinal. b Calculated from data.
Berdasarkan tabel tersebut, dapat diketahui bahwa nilai Kolmogorov Smimov test untuk variabel Tobins Q, Dividend Payout, Book Value of Debt to
Asset, Kepemilikan manajerial dan interaksi antara variabel Tobins Q dengan Kepemilikan Manajerial seluruhnya tidak signifikan pada 0.05
karena nilai p 0.05. Jadi dapat disimpulkan secara keseluruhan model regresi dalam bentuk
logaritma natural atau dengan kata lain residual berdistribusi normal.
4.2.1.2. Uji Multikolinieritas Uji Multikolinieritas bertujuan untuk menguji apakah pada model regresi
ditemukan adanya korelasi antar variabel independent. Jika terjadi korelasi, maka terdapat masalah multikolinieritas sehingga model regresi tidak dapat digunakan.
Berdasarkan hasil pengolahan SPSS atas data yang diperoleh dapat dilihat pada table
4.7 berikut :
Tabel 4.7. Uji Multikolinieritas
Variabel Divpay BVDAR Tobinq
Manown tob.Manown
Divpay 1
-.182 .097
.171 -.088
BVDAr -.182
1 .089
-.180 .059
Tobinq .097
.089 1
-.151 .064
Manown .171
-.180 -.151
1 -.119
tob.Manown -.088
.059 .064
-.119 1
Universitas Sumatera Utara
Berdasarkan kriteria pengujian multikolinieritas, maka dapat disimpulkan, bahwa diantara variabel bebas tidak terjadi multikolinieritas, karena berdasarkan
matriks korelasi diantara variabel bebas, ternyata tidak ada variabel bebas yang mempunyai korelasi lebih besar dari 0,8. Berarti pengujian dengan nilai korelasi
diantara variabel bebas memberikan hasil yang konsisten. 4.2.1.3. Uji Heterokedastisitas
Masalah serius lain yang mungkin timbul dalam analisa regresi berganda adalah heterokedastisitas heteroskedastisity. Hal ini timbul pada saat asumsi
bahwa varian dari faktor alat adalah konstan untuk semua variabel bebas yang tidak terpenuhi. Jika varian tidak sama, dikatakan terjadi heterokedastisitas.
Untuk mendeteksi ada tidaknya heterokedastisitas dalam model regresi menurut Ghozali 2001, dapat dilakukan dengan uji park. Park mengusulkan
untuk meregres nilai absolut residual terhadap variabel independen dengan persamaan regresi:|Ln
σ
2
i|=α
+
Jika variabel independen signifikan secara, statistik mempengaruhi variabel dependen, maka ada indikasi terjadi heterokedastisitas.
βLnXi + vi
Hasil uji park dalam penelitian ini adalah sebagai berikut :
Tabel
4.8. Hasil Uji Heterokedastisitas Hipotesis 1. Pengaruh Pertumbuhan Perusahaan terhadap Kebijakan Dividen
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
3,107 0,323
9,617 0,000
Tobins Q -0,030
0,077 -0,094
-0,390 0,702
a Dependent Variable: Ln_Divpay
Universitas Sumatera Utara
Tabel 4.9. Hasil Uji Heterokedastisitas Hipotesis 2. Pengaruh Pertumbuhan Perusahaan terhadap Struktur Modal
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
2 Constant
0,629 0,159
3,944 0,000
Tobins Q 0,040
0,053 0,104
0,754 0,454
a Dependent Variable: Ln–BVDAR Tabel 4.10. Hasil Uji Heterokedastisitas Hipotesis 3 Pengaruh Kepemilikan
Manajerial Terhadap Hubungan Antara Pertumbuhan Perusahaan dengan Kebijakan Dividen
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
3 Constant
2.126 .426
4.985 .000
Tobins Q .227
.133 .378
1.706 .104
Manown -1.078
.793 -.369
-1.360 .189
Tob.Manown .775
2.040 .097
.380 .708
a Dependent Variable: Ln_DivPay
Tabel 4.11. Hasil Uji Heterokedastisitas Hipotesis 4 Pengaruh Kepemilikan Manajerial terhadap Hubungan antara Pertumbuhan
Perusahaan dengan Kebijakan Struktur Modal
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
4 Constant
.196 .288
.678 .501
Tobins Q -.135
.101 -.253
-1.339 .187
Manown -.285
.514 -.114
-.554 .582
Tob.Manown .258
.148 .440
1.741 .088
a Dependent Variable: Ln_BVDAR Berdasarkan tabel-tabel di atas dapat diketahui bahwa tidak satupun
parameter beta dari masing-masing model signifikan secara statistik, hal ini menunjukkan bahwa data model empiris yang diestimasi dari ke empat hipotesis
tersebut tidak terdapat heterokedastisitas.
Universitas Sumatera Utara
4.2.1.4. Uji Autokorelasi Salah satu pengujian yang digunakan untuk mengetahui adanya autokorelasi
adalah dengan memakai uji statistik Durbin-Watson DW-Test. Menurut Ghozali 2005, “ada tidaknya autokorelasi dapat diuji dengan ketentuan: du nilai DW
4-du, du dapat dilihat pada tabel Durbin Watson dengan signifikansi 5”. Seharusnya pada model regresi berganda tidak terjadi autokorelasi.
Berdasarkan hasil pengolahan SPSS 12 atas, data yang diperoleh, dapat dilihat nilai Durbin Watson pada tabel 4.12 berikut :
Tabel 4.12. Uji Autokorelasi
Model Nilai DW
4-Du DU
Keputusan Sumber
Hipotesis 1 1,838
3,271 0,729
Tidak Autokorelasi Tabel 4.14
Hipotesis 2 3,541
3,271 0,729
Tidak Autokorelasi Tabel 4.16
Hipotesis 3 2,022
3,271 0,729
Tidak Autokorelasi Tabel 4.19
Hipotesis 4 1,629
3,271 0,729
Tidak Autokorelasi Tabel 4.22
Berdasarkan tabel Durbin Watson dengan nilai signifikan 5 dan. sample 54,
du = 0,729 sehingga 4– du = 3,271 Nilai Durbin Watson dalam penelitian ini seluruhnya terletak antara batas atas upper bound du dan 4-du. Hal ini
menunjukkan bahwa tidak tejadi autokorelasi dari keempat hipotesis yang diajukan dalam penelitian ini.
Universitas Sumatera Utara
4.3. Pengujian Hipotesis 4.3.1. Pengujian Hipotesis 1 Satu