29
c menghilangkan data yang dianggap sebagai penyebab tidak normalnya data, dan 4 menerima data apa adanya.
3.12 Uji MultiKolinearitas
Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Uji multikolinieritas
bertujuan untuk menguji apakah model regresi mempunyai korelasi antar variabel bebas. Menurut Umar 2003:132 ”multikolinearitas adalah ada
tidaknya korelasi yang sempurna atau korelasi yang tidak sempurna tetapi relatif tinggi pada variabel-variabel bebasnya”. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen. Dalam hal ini disebut variabel-variabel bebas ini tidak ortogonal. Variabel-variabel bebas
yang bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol. Pengujian multikolinearitas dilakukan
dengan melihat nilai VIF antar variabel independen. Jika nilai VIF lebih besar dari 10, maka terjadi multikolinearitas di antara variabel independen.
Menurut Ghozali 2005:91, untuk mendeteksi ada tidaknya multikolinearitas di dalam model regresi adalah sebagai berikut:
a. Nilai R
2
b. Menganalisis matrik korelasi variabel – variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi
umumnya 0.90, maka hal ini merupakan indikasi adanya multikolinearitas. Tidak adanya korelasi yang tinggi antar variabel
independen tidak berarti bebas dari multikolinearitas. Multikolinearitas dapat disebabkan karena adanya efek kombinasi
dua atau lebih variabel independen. yang dihasilkan oleh suatu estimasi model regresi empiris
sangat tinggi, tetapi secara individual variabel – variabel independennya banyak yang tidak signifikan mempengaruhi
variabel dependen.
c. Multikolinearitas dapat juga dilihat dari a nilai tolerance dan lawannya b variance inflation factor VIF. Kedua ukuran ini
menunjukan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana
setiap variabel independen menjadi variabel dependen terikat dan diregres terhadap variabel independen lainnya. Tolerance
mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance
yang rendah sama dengan nilai VIF tinggi karena VIF=1Tolerance. Nilai cut off yang umum dipakai untuk
menunjukan adanya multikolinearitas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10.
3.13 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah di dalam model regresi terjadi ketidaksamaan variabel dari residual suatu pengamatan
ke pengamatan yang lain Ghozali, 2005:11. Suatu model regresi yang baik adalah tidak terjadi heteroskedastisitas. Deteksi ada tidaknya gejala
heteroskedastisitas adalah dengan melihat ada tidaknya pola tertentu. Jika ada pola tertentu seperti titik-titik yang membentuk pola tertentu yang
teratur bergelombang, melebar, kemudian menyempit maka
30
mengindikasikan telah terjadi heteroskedastisitas. Jika tak ada pola yang jelas maka tidak terjadi gejala heteroskedastisitas. Salah satu cara yang dapat
digunakan untuk mengetahui ada tidaknya gejala heteroskedastisitas adalah dengan melihat pada grafik scatter plot.
3.14 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pada periode t-1 sebelumnya. Metode regresi yang baik apabila tidak terdapat autokorelasi. Jika terjadi korelasi maka
dinamakan ada problem autokorelasi Ghozali, 2005:95. Untuk menguji ada tidaknya gejala autokorelasi maka dapat dideteksi dengan uji Durbin-
Waston DW test. Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
a. angka D-W dibawah -2 berarti ada autokorelasi positif, b. angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi,
c. angka D-W di atas +2 berarti ada autokorelasi negatif.
3.2 Pengujian Hipotesis
Hipotesis penelitian diuji dengan menggunakan analisis regresi linear berganda. Analisis ini digunakan untuk mengukur kekuatan dua variabel atau
lebih dan juga menunjukan arah hubungan antara variabel dependen dengan variabel independen. Rumus dari regresi linier berganda multiple linier
regresion adalah:
Y = β + β
1
X
1
+ β
2
X
2
+ β
3
X
3
Dimana :
+ e
Y = Dividend payout ratio
β X
= konstanta
1
X = Profitabilitas ROA
2
X = Likuiditas Cash Ratio
3
Pengujian hipotesis menggunakan analisis regresi berganda karena ada dua atau lebih variabel independennya. Pengujian hipotesis ditujukan untuk
menguji ada tidaknya pengaruh dari variabel independen secara keseluruhan terhadap variabel dependen.
= Leverage DER
3.2.1 Uji signifikansi simultan
Secara simultan, pengujian hipotesis dilakukan dengan uji F.
Uji F dilakukan untuk mengetahui adanya pengaruh secara bersama-sama variabel
independen terhadap variabel dependen.
Menurut Ghozali 2005:84 “uji statistik F pada dasarnya menunjukkan apakah semua variabel independen
atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependenterikat”.
Tingkat signifikansi yang digunakan adalah sebesar 5, dengan derajat kebebasan df = n-k-1,
dimana n adalah jumlah observasi dan k adalah jumlah variabel. Uji ini dilakukan dengan membandingkan
F
hitung
dengan
F
tabel
a. jika F
dengan ketentuan sebagai berikut:
hitung
F
tabel
pada α 0.05, maka H
b. jika F diterima, dan
hitung
F
tabel
pada α 0.05, maka H
1
diterima.
31
3.2.2 Uji signifikansi parsial
Secara parsial, pengujian hipotesis dilakukan dengan uji t. Uji t dilakukan untuk menguji koefisien regresi secara parsial dari variabel
independennya. Menurut Ghozali 2005:84 “uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelasindependen
secara individual dalam menerangkan variabel dependen”. Tingkat signifikansi yang digunakan sebesar 5, dengan derajat kebebasan df = n-
k-1, dimana n adalah jumlah observasi dan k adalah jumlah variabel. Uji ini dilakukan dengan membandingkan t
hitung
dengan t
tabel
a. jika t dengan
ketentuan sebagai berikut:
hitung
t
tabel
pada α 0.05, maka H
1
b. jika t ditolak, dan
hitung
t
tabel
pada α 0.05, maka H
1
diterima.
G. Jadwal Penelitian
Tabel 3.1 Jadwal Penelitian
Sumber: Data diolah penulis, 2012
BAB IV ANALISIS HASIL PENELITIAN
