82
3. Variabel Moderating Moderating Variable
Variabel moderating dalam penelitian ini adalah Pendanaan dari setiap perusahaan industri food and beverage yang terpilih sebagai
sampel. Pendanaan merupakan kemampuan perusahaan dalam memenuhi kewajibannya melalui modal sendiri. Variabel ini diukur dengan
menggunakan pengukuran Debt to Equity Ratio DER. Debt to Equity Ratio M mencerminkan kemampuan perusahaan dalam memenuhi
seluruh kewajibannya, yang ditunjukkan oleh beberapa bagian modal sendiri yang digunakan untuk membayar hutang. Debt to Equity Ratio
DER merupakan rasio hutang terhadap modal, rasio ini mengukur seberapa jauh perusahaan dibayar oleh hutang, dimana semakin tinggi ini
menggambarkan gejala yang kurang baik bagi perusahaan. Pengukuran variabel Pendanaan dilakukan dengan menggunakan skala rasio. Rasio
Pendanaan ini dihitung dengan rumus: Total utang
DER = Modal sendiri
Universitas Sumatera Utara
83
Tabel 4.2. Definisi Operasional Variabel
Jenis Variabel
Nama Variabel
Definisi Operasional
Parameter Skala
Pengukuran
Independen Profitabilitas
X
1
Keuntungan bersih
yang mampu diraih oleh perusahaan pada
saat menjalankan
operasinya. Laba bersih
ROA= Total aktiva
Rasio
Independen Likuiditas
X
2
Perbandingan antara saldo
kas akhir
dengan laba bersih setelah pajak
Saldo kas akhir CP =
Laba bersih setelah pajak
Rasio
Dependen Kebijakan
Dividen Y
bagian laba
yang dibagikan
kepada pemegang saham
Dividen kas per lembar saham
DPR= Laba per saham
Rasio
Moderating Pendanaan
M Rasio hutang terhadap
modal Total Utang
DER= Modal sendiri
Rasio
4.6 Metode Analisis Data 4.6.1. Analisis Data
Langkah awal sebelum dilakukan uji hipotesis harus dilakukan uji asumsi klasik yang meliputi uji normalitas data, uji multikolinieritas, uji
heteroskedastisitas, dan uji Autokorelasi.
a. Uji Normalitas Data
Uji normalitas data dilakukan untuk melihat apakah dalam model regresi, variabel bebas dan variabel terikat memiliki data yang berdistribusi normal atau
tidak Sugiyono, 2006:118. Uji normalitas dapat dilakukan dengan dua cara yaitu
Universitas Sumatera Utara
84
dengan uji statistik Kolmogorov-Smirnov dan grafik normal P Plot. Pada uji normalitas dilakukan dengan uji statistik Kolmogorov-Smirnov, jika signifikansi
yang ditunjukkan dalam tabel lebih kecil dari alpha 5 , maka dikatakan tidak memenuhi asumsi normalitas, sedangkan sebaliknya jika angka signifikansi dalam
tabel lebih besar dari alpha 5 , maka data sudah memenuhi asumsi normalitas Ghozali, 2009:147.
Uji Normalitas yang dipergunakan dalam penelitian ini analisis grafik normal P Plot dan analisis One Sample Kolmogorov Smirnov. Jika grafik normal
plot menunjukkan bahwa titik-titik menyebar di sekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal, maka dapat disimpulkan bahwa
model garis regresi memenuhi asumsi normalitas. Pada One Sample Kolmogorov Smirnov, regresi memenuhi asumsi normalitas apabila sigma 0,05.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi
yang baik seharusnya tidak terjadi korelasi di antara variabel independen Ghozali, 2009:93.
Salah satu metode yang digunakan untuk mendeteksi adanya multikolonaeritas dalam suatu model regresi yaitu dengan melihat nilai R
2
yang tinggi yang dihasilkan oleh suatu estimasi regresi empiris, tetapi secara individual variabel-variabel independen banyak yang tidak berpengaruh
secara signifikan terhadap variabel dependen.
Universitas Sumatera Utara
85
Pengujian multikolinearitas pada penelitian ini dilakukan dengan melihat nilai tolerance dan variance inflation factor VIF. Nilai tolerance yang rendah
sama dengan VIF yang tinggi karena VIF = 1 tolerance. Multikolinearitas terjadi apabila nilai tolerance 0.10 dan Variance inflation faktor 10.
c. Uji Heteroskesdastisitas
Uji Heteroskedastisitas digunakan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain Ghozali, 2009:125. Uji heteroskedastisitas dalam penelitian ini dilakukan dengan melihat
grafik P-Plot antara nilai prediksi variabel terikat yaitu ZPRED dengan residualnya SRESID. Deteksi tidak adanya heteroskedastisitas dilakukan
dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara ZPRED dan SRESID. Dasar analisis yang digunakan Ghozali, 2009:125,
yaitu: 1.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola yang teratur bergelombang, melebar kemudian menyempit, maka telah
terjadi heteroskedastisitas. 2.
Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
d. Uji Autokorelasi
Autokorelasi merupakan korelasi antara sesama urutan pengamatan dari waktu ke waktu. Bila terjadi autokorelasi maka penafsiran-penafsiran
Universitas Sumatera Utara
86
tidak lagi efesien yang menyebabkan variabel sampel tidak dapat menggambarkan variabel populasinya.
Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode tertentu dengan kesalahan
pengganggu pada periode sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Pengujian ini akan menggunakan uji Durbin-Watson
DW test yang mensyaratkan adanya konstanta intercept dalam model regresi dan tidak ada variabel lagi di antara variabel independen. Mekanisme pengujian
Durbin Watson menurut Gujarati 2003:190 adalah sebagai berikut:
1. Merumuskan hipotesis :
Ho : tidak ada autokorelasi r = 0 Ha : ada autokorelasi r 0
2. Menentukan nilai d hitung Durbin Watson.
3. Untuk ukuran sampel tertentu dan banyaknya variabel independen,
menentukan nilai batas atas du dan batas bawah dl dalam tabel.
4. Mengambil keputusan dengan kriteria sebagai berikut:
a. Jika 0 d dl, Ho ditolak berarti terdapat autokorelasi positif.
b. Jika dl £ d £ du, daerah tanpa keputusan gray area, berarti uji tidak
menghasilkan kesimpulan. c.
Jika du d 4 – du, Ho tidak ditolak berarti tidak ada autokorelasi.
Universitas Sumatera Utara
87
d. Jika 4 – du £ d £ 4 – dl, daerah tanpa keputusan gray area, berarti uji
tidak menghasilkan kesimpulan. e.
Jika 4 – dl d 4, Ho ditolak berarti terdapat autokorelasi positif. Sudarmanto 2005:143 menjelaskan bahwa ada atau tidaknya autokorelasi
dapat dideteksi dengan menggunakan uji Durbin Watson. Ukuran yang digunakan untuk menyatakan ada atau tidaknya autokorelasi, yaitu apabila
nilai statistik Durbin-Watson mendekati angka 2, maka dapat dinyatakan bahwa data pengamatan tidak memiliki autokorelasi yang berarti Ho diterima
dan sebaliknya. Deteksi autokorelasi menurut Santoso 2000:219 dapat juga dilakukan
dengan cara : a. Jika nilai DW lebih kecil dari -2 berarti ada autokorelasi positif.
b. Jika nilai DW terletak antara -2 sampai +2 berarti tidak ada autokorelasi. c. Jika nilai DW lebih besar dari +2 berarti ada autokorelasi positif.
Apabila terjadi autokorelasi, maka dapat diatasi dengan cara : a. Melakukan transformasi data.
b. Menambah data observasi. 4.6.2. Pengujian Hipotesis
Setelah dilakukan uji asumsi klasik terhadap data, selanjutnya dilakukan uji hipotesis. Adapun persamaan yang dipakai dalam untuk membuktikan
hipotesis pertama dan kedua penelitian ini adalah sebagai berikut:
1. Hipotesis Pertama: Y