6 Indofood Sukses Makmur Tbk
INDF 7
Lion mesh Prima Tbk LMSH
8 Unilever ndonesia Tbk
UNVR 9
Astra Otopart Tbk AUTO
10 Indocement Tunggal Prakasa Tbk
INTP 11
Semen Gresik Persero Tbk SMGR
12 Good Year Indonesia Tbk
GDYR 13
Kimia Farma Tbk KAEF
14 Trias Sentosa Tbk
TRST
Kriteria yang digunakan dalam pengambilan sampel dengan teknik purposive sampling adalah sebagai berikut:
1. perusahaan manufaktur yang terdaftar di BEI priode tahun 2005 -2008,
2. perusahaan manufaktur tidak pernah delisting pada periode tersebut,
3. perusahaan manufaktur yang membagikan deviden secara berturut mulai
dari periode tahun 2005 - 2008.
E. Defenisi Operasional dan Pengukuran Variabel
Variabel independen yang diguanakan dalam penelitian ini adalah dividend payout ratio sedangkan variabel yang digunakan dalam penelitian ini adalah laba
bersih, potensi pertumbuhan, ROE, EPS dan DER. Defenisi operasional dan pengukuran variabel ini dapat dilihat pada table 3.2 sebagai berikut.
Universitas Sumatera Utara
Tabel 3.2 Defenisi Operasional dan Pengukuran Variabel
No Variabel Defenisi
Pengukuran Skala
1 laba bersih kelebihan seluruh
pendapatan atas seluruh biaya
untuk suatu periode tertentu
setelah dikurangi pajak
penghasilan yang disajikan
dalam laporan laba rugi
laba bersih akhir tahun Rasio
2 Potensi pertumbuhan
Kenaikan penurunan total
aktiva saat ini dengan masa
lalu Rasio
3 ROE keuntungan
bersih yang mampu diraih
oleh perusahaan pada saat
menjalankan operasinya
Rasio
4 EPS EPS merupakan
laba yang diperoleh
perusahaan per lembar saham.
Laba per saham merupakan alat
ukur yang berguna untuk
membandingkan laba dari
berbagai entitas usaha yang
berbeda dan untuk
Rasio
Universitas Sumatera Utara
membandingkan laba suatu
entitas dari waktu ke waktu
jika terjadi perubahan
dalam struktur modal
5 DER menunjukkan
persentase penyediaan
dana oleh pemegang
saham terhadap pemberi
pinjaman Rasio
6 Dividend payout ratio
Menunjukan persentase
dividen kas yang diterima
oleh pemegang saham
Rasio
F. Metode dan Teknik Analisis Data 1. Pengujian Asumsi Klasik
Metode analisis data yang digunakan dalam penelitian ini model analisis regresi sederhana dengan menggunakan bantuan software SPSS for windows
version.16. Penggunaan metode analisis regresi dalam pengujian hipotesis, terlebih dahulu diuji apakah model tersebut memenuhi asumsi klasik atau tidak.
Uji asumsi Klasik terdiri atas uji normalitas, uji heteroskedastisitas, uji multikolineritas dan uji autokorelasi.
a. Uji Normalitas Menurut Gozali 2005: 110,”Uji Normalitas bertujuan untuk menguji apakah
dalam model regresi, variabel pengganggu memiliki distribusi normal”. Seperti
Universitas Sumatera Utara
diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak
valid untuk jumlah sampel kecil. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analsis grafik dan uji statistik.
1 Analisis Grafik
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histrogram yang membandingkan antara data observasi dengan
distribusi yang mendekati distribusi normal. Namun demikian hanya dengan melihat histogram hal ini dapat menyesatkan khususnya untuk jumlah sampel
yang kecil. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal.
Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual
normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
2 Analisis Statistik
Uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non-parametrik. Kolmogorov-smirnovK-S. Uji KS dibuat
dengan membuat hipotesis : Ho : data residua l berdistribusi normal,
Ha : data residual tidak berdistribusi normal.
Universitas Sumatera Utara
b. Uji Multikolinieritas Uji Multikolinieritas bertujuan untuk menguji apakah dalam model regresi
ditemukan korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling
berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen sama dengan nol. Multikolineritas dapat juga dilihat dari 1
nilai tolerance dan lawannya 2 variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel
independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen 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=1 tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolineritas adalah nilai tolerance 0.10
atau sama dengan nilai VIF 10. c. Uji Heteroskedastisitas
Uji ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variabel dari residual suatu pengamatan ke pengamatan yang lain.
Jika varians dari residual satu pengamatan ke pengamatan lainnya tetap, maka disebut dengan heteroskedastisitas. Untuk melihat ada tidaknya
heteroskedastisitas dapat dilakukan dengan melihat grafik Scatterplot antara nilai prediksi variabel dependen dengan residualnya. Jika ada pola seperti titik-titik
yang membentuk pola tertentu yang teratur maka terjadi heteroskedastisitas.
Universitas Sumatera Utara
Namun, jika tidak ada pola yang jelas serta titik menyebar ke atas dan di bawah angka 0 pada sumbu Y, berarti tidak terjadi heteroskedastisitas.
d. Uji Autokorelasi Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada
korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem
autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan
pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu times series karena ”ganguan” pada seorang
individu kelompok cenderung mempengaruhi ”gangguan” pada individu kelompok yang sama pada periode berikutnya.
Pada data crossection silang waktu, masalah autokorelasi relatif jarang terjadi karena ”gangguan” pada observasi yang berbeda berasal dari individu . Kelompok
yang berbeda berasal dari invidu kelompok yang berbeda. Model regresi yang baik adalah yang bebas dari autokorelasi. Ada beberapa cara yang dapat
digunakan untuk mendeteksi masalah dalam autokorelasi di antaranya adalah dengan Uji Durbin Watson pada buku stastistik relevan. Menurut Sunyoto
2009:91, Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
1 angka D-W di bawah –2 berarti ada autokorelasi positif,
2 angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi,
3 angka D-W di atas +2 berarti ada autokorelasi negatif.
Universitas Sumatera Utara
2. Uji Hipotesis
Hipotesis diuji dengan menggunakan analisis regresi linear berganda, dengan persamaan sebagai berikut:
Y = a + b
1
X
1
+ b
2
X
2
+b
3
X
3
+ b
4
X
4
+ b
5
X
5
+ e Dimana:
Y = Dividend Payout Ratio a = Konstanta
X
1
= Laba Bersih X
2
= Potensi Pertumbuhan X
3
= Return on Equity X
4
= Earning Per share X
5
= Debt to Equity Ratio b
1
= Koefisien regresi Laba Bersih b
2
= Koefisien regresi Potensi Pertumbuhan b
3
= Koefisien regresi Return on Equity b
4
= Koefisien regresi Earning Per share b
5
= Koefisien regresi Debt to Equity Ratio e = Tingkat error
Hipotesis dalam penelitian ini menggunakan uji koefisien determinasi, uji F dan uji t.
a. Uji Koefisien Determinasi
Koefisien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi
Universitas Sumatera Utara
adalah antara nol dan satu. Nilai R² yang kecil berarti kemampuan variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai
yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel-variabel
dependen,. Secara umum koefisien determinasi untuk data silang crossection relative rendah karena adanya variasi yang besar antara masing-masing
pengamatan, sedangkan untuk data runtun waktu Time series biasanya mempunyai nilai koefisien determinasi yang tinggi. Koefisien determinan berkisar
antara nol sampai dengan satu 0 ≤ R² ≤ 1. Hal ini berarti R²=0 menunjukkan
tidak adanya pengaruh antara variabel independen terhadap variabel dependen, bila R² semakin besar mendekati 1 menunjukkan semakin kuatnya pengaruh
variabel independen terhadap variabel dependen dan bila R² semakin kecil mendekati nol maka dapat dikatakan semakin kecilnya pengaruh variabel
independen terhadap variabel dependen. b.
Uji Simultan Uji F Uji ini pada dasarnya menunjukkan apakah semua variabel independen yang
dimasukkan dalam model ini mempunyai pengaruh secara bersama – sama terhadap variabel dependen.
Bentuk pengujiannya : Ho: b1 = b2 = 0, artinya variabel independen secara simultan tidak
berpengaruh terhadap variabel dependen. Ha: b1, b2,
≠ 0, artinya semua variabel independen secara simultan berpengaruh terhadap variabel dependen.
Universitas Sumatera Utara
Kriteria pengambilan keputusan : Jika probabilitas 0.05, maka Ha diterima,
Jika probabilitas 0.05, maka Ha ditolak. c. Uji Parsial Uji t
Uji statistik t disebut juga sebagai uji signifikan individual. Uji ini menunjukkan seberapa jauh pengaruh variabel independen secara parsial
terhadapn variabel dependen. Bentuk pengujiannya adalah :
Ho:b1 = 0, artinya suatu variabel independen secara parsial tidak berpengaruh terhadap variabel dependen.
Ha : b1 ≠ 0, artinya variabel independen secara parsial berpengaruh terhadap
variabel dependen. Kriteria pengambilan keputusan :
Jika probabilitas 0.05 maka Ha diterima Jika probabilitas 0.05, maka Ha ditolak.
Universitas Sumatera Utara
BAB IV ANALISIS HASIL PENELITIAN
A. Data Penelitian
Populasi dalam penelitian ini adalah industri manufaktur yang terdaftar di Bursa Efek Indonesia BEI tahun 2005-2008. Jumlah data yang digunakan dalam
penelitian ini berjumlah 56 amatan. Berikut ini merupakan statistik secara umum dari seluruh data yang digunakan:
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation Laba_Bersih
56 -3.194
2.5256 6.16015
7.447455 Potensi_Pertumbuhan
56 -8.90
83.26 8.8570
17.00497 ROE
56 -2.90
111.23 26.2446
24.40128 EPS
56 -176.81
962.21 1.926222
257.63919 DER
56 .23
3.11 .8800
.63904 DPR
56 -257.90
302.94 43.3396
67.92176 Valid N listwise
56
Sumber: lampiran iii
Berdasarkan data dari tabel 4.1 dapat dijelaskan bahwa: 1.
variabel laba bersih memiliki nilai minimum terkecil -3.194, nilai maksimum terbesar 2.5256 dan mean nilai rata-rata 6.16015 dan standart
deviation simpangan baku variabel ini adalah 7.447455, 2.
variabel potensi pertumbuhan memiliki dengan nilai minimum terkecil - 8.90, nilai maksimum terbesar 83.26 dan mean nilai rata-rata 8.8570 dan
standart deviation simpangan baku variabel ini adalah 17.00497,
Universitas Sumatera Utara
3. variabel ROE memiliki nilai minimum terkecil -2.90, nilai maksimum
terbesar 111.23 dan mean nilai rata-rata 26.2446 dan standart deviation simpangan baku variabel ini adalah 24.40128,
4. variabel EPS memiliki nilai minimum terkecil -176.81, nilai maksimum
terbesar 962.21 dan mean nilai rata-rata 1.926222dan standart deviation simpangan baku variabel ini adalah 257.63919,
5. variabel DER memiliki nilai minimum terkecil 0.23, nilai maksimum
terbesar 3.11 dan mean nilai rata-rata 0.88 dan standart deviation simpangan baku variabel ini adalah 0.63904
6. variabel DPR memiliki nilai minimum terkecil -257.90, nilai maksimum
terbesar 302.94 dan mean nilai rata-rata 43.3396 dan standart deviation simpangan baku variabel ini adalah 67.92176
7. jumlah amatan yang digunakan ada sebanyak 56 amatan.
B. Hasil Analisis
