61
4.2 Analisis Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Langkah awal pengujian statistik dalam penelitan ini adalah melakukan pengujian statistik deksriptif dari variabel penelitian. Statistik
deskriptif ini meliputi nilai rata-rata mean, nilai tengah median, nilai minimum, nilai maksimum, dan standar deviasi pada perusahaan. Hasil dari
uji statistik deskriptif dapat dilihat dari tabel berikut ini.
Tabel 4.3 Statistik Deskriptif
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation LN_DVD
87 14.49
24.75 18.0441
2.30959 LN_SZ
87 2.92
3.14 3.0569
.04861 LN_LV
87 -2.81
2.13 -.8876
.85472 LN_ROA
87 -7.14
-.14 -2.1732
.98155 Valid N listwise
87
Sumber: Hasil Olah Data SPSS,2012 Berdasarkan hasil statistik deskriptif secara menyeluruh dengan total
observasi sebesar 87 sebagaimana dijelaskan pada tabel 4.3, yaitu dijelaskan bahwa. Rata-rata Dividend per Share DPS atau yang terlihat dalam tabel
sebagai LN_DVD logaritma Natural_Dividend dari seluruh perusahaan sampel adalah 18,0441 dengan standar deviasi 2,30959. Nilai DPS terbesar
pada perusahaan sampel yaitu sebesar 24,75 dan nilai DPS terkecil pada
62
perusahaan sampel yaitu sebesar 14,49. Di lihat dari nilai mean-nya yang lebih besar dari nilai standar deviasi, maka nilai DPS dinyatakan normal.
4.2.2 Uji Asumsi Klasik 4.2.2.1 Hasil Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam metode regresi variabel dependen dan independen keduanya dapat mempunyai
distribusi normal atau tidak. Model regresi yang baik adalah model yang memeliki distribusi data normal atau mendekati normal. Uji
normalitas data dilakukan dengan model uji Kolmogorov-Smirnov. Kriteria pengambilan keputusan adalah apabila nilai signifikan atau
profitabilitas 0.05, maka residual memiliki distribusi normal dan apabila nilai signifikan atau profitabilitas 0.05, maka residual tidak
memiliki distribusi normal. Selain itu uji normalitas juga dapat dilakukan dengan melakukan analisis grafik normal probability plot
dan grafik histogram. 1 Hasil uji Kormogorov-Smirnov
Hasil pengujian normalitas dengan alat uji Kolmogorov-Smirnov dapat dilihat pada tabel 4.4 berikut ini.
63
Tabel 4.4 Hasil Uji
Kormogorov-Smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardi zed Residual
N 87
Normal Parameters
a,,b
Mean -.0000007
Std. Deviation 8.35715795
E9 Most Extreme
Differences Absolute
.320 Positive
.320 Negative
-.304 Kolmogorov-Smirnov Z
2.986 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
b. Calculated from data. Sumber: Hasil Olah Data SPSS 2012
Dari tabel diatas dapat dilihat nilai signifikan = 0.00 lebih kecil 0.05 berarti data yang dihasilkan tidak normal, data yang tidak
normal dapat di uji kembali setelah di lakukan transformasi data dalam bentuk logaritma Natural, maka diperoleh hasil pengujian sebagai
berikut.
64
Tabel 4.5 Hasil uji
Kolmogorov-Smirnov Logaritma Natural One-Sample Kolmogorov-Smirnov Test
Unstandardi zed Residual
N 87
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 2.29032545
Most Extreme Differences
Absolute .102
Positive .102
Negative -.066
Kolmogorov-Smirnov Z .955
Asymp. Sig. 2-tailed .321
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Olah Data SPSS,2012 Setelah melakukan transformasi data ke dalam bentuk
logaritma Natural, maka dapat dilihat pada tabel 4.5 nilai signifikan yaitu 0.321 di atas nilai signifikan 0.05 yang berarti data residual
berdistribusi normal. Hasil uji normalitas juga dapat dilihat dari grafik histogram yang disajikan pada gambar 4.1 berikut ini.
65
2 Hasil Uji Grafik Histogram Hasil pengujian normalitas dengan alat uji grafik histogram dapat
dilihat pada gambar 4.1 berikut ini.
Gambar 4.1 Grafik Histogram Residual
Sumber : Hasil Olah Data SPSS 2012 Terlihat gambar 4.1 Hasil uji grafik histrogram ini
memperlihatkan bahwa pola grafik mengalami kenaikan dan penurunan menunjukkan bahwa data terdistribusi secara normal.
Hasil uji normalitas dengan metode grafik normal plot disajikan pada gambar 4.2 berikut ini.
66
3 Hasil uji metode grafik normal plot. Hasil pengujian normalitas dengan alat uji metode grafik normal
plot dapat dilihat pada gambar 4.2 berikut ini.
Gambar 4.2 Normal P-P
Plot Residual LNDividen
Sumber: Hasil Olah Data SPSS, 2012 Berdasarkan gambar diatas grafik normal plot terlihat titik-
titik menyebar di sekitar garis diagonal dan penyebarannya tidak jauh dari garis diagonal. Hal ini menunjukkan data telah
terdistribusikan dengan normal.
67
4.2.2.2 Hasil Uji Autokorelasi
Uji autokorelasi merupakan bagian dari uji asumsi klasik yang harus dipenuhi pada model regresi linear. Autokorelasi menunjukkan
bahwa ada korelasi antara kesalahan pada periode t dengan kesalahan periode t-1 sebelumnya. Maka dari itu uji autokorelasi ini dilakukan
dengan menggunakan uji autokorelasi model Durbin-Watson.
Tabel 4.6 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .129
a
.017 -.019
2.33135 1.818
a. Predictors: Constant, LN_LV, LN_SZ, LN_ROA b. Dependent Variable: LN_DVD
Sumber: Hasil Olah Data SPSS,2012
Berdasarkan hasil analisis regresi pada tabel 4.6 dapat dilihat bahwa angka Durbin Watson sebesar 1,818; sedangkan besarnya DW-
tabel: dl batas luar = 1.580; du batas dalam = 1.723, maka dari perhitungan disimpulkan bahwa uji DW terletak di daerah uji dud4-du
hal ini tidak ada terjadinya autokorelasi positif maupun autokorelasi negatif.
68
4.2.2.3 Hasil Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk mengetahui apakah di dalam model regresi ditemukannya kolerasi antara variabel independen. Untuk mendeteksi ada atau
tidaknya multikolinearitas dalam suatu model regresi dapat diketahui dari nilai Tolerance dan Variance Inflation Factor VIF. VIF 5 di duga tidak mempunyai
multikolinearitas dan Tolerance 0,1 maka tidak terdapat multikolinearitas.
Tabel 4.7 Hasil Uji Multikolinearitas
Sumber :
Hasil Olah
Data SPSS,
2012
Hasil uji multikolinearitas terlihat pada tabel 4.7, suatu model regresi dinyatakan bebas dari multikorealitas jika mempunyai nilai Tolerance diatas 0,1
dan nilai VIF dibawah 5. Dari tabel 4.7 menjelaskan bahwa nilai Tolerance dari ke tiga variabel independen di atas lebih besar dari 0,1 dan nilai VIF dari ke tiga variabel
independen diatas lebih kecil dari angka 5. Hal ini menunjukkan tidak terjadinya multikolinearitas.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant 32.561
16.057 2.028
.046 LN_SZ
-4.893 5.215
-.103 -.938
.351 .984 1.017
LN_ROA -.133
.281 -.057
-.475 .636
.831 1.203 LN_LV
-.169 .322
-.063 -.524
.602 .832 1.201
a. Dependent Variable: LN_DVD
69
4.2.2.4 Hasil Uji Heteroskedasitisitas
Uji heteroskedasitistas bertujuan untuk menguji apakah dalam model regresi terjadi ketidak samaan varian dari residual satu pengamatan ke pengamatan yang lain.
Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heterokedastisitas. Hasil uji heteroskedastisitas dengan menggunakan grafik
scatterplot dapat dilihat pada gambar 4.3 berikut ini.
Gambar 4.3 Garafik
Scatterplot residual
Sumber: Hasil Olah Data SPSS, 2012 Berdasarkan dari gambar 4.3 yaitu grafik scatterplot terlihat titik-titik
menyebar secara acak serta tersebar baik dari di bawah angka 0 pada sumbu Y. dengan demikian dapat disimpulkan bahwa model regresi ini tidak terjadi
heteroskedastisitas.
70
Dari hasil data yang di analisis telah memenuhi uji asumsi klasik dimana hasilnya menunjukkan bahwa data telah terdistribusi dengan normal, tidak terjadi
multikolinearitas, tidak terjadi heteroskedastisitas dan tidak terjadi autokorelasi. Sehingga model yang di peroleh telah memenuhi asumsi dasar dalam analisis regresi
yakni telah memenuhi sifat Best Linear Unbiased Estimator BLUE.
4.2.3 Hasil Uji Regresi Berganda
Berdasarkan dari data yang diperoleh lalu di analasis dengan metode regresi dan dihitung dengan menggunakan program SPSS. Berdasarkan hasil output secara partial
pengaruh dari variabel independent yaitu Size, ROA dan Leverage terhadap DPS Dividen per Share maka ditunjukkan pada tabel 4.8 berikut ini.
Tabel 4.8 Hasil Perhitungan Regresi Berganda
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
32.561 16.057
2.028 .046
LN_SZ -4.893
5.215 -.103
-.938 .351
LN_ROA -.133
.281 -.057
-.475 .636
LN_LV -.169
.322 -.063
-.524 .602
a. Dependent Variable: LN_DVD
Sumber : Hasil Olah Data SPSS, 2012 Dari hasil tabel 4.8 di atas, maka dapat disusun persamaan regresi linear berganda
sebagai berikut :
DPS = 32,561 – 0,103 LN_SZ – 0,057 LN_ROA – 0,063 LN_LV+ e
71
Dari hasil persamaan regresi linier berganda tersebut diatas dapat dilihat nilai konstanta sebesar 32,561. Hal ini mengindikasikan bahwa DPS mempunyai nilai sebesar
32,561 dengan tidak dipengaruhi oleh variabel-variabel independen. Persamaan regresi berganda diatas dapat dijelaskan sebagai berikut:
1 Variabel ukuran perusahaan Size adalah sebesar -0,103. Tanda negatif pada variabel menunjukkan bahwa adanya peningkatan variabel size yang akan mengakibatkan
penurunan pembagian dividen Dividend per Share pada perusahaan. 2 Variabel Return on Assets ROA adalah sebesar -0,057. Tanda negatif pada variabel
menunjukkan bahwa adanya peningkatan variabel Return on Assets yang akan mengakibatkan penurunan pembagian dividen Dividend per Share pada perusahaan.
3 Variabel Leverage adalah sebesar -0,063. Tanda negatif pada variabel menunjukkan bahwa adanya peningkatan variabel size yang akan mengakibatkan penurunan
pembagian dividen Dividend per Share pada perusahaan.
4.2.4 Hasil Uji Hipotesis