Data Penelitian dibawah ini :

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Data Penelitian

Populasi dan sampel dalam penelitian ini adalah perusahaan Property Real Estate yang terdaftar di Bursa Efek Indonesia. Populasi dalam penelitian ini berjumlah 30 Perusahaan dan dari 30 perusahaan tersebut terpilih 6 perusahaan sebagai sampel dalam penelitian ini. Sampel dalam penelitian ini dipilih dengan menggunakan teknik purposive sampling. Data mengenai populasi dan sampel dapat dilihat secara jelas pada lampiran. Berikut ini merupakan deskripsi data statistik dari seluruh data yang digunakan secara umum dalam penelitian ini. Tabel 4.1 Descriptive Statistics N Minimum Maximum Mean Std. Deviation Ukuran Perusahaan 18 26.44 29.72 28.4806 .99890 Leverage 18 .06 .69 .4847 .19407 Cash Position 18 .55 17.04 3.5736 3.92621 Profitabilitas 18 .03 .12 .0656 .02879 DPR 18 .00 .41 .2378 .11278 Valid N listwise 18 Berdasarkan hasil yang diperoleh dari Tabel 4.1 maka dapat dijelaskan bahwa: 1. Variabel Ukuran Perusahaaan memiliki jumlah sampel Sebanyak18, nilai minimum 26,44, nilai maksimum 29,72, mean nilai rata-rata sebesar 28,4806, dan Standart Deviation sebesar 0,99890. Universitas Sumatera Utara 2. Variabel Laverage memiliki jumlah sampel Sebanyak18, nilai minimum 0,06, nilai maksimum 0,69, mean nilai rata-rata sebesar 0,4847, dan Standart Deviation atau sebesar 0,19407. 3. Variabel Cash Position CP memiliki jumlah sampel sebanyak 18, nilai minimum 0,55, nilai maksimum 17,04, mean nilai rata-rata sebesar 3,5736 dan Standart Deviation atau sebesar 3,92621. 4. Variabel Profitabilitas memiliki jumlah sampel sebanyak 18, nilai minimum 0,03, nilai maksimum 0,12, mean nilai rata-rata sebesar 0,0656, dan Standart Deviation atau sebesar 0.02879. 5. Variabel DPR memiliki jumlah sampel sebanyak 18, nilai minimum 0,00, nilai maksimum 0,41, mean nilai rata-rata sebesar 0,2378, dan Standart Deviation atau sebesar 0.11278. 6. Jumlah sampel yang digunakan adalah sebanyak 18 sampel. 4.2 Hasil Analisis 4.2.1 Uji Asumsi Klasik Metode Analisis yang digunakan oleh peneliti adalah metode analisis regresi berganda. Analisis regresi berganda berguna untuk menguji pengaruh dari variabel Independen terhadap Variabel Dependen dalam suatu penelitian. Sebelum melakukan uji hipotesis penelitian ini, terlebih dahulu peneliti akan melakukan uji asumsi klasik, hal tersebut berguna untuk melihat apakah data telah terdistribusi dengan normal dengan uji normalitas, dan untuk melihat apakah penelitian tersebut terjadi multikolinearitas, heterokedastisitas dan Universitas Sumatera Utara autokorelasi atau tidak. Menurut Ghozali, 2005:123 asumsi klasik harus memenuhi: 1. berdistribusi normal. 2. non-multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna. 3. non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi tidak saling korelasi. 4. homoskedasitas, artinya variance variabel independen dari satu pengamatan kepengamatan yang lain adalah konstan atau sama.

4.2.1.1 Uji Normalitas

Uji normalitas berguna untuk melihat apakah data telah terdistribusi normal atau tidak. Uji normalitas dilakukan dengan model Kolgomorov-Smirnov. Menurut Ghozali, 2005:115 memberikan pedoman pengambilan keputusan rentang data mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov yang dapat dilihat dari: a. nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah tidak normal. b. nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal. Universitas Sumatera Utara Hasil uji normalitas dengan menggunakan model Kolmogorov-Smirnov dapat dilihat pada Tabel 4.2 berikut ini. Tabel 4.2 Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 18 Normal Parameters a,,b Mean .0000000 Std. Deviation .08279309 Most Extreme Differences Absolute .140 Positive .114 Negative -.140 Kolmogorov-Smirnov Z .594 Asymp. Sig. 2-tailed .872 a. Test distribution is Normal. b. Calculated from data Berdasarkan hasil uji statistik pada One-Sample Kolgomorov-Smirnov tersebut dapat terlihat bahwa data terdistribusi dengan normal, karena Asymp. Sig. 2-tailed pada tabel tersebut 0,05 yaitu 0,872. Hasil Uji Normalitas lainnya dapat dilihat pada histogram dan normal probability plot pada gambar berikut ini : Universitas Sumatera Utara Gambar 4.1 Uji Normalitas Gambar 4.2 Uji Normalitas Universitas Sumatera Utara Berdasarkan hasil Uji Normalitas diatas maka hasil yang di dapatkan adalah data telah terdistribusi secara normal. Data yang telah terdistribusi normal dapat kita ketahui dengan melihat Histogram pada gambar 4.1, grafik histogram pada uji normalitas di atas dapat terlihat bahwa data terdistribusi mengikuti garis diagonal yang tidak menceng Skewness ke kiri maupun ke kanan. Data yang telah terdistribusi normal juga bisa diketahui dengan melihat grafik plot yang ditunjukkan pada gambar 4.2. Menurut Ghozali, 2005:112 pendeteksian normalitas dapat dilakukan dengan melihat penyebaran data titik pada sumbu diagonal dari grafik, yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan data yang telah terdistribusi normal. Pada gambar tersebut dapat terlihat bahwa penyebaran data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, oleh sebab itu dapat diketahui bahwa data telah terdistribusi dengan normal.

4.2.1.2 Uji Multikolinearitas

Uji multikolineraitas dilakukan untuk melihat apakah antaravariabel- variabel terdapat multikolinearitas atau tidak. Menurut Ghozali, 2005:91 Uji multikolinearitas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas. Untuk melihat ada atau tidaknya multikolinieritas dalam model regresi dapat dilihat dari: 1. nilai tolerance dan lawannya, 2. Variance Inflatin Factor VIF. Universitas Sumatera Utara Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh 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 yang tinggi karena VIF = 1tolerence. Nilai cutoff yang umum dipakai untuk menunjukkan adanya mutikolineritas adalah nilai Tolerence 0,10 atau sama dengan VIF 10 Ghozali, 2005:91. Hasil pengujian terhadap multikolinearitas pada penelitian ini dapat dilihat pada tabel 4.3. Tabel 4.3 Uji Multikolineritas Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant -1.487 .710 -2.094 .056 Ukuran Perusahaan .054 .025 .481 2.180 .048 .852 1.174 Leverage .142 .177 .245 .805 .435 .448 2.234 Cash Position .014 .009 .488 1.567 .141 .428 2.338 Profitabilitas .899 .873 .229 1.029 .322 .835 1.197 a. Dependent Variable: DPR Berdasarkan data olahan SPSS diatas, dapat diketahui bahwa data penelitian ini tidak terjadi multikolinearitas. Hal tersebut dapat diketahui bahwa tidak ada satupun variabel Independen yang memiliki VIF di atas 10 ataupun Tolerance dibawah 0,1. Kesimpulan dari Uji Multikolinearitas ini adalah bahwa semua variabel independen telah lolos dari Uji multikolinearitas. Universitas Sumatera Utara

4.2.1.3 Uji Heterokedastisitas

Menurut Ghozali 2005:105 Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah model regresi yang tidak terjadi heterokedastisitas. Cara untuk menentukan ada atau tidaknya heterokedastisitas adalah dengan melihat grafik scatterplot pada gambar 4.3. Dasar pengambilan keputusannya menurut Ghozali, 2005:105 adalah sebagai berikut: 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi heterokedasitas. 2. Jika tidak ada pola yang jelas, serta titik menyebar dibawah angka o dan y, maka tidak heterokedasitas. Berikut ini peneliti menampilkan grafik scatterplot untuk melihat hasil uji heterokedastisitas dalam penelitian ini pada gambar 4.3. Gambar 4.3 Uji Heterokedastisitas Universitas Sumatera Utara Pada gambar 4.3 pada grafik Scatterplot diatas dapat terlihat bahwa titik data menyebar secara acak dan tidak terlihat suatu pola tertentu, dan pada grafik scatterplot diatas juga dapat terlihat bahwa tidak tersebar diatas maupun dibawah sumbu y dan angka 0. Oleh karena itu dapat disimpulkan bahwa tidak terjadi heterokedastisitas di dalam penelitian ini, dan model regresi ini layak dipakai dalam penelitian.

4.2.1.4 Uji Autokorelasi

Untuk mengetahui terjadi atau tidak terjadinya suatu autokorelasi dapat diketahui dengan melihat nilai Durbin-Watson DW. Menurut Sugiyono, 2001:76 mengemukakan bahwa terjadinya Autokorelasi jika nilai Durbin-Watson DW memiliki nilai lebih dari 5, atau Durbin-Watson DW 5. Berikut ini peneliti menampilkan hasil Uji Autokorelasi pada Tabel 4.4 dibawah ini: Tabel 4.4 Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .679 a .461 .295 .09468 2.423 a. Predictors: Constant, Profitabilitas, Ukuran Perusahaan, Leverage, Cash Position b. Dependent Variable: DPR Be r dasarkan Tabel 4.4 tentang Uji Autokorelasi memperlihatkan bahwa nilai Durbin-Watson DW adalah 2,423 5. Oleh karena itu, dapat dikemukakan bahwa tidak terjadi Autokorelasi dalam penelitian ini. Universitas Sumatera Utara

4.2.1.5 Koefisien Determinasi

Besarnya koefisien determinasi ini adalah 0 sampai dengan 1 . Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen Ghozali 2001:45. Tabel 4.5 Uji R Square Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .679 a .461 .295 .09468 2.423 a. Predictors: Constant, Profitabilitas, Ukuran Perusahaan, Leverage, Cash Position b. Dependent Variable: DPR Berdasarkan tabel diatas diketahui bahwa nilai R Square adalah 0.461 atau 46.1. Hal ini berarti bahwa secara keseluruhan variabel independen menjelaskan perubahan variabel dependen sebesar 46.1, sedangkan variabel lain-lain yang tidak dimasukkan dalam model mampu menjelaskan sebesar 53.9. Olehkarena itu, dengan nilai sebesar 46.1 dapat diketahui bahwa model yang digunakan dalam penelitian ini adalah model yang tidak meyakinkan.

4.2.2. Analisis regresi

Analisis regresi linier berganda dari Analisis Faktor-Faktor yang Mempengaruhi Deviden Payout Ratio pada Perusahaan Real Estate yang Terdaftar di Bursa Efek Indonesia memiliki hasil sebagai berikut : Universitas Sumatera Utara Tabel 4.6 Hasil Analisis Regresi Berdasarkan data di atas, dapat dirumuskan suatu persamaan regresi untuk dividend payout ratio pada perusahaan Real Estate yang terdaftar di Bursa Efek Indonesia adalah sebagai berikut: Y = -1.487 + 0,054 X 1 + 0,142 X 2 + 0,014 X 3 + 0,899 X 4 + e Keterangan : Y = Deviden Payout Ratio DPR X 1 = Ukuran Perusahaan X 2 = Leverage X 3 = Cash Position X 4 = Profitabilitas e = Koefisien error Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant -1.487 .710 -2.094 .056 Ukuran Perusahaan .054 .025 .481 2.180 .048 Leverage .142 .177 .245 .805 .435 Cash Position .014 .009 .488 1.567 .141 Profitabilitas .899 .873 .229 1.029 .322 a. Dependent Variable: DPR Universitas Sumatera Utara Koefisien-koefisien dalam persamaan regresi linier berganda memiliki arti sebagai berikut : 1. Konstanta a sebesar -1.487 mempunyai arti apabila nilai independen sama dengan nol Ukuran Perusahaan = 0, Leverage = 0, Cash Position = 0, Profitabilitas = 0 maka Deviden Payout Ratio perusahaan bernilai negatif sebesar 1.487. 2. Koefisien regresi Ukuran Perusahaan sebesar 0,054 mempunyai arti setiap kenaikan rasio Ukuran Perusahaan sebesar 1 satuan akan berpengaruh positif terhadap Deviden Payout Ratio perusahaan manufaktur sebesar 0,054 satuan. 3. Koefisien regresi Leverage sebesar 0,142 mempunyai arti setiap kenaikan rasio Leverage sebesar 1 satuan akan berpengaruh positif terhadap Deviden Payout Ratio perusahaan manufaktur sebesar 0,142 satuan. 4. Koefisien regresi Cash Position sebesar 0,014 mempunyai arti setiap kenaikan rasio Cash Position sebesar 1 satuan akan berpengaruh positif terhadap Deviden Payout Ratio perusahaan manufaktur sebesar 0,014 satuan. 5. Koefisien regresi Profitabilitas sebesar 0,899 mempunyai arti setiap kenaikan rasio Profitabilitas sebesar 1 satuan akan berpengaruh positif terhadap Deviden Payout Ratio perusahaan manufaktur sebesar 0,899 satuan. Universitas Sumatera Utara

4.2.3. Uji Signifikan Parsial t

Secara parsial, pengujian hipotesis dilakukan dengan uji t, uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelasindependen secara individual dalam menerangkan variabel dependen Ghozali, 2005:84. Kriteria pengambilan keputusan adalah: 1. Jika t hitung t tabel, Ho diterima Ha ditolak, untuk α = 5 2. Jika t hitung t tabel, Ha diterima Ho ditolak, untuk α = 5 Berikut ini peneliti menampilkan hasil Uji Signifikan Parsial t pada tabel

4.7 dibawah ini :

Tabel 4.7 Uji Signifikan Parsial t Dari hasil Regresi Uji Signifikan Parsial t pada tabel 4.6 diatas dapat dijelaskan pengaruh variabel independen secara parsial dengan t tabel sebesar = 2,14479 adalah sebagai berikut : Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant -1.487 .710 -2.094 .056 Ukuran Perusahaan .054 .025 .481 2.180 .048 Leverage .142 .177 .245 .805 .435 Cash Position .014 .009 .488 1.567 .141 Profitabilitas .899 .873 .229 1.029 .322 a. Dependent Variable: DPR Universitas Sumatera Utara 1. Pengaruh Ukuran Perusahaan terhadap Devidend Payout Ratio memperlihatkan hasil analisis uji t untuk variabel ukuran perusahaan menunjukkan nilai t sebesar 2,180 dengan signifikansi sebesar 0,048. Oleh karena itu, t hitung dari t tabel atau 2,180 2,14479 dan signifikansi t lebih kecil dari 0.05 0,048 0.05. Hal ini berarti bahwa Ukuran Perusahaan secara parsial berpengaruh positif dan signifikan terhadap Devidend Payout Ratio pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia periode pada tingkat kepercayaan 95. 2. Pengaruh Laverage terhadap Devidend Payout Ratio memperlihatkan hasil analisis uji t untuk variabel Laverage menunjukkan nilai t sebesar 0,805 dengan signifikansi sebesar 0,435. Oleh karena itu t hitung t tabel atau 0,805 2,14479 dan signifikansi t lebih besar dari 0.05 0,435 0.05. Hal ini berarti bahwa Laverage secara parsial tidak berpengaruh terhadap Devidend Payout Ratio pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia pada tingkat kepercayaan 95. 3. Pengaruh Cash Position CP terhadap Devidend Payout Ratio memperlihatkan hasil analisis uji t untuk variabel Cash Position CP menunjukkan nilai t sebesar 1,567 dengan signifikansi sebesar 0,141. Oleh karena itu, t hitung t tabel atau 1,567 2,14479 dan signifikansi t lebih besar dari 0.05 0,141 0.05. Hal ini berarti bahwa Cash Position CP secara parsial tidak berpengaruh terhadap Devidend Payout Ratio pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia pada tingkat kepercayaan 95. Universitas Sumatera Utara 4. Pengaruh Profitabilitas terhadap Devidend Payout Ratio memperlihatkan hasil analisis uji t untuk variabel Profitabilitas menunjukkan nilai t sebesar 1,029 dengan signifikansi sebesar 0,322. Oleh karena itu, t hitung t tabel atau 1,029 2,14479 dan signifikansi t lebih besar dari 0.05 0,322 0.05. Hal ini berarti bahwa Profitabilitas secara parsial tidak berpengaruh terhadap Devidend Payout Ratio pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia pada tingkat kepercayaan 95.

4.3 Pembahasan Hasil Penelitian