Berdasarkan data dari tabel 4.2 dapat dijelaskan sebagai berikut. 1.
Jumlah sampel N dalam penelitian ini sebanyak 54 2.
Variabel current ratio CR memiliki nilai minimum 0,68, nilai maximum 7,53, rata-rata 3,0119, dan standar deviasi 1,55070
3. Variabel return on investment ROI memiliki nilai minimum 0,62, nilai
maximum 37,95, rata-rata 12,2270, dan standar deviasi 9,05187 4.
Variabel total asset turn over TATO memiliki nilai minimum 0,52, nilai maximum 2,38, rata-rata 1,3622, dan standar deviasi 0,42386
5. Variabel earnings per share EPS memiliki nilai minimum 1,09, nilai
maximum 956,00, rata-rata 131,8278, dan standar deviasi 211,64343 6.
Variabel cash dividend memiliki nilai minimum 0.00, nilai maximum 3686,88, rata-rata 256,2646 dan standar deviasi 680,84176
4.2.2. Pengujian Asumsi Klasik
Salah satu syarat yang mendasari penggunaan model regresi berganda adalah dipenuhinya semua asumsi klasik agar hasil pengujian bersifat efisien
dan tidak bias. Menurut Ghozali 2005:123, asumsi klasik yang harus dipenuhi adalah berdistribusi normal, non-multikolinearitas, non-autokorelasi
dan non-heterokedastisitas.
4.2.2.1. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel penggangu atau residual memiliki distribusi normal.
Pengujian ini diperlukan karena untuk melakukan uji t dan uji F perlu mengasumsikan bahwa nilai residual mengikuti distribusi normal.
Universitas Sumatera Utara
Pengujian normalitas dalam penelitian ini menggunakan dua metode yang secara umum digunakan oleh penelitian lainnya, yaitu
analisis statistik dengan menggunakan uji non-parametrik Kolmogorov-Smirnov
K-S dan analisis grafik yang terdiri dari histogram dan normal probability plot.
Pengujian normalitas data dalam penelitian ini menggunakan uji statistik non-parametrik Kolmogorov-Smirnov K-S dengan membuat
hipotesis: 1.
Jika Z
hitung
Kolmogrov Smirnov Z
tabel
1,96 atau angka signifikan signifikansi
α 0,05 maka distribusi data dikatakan normal.
2. Jika Z
hitung
Kolmogrov Smirnov Z
hitung
1,96 atau angka signifikansi signifikansi
α 0,05 maka distribusi data dikatakan tidak normal.
Universitas Sumatera Utara
Dari tabel di atas dapat dilihat bahwa nilai signifikansi Asymp. Sig. 2-tailed
sebesar 0,082
nilai signifikan 0,05 dan Z
hitung
Kolmogrov Smirnov 1,264 Z
tabel
1,96. Hasil uji normalitas dengan menggunakan grafik histogram dan normal probability plot juga
menunjukan bahwa data terdistribusi normal. Hal tersebut dilihat melalui grafik histogram dan normal probability plot dibawah ini.
Gambar 4.1 Uji normalitas Histogram
Sumber : output SPSS Pada grafik histogram terlihat bahwa variabel Cash Devidend
berdistribusi normal hal ini ditunjukkan oleh distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Hasil yang sama juga
Universitas Sumatera Utara
dapat dilihat dari grafik normal probability plot pada gambar dibawah ini.
Gambar 4.2 Uji normalitas Normal Probability Plot
Sumber : output SPSS Pola titik-titik pada normal probability plot gambar 4.2 mengikuti
data di sepanjang garis diagonal. Hal ini berarti data berdistribusi normal. Namun seringkali data kelihatan normal karena mengikuti
garis diagonal. Padahal belum tentu data tersebut berdistribusi normal.
4.2.2.2. Uji Multikolinieritas