Analisis Statistik Metode Analisis Data

52 Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi kesalahan pengganggu residual pada periode t dengan kesalahan pada periode t-1. Apabila adanya data yang autokorelasi adalah dengan menggunakan uji Durbin-Watson D-W dengan kriteria sebagai berikut: a. Nilai D-W di bawah -2 berarti ada autokorelasi positif. b. Nilai D-W di antara -2 sampai +2 berarti tidak ada autokorelasi. c. Nilai D-W di atas +2 berarti ada autokorelasi negatif.

4. Uji Heteroskedastisitas

Pengujian heteroskedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari suatu pengganggu residual satu pengamatan ke pengamatan lain. Regresi yang baik seharusnya tidak terjadi heteroskedastisitas. Ada beberapa pengujian yang dapat digunakan untuk mendeteksi heteroskedastisitas diantaranya adalah dengan melihat penyebaran variance residual pada diagram pancar scatter plot. Pada gambar scatter plot yang menyatakan regresi linier berganda tidak terdapat heteroskedastisitas jika: a. Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0. b. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja. c. Penyebaran titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit atau melebar. d. Penyebaran titik data sebaiknya tidak berpola.

3.7.3. Analisis Statistik

53 Datayangtelahdikumpulkanakandianalisismenggunakanalatbantuanalis isstatistikyaitu: Modelregresi linier bergandamultipleregression analysis: Y = a + � 1 � 1 + � 2 � 2 + � 3 � 3 + e Model PersamaanModerated Regression AnalysisMRA: Y = a + � 1 � 1 + � 2 Z + � 3 � 1 .Z + e Y = a + � 1 � 2 + � 2 Z + � 3 � 2 .Z + e Y = a + � 1 � 3 + � 2 Z + � 3 � 3 .Z + e Keterangan: Y : NilaiPerusahaanPrice to Book Value a : Konstanta b1, b2, b3 : Koefisien regresi � 1 : Variabel Ukuran Perusahaan � 2 : Variabel Leverage � 3 : Variabel Profitabilitas Z : Variabel Kebijakan Dividen Dividend Payout Ratio � 1 .Z : Interaksi ukuran perusahaan dengan kebijakan dividen � 2 .Z : Interaksi leverage dengan kebijakan dividen � 3 .Z : Interaksi profitabilitas dengan kebijakan dividen e : Error Tabel 3.4 Klasifikasi Variabel Pemoderasi 54 No Hasil Uji Jenis Moderasi 1 � 2 non significant � 3 significant Moderasi Murni Pure Moderator 2 � 2 significant � 3 significant Moderasi Semu Quasi Moderator. Quasi moderasi merupakan variabel yang memoderasi hubungan antara variabel independen dengan variabel dependen yang sekaligus menjadi variabel independen. 3 � 2 significant � 3 non significant Prediktor Moderasi Predictor Moderasi Variabel. Artinya variabel moderasi ini hanya berperanan sebagai variabel prediktor independen dalam model hubungan yang dibentuk 4 � 2 non significant � 3 non significant Moderasi Potensial Homologiser Moderator. Artinya variabel tersebut potensial menjadi variabel moderasi. UjiInteraksiatauseringdisebutdengan ModeratedRegressionAnalysis MRA merupakanaplikasikhususregresilinear berganda dimanadalam persamaanregresinyamengandung unsurinteraksiperkalianduaataulebih variabel independen Ghozali, 2006. Variabel perkalian antara Variabel Ukuran Perusahaan � 1 ,Leverage � 2 danProfitabilitas � 3 denganKebijakan dividen Z merupakan variabel moderating oleh karena menggambarkan pengaruhmoderatingvariabelKebijakan dividenZterhadap Variabel Ukuran Perusahaan � 1 ,Leverage � 2 danProfitabilitas � 3 dan NilaiPerusahaan Ŷ. Jogiyanto2010 menyatakanpengujianterhadapefekmoderasidapat dilakukan dengan dua carasebagai berikut: a Efek moderasi dilihat dari kenaikanR 2 persamaan regresi yangberisi denganefek-efekutamadanefekmoderasi daripersamaanregresiyang hanyaberisi dengan efekutamasaja. 55 b Efek moderasi jugadapatdilihat dari signifikansikoefisien b 3 dari interaksiVIVMO. Arsintadiani dan Harsono 2002 dalam penelitiannyamenyatakan bahwa hasil interaksi variabelindependenVIdan variabeldependenVDdengan memasukkan variabelmoderating VMO.Nilai efek-efek utamadan efek moderasiVIVMOjika mengalamipeningkatan nilaiRsquare dari efekutama, peningkatanRsquaretidaksignifikankarenatingkatsignifikansib 3 VIVMO 0.05Los=5dandikatakansignifikanjikatingkatsignifikansib 3 VIVMO 0.05 Los =5 .

3.7.4. Pengujian Hipotesis