Variabel Penelitian dan Definisi Operasional Variabel
berkorelasi, maka variabel-variabel ini tidak ortogonal. Suatu model regresi dinyatakan bebas dari multikolinearitas jika mempunyai nilai
tolerance di atas 0.1 dan nilai Variance Inflation Factor di bawah 10 c.
Uji autokorelasi Uji autikorelasi bertujuan untuk menguji apakah dalam model regresi
linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan periode t-1 sebelumnya. Jika terjadi korelasi, maka
dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama
lainnya. Model regresi yang baik adalah yang bebas dari autokorelasi Ghozali 2009:79. Uji D-W hanya digunakan untuk auto korelasi
tingkat satu dan mensyaratkan adanya intercept konstanta dalam model regresi dan tidak ada lag antara variabel bebas. Untuk
mengetahui ada atau tidaknya autokorelasi dapat dilihat dari uji D-W berikut ini:
Hipotesis Nol Keputusan
Jika Tidak ada autokorelasi positif
Tidak ada autokorelasi positif Tidak ada autokorelasi negatif
Tidak ada autokorelasi negatif Tidak ada autokorelasi positif
maupun negatif Tolak
No decision Tolak
No decision Tidak ditolak
0 d d
L
d
L
≤ d≤ d
U
4 - d
L
d 4 4 – d
U
≤ d ≤ 4 - d
L
d
U
d 4 - d
U
Keterangan : 1
Bila nilai DW terletak antara batas atas atau upper bound d
U
dan 4-d
U
, maka koefisien autokorelasi sama dengan nol, berarti tidak ada tidak ada autokorelasi.
2 Bila nilai DW lebih rendah dari batas bawah atau lower bound
d
L
, maka koefisien autokorelasi lebih besar daripada nol, berarti ada auto korelasi positif.
3 Bila DW lebih besar dari pada 4-d
L
, maka koefisien autokorelasi lebih kecil daripada nol, berarti ada autokorelasi negatif.
4 Bila nilai DW terletak antara batas atas d
U
dan batas bawah d
L
atau DW terletak antara 4-d
U
dan 4-d
L
, maka hasilnya tidak dapat disimpulkan.
d. Uji heterokedastisitas
Uji heterokedastisitas ini bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan
ke pengamatan lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika
berbeda akan disebut heterskedastisitas. Data yang digunakan untuk menguji heteroskedastisitas ini adalah data dari variabel free cash flow
dan variabel profitabilitas. Ada dua cara untuk mendeteksi ada tidaknya heteroskedastisitas, yaitu metode grafik dan metode uji
statistik. a.
Metode Grafik Metode ini dilakukan dengan grafik plot antara nilai prediksi
variabel kebijakan pembayaran dividen yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas
dapat dilakukan dengan melihat ada tidaknya pola tertentu pada
grafik scatterplot antara SRESID dan ZPRED dimana sumbu X adalah
Ŷ Y yang telah diprediksi ZPRED dan sumbu Y adalah residual atau SRESID
Ŷ-Y yang telah distudentized. Dasar analisis yang dilakukan adalah:
1 Jika ada pola tertentu, seperti titik-titik yang ada membentuk
pola tertentu bergelombang, melebar, kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
2 Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas
dan di bawah angka nol pada sumbu Y secara acak, maka tidak terjadi heteroskedastisitas atau model homoskedastisitas.
2. Analisis Regresi Linier Berganda
Teknik analisis data yang akan dipakai dalam penelitian ini adalah dengan memakai teknik analisis regresi linier berganda untuk memperoleh
gambaran yang menyeluruh mengenai hubungan antara variabel satu dengan variabel lain. Variabel yang digunakan adalah kebijakan
pembayaran dividen, free cash flow dan profitabilitas. Untuk mengetahui apakah ada pengaruh yang signifikan antara free cash flow dan
profitabilitas terhadap kebijakan pembayaran dividen, maka digunakan regresi linier berganda yang dirumuskan sebagai berikut:
DPR= α+ β
1
X
1
+ β
2
X
2
+ ε