46
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Hasil Penelitian
4.1.1. Deskripsi Umum
Metode analisis pada penelitian ini menggunakan metode analisis statistik regresi berganda. Analisis data dimulai dengan mengolah data
melalui Microsoft Excel, selanjutnya melakukan pengujian asumsi klasik dan pengujian regresi berganda dengan menggunakan software SPSS versi
18.0. Prosedur dimulai dengan memasukkan data variabel-variabel yang
sudah diolah melalui Microsoft Excel ke dalam software SPSS. Setelah, data-data
tersebut di-entry,
data Microsoft
Excel bersifat
heteroskedatisitas, kemudian dilakukan tabulasi data melalui transformasi Logaritma Natural Ln dan menghasilkan output-output sesuai dengan
metode analisis data yang digunakan. Berdasarkan metode purposive sampling, maka di peroleh 14 perusahaan property dan real estate yang
terdaftar di BEI dengan periode penelitian 2011-2013, sehingga di peroleh 42 data pengamatan.
4.1.2. Deskripsi Khusus
Dalam penelitian ini menggunakan variabel LN_DPR sebagai variabel dependen yaitu Dividend Payout Ratio DPR , sedangkan
Universitas Sumatera Utara
47 variabel independen terdiri dari Nilai Perusahaan dengan proxy LN_PER,
Profitabilitas dengan proxy LN_ROE, Likuiditas dengan proxy LN_CR dan Ukuran Perusahaan dengan proxy LN_SIZE.
4.1.3. Uji Asumsi Klasik
4.1.3.1. Uji Normalitas Data
Uji Normalitas digunakan untuk mendeteksi apakah data berdistribusi normal atau tidak. Pengujian Normalitas yang digunakan
adalah uji statistik mon-parametrik Kolmorogov-Smirniov K-S. Jika nilai signifikasi 0,05 maka data berdistribusi normal.
Tabel 4.1 Hasil Uji Normalitas Kolmorogov Smirnov K-S
Unstandardized Residual N
42 Normal
Parameters
a,b
Mean .0000000
Std. Deviation .68859071
Most Extreme Differences
Absolute .071
Positive .071
Negative -.060
Kolmogorov-Smirnov Z .458
Asymp. Sig. 2-tailed .985
a. Test distribution is Normal. b. Calculated from data.
Sumber: Output SPSS, 2015
Hasil penelitian dari tabel 4.1, dapat dilihat dari nilai Kolmorogov-Smirnov sebesar 0.458 dengan signifikasi sebesar 0,985,
sehingga dapat di simpulkan data dalam model regresi telah
Universitas Sumatera Utara
48 terdistribusi secara normal yang menunjukkan nilai signifikasi lebih
besar dari 0.05 p = 0,985 0,05. Uji Normalitas juga dapat dilakukan dengan uji grafik yang
terdiri dari grafik histogram dan Probabilty – plot. Untuk lebih
menguatkan peneliti bahwa data berdistribusi normal maka dilakukan uji grafik.
Gambar 4.1 Grafik Histogram
S
sumber: Output SPSS, 2015
Dari gambar 4.1 menggunakan Histogram membentuk pola seperti lonceng dan tidak menceng skewness ke kiri maupun ke kanan.
Gambar 4.2 menggunakan probability-plot menunjukkan titik-titik mendekati dan mengikuti garis diagonal.
Universitas Sumatera Utara
49
Gambar 4.2 Grafik
Probabilty-Plot
Sumber: ouput SPSS, 2015
Dapat disimpulkan bahwa model regresi penelitian ini berdistribusi normal dan memenuhi syarat signifikan K-S, grafik histogram dan
grafik probability-plot.
4.1.3.2. Uji Multikoloniearitas
Uji Multikoloniearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas variabel
dependen. Model regresi yang baik adalah yang tidak terjadi korelasi antar variabel independen. Jika VIF 2 dan nlai tolerance 0,10,
maka terjadi korelasi.
Universitas Sumatera Utara
50
Tabel 4.2 Hasil Uji Multikoloniearitas
Model Collinearity Statistics
Tolerance VIF
1 Constant
LN_PER .663
1.508 LN_ROE
.677 1.477
LN_CR .921
1.086 LN_SIZE
.824 1.214
a. Dependent Variable: LN_DPR
Sumber: Output SPSS, 2015
Tabel 4.2 menunjukkan bahwa penelitian ini terbebas dari multikoloniearitas. Tabel di atas menunjukkan seluruh nilai tolerance
0,10 dan VIF 2.
4.1.3.3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah suatu regresi linier ada korelasi antara kesalahan
pengganggu pada periode t dengan kesalahan pada periode t-1 atau sebelumnya.
5. Bila nilai Durbit-Watson DW terletak antara batas atas atau Upper Bound DU dan 4
– DU, maka koefisien autokorelasi sama dengan nol, maka tidak ada autokorelasi
6. Bila nilai DW lebih rendah daripada batas bawah atau Lower Bound DL, maka koefisien autokorelasi 0,
berarti ada autokorelasi positif 7. Bila nilai DW lebih besar daripada 4-DL, maka koefisien
autokorelasi 0, berarti ada autokorelasi negatif. 8. Bila nilai DW terletak di antara batas atas DU dan batas
bawah DL atau DW terletak antara 4-Du dan 4-DL, maka hasilnya tidak dapat disimpulkan.
Universitas Sumatera Utara
51
Tabel 4.3 Hasil Uji Autokorelasi
Berdasarkan hasil pengujian du d 4 – du pada Tabel
4.3, hasil tersebut diperoleh nilai DW sebesar 1,795. Berdasarkan tabel DW
= 5 dengan variabel bebas k = 4 dan n = 42, maka nilai dU adalah 1,7202. 4
– dU, maka 4 – 1,7202 adalah 2,2798. 1,7202 1,795 2,2798 maka dapat disimpulkan bahwa model
regresi tersebut tidak mengandung auto korelasi positif dan negatif.
4.1.3.4. Uji Heteroskedatisitas
Uji Heteroskedatisitas bertujuan untuk melihat apakah model regresi terjadi ketidaksamaan dari residual satu pengamatan ke
pengamatan lain.
Gambar 4.3
menunjukkan terjadinya
heteroskedatisitas, membentuk pola yang jelas. Oleh sebab itum dilakukan tabulasi data Logaritma Natural LN. Regresi yang baik
adalah tidak terdapat hetereoskedatisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada
sumbu Y, maka tidak terjadi heteroskedatisitas.
Model Summary
b
Model R
R Square
Adjusted R
Square Std. Error
of the Estimate
Durbin- Watson
1 .587
a
.345 .274
.72486 1.795
a. Predictors: Constant, LN_SIZE, LN_CR, LN_ROE, LN_PER b. Dependent Variable: LN_DPR
sumber: Output SPSS, 2015
Universitas Sumatera Utara
52
Gambar 4.3 Grafik Scatterplot Sebelum LN
Sumber: Output SPSS 2015
Gambar 4.4 Grafik Scatterplot Sesudah LN
Sumber: Output SPSS 2015
Universitas Sumatera Utara
53 Gambar 4.4.tidak membentuk pola yang jelas, titik-titik
menyebar di atas dan di bawah 0 pada sumbu Y, maka gambar 4.3 tidak terjadi heteroskedatisitas. Dengan demikian, model ini layak
digunakan untuk memprediksi Dividend Payout Ratio DPR pada Perusahaan Property dan Real Estate.
4.1.4. Analisis Persamaan Regresi
Kategori