43
mendeteksi masalah autokorelasi adalah dengan menggunakan nilai ujia Durbin Watson dengan ketentuan sebagai berikut:
Angka D-W di bawah -2 berarti ada autokorelasi positif. Angka D-W di antara -2 sampai +2 berarti tidak ada autokorelasi.
Angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.7 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson
d i
m e
n s
i o
n
1 .291
a
.085 .044
.77268 1.990
a. Predictors: Constant, LN_Arus_Kas_Operasi, LN_ROI b. Dependent Variable: LN_DPR
Sumber : Data yang diolah Penulis, 2012
Tabel 4.7 memperlihatkan nilai statistik D-W sebesar 1,990. Angka ini terletak di antara -1 dan +2, dari pengamatan ini dapat disimpulkan
bahwa tidak terjadi autokorelasi positif maupun autokorelasi negatif.
4.5 Pengujian Hipotesis
Pengujian hipotesis dalam penelitian ini dengan menggunakan analisis linear berganda dengan bantuan software SPSS 17.
4.5.1 Analisis Koefisien Korelasi dan Koefisien Determinasi
Nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel
Universitas Sumatera Utara
44
dependen. Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0,5 dan mendekati 1. Nilai koefisien deteminasi R Square dapat dilihat
pada tabel berikut.
Tabel 4.9 Hasil Analisis Koefisien Korelasi dan Koefisien Determinasi
Model Summary
Model R
R Square Adjusted R
Square Std. Error
of the Estimate 1
0,291
a
0,085 0,044
0,77268 a. Predictors: Constant, LN_Arus_Kas_Operasi, LN_ROI
b. Dependent Variable: LN_DPR Sumber : Data yang diolah Penulis, 2012
Pada model summary, nilai koefisien korelasi R sebesar 0,291 yang berarti bahwa korelasi atau hubungan antara LN_dividend payout ratio
LN_DPR dengan variabel independennya LN_ROI dan LN_Arus Kas Operasi tidak begitu kuat karena berada di bawah 0,5. Angka adjusted R
square atau koefisien determinasi adalah 0,044. Hal ini berarti 4,4 variasi atau perubahan dalam DPR dapat dijelaskan oleh variasi dari laba bersih
dan arus kas operasi, sedangkan sisanya 95,6 dijelaskan oleh sebab- sebab lain. Standar Error of Estimate SEE adalah 0,77268, dimana
semakin besar SEE akan membuat model regresi kurang tepat dalam memprediksi variabel dependen.
Universitas Sumatera Utara
45
4.5.2 Uji Parsial t Test
Uji t digunakan untuk menguji signifikansi konstanda dari setiap variabel independennya. Berikut ini merupakan hasil pengolahan data
dengan menggunakan software SPSS versi 17.
Tabel 4.10 Hasil Uji t
Model t
Sig. 1
Constant 0,656
0,515 LN_ROI
0,497 0,621
LN_Arus_Kas_Operasi 1,984
0,053 a. Dependent Variable: LN_DPR
Sumber : Data yang diolah Penulis, 2012
Dari tabel regresi dapat dilihat besarnya t hitung variabel ROI sebesar 0,497 dengan nilai signifikansi 0,621. Hasil uji statistik tersebut
dapat menyimpulkan t hitung adalah 0,497 sedangkan t tabel adalah 2.021 sehingga t tabel t hitung 2,021 0,497, maka Return on Invesment
ROI secara individual tidak mempengaruhi DPR. Signifikansi penelitian juga menunjukkan angka 0,05 0,621 0,05, maka H
diterima dan H
1
ditolak, artinya Return on Invesment ROI tidak berpengaruh terhadap DPR.
Tabel di atas juga menunjukkan besarnya t hitung untuk variabel arus kas operasi sebesar 1,984 sedangkan t tabel adalah 2,021, sehingga t
tabel t hitung 2,021 1,984, maka arus kas operasi tidak berpengaruh
Universitas Sumatera Utara
46
terhadap DPR secara individual. Signigikansi 0,053 menyimpulkan bahwa signifikansi penelitian 0,05 0,053 0,05, maka Ha ditolak dan Ho
diterima, artinya arus kas operasi tidak berpengaruh secara parsial terhadap DPR.
4.5.3 Uji Simultan F Test
