kenaikkan sebesar Rp. 3375,00 menjadi Rp. 7550,00. Penjelasan seperti itu dapat dijelaskan pada 10 perusahaan sampel yang belum dijelaskan.
Nilai kesejahteraan pemegang saham perusahaan sampel yang diteliti menunjukkan seberapa besar kesejahteraan yang didapatkan oleh
pemegang saham.
4.3. Analisis dan Pengujian Hipotesis
4.3.1.Analisis Asumsi Klasik
Persamaan regresi harus bersifat BLUE Best Linear Unbiased Estimator, artinya pengambilan keputusan melalui uji F dan uji t tidak
boleh bias. Untuk menghasilkan keputusan dengan kriteria BLUE maka harus dipenuhi diantaranya tiga asumsi dasar. Asumsi dasar yang tidak
boleh dilanggar oleh regresi linier berganda, yaitu : tidak boleh ada multikolinieritas, tidak boleh ada heteroskedastisitas dan tidak boleh ada
autokorelasi, serta data analisis berdistribusi normal. Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka
persamaan regresi yang diperoleh tidak lagi bersifat BLUE Best Linear Unbiased Estimator, sehingga pengambil keputusan melalui uji F dan uji
t menjadi bias.
4.3.1.1.Uji Outlier
Outlier adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi.
Tabel 4.5. Uji Outlier
Residuals Statistics
a
-14581,57 111511,31
27117,49 34911,185
39 -1,194
2,417 ,000
1,000 39
7530,505 28248,938
12710,353 4363,412
39 -19822,72
162517,73 27874,46
39149,975 39
-77681,7 159248,2
,000 40216,706
39 -1,854
3,800 ,000
,960 39
-2,209 4,144
-,007 1,066
39 -113018
189388,4 -756,973
50223,560 39
-2,347 5,724
,033 1,261
39 ,253
16,294 2,923
3,185 39
,000 ,826
,073 ,203
39 ,007
,429 ,077
,084 39
Predicted Value Std. Predicted Value
Standard Error of Predicted Value
Adjusted Predicted Value Residual
Std. Residual Stud. Residual
Deleted Residual Stud. Deleted Residual
Mahal. Distance Cooks Distance
Centered Leverage Value Minimum
Maximum Mean
Std. Deviation N
Dependent Variable: Kesejahteraan Pemegang Saham a.
Sumber : Lampiran 1 Mahalonobis. Distance maks = 16,294
Terdapat outlier apabila Mahal. Distance Maximum Prob. Jumlah variabel [=CHIINV0,001.4 : dicari melalui Excel] = 18,47 Hasil
analisis deteksi adanya oulier data ini pada analisis pertama Tidak terdapat
nilai Mahal. Distance Maximum yang lebih kecil dari 18,47 . Berarti tidak terdapat
outlier pada data tersebut, oleh karena itu data ini mempunyai
kualitas yang baik dan dapat dilanjutkan untuk diolah lebih lanjut.
4.3.1.2.Uji Normalitas
Berdasarkan pendapat pakar bahwa data yang lebih dari 30 dianggap berdistribusi normal, maka peneliti menganggap bahwa data penelitian
telah memenuhi normalitas data berdistribusi normal.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Pedoman dalam mengambil keputusan apakah sebuah distribusi
data mengikuti distribusi normal adalah :
a. Jika nilai signifikansi nilai probabilitasnya lebih kecil dari 5, maka distribusi adalah tidak normal.
b. Jika nilai signifikansi nilai probabilitasnya lebih besar dari 5, maka distribusi adalah normal.
Tabel 4.6. Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
39 ,0000000
40216,70599 ,216
,216 -,124
1,347 ,053
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed Unstandardiz
ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Lampiran 1 Menggunakan uji Kolmogorov-Smirnov dikatakan data dipastikan
dari populasi yang berdistribusi normal jika nilai signifikansinya lebih besar dari 0,05 5. Tingkat signifikannya yaitu 0,053 5,3 lebih besar
dari 0,05 5. Dengan menggunakan uji ini diperoleh hasil analisis bahwa semua variabel Kesejahteraan Pemegang Saham Y, DPS X1,
REP X2 dan PER X3 berasal dari populasi yang berdistribusi normal, sehingga dapat disimpulkan sebagian data memenuhi asumsi
berdistribusi normal .
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.3.1.3.Uji Multikolinieritas
Identifikasi secara statistik ada atau tidaknya gejala multikolinier dapat dilakukan dengan menghitung Variance Inflation Factor VIF.
VIF menyatakan tingkat “pembengkakan” varians. Apabila VIF lebih besar dari 10, hal ini berarti terdapat multikolinier pada persamaan
regresi linier Gujarati, 1995 : 339. Hasil uji multikolinieritas dapat dilihat pada tabel berikut :
Tabel 4.7. Uji Multikolinieritas
Sumber : Lampiran 2 Dalam pengujian asumsi klasik terhadap analisis regresi linier
berganda ini menyatakan bahwa hasil analisis penelitian ini tidak menunjukkan adanya gejala multikolinieritas
dimana nilai VIF pada variabel tidak lebih besar dari 10 maka variabel ini disimpulkan tidak
terdapat gejala multikolinieritas dengan variabel independen lainnya. Dengan nilai VIF untuk DPS X1 = 1,094, REP X2 = 1,091 dan PER
X3 = 1,022. Syarat terjadi multikolinieritas jika nilai VIF Variance Inflation Factor
10 Ghozali, 2005.
Coefficients
a
,914 1,094
,916 1,091
,978 1,022
DPS REP
PER Model
1 Tolerance
VIF Collinearity Statistics
Dependent Variable: Kesejahteraan Pemegang Saham a.
1 VIF
2
- 1
j
R
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.3.1.4.Uji Heteroskedastisitas
Varian dari residual dari satu pengamatan ke pengamatan lain mempunyai varian yang berbeda. Jika sama namanya Homoskedastisitas.
Model regresi yang baik tidak mempunyai Heteroskedastisitas. Pengujian Heteroskedastisitas di sini menggunakan korelasi rank Spearman antara
residual dengan seluruh variabel bebas dengan hasil analisis sebagai berikut :
Tabel 4.8. Uji Heteroskedastisitas Nonparametric Correlations
Correlations
. Correlation is significant at the 0.01 level 2-tailed.
Sumber : Lampiran 2 Hasil analisis menunjukkan bahwa pada variabel untuk DPS X1,
REP X2 dan PER X3, TIDAK mempunyai korelasi yang signifikan
antara residual dengan variabel bebasnya, maka hasil analisis ini dapat
disimpulkan semua variabel penelitian Tidak terjadi Heteroskedastisitas sehingga dapat disimpulkan bahwa semua variabel penelitian
memenuhi asumsi Heteroskedastisitas.
1,000 -,153
,092 ,183
. ,354
,579 ,265
39 39
39 39
-,153 1,000
,284 ,166
,354 .
,080 ,311
39 39
39 39
,092 ,284
1,000 -,233
,579 ,080
. ,154
39 39
39 39
,183 ,166
-,233 1,000
,265 ,311
,154 .
39 39
39 39
Correlation Coefficient Sig. 2-tailed
N Correlation Coefficient
Sig. 2-tailed N
Correlation Coefficient Sig. 2-tailed
N Correlation Coefficient
Sig. 2-tailed N
DPS REP
PER Unstandardiz
DPS REP
PER ed Residual
Spearmans rho
Unstandardized Residual
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.3.1.5.Uji Autokorelasi
Dari perhitungan uji untuk mengetahui adanya autokorelasi dengan menggunakan uji Durbin Watson, diketahui nilai Durbin Watson adalah
1,994 lihat tabel 4.9. Sehingga berdasarkan patokan untuk menentukan ada atau tidaknya gejala autokorelasi tersebut pada bab tiga, dapat
disimpulkan sebagai berikut :
Tabel 4.9. Uji Autokorelasi
Model Summary
b
Sumber : Lampiran 2 Untuk asumsi klasik yang mendeteksi adanya autokorelasi di sini
dilihat dari hasil analisis yang menunjukkan hasil bahwa nilai Durbin Watson di antara -2 dan +2 yaitu sebesar 1,994, hal ini menunjukkan
Tidak adanya gejala autokorelasi. Jadi dapat disimpulkan bahwa model
regresi linier berganda yang diperoleh pada penelitian ini memenuhi asumsi klasiknya
sehingga hasil tidak bias untuk diintepretasikan secara keseluruhan.
4.3.2. Pengujian Hipotesis
Pengujian hipotesis ini dilakukan dengan cara pengujian secara simultan uji F maupun pengujian secara parsial uji t.
,656
a
,430 ,381
41904,848 1,994
Model 1
R R Square
Adjusted R Square
Durbin- Std. Error of
Watson the Estimate
a. Predictors: Constant, PER, REP, DPS b. Dependent Variable: Kesejahteraan Pemegang Saham
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.3.2.1. Uji Kecocokkan Model Uji F
Hasil uji F ini menunjukkan hasil yang signifikan, maka dapat disimpulkan bahwa alat analisis regresi berganda yang digunakan sebagai
alat analisis ini cocok atau dapat digunakan sebagai alat analisis dengan
tingkat signifikan 0,000. Atau dengan kata lain analisis kecocokan model ini dapat digunakan sebagai alat untuk menentukan apakah alat analisis
Regresi Berganda yang digunakan ini cocok atau tidak, seperti hasil berikut :
Tabel 4.10. Uji F
b
ANOVA
Sumber : Lampiran 2 Terlihat dari angka F 8,792 dengan Sig. 0,000 0,05 : Signifikan
positif, berarti perubahan tiga variabel bebas DPS X1, REP X2 dan PER X3 mampu menjelaskan perubahan variabel Y. Dimana [lihat R
Square 0,430 pada tabel 4.9] atau 43 sedang sisanya 57 [100 - 43]
dijelaskan oleh variabel lain selain variabel X1, X2 dan X3. Hasil
analisis ini menunjukkan bahwa model regresi yang digunakan untuk
teknik analisis ini cocok, oleh karena itu untuk peneliti yang akan datang
disarankan untuk menggunakan model teknik analisis yang sama.
5E+010 3
1,544E+010 8,792
,000
a
6E+010 35
1756016307 1E+011
38 Sum of
F Model
Squares df
Mean Square Sig.
Regression Residual
1 Total
a. Predictors: Constant, PER, REP, DPS b. Dependent Variable: Kesejahteraan Pemegang Saham
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.3.2.2.Pengujian secara Parsial Uji t
Dari hasil perhitungan yang menggunakan komputer dengan aplikasi program SPSS Statistical Program For Social Science dibawah operasi
Windows, diperoleh hasil Uji t sebagai berikut:
Tabel 4.11. Uji t
Coefficients
a
Sumber : Lampiran 2 Berdasarkan hasil perhitungan diatas diperoleh persamaan regresi
linier berganda sebagai berikut:
Y = -9512,331 + 7,285X
1
- 0,004X
2
+ 2696,812X
3
Y adalah kesejahteraan pemegang saham, b0 adalah konstanta = -9512,331
; b1 adalah koefisien regresi X1 = 7,285; dan X1 adalah DPS, b2 adalah koefisien regresi X2 = - 0,004, dan X2 adalah REP. b3 adalah koefisien
regresi X3 = 2696,812; dan X3 adalah PER. Sedangkan untuk pengaruh nyata tidaknya masing-masing variabel
dapat dijelaskan sebagai berikut : 1. Pengaruh Variabel DPS X
1
Terhadap Kesejahteraan Pemegang Saham Y
Nilai koefisien korelasi r partial lihat tabel 4.11 variabel DPS X
1
dengan variabel kesejahteraan pemegang saham Y adalah sebesar
-9512,331 14139,223
-,673 ,506
7,285 2,094
,464 3,480
,001 ,461
,507 ,444
-,004 ,003
-,186 -1,392
,173 -,263
-,229 -,178
2696,812 774,569
,449 3,482
,001 ,371
,507 ,444
Constant DPS
REP PER
Model 1
B Std. Error
Unstandardized Coefficients
Beta Standardized
Coefficients t
Sig. Zero-order
Partial Part
Correlations
a. Dependent Variable: Kesejahteraan Pemegang Saham
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
0,507. Sedangkan nilai koefisien determinasi atau pengaruh r
2
parsial variabel DPS terhadap kesejahteraan pemegang saham adalah sebesar 0,507
2
= 0,257 atau 25,7. Sedangkan nilai t
hitung
yang diperoleh adalah 3,480 dengan taraf signifikan sebesar 0,001. Karena
taraf signifikan yang diperoleh lebih kecil dari 0,05, maka secara nyata DPS berpengaruh signifikan terhadap kesejahteraan pemegang
saham. 2. Pengaruh Variabel REP X
2
Terhadap Kesejahteraan Pemegang Saham Y
Nilai koefisien korelasi r partial variabel REP X
2
dengan variabel kesejahteraan pemegang saham Y adalah sebesar -0,229 Sedangkan
nilai koefisien determinasi atau pengaruh r
2
parsial variabel REP terhadap kesejahteraan pemegang saham adalah sebesar -0,229
2
= 0,052 atau 5,2. Sedangkan nilai t
hitung
yang diperoleh adalah -1,392 dengan taraf signifikan sebesar 0,173. Karena taraf signifikan yang
diperoleh lebih besar dari 0,05, maka secara nyata REP tidak berpengaruh signifikan terhadap kesejahteraan pemegang saham.
3. Pengaruh Variabel PER X
3
Terhadap Kesejahteraan Pemegang Saham Y
Nilai koefisien korelasi r variabel PER X
3
dengan variabel kesejahteraan pemegang saham Y adalah sebesar 0,507. Sedangkan
nilai koefisien determinasi atau pengaruh r
2
parsial variabel PER terhadap kesejahteraan pemegang saham adalah sebesar 0,507
2
=
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
0,257 atau 25,7. Sedangkan nilai t
hitung
yang diperoleh adalah 3,482 dengan taraf signifikan sebesar 0,001. Karena taraf signifikan yang
diperoleh lebih kecil dari 0,05, maka secara nyata PER berpengaruh signifikan terhadap kesejahteraan pemegang saham.
Dengan demikian berdasarkan hasil pengujian dapat disimpulkan bahwa variabel DPS mampu berpengaruh positif dan
signifikan terhadap kesejahteraan pemegang saham. Sedangkan RE berpengaruh negatif dan tidak signifikan terhadap kesejahteraan
pemegang saham, dan PER berpengaruh positif dan signifikan terhadap kesejahteraan pemegang saham.
4.4. Pembahasan