mengindikasikan bahwa
Collaterizable Asset
yang diperoleh selama periode 2011- 2014 adalah tergolong tinggi lebih besar dari nilai standar deviasi.
4.2.1.2. Variabel Dependen
Dividend Payout Ratio
Tabel 4.2 memperlihatkan bahwa nilai
mean
DPR adalah sebesar 0,47109 dengan standar deviasi 0
,
372069 Nilai minimum DPR adalah 0,023 pada perusahaan MEDC tahun 2012 dan nilai maksimum DPR adalah sebesar 2,110
pada perusahaan ITMG tahun 2013. Secara keseluruhan terlihat bahwa nilai
mean
lebih besar dari standar deviasi. Hal ini mengindikasikan bahwa pada umumnya selama periode 2011-2014 DPR yang diperoleh perusahaan pertambangan di
Bursa Efek Indonesia tergolong tinggi lebih besar dari nilai standar deviasi.
4.2.2 Analisis Statistik 4.2.2.1 Uji AsumsiKlasik
Uji asumsi klasik adalah persyaratan statistik yang harus dimiliki oleh analisisregresi linier berganda
.
a. Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah dalam sebuah model regresi, variabel
independen
dan variabel
dependen
atau keduanya berdistribusi normal atau tidak. Model yang paling baik adalah distribusi data normal atau
mendekati normal. Normalitas data dapat dideteksi dengan melihat bentuk kurva histogram dengan kemiringan seimbang ke kiri dan ke kanan dan berbentuk
seperti lonceng atau dengan melihat titik-titik data yang menyebar di sekitar garis diagonal dan searah mengikuti garis diagonal dari gambar normal P-Plot.
Universitas Sumatera Utara
Gambar 4.1 Histogram Dependent Variabel
Dividend Payout Ratio
Sumber : Hasil Penelitian, 2015 Data Diolah
Gambar 4.1 ini menunjukkan kurva histogram yang memiliki kemiringan seimbang kekiri dan kekanan, atau tidak condong ke kiri maupun kekanan,
melainkan ke tengah dengan bentuk seperti lonceng. Hal ini memenuhi salah satu syarat uji normalitas data bahwa data berdistribusi normal
Universitas Sumatera Utara
Gambar 4.2
Normal P-Plot of Regresion Standarized Residual
Sumber : Hasil Penelitian, 2015 Data Diolah
Gambar 4.2 ini merupakan kurva P-Plot yang menunjukkan penyebaran titik-titik data di sekitar garis diagonal dan mengikuti arah garis diagonal.
Menurut Umar 2008:181, apabila data menyebar di sekitar garis diagonal, maka regresi memenuhi asumsi normalitas. Sehingga dapat disimpulkan bahwa data
pada variabel yang digunakan dalam penelitian ini, yaitu variable
Dividend Payout Ratio
, berdistribusi normal. Penelitian ini juga menggunakan Uji Statistik non-parametrik
One sample Kolmogorov-Smirnov
untuk mendapatkan tingkat uji normalitas yang lebih signifikan. Menurut Umar, 2008:181 bahwa, apabila pada hasil Uji
Kolmogrov Smirnov
, nilai Asymp.Sig. 2-tailed lebih besar dari 0,05
α=5
, tingkat signifikan maka data berdistribusi normal. Pada Tabel 4.3 berikut ini, diperoleh
nilai Asymp.Sig 2-tailed taraf nyat a α , yaitu 1.109 0.05. Hal ini berarti
bahwa H diterima, yang berarti data residual berasal dari distribusi normal.
Universitas Sumatera Utara
Tabel 4.3 Hasil Uji
Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 32
Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,31757619
Most Extreme Differences Absolute
,196 Positive
,196 Negative
-,138 Kolmogorov-Smirnov Z
1,109 Asymp. Sig. 2-tailed
,171 a. Test distribution is Normal.
b. Calculated from data. Sumber : Hasil Penelitian, 2015 Data Diolah
Uji Heterokedastisitas
Asumsi heteroskedastisitas adalah asumsi dalam regresi dimana varians dari residual tidak sama untuk satu pengamatan kepengamatan lain. Jika varians
dari residual dari suatu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika berbeda disebut heteroskedastisitas. Salah satu uji
untuk mengetahui heteroskedastisitas ini adalah dengan melihat penyebaran dari varians residual pada diagram pencar
scatter plot.
Universitas Sumatera Utara
Gambar 4.3 Hasil Scatterplot
Sumber : Hasil Penelitian, 2015 Data Diolah
Pada Gambar 4.3, dapat dilihat bahwa titik-titik menyebar secara acak tidak membentuk suatu pola tertentu. Titik-titik tersebar baik diatas maupun di
bawah angka 0 pada sumbu Y. Sehingga dapat disimpulkan tidak terdapat gejala heteroskedastisitas pada model regresi dalam penelitian ini. Hal ini menandakan
bahwa model regresi layak dipakai untuk memprediksi DPR berdasarkan masukan variabel independennya, yaitu ROE, DER,
growth,
dan
collaterizable Asset
. Untuk memperoleh tingkat uji heteroskedastisitas yang lebih signifikan, maka
dalam penelitian ini juga dilakukan uji Glejser. Apabila signifikansi dari variabel bebas lebih besar dari taraf nyata Sig.
0,05 , maka dianggap tidak terjadi masalah heteroskedastisitas, dan begitu juga sebaliknya.
Universitas Sumatera Utara
Tabel 4.4 Hasil Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant ,332
,209 1,586
,124 ROE
,048 ,385
,028 ,125
,902 DER
-,023 ,046
-,099 -,506
,617 Growth
,012 ,242
,010 ,048
,962 ColAsset
-,236 ,296
-,164 -,797
,433 a. Dependent Variable: absut
Sumber : Hasil Penelitian, 2015 Data Diolah
Berdasarkan hasil output Tabel 4.4, semua variabel independen tidak signifikan terhadap variabel dependennya sig 0,05. Nilai probabilitas
signifikansi variabel ROE 0,902, DER 0,617,
Growth
0.962, dan
Collaterizable Asset
0,433 lebih besar dari taraf nyata sig 0,05. Dengan demikian dapat disimpulkan tidak terjadi gejala heteroskedastisitas dalam model
regresi ini.
c. Uji Autokorelasi