Uji Normalitas Pengaruh Faktor Fundamental terhadap Kebijakan Dividen pada Perusahaan Pertambangan yang Terdaftar di Bursa Efek Indonesia

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