47 b.
Variabel earnngs per shareEPS memiliki nilai minimum 11 dan nilai maksimum 930,1. Nilai rata-rata dan standar deviasi dari EPS masing-
masing 309,43 dan 252,73. Total sampel pengamatan sebanyak 40. c.
Variabel return on equtyROE memiliki nilai minimum 9,21dan nilai maksimum 31,28. Nilai rata-rata dan standar deviasi dari ROE masing-
masing 18,39 dan 5,43 . Total sampel pengamatan sebanyak 40. d.
Variabel size memiliki nilai minimum 6,38 dan nilai maksimum 8,86. Nilai rata-rata dan standar deviasi dari Size masing-masing 7,95 dan
0,75. Total sampel pengamatan sebanyak 40.
4.1.2 Uji Asumsi Klasik
a Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual terdistribusi normal atau
tidak.
1 Analisis Grafik
Analisis grafik merupakan salah satu cara yang digunakan untuk melihat apakah data dalam penelitian ini normal atau tidak.
Analisis grafik yang digunakan untuk menguji normalitas residual dalam penelitian ini yaitu dengan menggunakan grafik histogram
dan grafik normal p-p plot. Grafik histogram disajikan pada gambar 4.1 berikut ini
48
Gambar 4.1 Grafik Normal Histogram
Sumber :Hasil olahan SPSS 20 2015
Grafik Normal P-P Plot disajikan dalam gambar 4.2 berikut ini :
49
Gambar 4.2 Grafik Normal P-P Plot
Sumber : Hasil olahan SPSS 20 2015 Berdasarkan kedua grafikdi atas, maka dapat disimpulkan
bahwa distribusi data normal.Grafik histogrammenunjukkan distribusi data normal dengan membentuk kurva mirip seperti
lonceng yang memiliki kemiringan seimbang antara sisi kiri maupun sisi kanan.
Grafik normal p-p plot menunjukkan distribusi data normal dengan membentuk data-data yang menyebar di sekitar garis
diagonal dan mengikuti arah garis diagonal.
2 Analisis Statistik
Analisis statistik yang digunakan dalam penelitian ini untuk menguji normalitas residual adalah uji statistik non-
50 parametrik Kolmogorov-Smirnov K-S. Hal ini dilakukan dengan
membuat hipotesis : H0 : data residual berdistribusi normal
Ha : data residual tidak berdistribusi normal Apabila nilai signifikansinya lebih besar dari 0,05 maka
H0 diterima, sedangkan jika nilai signifikansinya lebih kecil dari 0,05 maka H0 ditolak.
Hasil uji Kolmogorov-Smirnov disajikan dalam tabel 4.2 berikut ini :
Tabel 4.2 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
40 Normal Parameters
a,b
Mean 0E-7
Std. Deviation 26,99275758
Most Extreme Differences Absolute
,096 Positive
,069 Negative
-.096 Kolmogorov-Smirnov Z
,605 Asymp. Sig. 2-tailed
,857 a. Test distribution is Normal.
b. Calculated from data.
Sumber :Hasil olahan SPSS 20 2015 Hasil pengolahan data menunjukkan nilai Kolmogorov-
Smirnov sebesar 0,605 dan nilai signifikansi sebesar 0,857. Nilai
51 signifikansi 0,857 0,05 berarti H0 diterima. H0 diterima
menunjukkan bahwa data residual berdistribusi normal.
b Uji Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas.Jika
tolerance 0,10 dan Variance Inflation Factor VIF 10, maka dapat disimpulkan bahwa tidak ada korelasi antar variabel bebas dalam
model regresi. Hasil uji multikolinieritas disajikan dalam tabel 4.3 berikutini :
Tabel 4.3 Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-174,426 69,914
-2,495 ,017
Earning Per Share
,175 ,032
,657 5,460
,000 ,310 3,226
Return On Equity ,447
1,087 ,036
,411 ,683
,579 1,727 Size
25,020 9,331
,282 2,681
,011 ,406 2,464
a. Dependent Variable: CD
Sumber : Hasil Olahan SPSS 20 2015 Pada tabel 4.3 dapat dilihat bahwa variabel independen yaitu
EPS, ROE, dan Size memiliki nilai tolerance 0,10 masing-masing sebesar 0,31; 0,58; 0,41; serta nilai VIF 10 masing-masing
52 sebesar3,23; 1,73;2,46;. Hasil yang didapatkan menunjukkan bahwa
tidak terjadi multikolinieritas antar variabel independen dalam model regresi
c Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear mempunyai korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1 atau sebelumnya Erlina, 2011 : 107. Uji autokorelasi pada penelitian ini menggunakan uji
Durbin-Watson.
Tabel 4.4 Uji Durbin-Watson
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 ,916
a
,839 ,825
28,09495 2,030
a. Predictors: Constant, Size, Return On Equity, Earning Per Share b. Dependent Variable: Cash Dividend
Sumber : Hasil olahan SPSS 20 2015 Berdasarkan tabel 4.4 di atas terlihat bahwa nilai uji Durbin-
Watson d sebesar 2,030. Nilai Durbin-Watson akan kita bandingkan dengan menggunakan nilai signifikansi 5, jumlah pengamatan 40 n
dan jumlah variabel independen 3k=3, sehingga di dalam tabel Durbin Watson akan didapatkan nilai batas bawah dl sebesar 1,222
dan batas atas du sebesar 1,542.Kriteria pengujian Durbin-Watson
53 untuk menentukan tidak adanya autokorelasi positif atau negatif yaitu
du d 4-du. Berdasarkan hasil yang didapat diketahui bahwa nilai du yaitu 1,542 nilai d yaitu 2,030 4-du yaitu 2,658. Hasil ini sesuai
dengan kriteria pengujian Durbin-Watson sehingga dapat disimpulkan bahwa tidak terjadi autokorelasi positif atau negatif.
d Uji Heteroskedastisitas
Menurut Ghozali 2006 : 105, uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi perbedaan variance dari
residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model
regresi yang baik adalah Homoskedastisitas bukan Heteroskedastisitas. Cara untuk mendeteksi ada atau tidaknya
heterokedastisitas adalah dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y
adalah Y yang telah diprediksi, dan sumbu X adalah residual. Dasar analisis uji heteroskedastisitas adalah sebagai berikut :
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi
heteroskedastisitas.
54 2.
Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heterokedastisitas. Hasil uji heteroskedastisitas dengan scatterplot disajikan dalam gambar
4.3 berikut ini :
Gambar 4.3 Scatterplot Hasil Uji Heteroskedastisitas
Sumber :Hasil Olahan SPSS 20 2015 Dari gambar 4.3 hasil ujiheterokedastisitas dengan scatterplot
menunjukkan bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga dapat
disimpulkan bahwa tidak terjadi heterokedastisitas.
55
4.1.3 Pengujian Hipotesis
