40
28 Barito pasifik Tbk
BRPT 29
Malindo Feedmill Tbk MAIN
30 Duta Pertiwi Nusantara Tbk
DPNS 31
Ekadharma International Tbk EKAD
32 Arwana Citra Mulia Tbk
ARNA 33
Intan Wijaya International Tbk INCI
34 Astra Internasional Tbk
ASII 35
Indo Acitama Tbk SRSN
Jenis dan sumber data diolah oleh peneliti
3.4 Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder, yaitu perusahaan-perusahaan yang tergabung dalam indeks saham BEI periode Februari
2011 sampai Agustus 2013 6 periode. Data bersumber dari situs resmi Bursa Efek Indonesia
www.idx.co.id .
1. Data perusahaan yang go public dapat diperoleh dari Indonesia Stock Exchange IDX.
2. Jurnal atau publikasi lain yang memuat informasi yang relevan dengan penelitian ini.
3.5 Teknik Pengumpulan Data
Teknik pengumpulan data yang digunakan dalam penelitian ini adalah teknik dokumentasi, yaitu laporan keuangan yang telah dipublikasikan dalam
periode pengamatan kemudian dikumpulkan, dicatat dan dikaji.Penelitian ini menggunakan data panel, yaitu penggabungan data antara cross section dan time
series. Sehingga jumlah observasi yang dilakukan sebanyak 105 data, yaitu
41
jumlah data time series sebanyak 2 tahun dikalikan dengan banyaknya perusahaan yang diobservasi yaitu 35 perusahaan.
3.6Metode Analisis
Penelitian ini menggunakan program Eviews 7.0. Metode yang digunakan dalam pengolahan data penelitian ini adalah metode panel regression karena tipe
dari data yang akan digunakan nantinya berbentuk panel data. Panel data merupakan kumpulan data yang merupakan gabungan dari jenis data cross section
dan time series.
3.6.1 Metode Analisis Regresi Panel
Metode yang digunakan dalam penelitian ini adalah Uji Regresi Panel, yang merupakan gabungan antara data cross section dan time series.Menurut
Agus Widarjono dalam Noviana, 2013:67 ada beberapa keuntungan yang diperoleh dengan menggunakan data panel. Pertama, data panel yang merupakan
gabungan dua data time series dan cross section mampu menyediakan data yang lebih banyak sehingga akan menghasilkan Degree Of Freedom yang lebih besar.
Kedua, menggabungkan informasi dari data time series dan cross section dapat mengatasi masalah yang timbul ketika ada masalah penghilangan variabel
omitted variable. Dalam mengestimasi parameter dari persamaan dengan data panel, ada tiga
model persamaan yang dapat dibuat, yaitu:
1. Ordinary Least Square OLS
Metode ini menggunakan metode kuadrat terkecil yang diterapkan dalam data yang berbentuk poolmenggabungkan data cross section dengan data time
42
series.Kemudian data tersebut diregresikan dengan metode OLS. Penggunaan estimasi dengan metode ini tidak realistis. Misalkan kita ingin menganalisis
pengaruh pengeluaran pemerintah daerah terhadap pertumbuhan daerah. Dengan menggunakan OLS maka kita akan memperoleh nilai intercept dan
koefisien parameter yang konstan untuk seluruh daerah. Apakah mungkin setiap daerah memiliki intercept yang sama? Oleh karena itu, penggunaan dua
metode lainnya yakni Fixed Effect ModeldanRandom Effect Modellebih baik. Y
it
= α + ßX
1it
+ ßX
2it
+ ßX
3it
+ ßX
4it
+ ε
it
………….. ..
1
2. Fixed Effect Model FEM
Model ini memiliki intercept persamaan yang tidak konstan atau terdapat perbedaan pada setiap individu data cross section. Sementara itu, slope
koefisien dari regresi tidak berbeda pada setiap individu dan waktu. Y
it
= α + ßX
1it
+ ßX
2it
+ ßX
3it
+ ßX
4it
+ µ
i
+ ε
it
……….. 2 Dimana :
µ
i
= komponen error cross section
3. Random Effect Model REM
Pada model ini, perbedaan antar individu terdapat di error term dari persamaan. Model ini memperhitungkan bahwa error term mungkin
berkorelasi sepanjang time series dan cross section. Oleh karena ada dua metode yang sesuai untuk data panel, beberapa pakar ekonometrika membuat
kesimpulan dari pembuktian untuk menentukan metode apa yang paling sesuai untuk digunakan, yaitu:
43
1. Jika jumlah runtun waktu lebih besar dibandingkan jumlah individu, maka disarankan untuk menggunakan metode FEM,
2. Jika jumlah runtun waktu lebih sedikit dibandingkan jumlah individu, maka disarankan untuk menggunakan metode REM.
Pengujian lain yang disarankan dalam menentukan metode apa yang paling sesuai untuk digunakan pada data panel adalah Uji Hausman. Jika nilai
statistic hausman lebih kecil dari nilai kritisnya atau hausman test tidak signifikan maka H0 diterima, maka model yang tepat adalah REM.
Sedangkan apabila nilai statistic Hausman lebih besar dari nilai kritisnya maka H0 ditolak, sehingga dipakai model FEM.
Berdasarkan kesimpulan dari pembuktian diatas, maka penelitian ini menggunakan Random Effect Model REM, dengan modelnya yaitu:
DPR it = α + β
1
FCFit + β
2
ROEit + β
3
DERit + ε Keterangan:
DPRit : pembayaran dividen untuk cross section ke-i dan waktu ke-t FCFit : free cash flowuntuk cross section ke-i dan waktu ke-t
ROEit : profitabilitascross section ke-i dan waktu ke-t DERit : rasio hutang untuk cross section ke-i dan waktu ke-t
i : menunjukkan jumlah perusahaan dalam sampel unit cross section t : menunjukkan waktu yaitu tahun amatan unit time series
ε : error term
3.6.2 Uji Housman
Pada model panel data kita ingin mengetahui apakah model tersebut fixed effect atau random effect. Model fixed effect mengasumsikan independen variabel
berkorelasi dengan error-nyasedangkan random effect sebaliknya. Model Panel data dengan Fixed Effect diestimasi dengan OLS, sedangkan Random Effect
44
diestimasi dengan GLS Gaeneralized Least Square. Untuk melihat apakah model mengikuti random effect atau fixed effect digunakan Uji Hausman:
Ho : random effect H1 : Fixed effect.
Dengan mengunakan Eviews 7.0 kitadapatmenghitung statistic ujitersebut dan nilai p-valuenyasehinggadapatdiputuskan model mana yang cocok random fixed
effect.
3.6.3 Uji Asumsi Klasik
Sebelum dilakukan uji hipotesa, pada setiap model dilakukan uji asumsi klasik. Asumsi klasik tersebut diantaranya adalah uji autokorelasi dan uji
multikolinieritas dengan rincian sebagai berikut :
1. Uji Normalitas Data
Uji normalitas digunakan untuk menguji apakah dal sebuah model regresi, variabel dependen, variabel independen atau keduanya mempunyai distribusi
normal atau tidak. Dalam penelitian ini normalitas data ditunjukkan dengan besarnya nilai skweness dan kurtosis yang dijelaskan dalam statistik deskriptif.
2. Uji Heteroskedastisitas
Heteroskedastisitas berarti bahwa variasi residual tidak sama untuk semua pengamatan. Konsekuensi akibat terjadinya heteroskedastisitas adalah penaksiran
menjadi tidak efisien baik dalam sampel kecil ataupun besar. Gangguan heteroskedastitas sering muncul dalam data cross section dan data time series. Hal
ini bisa mengakibatkan terjadinya perubahan hasil uji statistik tidak tepat dan interval keyakinan untuk estimasi parameter juga kurang tepat.
45
Salah satu cara untuk mengetahui adanya heteroskedastisitas dengan menggunakan nilai probabilitas ObsR-squared yang diregresikan dengan
menggunakan program e-views. Apabila nilai probabilitas ObsR-squared lebih kecil dari α = 5 maka diduga kuat terdapat heteroskedastisitas pada model
penelitian.
3. Uji Multikolinieritas
Multikolinearitas kolinearitas berganda berarti adanya hubungan linear yang sempurna diantara variable-variabel bebas dalam model regresi korelasi. Jika
terdapat korelasi yang sempurna, konsekuensinya adalah koefisien regresi menjadi tidak dapat ditaksir, nilai standar error setiap regresi menjadi tidak
terhingga. Sehingga mengakibatkan interval keyakinan untuk pendugaan parameter menjadi semakin lebar dan semakin terbuka kemungkian terjadinya
kekeliruan, menerima hipotesis yang salah. Uji Multikolinieritas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi antar variabel bebas independent. Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen. Untuk
melakukan uji multikolinieritas dengan menggunakan nilai tolerance value atau variance inflationfactor VIF. Untuk menunjukkan adanya multikolonearitas
adalah nilai tolerance 0,10 atau sama dengan nilai VIF 10.
3.6.4 Uji Signifikansi a. Uji-F
Uji F dilakukan untuk melihat apakah semua variabel bebas mempengaruhi variabel terikat secara bersama-sama. Untuk menentukan nilai
46
F-tabel, tingkat signifikansi yang digunakan sebesar 5 dengan derajat kebebasan degree of freedom df = n-k dan k-1 dimana n adalah jumlah
observasi, k adalah jumlah variabel termasuk intersep dengan kriteria uji yang digunakan adalah :
Jika F-hitung F- tabel α ; n-k; k-1, maka H0 ditolakmenerima Ha
Jika F-hitung F- tabel α ; n-k; k-1, maka H0 diterimamenolak Ha
b. Uji-t
Uji-t digunakan untuk melihat signifikansi dari pengaruh variabel bebas secara individual terhadap variabel terikat, dengan asumsi variabel bebas
yang lain konstan. Tanda + dan minus - menunjukkan arah hubungan yang terjadi, apakah perubahan variabel terikat searah positif dengan perubahan
variabel bebas atau berlawanan arah negatif. Untuk menentukan t-tabel ditentukan tingkat signifikansi 5
dengan derajat kebebasan df = n – k – 1 dimana n adalah jumlah observasi dan k adalah jumlah variabel termasuk intersep dengan kriteria
uji sebagai berikut : Jika t-hitung t-
tabel α, n–k1, maka H0 ditolak atau menerima Ha Jika t-hitung t-
tabel α, n–k–1, maka H0 diterima atau menolak Ha
c. Determinasi Adjusted R2
Untuk menentukan seberapa besar variabel independen dapat menjelaskan variabel dependen, maka perlu diketahui nilai koefisien determinasi Adjusted
R2.Analisis Koefisien Determinasi R2Koefisien determinasi Goodness of
47
Fit, yang dinotasikandengan R2 merupakan suatu ukuran yang penting dalam regresi, karena dapat menginformasikan baik atau tidaknya model
regresi yang terestimasi. Dengan kata lain angka tersebut dapat mengukur seberapa dekatkah garis regresi yang terestimasi dengan data sesungguhnya
Nachrowi D. Nachrowi, 2006.Sedangkan menurut Gujarati 2003 koefisien determinasi adalah untuk mengetahui seberapa besar
persentase sumbangan variabel bebas terhadap variabel terikat yang dapat dinyatakan dalam persentase. Namun tidak dapat dipungkiri ada
kalanya dalam penggunaan koefisien determinasi R² terjadi bias terhadap satu variabel bebas yang dimasukkan dalam model. Sebagai ukuran
kesesuaian garis regresi dengansebaran data, R2menghadapi masalah karena tidak memperhitungkan derajat bebas. Sebagai alternatif digunakan
correctedatau adjusted R²yang dirumuskanGujarati, 2003
48
BAB IV Pembahasan
4.1 Analisis Deskriptif
Untuk memberikan gambaran data dalam penelitian ini maka dilakukan analisis dari data statistik yang diperoleh melalui hasil stimasi dengan
menggunakan eviews 7. Analisis deskriptif dalam penelitian ini dilakukan untuk mendapatkan gambaran tentang nilai minimum, nilai maksimum, nilai rata-rata,
dan standar deviasi dari masing-masing variabel yang digunakan. Data statistik yang diperoleh dari hasil regresi dapat dilihat pada tabel
dibawah ini: Tabel 4.1
Analisis Deskriptif
Keterangan Kebijakan Hutang
Free Cash Flow
Deviden Profitabilitas
Mean 108,0857
49468,84 12097,79
1666,171 Median
43,0000 4647,00
77,50 876,500
Maximum 1012,0000
713749,00 696457,00
13476,000 Minimum
2,0000 20,00
5,00 1,000
Sdt.deviasi 176,8574
120328,00 83487,86
2623,374
Sumber: lapiran
Seluruh variabel diatas ditransformasikan kedalam bentuk logaritma natural sehingga nilai dari masing masing variabel menjadi normal. Dari tabell 4.1
diatas maka dapat dibuat deskripsi sebagai berikut ini :
1. Variabel Kebijakan Hutang
Kebijakan hutang merupakan suatu tolak ukur keberhasilan perusahaan dalan menjalankan operasinya. Semakin besar hutang maka kemungkinan
suatu perusahan sedang dalam situasi kurang baik. Namun hutang juga adalah salah satu faktor yang sangat mempengaruhi berkembangnya suatu
