48
Berdasarkan tabel 4.3 dapat diketahui bahwa selama periode tahun 2007 hingga tahun 2010, perusahaan yang membagikan dividen tertinggi
adalah PT Multi Bintang Indonesia, Tbk, Tbk pada tahun 2008 yakni dengan nilai sebesar 142,17, sedangkan perusahaan yang pernah tidak
membagikan dividen adalah PT Indofood Sukses Makmur, Tbk pada tahun 2007-2008 dan tahun 2010, PT Mayora Indah Tbk pada tahun 2009-2010,
PT Delta Djakarta Tbk tahun 2007-2008, PT Fast Food Indonesia, Tbk tahun 2010, PT Sinar Mas Agro Resourches And Technology Tbk tahun
2010 dan PT Tunas Baru Lampung, Tbk pada tahun 2007-2008. Mampunya suatu perusahaan membayarkan dividen yang cukup tinggi
tersebut dapat disebabkan karena keunrungan yang dimliki oleh perusahaan cukup besar dan perusahaan pada saat tersebut telah
menyelesaikan segala kewajibannya sehingga sisa keuntungan masih dpaat dibagikan pada pemegang saham dalam bentuk dividen.
4.3. Deskripsi Hasil Pengujian
4.3.1. Hasil Pengujian Normalitas
Uji normalitas data digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal yang dapat dilakukan dengan berbagai metode
diantaranya adalah uji regresi OLS Ordinary least Square, dimana distribusi sampling dari regresi OLS tergantung pada distribusi residual
e, apabila residual e berdistribusi normal dengan sendirinya bo dan b
1
juga berdistribusi normal. Gujarati, 1995:66. Komponen penganggu e harus tersebar mengikuti sebaran normal dengan nilai tengah = 0 dengan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
49
varaian sebesar σ
2
. Uji normalitas dapat dilakukan dengan berbagai metode diantaranya adalah One Sample-Kolmogorov Smirnov. Dalam
regresi OLS b dan b
1
adalah fungsi linier dari Y dan Y adalah fungsi linier dari u
I
residual. Hasil pengujian normalitas yang telah dilakukan adalah sebagai berikut :
Tabel 4.4. Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
28 ,0000000
36,80797280 ,162
,162 -,088
,855 ,458
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed Unstandardized
Residual
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Lampiran 4 Berdasarkan tabel tersebut diatas dapat diketahui bahwa nilai
statistik Asymp.Sig yang diperoleh mempunyai taraf signifikan yang lebih dari dari 0,05 yaitu sebesar 0,458, dimana nilai tersebut telah sesuai
dengan kriteria bahwa sebaran data disebut berdistribusi normal apabila
memiliki taraf signifikan 0,05 Gujarati, 1995:66. 4.3.2.
Pengujian Asumsi Klasik 4.3.2.1.Uji Autokorelasi
Salah satu asumsi penting dari model asumsi klasik adalah bahwa kesalahan atau gangguan yang berhubungan dengan observasi tidak
berkolerasi atau tidak dipengaruhi oleh kesalahan atau gangguan yang berhubungan dengan pengamatan lain yang manapun. Autokolerasi ini
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
50
bertujuan untuk mengetahui apakah kesalahan penggangu pada periode tertentu berkolerasi dengan kesalahan penggangu pada periode lainnya.
Autokorelasi menunjukkan adanya kondisi yang berurutan di antara gangguan atau disturbansi ui atau ei yang masuk ke dalam fungsi regresi
Gujarati, 1995 dalam Meythi 2006. Dalam penelitian ini terjadi atau tidaknya autokorelasi diuji dengan menggunakan Durbin-Watson.
Secara umum dengan menggunakan angka Durbin-Watson bisa diambil patokan kriteria penilaian bebas atau tidaknya dari uji autokorelasi
Santoso 2000 dalam Meythi 2006, yakni: 1
Angka D-W di bawah -2 berarti ada autokorelasi positif , 2
Angka D-W di antara -2 sampai +2 berarti tidak ada autokorelasi
3 Angka D-W di atas +2 berarti ada autokorelasi.
Hasil pengujian autokorelasi dapat disajikan pada tabel di bawah ini, selengkapnya sebagai berikut :
Tabel 4.5. Hasil Uji Autokorelasi
Model Summary
b
1,606 Model
1 Durbin-
Watson Dependent Variable: Kebijakan Dividen
b.
Sumber : Lampiran 5 Berdasarkan Tabel 4.5 dapat diketahui bahwa besarnya nilai
Durbin-Watson adalah 1,606, dimana nilai tersebut berada diantara -2
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
51
sampai +2 sehingga dapat disimpulkan bahwa dalam penelitian ini telah memenuhi asumsi autokorelasi.
4.3.2.2.Uji Multikolinieritas
Identifikasi secara statistik ada atau tidaknya gejala multikolinier dapat dilakukan dengan menghitung Variance Inflation Factor VIF. Dari
hasil pengujian terhadap gejala mulitikolinieritas diperoleh hasil sebagai berikut
::
Tabel 4.6. Hasil uji Multikolinieritas
Variabel bebas Tolerance
VIF
Profitabilitas X
1
0,531 1,881
Kebijakan Hutang X
2
0,531 1,881
Sumber : Lampiran 5 Berdasarkan hasil pengujian dapat diketahui bahwa nilai VIF
seluruh variabel bebas dalam penelitian ini lebih kecil dari 10, artinya seluruh variabel bebas pada penelitian ini tidak terjadi gejala multikolinier
Ghozali, 2001:57. 4.3.2.3.Uji Heteroskedastisitas
Pada regresi linier, nilai residual tidak boleh ada hubungan dengan variabel X. Hal ini bisa diidentifikasi dengan menghitung korelasi Rank
Spearman antara residual dengan seluruh variabel bebas dimana nilai probabilitas yang diperoleh harus lebih besar dari 0,05. Hal ini bisa
diidentifikasikan dengan cara menghitung korelasi Rank Spearman antara
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
52
residual dengan seluruh variabel independen atau yang menjelaskan dimana nilai signifikansi yang diperoleh harus lebih besar dari 0,05.
Hasil pengujian heteroskedastisitas pada penelitian ini dapat dilihat pada tabel berikut ini :
Tabel 4.7. Hasil Pengujian Heteroskedastisitas
No Variabel
Nilai mutlak dari residual
Taraf Signifikansi
1. Profitabilitas X
1
0,274 0,158
2 Kebijakan Hutang X
2
-0,086 0,662
Sumber : Lampiran 6 Berdasarkan tabel diatas dapat diketahui bahwa, tingkat signifikan
koefisien Rank Spearman untuk semua variabel bebas terhadap residual adalah lebih besar dari 0,05 yang berarti pada model regresi ini tidak
terjadi heteroskedastisitas. Dari hasil pengujian yang telah dilakukan dapat disimpulkan
bahwa model analisis regresi linier berganda tersebut telah bebas dari penyimpangan-penyimpangan asumsi klasik, yaitu bebas dari
penyimpangan heteroskedastisitas, multikolinieritas dan autokorelasi sehingga layak untuk dilakukan pengujian regresi linier berganda.
4.3.3. Hasil Pengujian Regresi Linier Berganda