Gambaran Umum Uji Regresi Berganda

35 BAB IV HASIL DAN PEMBAHASAN

4.1 Gambaran Umum

Populasi yang digunakan dalam penelitian ini adalah perusahaan manufaktur yang terdaftar di BEI 2010 sampai 2012. Perusahaan yang dijadikan sampel berjumlah 25 perusahaan dengan time series 3 tahun sehingga jumlah observasi penelitian berjumlah 75 perusahaan. Variabel independen yang digunakan adalah laba akuntansi dan laba tunai. Variabel dependen yang digunakan adalah dividen kas dan variabel moderating yang digunakan adalah likuiditas. Peneliti menggunakan uji asumsi klasik, uji regresi berganda dan uji regresi moderasi. Uji regresi yang digunakan untuk variabel moderating adalah uji residual. Uji residual menguji pengaruh deviasi penyimpangan dari suatu model. Fokusnya adalah ketidak cocokkan lack of fit yang dihasilkan dari hubungan linear antar variabel independen. Lack of fit ditunjukkan oleh nilai residual didalam regresi. Likuiditas dianggap variabel moderating kalau nilai koefisien parameternya negatif dan signifikan. 4.2 Uji Asumsi Klasik 4.2.1 Uji Normalitas Uji normalitas dilakukan untuk menguji apakah dalam sebuah model regresi, variabel independen, variabel dependen atau keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik hendaknya berdistribusi normal atau mendekati normal. Uji ini akan dideteksi melalui dua cara yaitu, analisis grafik histogram dan Normal P-Plots dan analisis statistik Non-Parametrik Kolmogorov-Smirnov. Universitas Sumatera Utara 36

1. Analisis Grafik

Analisis grafik dilakukan dengan melihat grafik histogram dan grafik Normal Probability-Plots berikut ini: Sumber : lampiran 8 Gambar 4.1 Histogram Sumber : lampiran 8 Gambar 4.2 Normal P-Plots Dengan melihat tampilan grafik histogram yang tersaji pada Gambar 4.1 maupun grafik normal plot yang tersaji pada Gambar 4.2, dapat disimpulkan bahwa grafik histogram memberikan pola distribusi yang normal. Sedangkan pada grafik normal plot terlihat titik- titik penyebaran data menyebar jauh dari garis diagonal serta tidak mengikuti arah garis Universitas Sumatera Utara 37 diagonal. Ada beberapa cara yang dapat dilakukan terhadap data yang tidak normal ,antara lain: 1. Melakukan transformasi data ke dalam bentuk lainnya. 2. Melakukan trimming. Trimming adalah membuang data yang outlier. 3. Melakukan winsorizing, yaitu dengan mengubah nilai data yang outlier ke suatu nilai tertentu. Dalam menanggulangi ketidaknormalan data, peneliti melakukan transformasi data yang menggunakan trimming, dimana data yang outlier dikeluarkan dari penelitian. Outlier merupakan data-data yang memiliki nilai ekstrim yang cukup tinggi dan berada di luar rentang normal. Data yang outlier umumnya memiliki nilai z residu di antara rentang -3 sampai +3. Setelah diteliti, ternyata ada 12 data outlier yang harus dikeluarkan dari penelitian yaitu data dengan kode perusahaan ASII, HMSP, LION dan TCID. Oleh karena itu, hanya 63 jumlah observasi yang akan diuji dalam penelitian ini. Analisis grafik menggunakan histogram dan Normal P-Plots setelah dilakukan trimming yaitu: Sumber : lampiran 8 Gambar 4.3 Histogram Setelah Trimming Universitas Sumatera Utara 38 Sumber : lampiran 8 Gambar 4.4 Normal P-Plots Setelah Trimming Dengan melihat tampilan grafik histogram yang tersaji pada Gambar 4.3 maupun grafik normal plot yang tersaji pada Gambar 4.4, dapat disimpulkan bahwa grafik histogram memberikan pola distribusi yang normal. Sedangkan pada grafik normal plot terlihat titik- titik menyebar di sekitar diagonal, serta penyebarannya mendekati garis diagonal. Kedua grafik ini menunjukkan bahwa model regresi tidak menyalahi asumsi normalitas.

2. Analisis Statistik

Peneliti menggunakan uji Kolmogorov-Smirnov dimana uji ini membuktikan kenormalan suatu data dalam penelitian dengan angka. Suatu data dinyatakan normal apabila nilai signifikansi atau probabilitas 0,05, dan apabila nilai signifikansi atau probabilitas 0,05, maka data tidak terdistribusi normal. Universitas Sumatera Utara 39 Tabel 4.1 Uji Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 63 Kolmogorov-Smirnov Z 1.260 Asymp. Sig. 2-tailed .084 a. Test distribution is Normal. b. Calculated from data. Sumber : lampiran 8 Hasil dari pengolahan data penelitian dengan menggunakan uji Kolmogorov-Smirnov yang tersaji dengan Tabel 4.1 diperoleh signifikansi variabel dividen kas lebih besar dari 0,05 yaitu 0,084 yang menunjukkan bahwa data penelitian terdistribusi secara normal.

4.2.2 Uji Multikolonieritas

Pengujian multikolinearitas dilakukan dengan melihat nilai VIF dan tolerance antar variabel independen. Jika nilai VIF 10 dan nilai tolerance 0,1, hal ini berarti terdapat gejala multikolinearitas. Tabel 4.2 Uji Multikolinearitas Model Collinearity Statistics Tolerance VIF 1 Constant Laba Akuntansi .198 5.040 Laba Tunai .198 5.040 Sumber : lampiran 8 Data yang disajikan pada tabel 4.2 diatas menunjukkan bahwa nilai tolerance dan VIF dari variabel Laba Akuntansi sebesar 0,198 dan 5,040 dan Universitas Sumatera Utara 40 untuk variabel Laba Tunai adalah sebesar 0,198 dan 1,250. Oleh karena itu, dapat disimpulkan dalam model ini tidak terdapat masalah multikolonieritas antara variabel bebas karena nilai tolerance berada di bawah 1 dan nilai VIF di bawah angka 10.

4.2.3 Uji Heteroskedastisitas

Uji heteroskedastisitas digunakan untuk menguji apakah di dalam sebuah model regresi terjadi ketidaksamaan varians dari residual dalam suatu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah terjadi homokedastisitas dalam model atau dengan kata lain tidak terjadi heterokesdastisitas. Uji heterokesdastisitas ini dapat dilihat dari grafik scatterplot berikut ini: Sumber : lampiran 8 Gambar 4.5 Uji Heteroskedastisitas Dari grafik scatterplot yang tersaji pada gambar 4.5 dapat dilihat bahwa bahwa titik-titik menyebar secara acak dan tidak membentuk pola tertentu serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini disimpulkan tidak terdapat gejala heteroskedastisitas pada model regresi penelitian ini sehingga model regresi ini layak dipakai untuk Universitas Sumatera Utara 41 memprediksi variabel Dividen Kas berdasarkan masukan variabel independen Laba Akuntansi dan Laba Tunai. Adanya titik-titik yang menjauh dari titik-titik lain dikarenakan adanya data observasi yang sangat berbeda dengan data observasi yang lain.

4.2.4 Uji Autokorelasi

Uji autokorelasi yang digunakan dalam penelitian ini adalah uji Durbin Watson, yaitu uji yang digunakan untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept dalam model regresi dan tidak ada variabel lag di antara variabel independen Ghozali, 2006: 96. Dasar pengambilan keputusan uji Durbin-Watson adalah dengan melihat nilai d dimana jika du d 4-du maka hipotesis nol diterima, yang berarti tidak ada autokorelasi. Jumlah obeservasi dalam penelitian ini sebanyak 63 n dan jumlah variabel bebas sebanyak 3 k=3, maka dari tabel Durbin Watson akan didapatkan nilai du sebesar 1,6932 dan nilai 4-du sebesar 2,3068. sumber : lampiran 9 Tabel 4.3 Uji Autokorelasi Model Durbin-Watson 1 2.234 Sumber : lampiran 8 Berdasarkan Tabel 4.3, nilai dari statistik Durbin-Watson adalah 2,234. Perhatikan bahwa nilai statistik Durbin-Watson terletak di antara du dan 4-du 1,6581 2,234 2,3068, maka asumsi non-autokorelasi terpenuhi. Ini menunjukkan bahwa tidak terjadi autokorelasi antara variabel dependen dengan variabel independen. Universitas Sumatera Utara 42

4.3 Uji Regresi Berganda

Analisis regresi berganda dilakukan untuk mengetahui seberapa besar ketergantungan variabel dependen terikat dengan satu atau lebih variabel independen bebas. Hasil analisis regresi berganda adalah berupa koefisien untuk masing-masing variabel independen. Hasil regresi linear berganda dapat dilihat pada tabel 4.4. Tabel 4.4 Uji Regresi Berganda Model Unstandardized Coefficients B Std. Error 1 Constant 2.579E10 3.299E10 Laba Akuntansi .312 .045 Laba Tunai .071 .032 Sumber : lampiran 8 Berdasarkan nilai koefisien yang ada pada tabel 4.4, maka dapat dihasilkan persamaan regresi sebagai berikut : = , × -10 + , + , + � Keterangan : = Dividen Kas X = Laba Akuntansi X 2 = Laba Tunai � = error pengganggu Berikut interpretasi dari model persamaan regresi berganda di atas: a. nilai konstanta sebesar , × -10 yang menunjukkan apabila semua variabel independen dianggap konstan atau nol, maka nilai dari Dividen Kas adalah sebesar , × -10 , b. variabel Laba Akuntansi berpengaruh positif terhadap Dividen Kas sebesar , , menunjukkan bahwa setiap kenaikan Laba Akuntansi 1 dengan asumsi variabel bebas lainnya dianggap konstan, maka akan meningkatkan Dividen Kas sebesar , . Universitas Sumatera Utara 43 c. variabel Laba Tunai berpengaruh positif terhadap Dividen Kas sebesar , , menunjukkan bahwa setiap kenaikan Laba Tunai 1 dengan asumsi variabel bebas lainnya dianggap konstan, maka akan meningkatkan Dividen Kas sebesar , .

4.4 Pengujian Hipotesis