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