Tabel 4.2 Defenisi Operasional Variabel
Nama Variabel
Defenisi Parameter
Skala
Rasio Pembayaran
Dividen Y
Besarnya tingkat pembayaran
dividen dibandingkan laba per
lembar saham perusahaan
Dividen Per Saham Laba Per Saham
Rasio
Posisi Kas X1
Besarnya saldo kas akhir dibandingkan laba
bersih setelah pajak Saldo Kas Akhir
Laba Bersih Setelah Pajak Rasio
Pertumbuhan X2
Perubahan jumlah penjualan pada tahun
tertentu dibanding tahun sebelumnya
Jlh Penj. Thn Tertentu − Jlh Penj. Thn Sebelumnya
Jlh Penjualan Tahun Sebelumnya
Rasio
Ukuran Perusahaan
X3 Jumlah aktiva
perusahaan pada akhir tahun
Total Aktiva Rasio
Rasio Hutang Terhadap
Ekuitas DER X4
Besarnya hutang dibanding ekuitas
perusahaan Total Hutang
Total Ekuitas Rasio
Profitabilitas ROA
X5 Jumlah Laba setelah
pajak dibanding total aktiva perusahaan
Laba Bersih Setelah Pajak Total Aktiva
Rasio Likuiditas
X6 Total aktiva lancar
dibanding total hutang lancar perusahaan
Total aktiva lancar Total hutang lancar
Rasio
4.7. Model dan Teknik Analisis Data
Model dan teknik analisis data yang digunakan dalam penelitian ini adalah sebagai berikut :
4.7.1. Perumusan Model
Untuk mengukur kekuatan hubungan 1 satu varibel devenden dengan 6 enam variabel independen dan juga arah hubungan varibel dependen dengan variabel
Universitas Sumatera Utara
independen, maka dalam penelitian ini digunakan model regresi linier berganda sebagai berikut:
Y = β + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ β
5
X
5
+ β
6
X
6
+ ɛ
dimana : Y = Rasio Pembayaran Dividen
β = konstanta
β
i = k
oofesien regresi masing-masing X
i
, dimana i = 1,2,3,4 5,6. X
1
= Posisi Kas X
2
= Pertumbuhan X
3
= Ukuran Perusahaan X
4
= Rasio Hutang Terhadap Ekuitas DER X5 = Profitabilitas ROA
X6 = Likuiditas
ɛ = v
ariabel independen lain yang tidak diteliti
4.7.2. Pengujian Asumsi Klasik
Pengujian asumsi klasik merupakan syarat utama untuk menilai apakah persamaan regresi yang digunakan sudah memenuhi syarat. Menurut Algifari 2000,
model regresi yang diperoleh dari metode kuadrat terkecil biasa Odinary Least Square OLS merupakan metode regresi yang menghasilkan estimator linier tidak bias Best
Linier Unbias Estimator BLUE. Kondisi ini akan terjadi jika dipenuhi beberapa asumsi klasik, yaitu data harus normal, Nonmultikolonieritas, Homokedastisitas dan
Nonautokorelasi sebagaimana dijelaskan di bawah ini.
Universitas Sumatera Utara
4.7.2.1.Uji Normalitas Data Dalam suatu penelitian, kemungkinan munculnya masalah dalam analisis regresi
cukup besar. Sebuah model regresi yang menggunakan data time series dan cross section harus melakukan beberapa pengujian antara lain Uji Normalitas Data. Uji ini merupakan
suatu asumsi terpenting dalam statistika parametrik. Uji Normalitas Data bertujuan untuk mengetahui apakah data yang digunakan
telah memiliki distribusi normal. Data dapat dianalisis apabila telah berdistribusi normal atau mendekati normal. Normalitas dari distribusi data dalam penelitian ini menggunakan
Uji Kolomogorov-Smirnov dimana nilai signifikansi harus lebih besar dari 0,05 dengan kriteria sebagai berikut :
- Jika angka signifikansi 0,05 maka data mempunyai distribusi normal
- Jika angka signifikansi 0,05 maka data tidak mempunyai distribusi normal.
4.7.2.2. Uji Multikolonieritas Pengujian ini dilakukan untuk melihat apakah terdapat korelasi antara varibel
independen sehingga Multikoloniearitas hanya dapat terjadi pada regresi berganda. Konsekuensi praktis yang timbul sebagai akibat adanya multikolonieritas ini adalah
kesalahan standar praktis semakin besar dan Profitabilitas untuk menerima hipotesis yang salah semakin besar.
Pengujian multikolonieritas dapat dilakukan dengan Tolerance dan Varian Inflation Factor VIF, nilai VIF yang semakin besar menunjukkan masalah
Universitas Sumatera Utara
multikolonieritas yang semakin serius. Menurut Situmorang dkk. 2010
batas tolerance value adalah 0,1 dan batas Varian Inflation Factor VIF adalah 5, dimana :
- tolerance value 0,1 atau VIF 5 maka terjadi multikolonieritas
- tolerance value 0,1 atau VIF 5 maka tidak terjadi multikolonieritas
4.7.2.3. Uji Heteroskedastisitas Pengujian ini dilakukan adalah untuk melihat apakah dalam sebuah model regresi,
terjadi ketidaksamaan varian dari residual dalam rangkaian suatu pengamatan ke pengamatan lainnya. Jika varian dari suatu residual dalam rangkaian suatu pengamatan
ke pengamatan lain tetap maka disebut terjadi homokedastisitas. Jika dari residual dalam rangkaian suatu pengamatan ke pengamatan lain berbeda, maka disebut terjadi
heteroskedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi Heteroskedastisitas. Pengujian dilakukan dengan menggunakan grafik scatter
plot, sebagai berikut : -
Jika ada pola tertentu seperti titik yang ada membentuk pola yang teratur, maka telah terjadi heteroskedastisitas
- Jika tidak ada pola yang jelas, titik menyebar di atas dan di bawah angka 0 nol pada
sumbu y, maka tidak terjadi heteroskedastisitas.
4.7.2.4. Uji Autokorelasi
Universitas Sumatera Utara
Pengujian ini dilakukan adalah untuk melihat apakah dalam sebuah model regresi linier terdapat korelasi antara variabel pengganggu pada priode tertentu dengan
variabel pengganggu pada priode sebelumnya. Autokorelasi sering terjadi pada sampel dengan data time series dengan n-sampel adalah priode waktu. Uji autokorelasi dapat
dilakukan dengan pengujian statistik Durbin-Watson. Menurut Gujarati 1995 pengujian statistik Durbin-Watson atau d statistik, menggunakan hipotesis sebagai berikut :
Ho : p = 0 maka tidak ada autokorelasi Ho : p
≠ 0 maka ada autokorelasi
Jika nilai Durbin Watson terletak pada: d dL = tolak Ho berarti ada autokorelasi yang positif atau kecenderungan p = 1
dL ≤ d ≤ dU = tidak dapat diambil kesimpulan
dU ≤ d ≤ 4-dU = terima Ho berarti tidak ada autokorelasi positif ataupun negatif
4 - dU ≤ d ≤ 4-dL = tidak dapat diambil kesimpulan
d 4-dL = tolak Ho berarti ada autokorelasi negatif atau kecenderungannya p = -1
4.7.3. Pengujian Hipotesis