Pengaruh Return On Asset, Leverage, Ukuran Perusahaan, Investment Opportunity Set (IOS) dan Free Cash Flow Terhadap Kebijakan Dividen Pada Perusahaan Sektor Pertambangan yang Terdaftar Di BEI Tahun 2010-2012

BAB III METODE PENELITIAN

  3.1 Jenis Penelitian

  Penelitian ini dilakukan pada tahun 2013. Dalam penelitian ini, peneliti menggunakan jenis penelitian asosiatif yang bertujuan untuk mengetahui hubungan dua variabel atau lebih (Erlina, 2008:34), tepatnya dengan hubungan kausal. Menurut Sugiyono (2007:11) penelitian asosiatif yaitu penelitian yang bertujuan untuk mengetahui hubungan antara dua variabel atau lebih.

  Tujuan dari penelitian ini untuk menguji seberapa besar pengaruh dari return

  on asset (ROA), leverage, ukuran perusahaan, investment opportunity set (IOS)

  dan free cash flow terhadap kebijakan dividen di dalam perusahaan. Variabel independen dalam penelitian ini adalah return on asset (ROA), leverage, ukuran perusahaan, investment opportunity set (IOS) dan free cash flow. Dan yang menjadi variabel independen adalah kebijakan dividen yang diukur dengan menggunakan dividenp payout ratio.

   Batasan Operasional

  3.2 Batasan operasional menentukan batasan atau ciri – ciri spesifik dari suatu

  konsep. Batasan operasional ditetapkan untuk mengurangi timbulnya salah tafsir atas isi dari penelitian ini. Adapun batasan operasional dalam penelitian ini antara lain:

• • Perusahaan yang diteliti adalah perusahaan pertambangan yang terdaftar di

  Bursa Efek Indonesia (BEI) dari tahun 2010 – 2012,

• • Variabel independen dalam penelitian ini adalah return on asset, leverage,

  ukuran perusahaan, investment opportunity set, dan free cash flow • Variabel dependen dalam penelitian ini adalah kebijakan dividen.

3.3 Defenisi Operasional

  3.3.1 Variabel Dependen

  Variabel dependen atau terikat merupakan variabel yang dipengaruhi oleh variabel-variabel independen. Variabel yang digunakan sebagai variabel dependen di dalam penelitian ini adalah kebijakan dividen. Proksi yang digunakan adalah dividend payout ratio (DPR). Dividend payout

  ratio dapat dihitung dengan rumus berikut:

  ℎ DPR =

  ℎ

  3.3.2 Variabel Independen

  Variabel independen atau variabel bebas merupakan variabel yang mempengaruhi perubahan di dalam variabel dependen. Variabel independen yang digunakan dalam penelitian ini adalah return on assset,

  leverage, ukuran perusahaan, investment opportunity set, dan free cash flow yang dijelaskan di bawah ini.

3.3.2.1 Return On Asset

  Return on asset merupakan salah satu rasio profitabilitas yang

  dapat digunakan untuk mengukur seberapa besar kinerja perusahaan dalam menghasilkan dengan menggunakan aktiva yang dimiliki perusahaan.

  Return on asset dapat dihitung menggunakan rumus :

  Earning After Tax (net income) ROA = x 100%

  Total Asset Keterangan: EAT : Laba setelah pajak (laba bersih) TA : Total Asset

  3.3.2.2 Leverage

  Dalam penelitian ini leverage diukur dengan menggunakan debt to

  

asset ratio (DAR). DAR merupakan perbandingan antara total hutang

dengan jumlah aktiva yang dimiliki oleh perusahaan.

  =

  3.3.2.3 Ukuran Perusahaan

  Ukuran perusahaan adalah skala yang mengukur besar kecilnya perusahaan yang ditentukan oleh beberapa hal antara lain adalah total penjualan, total aktiva, dan rata-rata tingkat penjualan perusahaan (Nur Imam Arifianto ,2011 dalam Estika Maulida Priyo, 2013). Ukuran perusahaan (Size) dapat diukur dari jumlah total asset perusahaan yang menjadi sampel yang kemudian ditransformasikan ke dalam bentuk logaritma natural (LN).

  Ukuran perusahaan (size)= Ln of Total asset

   Investment Opportunity Set

  3.3.2.4 Investment opportunity set merupakan besarnya kesempatan investasi yang dimiliki oleh perusahaan mencerminkan potensi tingkat pertumbuhan di masa depan.

  Dalam penelitian ini, proksi yang digunakan adalah rasio

  

Market to Book Value of Equity (MVEBVE) yang mencerminkan bahwa

  pasar menilai return dari ekuitasnya. Adanya perberdaan antara nilai pasar dengan nilai buku ekuitas menunjukkan investasi perusahaan. Dalam Pasaribu (2013:41) rumus yang digunakan untuk menghitung rasio ini adalah:

  ℎ x share closing price =

   Free Cash Flow

3.3.2.5 Menurut Jensen et al dalam Dini Rosdini (2009:2) Free Cash Flow

  

adalah sebagai kelebihan dana kas setelah dipakai untuk mendanai seluruh

proyek yang memberikan net present value positif yang didiskontokan pada

tingkat biaya modal yang relevan. Free cash flow

  Dalam Pasaribu (2013:40)

  dihitung dengan menggunakan rumus, yaitu: CFO−( + ℎ )

  = 100% Dimana:

  a. FCF adalah free cash flow perusahaan

  b. CFO (Cash Flow from Operation) merupakan nilai bersih kenaikan/penurunan arus kas dari aktivitas operasi perusahaan.

  c. NCE (Net Capital Expenditure) merupakan nilai perolehan aktiva tetap akhir dikurangi nilai perolehan aktiva tetap awal.

  d. Change in working capital dihitung dengan cara modal kerja akhir tahun dikurangi dengan modal kerja awal tahun. Modal kerja adalah selisih antara jumlah asset lancar dengan hutang lancar.

3.4 Skala Pengukuran Variabel

  Jenis skala pengukuran variabel menurut Erlina dan Mulyani (2007) antara lain skala nominal, skala ordinal, skala interval, dan skala rasio. Skala nominal adalah skala pengukuran yang menyatakan kategori, kelompok, atau klasifikasi konstruk yang diukur dalam bentuk variabel. Nilai variabel dengan skala nominal hanya menjelaskan kategori, tidak menjelaskan nilai, peringkat, jarak, atau perbandingan. Skala ordinal adalah skala pengukuran yang tidak hanya menyatakan kategori tetapi juga menyatakan peringkat variabel. Skala interval adalah skala pengukuran yang menyatakan kategori, peringkat, dan jarak variabel yang diukur tetapi tidak menggunakan angka nol sebagai titik awal perhitungan dan bukan angka absolut. Skala rasio adalah skala pengukuran yang menunjukkan kategori, peringkat, jarak, dan perbandingan variabel yang diukur. Skala rasio menggunakan nilai absolut, sehingga memperbaiki skala interval yang menggunakan nilai relatif.

  Variabel yang digunakan peneliti dalam penelitian ini adalah sebagai berikut:

  

Variabel dependen (terikat) merupakan variabel yang dijelaskan atau yang

1. dipengaruhi oleh variabel independen (Umar, 2003:50).

  Variabel dependen dalam penelitian ini adalah kebiijakan dividen, dimana variabel dependen disimbolkan dengan “Y”.

  2. Variabel independen (bebas) Variabel independen merupakan variabel yang

  

mempengaruhi variabel yang lain (Umar: 2003:50). Variabel independen

dalam penelitian ini adalah return on asset, leverage, ukuran perusahaan,

  

investment opportunity set, dan free cash flow. Variabel independen

disimbolkan dengan return on asset (X1), leverage (X2), ukuran perusahaan

(X3), investment opportunity set (X4), dan free cash flow (X5).

  3. Indikator adalah variabel yang digunakan untuk mengevaluasi keadaan atau

  

kondisi dan memungkinkan dilakukannya pengukuran terhadap perubahan-

perubahan yang terjadi dari waktu ke waktu.

  

Selanjutnya rangkuman defenisi operasional untuk variabel dependen dan

independen serta indikator pengukuran yang digunakan untuk setiap variabel

dapat dilihat pada tabel 3.1.

Tabel 3.1 Defenisi Operasional dan Pengukuran Variabel Penelitian

  Jenis Nama Defenisi Indikator Skala Variabel Variabel Variabel Kebijakan apakah perusahaan akan membagikan laba yang

  ℎ diperoleh

  = Kebijakan

  ℎ dalam bentuk Dependen dividen

  Rasio dividen atau (Y) menahannya dalam bentuk laba ditahan untuk investasi di masa mendatang Tingkat pengembalian (laba) yang

  100% dapat diperoleh Return on

  Independen asset perusahaan Rasio (X1) dengan menggunakan aktiva yang dimiliki

  Lanjutan tabel 3.1

  Merupakan perbandingan antara total

  Leverage kewajiban Rasio =

  (X2) dengan total aset perusahaan Independen suatu skala dimana dapat diklasifikasika n besar kecil perusahaan Ukuran menurut

  Nominal perusahaan berbagai cara, Ln Total Asset (X3) antara lain: total aktiva, log size , nilai pasar saham, dan lain-lain besarnya kesempatan investasi yang dimiliki oleh

  ℎ perusahaan Rasio Investment

  ℎ opportunity mencerminkan set potensi tingkat

  (X4) pertumbuhan di masa depan Free Cash Flow adalah

  − sebagai

• (

  kelebihan dana ℎ )

  Independen 100% kas setelah dipakai untuk mendanai

  Free cash seluruh proyek yang Rasio flow

  (X5) memberikan net present value positif yang didiskontokan pada tingkat biaya modal yang relevan.

  Sumber: Dari berbagai literatur

   Populasi dan Sampel Penelitian

3.5 Populasi adalah sekelompok orang, kejadian, suatu yang mempunyai

  karakteristik tertentu (Erlina, 2008:75). Populasi di dalam penelitian ini adalah perusahaan-perusahaan sektor pertambangan yang terdaftar di Bursa Efek Indonesia selama periode penelitian tahun 2010 sampai dengan tahun 2012 yaitu sejumlah 41 perusahaan. Sampel adalah bagian dari populasi yang digunakan untuk memperkirakan karakteristik populasi (Erlina, 2008:75). Jika sampel kurang representatif maka mengakibatkan nilai yang dihitung dari sampel tidak cukup tepat untuk menduga nilai populasi sesungguhnya. Menurut Erlina (2008:80), secara umum ada dua metode pengambilan sampel yang dapat digunakan, yaitu:

  1. Probability sampling, metode pengambilan sampel dimana setiap elemen populasi mempunyai peluang atau kemungkinan yang sama untuk terpilih sebagai sampel. Metode ini dibedakan atas:

  1) Simple random sampling 2) Complex random sampling

  2. Non probability sampling, metode pengambilan sampel dimana tidak semua elemen populasi mempunyai kemungkinan atau peluang untuk terpilih sebagai sampel penelitian. Metode ini terdiri atas:

  1) Convenience sampling, yaitu pengambilan sampel secara nyaman dimana peneliti mengambil sampel sekehendak hatinya. 2) Purposive sampling, yaitu pengambilan sampel berdasarkan suatu kriteria tertentu. 3) Judgement sampling, yaitu pengambilan berdasarkan suatu pertimbangan tertentu.

  Metode pengambilan sampel yang digunakan di dalam penelitian ini adalah metode purposive sampling dengan kriteria sebagai berikut:

  1. Perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia selama periode penelitian (2010-2012)

  2. Mempublikasikan laporan keuangan yang telah diaudit selama periode penelitian (2010 – 2012)

  3. Perusahaan tidak mengalami kerugian selama periode penelitian (2010- 2012)

  4. Perusahaan melakukan pembayaran dividen secara konsisten selama periode penelitian (2010-2012) Berdasarkan kriteria yang telah ditentukan di atas, maka dari 41 perusahaan- perusahaan sektor pertambangan yang terdaftar di BEI selama tahun 2010-2012 terpilih 11 perusahaan yang memenuhi beberapa kriteria pemilihan sampel di atas dengan 33 unit analisis (11 x 3 tahun). Daftar sampel dan populasi dapat dilihat pada tabel 3.2.

Tabel 3.2 Daftar Populasi dan Sampel Penelitian

  Kriteria No Emiten Sampel

  1

  2

  3

  4

  1 ADARO ENERGY Tbk

  1 √ √ √ √

  2 Aneka Tambang (persero) Tbk

  2 √ √ √ √

  3 Atlas Resources Tbk

• √ -

  4 Ratu Prabu Energi Tbk √ √ √ -

• 5 Asia Natural Resources Tbk
• √ √

  6 ATPK Resources Tbk

• √ √

  7 Benakat Petroleum Energy Tbk - - - √ √

  8 Borneo Lumbung Energi & Metal Tbk - - - - √

  9 Berau Coal Energy Tbk - - - - √

  10 Bumi Resources Minerals Tbk

• - -

  √ √ √

  11 Bumi Resources Tbk - - -

  √

  √

  12 Bayan Resources Tbk

• √ √

  13 Cita Mineral Investindo Tbk

  3 √ √ √ √

  14 Exploitasi Energi Indonesia Tbk - - - - √

  15 Citatah Tbk √ √ √ -

• 16 Darma Henwa Tbk
• √ √

• - - - -
• - - - -
• - - - -
• - - - -

• - - - -
• 32 Ancora Indonesia Resources Tbk.
• - 33 Perdana Karya Perkasa Tbk
• √
• 34 J Resources Asia Pasifik Tbk.
• - - - -
• 38 SMR Utama Tbk.
• - - - - 39 Renuka Coalindo Tbk.
• - - - - 40 Sugih Energy Tbk.
• - - - - 41 Timah (Persero) Tbk.
• - - - - Sumber:dan diolah penulis

  9

  31 Mitra International Resources Tbk √ √

  √ √

  √ √

  √

  35 Tambang Batubara Bukit Asam (Persero) √ √ √ √

  11 37 Golden Eagle Energy Tbk. √ √

  10 36 Petrosea Tbk. √ √ √ √

  √

  √

  √

  √

  Jenis data yang digunakan dalam penelitian ini adalah data sekunder dalam

  bentuk pooling yang merupakan kombinasi antara data time series dan data cross

section . Data time series (data deret waktu) adalah sekumpulan data dari suatu

fenomena tertentu yang didapat dalam beberapa interval waktu, misalnya dalam

waktu mingguan, bulanan, dan tahunan (Umar, 2003:61). Data cross section atau data

  8 30 Medco Energi International Tbk. √ √ √ √

  28 Indo Tambangraya Megah Tbk √ √ √ √

  7 29 Resource Alam Indonesia Tbk. √ √ √ √

  22 Golden Energy Mines Tbk √

  Lanjutan tabel 3.2

  17 Central Omega Resources Tbk √ √

  18 Delta Dunia Makmur Tbk √ √

  19 Elnusa Tbk √

  20 Energi Mega Persada Tbk √

  21 Surya Esa Perkasa Tbk √

  23 Garda Tujuh Buana Tbk √

  6 27 Dayaindo Resources International Tbk. √

  √

  24 Harum Energy Tbk √ √ √ √

  4

  25 Vale Indonesia Tbk √ √ √ √

  5

  26 Indika Energy Tbk √ √ √ √

3.6 Jenis dan Sumber Data

  

satu waktu adalah sekumpulan data untuk meneliti suatu fenomena tertentu dalam

suatu kurun waktu (Umar, 2003:70).

  Sumber data penelitian diperoleh peneliti secara tidak langsung melalui media perantara (diperoleh dan dicatat oleh pihak lain) (Indriantoro, 2002: 147). Data sekunder yang dibutuhkan dalam penelitian ini diperoleh dalam bentuk laporan keuangan audited yang rutin diterbitkan setiap tahun oleh perusahaan pada periode 2010-2012 yang diperoleh dari website Bursa Efek Indonesia yaitu

3.7 Teknik Pengumpulan Data Pengumpulan data sekunder dalam penelitian ini dilakukan dengan dua tahap.

  Tahap pertama adalah melakukan studi pustaka, yaitu dengan mengumpulkan data dari jurnal, skripsi, tesis dan buku yang berhubungan dengan penelitian.

  Tahap kedua adalah studi dokumentasi, yaitu dengan mengumpulkan data dalam bentuk laporan keuangan, laporan tahunan, dan informasi lain yang dibutuhkan melalui media internet dengan cara men-download laporan-laporan keuangan dan tahunan perusahaan yang dibutuhkan melalui situs

   Metode Analisis Data

  3.8

3.8.1 Statistik Deskriptif

  Statistik deskriptif memberikan gambaran mengenai nilai mean, sum, standar deviasi, variance, range, minimum dan maximum. Namun tidak semua nilai deskripsi diperlukan dalam suatu pengujian. Sebaiknya dipilih sesuai dengan kebutuhan analisis (Lubis, dkk, 2007). Dalam penelitian ini penulis menjabarkan statistik deskriptif berupa mean, maximum, minimum, dan standar deviasi.

3.8.2 Uji Asumsi Klasik

  Sebelum model regresi digunakan dalam pengujian hipotesis, terlebih

dahulu model tersebut diuji apakah model tersebut memenuhi asumsi klasik atau

tidak. Asumsi klasik merupakan asumsi yang mendasari analisis regresi.

  Model penelitian yang baik merupakan model yang memenuhi kriteria BLUE (Best

  

Linear Unbiased Estimator ). BLUE adalah penduga (estimator) yang

  mempunyai sifat berikut ini: linier, tidak bias, dan varians minimum. Peneliti melakukan uji asumsi klasik agar model penelitian ini memenuhi kriteria

  Pengujian asumsi klasik ini meliputi : uji normalitas, uji BLUE. multikoliniearitas, uji autokorelasi, dan uji heteroskedastisitas.

3.8.2.1 Uji Normalitas

  Menurut Erlina (2008:102), “tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal”. Pengujian ini diperlukan karena untuk melakukan uji T dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Uji normalitas bertujuan untuk menguji apakah variabel independen dan variabel dependen berdistribusi normal (Ghozali, 2005:110). Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Dalam penelitian ini, untuk mendeteksi normalitas data dapat dilakukan dengan pengujian berikut:

  1. Uji Kolmogrov Smirnov 1) Jika nilai signifikan > 0.05 maka distribusi normal, dan 2) jika nilai signifikan < 0.05 maka distribusi tidak normal

  Hipotesis yang digunakan dalam uji ini adalah: Ho : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal

  2. Histogram Pengujian dengan model histogram memiliki ketentuan bahwa data normal berbentuk lonceng. Data yang baik adalah data yang memiliki pola distribusi normal. Jika data melenceng ke kanan atau melenceng ke kiri berarti data tidak terdistribusi secara normal.

  3. Grafik Normality Probability Plot 1) Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.

  2) Jika data menyebar jauh dari diagonal dan/atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas. Jika data tidak normal, ada beberapa cara mengubah model regresi menjadi normal menurut Ginting (2008:62) yaitu: (1) lakukan transformasi data, misalnya mengubah data menjadi bentuk logaritma (Log) atau natural (ln), (2) menambah jumlah data, (3) menghilangkan data yang dianggap sebagai penyebab tidak normalnya data, dan (4) menerima data apa adanya.

   Uji Autokorelasi

3.8.2.2 Uji autokorelasi akan muncul bila data yang dipakai runtut waktu

  (time series). “Autokorelasi akan muncul bila data sesudahnya merupakan fungsi data sebelumnya atau data sesudahnya memiliki korelasi yang tinggi dengan data sebelumnya pada tempat data tersebut terjadi” (Ghozali,2005:175). Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t-1 (sebelumnya), jika terjadi autokorelasi maka dapat diatasi dengan melakukan transformasi data atau dengan menambah jumlah observasi. Cara yang dapat dilakukan untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan uji Durbin Watson. Pengambilan keputusan ada tidaknya autokorelasi menurut Durbin Watson adalah sebagai berikut: 1. angka D-W dibawah -2 berarti ada autokorelasi positif, 2. angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi, 3. angka D-W di atas +2 berarti ada autokorelasi negatif.

   Uji Multikolinearitas

3.8.2.3 Uji multikolinearitas adalah suatu hubungan linier yang sempurna

  antara beberapa atau semua variabel independen. Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas. Pada program SPSS ada beberapa metode yang sering digunakan untuk mendeteksi adanya multikolinearitas. Menurut Situmorang, dkk (2008:104) Salah satunya adalah dengan cara membandingkan nilai Variance Inflation Factor (VIF) dan Tolerance yaitu (Tolerance <0,1 sedangkan VIF > 5).

3.8.2.4 Uji Heteroskedastisitas

  Menurut Imam Ghozali (2005:105), uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terdapat ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Konsekuensinya adanya heteroskedastisitas dalam model regresi adalah penaksir yang diperoleh tidak efisien, baik dalam sampel kecil maupun besar. Salah satu cara yang dapat digunakan untuk mengetahui ada tidaknya gejala heteroskedastisitas adalah dengan melihat pada grafik

  scatter plot .

  Jika ada pola tertentu seperti titik-titik yang membentuk pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit) maka mengindikasikan telah terjadi heteroskedastisitas. Jika tak ada pola yang jelas maka tidak terjadi gejala heteroskedastisitas.

  Untuk mengetahui ada tidaknya heteroskedastisitas juga dapat diketahui dengan melakukan uji glejser. Jika variabel bebas signifikan secara statistic mempengaruhi variabel terikat maka ada indikasi terjadi heteroskedastisitas (Ghozali, 2005:69).

3.8.3 Analisis Regresi Berganda

  Regresi berganda dilakukan untuk mengetahui sejauh mana variabel bebas mempengaruhi variabel terikat. Pada regresi berganda terdapat satu variabel terikat dan lebih dari satu variabel bebas. Dalam penelitian ini yang menjadi variabel terikat adalah kebijakan dividen (DPR) sedangkan yang menjadi variabel bebas adalah return on asset (ROA), leverage, ukuran perusahaan, investment opportunity set (IOS)

  Model regresi linier berganda dikatakan model yang baik dan free cash flow.

jika model tersebut memenuhi asumsi normalitas data dan terbebas dari

asumsi-asumsi klasik statistik baik multikolinieritas, autokorelasi dan

heteroskedastisitas (Lubis,dkk, 2007: 45)

  Model hubungan kebijakan dividen (DPR) dengan variabel- variabel tersebut dapat disusun dalam fungsi atau persamaan adalah sebagai berikut:

  Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + e

  Y = Kebijakan Dividen (DPR) β0 = Konstanta X1 = Return on asset X2 = Leverage X3 = Ukuran Perusahaan (UP) X4 = Investment opportunity set X5 = Free Cash Flow (FCF) β1, β2, β3, β4 = koefisien regresi e = variabel pengganggu (error)

  2

  2

  3.8.4 Koefisien Determinasi (R ) dan Adjusted R square

  Koefisien determinasi (R ) bertujuan untuk mengetahui seberapa

besar kemampuan variabel independen menjelaskan variabel dependen

2

(Lubis, dkk, 2007: 48). Range nilai dari R adalah nol sampai dengan satu.

  

Semakin mendekati nol berarti model tidak baik atau variasi model dalam

menjelaskan amat terbatas, sebaliknya semakin mendekati satu model

semakin baik. Terdapat dua pilihan disini, apakah memakai R Square atau

Adjusted R Square. Jika variabel lebih dari dua maka yang digunakan adalah Adjusted R Square (Situmorang, 2010: 146).

  3.8.5 Pengujian Hipotesis Penelitian

3.8.5.1 Uji Signifikan Simultan (uji – F) Secara simultan, pengujian hipotesis dilakukan dengan uji F.

  Menurut Ghozali (2005:84) “uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat”.

  Uji F digunakan untuk mengetahui apakah return on asset,, leverage, ukuran perusahaan, investmen opportunity set, dan free cash flow berpengaruh terhadap kebijakan dividen secara simultan.Uji ini dilakukan dengan membandingkan signifikansi Fhitung dengan ketentuan: 1) Jika F hitung < F tabel a tidak dapat diterima, dan pada α=0.05, maka H 2) Jika F > F diterima.

  hitung tabel a

  pada α=0.05, maka H

3.8.5.2 Uji Signifikansi Parsial (Uji – t)

  Pengujian ini dilakukan untuk melihat seberapa besar pengaruh variabel independen secara parsial terhadap variabel dependen. Dimana dalam penelitian ini Uji t dilakukan untuk mengetahui apakah apakah

  return on asset, leverage , ukuran perusahaan, investment opportunity set, dan free cash flow berpengaruh secara parsial terhadap kebijakan dividen.

  Kriteria yang digunakan dalam menerima atau tidak dapat menerima hipotesis

penelitian (Ha) atau H s/d H dengan menggunakan uji dua arah adalah

  1

  5 sebagai berikut:

  1) Ha diterima apabila –t- tabel > t- hitung > +t- tabel , pada α = 5% dan nilai p- value < level of significant sebesar 0,05.

  2) Ha tidak dapat diterima apabila –t- tabel < t- hitung < t- tabel , pada α = 5% dan nilai p-value > level of significant sebesar 0,05.

BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Data Penelitian Objek dari penelitian ini adalah perusahaan pertambangan Go Public yang

  terdaftar di Bursa Efek Indonesia. Populasi dalam penelitian ini perusahaan pertambangan yang terdaftar selama tahun 2010-2012 yaitu sebanyak 41 perusahaan. Teknik pemilihan sampel menggunakan metode purposive sampling sehingga dari 41 perusahaan yang terdaftar hanya 11 perusahaan yang memenuhi semua kriteria penelitian untuk dijadikan sampel dalam penelitian ini dengan tahun pengamatan selama periode 2010-2012 dan dengan 33 unit analisis.

  Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik. Analisis statistik yang digunakan meliputi statistik deskriptif, uji asumsi klasik, analisis regresi berganda, uji hipotesis dan koefisien determinasi

  2

  (R ) . Analisis statistik dilakukan dengan menggunakan software SPSS for

  

windows . Proses pengolahan data diawali dengan mengolah data dengan

  menggunakan microsoft excel kemudian dilanjutkan dengan memasukkan data variabel – variabel penelitian ke program SPSS dan menghasilkan output dengan metode analisis data yang telah ditentukan.

B. Analisis Hasil Penelitian

4.1 Statistik Deskriptif

  Statistik deskriptif memberikan gambaran atau deskriptif suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, serta minimum dari variabel dependen maupun variabel-variabel independen. Statistik deskriptif dari data penelitian ini ditunjukkan pada tabel 4.1.

  Tabel 4.1

Statistik Deskriptif

  Descriptive Statistics N Minimum Maximum Mean Std. Deviation DPR (Y)

  33 .030 1.640 .52570 .379662 ROA (X1) 33 .710 46.620 16.50774 11.547688 LEVERAGE (X2) 33 .204 .708 .41205 .151042 SIZE (X3) 33 17.880 31.335 25.32583 4.599752 Ln_IOS (X4) 33 .95 6.43 2.3679 1.16231 FCF (X5) 33 -41.040 33.722 5.93851 15.510223 Valid N (listwise)

  33

  18, 2013

  Sumber: output SPSS

  Berdasarkan pada tabel 4.1, maka penjelasan mengenai hasil statistik deskriptif untuk setiap variabel yang dapat diperoleh yaitu :

  1. Jumlah seluruh sampel penelitian adalah 11 perusahaan dengan 33 unit analisis,

  yaitu 11 perusahaan dikali dengan tiga tahun penelitian, dengan lima variabel independen yang terdiri dari ROA, leverage, ukuran perusahaan, investmet opportunity set, dan free cash flow.

  2. Variabel DPR (Y) yang digunakan sebagai proksi dari kebijakan dividen memiliki nilai minimum 0,030 dan nilai maximum 1,640 serta memiliki nilai rata-rata 0,52570. Hal ini menunjukkan bahwa proporsi pembayaran dividen perusahaan yang menjadi sampel selama periode penelitian memiliki nilai positif dengan proporsi pembayaran dividen terendah adalah 0,30 dan tertinggi adalah 1,640 serta rata-rata proporsi pembayaran dividen oleh perusahaan adalah 0,52570. Nilai standar deviasi adalah 0.379662 menunjukkan bahwa tidak ada data DPR yang bersifat ekstrim.

  3. Variabel ROA (X1) memiliki nilai minimum 0,710 dan nilai maximum 46,620 serta memiliki nilai rata-rata 16,50774. Hal ini menunjukkan bahwa tingkat keuntungan atas total aset perusahaan yang menjadi sampel selama periode penelitian memiliki nilai positif dengan nilai tingkat keuntungan atas total aset terendah adalah 0,710 dan tertinggi adalah 46,620 serta rata-rata tingkat keuntungan atas total aset perusahaan adalah 16,50774. Nilai standar deviasi adalah 11.547688 menunjukkan bahwa tidak ada data ROA yang bersifat ekstrim.

  4. Variabel leverage (X2) memiliki nilai minimum 0,204 dan nilai maximum 0,708 serta memiliki nilai rata-rata 0,41205. Hal ini menunjukkan bahwa tingkat kewajiban yang dijamin dengan total aset perusahaan yang menjadi sampel selama periode penelitian memiliki nilai positif dengan nilai leverage terendah adalah 0,204 dan tertinggi adalah 0,708 serta rata-rata leverage perusahaan adalah 0,41205. Nilai standar deviasi adalah 0.151042 menunjukkan bahwa tidak ada data leverage yang bersifat ekstrim.

  5. Variabel ukuran perusahaan/ size (X3) memiliki nilai minimum 17,880 dan nilai maximum 31,335 serta memiliki nilai rata-rata 25,32583. Hal ini menunjukkan bahwa ukuran perusahaan yang menjadi sampel selama periode penelitian secara keseluruhan memiliki nilai positif dengan ukuran perusahaan tekecil adalah 17,880 dan terbesar adalah 31,335 serta rata-rata ukuran perusahaan adalah 25,32583. Nilai standar deviasi adalah 4,599752 menunjukkan bahwa tidak ada data ukuran perusahaan yang bersifat ekstrim.

  6. Variabel Ln_IOS (X4) memiliki nilai minimum 0,95 dan nilai maximum 6,43 serta memiliki nilai rata-rata 2,3679. Hal ini menunjukkan bahwa tingkat kesempatan investasi perusahaan yang menjadi sampel selama periode penelitian secara keseluruhan memiliki nilai positif dengan tingkat kesempatan investasi perusahaan terendah adalah 0,95 dan tertinggi adalah 6,43 serta rata-rata tingkat kesempatan investasi perusahaan adalah 2,3679.

  Nilai standar deviasi adalah 1,16231 menunjukkan bahwa tidak ada data tingkat kesempatan investasi yang bersifat ekstrim.

  7. Variabel free cash flow/ FCF (X5) memiliki nilai minimum -41,040 dan nilai maximum 33,722 serta memiliki nilai rata-rata 5,93851. Hal ini menunjukkan bahwa jumlah free cash flow perusahaan yang menjadi sampel selama periode penelitian tidak secara keseluruhan memiliki nilai positif dengan jumlah free cash flow perusahaan terendah adalah --41,040 dan tertinggi adalah 33,722 serta rata-rata jjumlah free cash flow perusahaan adalah 5,93851. Nilai standar deviasi adalah 15,510223 menunjukkan bahwa tidak ada data free cash flow yang bersifat ekstrim.

4.2 Uji Asumsi Klasik

4.2.1 Uji Normalitas

  Pengujian normalitas pada penelitian ini dilakukan dengan menggunakan analisis statistik yaitu uji Kolmogorov-Smirnov (K-S) dan analisis grafik yaitu Histogram dan grafik normal probability plot. Pengujian normalitas dengan menggunakan Kolmogorov-Smirnov (K-S) apabila nilai signifikansinya lebih besar dari 0,05 maka distribusi data normal, sedangkan jika nilai signifikasinya lebih kecil dari 0,05 maka distrtibusi data tidak normal.

Tabel 4.2 Uji Normalitas Sebelum Ditransformasi

  One-Sample Kolmogorov-Smirnov Test

DPR ROA LEV SIZE

  IOS FCF N

  33

  33

  33

  33

  33

  33 Normal Mean .5257 16.507 .412 25.325 33.727 5.938 _a,b Parameters Std. .379 11.547 .151 4.599752 107.528 15.510 Deviation Most Absolute .194 .133 .176 .209 .404 .093 Extreme Positive .194 .133 .176 .209 .404 .060 Differences Negative -.096 -.089 -.114 -.203 -.386 -.093 Kolmogorov-Smirnov Z 1.112 .764 1.012 1.200 2.322 .535 Asymp. Sig. (2-tailed) .168 .604 .258 .112 .000 .937 a. Test distribution is Normal.

b. Calculated from data.

  Sumber: Output SPSS 18, 2013 Dari hasil uji normalitas pada tabel 4.2, besarnya nilai

  Kolmogorov-Smirnov adalah 1,112 pada signifikansi 0,168 untuk DPR, 0,764 pada signifikansi 0,604 untuk ROA, 1,012 pada signifikansi 0,258 untuk leverage (LEV), 1,200 pada signifikansi 0,112 untuk ukuran perusahaan (SIZE), 2,322 pada signifikansi 0,000 untuk IOS dan 0,535 pada signifikansi 0,937. Dari hasil uji K-S terlihat bahwa variabel IOS memiliki level signifikansi di bawah 0,05 yang berarti distribusi data tidak normal sehingga perlu dilakukan transformasi Ln untuk menormalkan data

  IOS.

  Tabel 4.3

  

Uji Normalitas Setelah Ditransformasi

One-Sample Kolmogorov-Smirnov Test

  DPR ROA LEV SIZE Ln_IOS FCF N

  33

  33

  33

  33

  33

  33 Normal Mean .52570 16.5077 .41205 25.3258 2.3679 5.9385 _a,b Parameters Std. .379662 11.547688 .151042 4.599752 1.16231 15.510223 Deviation Most Absolute .194 .133 .176 .209 .149 .093 Extreme Positive .194 .133 .176 .209 .149 .060 Differences Negative -.096 -.089 -.114 -.203 -.111 -.093 Kolmogorov-Smirnov Z 1.112 .764 1.012 1.200 .853 .535 Asymp. Sig. (2-tailed) .168 .604 .258 .112 .460 .937 a. Test distribution is Normal.

b. Calculated from data.

  Sumber: Output SPSS 18, 2013 Pada tabel 4.3 diatas setelah dilakukan transformasi Ln variabel

  IOS memiliki nilai Kolmogorov-Smirnov sebesar 0,853 pada signifikansi 0,460. Hal itu berarti data variabel IOS telah berdistribusi normal karena nilai signifikansi lebih besar dari 0,05.

  Sumber: Output SPSS 18, 2013

Gambar 4.1 Grafik Histogram

  Sumber: Output SPSS 18, 2013

Gambar 4.2 Grafik Normal P-P Plot Grafik Histogram dan normal probability plot pada gambar 4.1 dan 4.2 dapat terlihat bentuk kurva pada histogram memiliki bentuk seperti lonceng dan itu menunjukkan bahwa data telah terdistribusi secara normal serta pada normal grafik normal p-p plot terlihat titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal yang menunjukkan bahwa data telah berdistribusi secara normal.

4.2.2 Uji Autokorelasi

  Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t-1 (sebelumnya). Cara yang dapat dilakukan untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan uji Durbin Watson. Pengambilan keputusan ada tidaknya autokorelasi menurut Durbin Watson adalah sebagai berikut: 1. angka D-W dibawah -2 berarti ada autokorelasi positif, 2. angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi, 3. angka D-W di atas +2 berarti ada autokorelasi negatif.

  Hasil dari uji autokorelasi dapat dilihat pada tabel 4.4.

Tabel 4.4 Hasil Uji Durbin-Watson

  _b Model Summary

  Model Adjusted R Std. Error of the R R Square Square Estimate Durbin-Watson _{a dimension0}

1 .687 .472 .375 .300199 1.570

  a. Predictors: (Constant), FCF, SIZE, Ln_IOS, LEVERAGE, ROA

  b. Dependent Variable: DPR

  Dari hasil uji Durbin-Watson pada tabel 4.4 dapat diketahui Durbin-Watson sebesar 1,570 berdasarkan syarat pengambilan keputusan diatas angka Durbin-Watson berada di antara -2 dan +2 (-2 < 1,570 < 2), maka dapat disimpulkan bahwa tidak ada autokorelasi positif maupun autokorelasi negatif antar residual.

4.2.3 Uji Multikolinearitas

  Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas. Pada program SPSS ada beberapa metode yang sering digunakan untuk mendeteksi adanya multikolinearitas. Menurut Situmorang, dkk (2008:104) Salah satunya adalah dengan cara membandingkan nilai Variance Inflation Factor (VIF) dan Tolerance yaitu (Tolerance <0,1 sedangkan VIF > 5).

  Tabel 4.5 _a Hasil Uji Multikolonieritas Coefficients

  Model Collinearity Statistics Tolerance

  VIF 1 (Constant) ROA .248 4.031 LEVERAGE .504 1.986 SIZE .669 1.496 Ln_IOS .376 2.662 FCF .686 1.458

a. Dependent Variable: DPR

  Sumber: Output SPSS 18, 2013 Berdasarkan uji multikolinearitas pada Tabel 4.5, dapat dilihat bahwa nilai tolerance untuk semua variabel dalam penelitian ini memiliki nilai lebih besar dari 0,10 dan nilai VIF untuk semua variabel dalam penelitian ini memiliki nilai lebih kecil dari 5, dan dapat disimpulkan bahwa semua data (variabel) dalam penelitian ini terbebas dari gejala multikolinearitas.

   Uji Heteroskedastisitas

4.2.4 Menurut Ghozali (2005:105), uji heteroskedastisitas bertujuan

  menguji apakah dalam model regresi terdapat ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Salah satu cara yang dapat digunakan untuk mengetahui ada tidaknya gejala heteroskedastisitas adalah dengan melihat pada grafik scatter plot.

  Jika ada pola tertentu seperti titik-titik yang membentuk pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit) maka mengindikasikan telah terjadi heteroskedastisitas. Jika tak ada pola yang jelas maka tidak terjadi gejala heteroskedastisitas. Hasil uji heteroskedastisitas dapat dilihat pada gambar 4.3.

  Sumber: Output SPSS 18, 2013

Gambar 4.3 Grafik Scatterplot

  Dari gambar 4.3 di atas menunjukkan titik-titik data tersebar di atas dan titik-titik data menyebar dan tidak membentuk pola sehingga dapat disimpulkan bahwa ROA, leverage, ukuran perusahaan, investment opportunity set dan free cash flow bebas dari gejala heterokedastisitas.

4.3 Analisi Regresi Berganda

  Berdasarkan hasil pengujian asumsi klasik, disimpulkan bahwa model regresi

yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Best Linear

Unbiased Estimator (BLUE). Analisis statistik selanjutnya adalah análisis regresi

dengan SPSS 18.0

  Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan variabel dependen, melalui pengaruh return on asset (X1), leverage (X2), ukuran perusahaan (X3), investment opportunity set (X4) dan free cash flow (X5) terhadap kebijakan dividen (Y). Persamaan linier berganda dari variabel dependen dan independen diatas adalah sebagai berikut:

  Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + e Hasil regresi dapat dilihat pada tabel 4.6. Tabel 4.6

Hasil Perhitungan Analisis Regresi Berganda

_a

  

Coefficients

Model Unstandardized Standardized Coefficients Coefficients

  B Std. Error Beta T Sig.

1 (Constant) 2.646 .507 5.217 .000

ROA (X1) -.031 .009 -.956 -3.406 .002

  

LEVERAGE (X2) -1.607 .495 -.639 -3.245 .003

SIZE (X3) -.045 .014 -.539 -3.154 .004

Ln_IOS (X4) .055 .074 .167 .732 .471

FCF (X5) .010 .004 .401 2.375 .025

a. Dependent Variable: DPR

  Sumber: Output SPSS 18, 2013 Model regresi berdasarkan hasil analisis regresi pada tabel 4.6 adalah sebagai berikut:

  

Y = 2,646 – 0,031 X1 – 1.607 X2 – 0.045 X3 + 0,055 X4 + 0,010 X5

  Dari hasil persamaan regresi linier berganda tersebut diatas dapat dilihat nilai konstanta sebesar 2,646. Hal ini mengindikasikan bahwa DPS mempunyai nilai sebesar 2,646 dengan tidak dipengaruhi oleh variabel-variabel independen. Persamaan regresi berganda diatas dapat dijelaskan sebagai berikut:

1. Koefisien regresi untuk variabel Return on Assets (X1) adalah sebesar -0,031.

  Hal ini berarti bahwa setiap kenaikan satu satuan ROA, maka akan menurunkan proporsi pembayaran dividen sebesar 0,031 dengan asumsi bahwa variabel independen yang lain dari model regresi adalah tetap.

  2. Koefisien regresi untuk variabel leverage (X2) adalah sebesar -1,607.

  Hal ini berarti bahwa setiap kenaikan satu satuan leverage, maka akan

  1,607

  menurunkan proporsi pembayaran dividen sebesar dengan asumsi bahwa variabel independen yang lain dari model regresi adalah tetap.

  

3. Koefisien regresi untuk variabel ukuran perusahaan/ SIZE (X3) adalah

sebesar -0,045. Hal ini berarti bahwa setiap kenaikan satu satuan SIZE, 0,045

  maka akan menurunkan proporsi pembayaran dividen sebesar dengan asumsi bahwa variabel independen yang lain dari model regresi adalah tetap.

  4. Koefisien regresi untuk variabel IOS (X4) adalah sebesar 0,055.

  Hal ini berarti bahwa setiap kenaikan satu satuan IOS maka akan meningkatkan proporsi pembayaran dividen sebesar

  0,055

  dengan asumsi bahwa variabel independen yang lain dari model regresi adalah tetap.

5. Koefisien regresi untuk variabel FCF (X5) adalah sebesar 0,010.

  Hal ini berarti bahwa setiap kenaikan satu satuan FCF, maka akan meningkatkan proporsi pembayaran dividen sebesar

  0,010

  dengan asumsi bahwa variabel independen yang lain dari model regresi adalah tetap.

  

2

) dan Adjusted R

  2 Koefisien determinasi (R 2 ) bertujuan untuk mengetahui seberapa besar kemampuan variabel independen menjelaskan variabel dependen (Lubis, dkk, 2007: 48). Range nilai dari R

4.4 Koefisien Determinasi ( R square / R

  2 adalah nol sampai dengan satu. Semakin mendekati nol berarti model tidak baik atau variasi model dalam menjelaskan amat terbatas, sebaliknya semakin mendekati satu model semakin baik.

Tabel 4.7 Hasil Koefisien Determinasi Model Summary

  ^b Model R R Square Adjusted R Square Std. Error of the Estimate _dimension0 1 .687 ^a .472 .375 .300199

  a. Predictors: (Constant), FCF, SIZE, Ln_IOS, LEVERAGE, ROA

b. Dependent Variable: DPR

  Sumber: Output SPSS 18, 2013 Hasil pengujian pada tabel 4.7 dengan menggunakan koefisien determinasi menunjukkan bahwa nilai R Square sebesar 0,472 berarti 47,2% kebijakan dividen perusahaan dipengaruhi oleh return on asset (ROA), leverage, ukuran perusahaan

  (SIZE), investment opportunity set (IOS) dan free cash flow. Sisanya 52,8% dapat dijelaskan oleh variabel lainnya yang tidak masuk dalam model penelitian ini.

  Adjusted R Square sebesar 0,375 menunjukkan bahwa return on asset (ROA), leverage, ukuran perusahaan, investment opportunity set (IOS) dan free

  cash flow mempengaruhi kebijakan dividen sebesar 37,5% . Sementara sisanya

  sebesar 62,5% dijelaskan oleh variabel lainnya yang tidak masuk dalam model penelitian ini. Standar Error of the Estimate (SEE) adalah 0,300199, semakin besar SEE akan membuat model regresi kurang tepat dalam memprediksi variabel dependen.

4.5 Pengujian Hipotesis Penelitian

4.5.1 Uji Signifikan Simultan (Uji – F)