BAB 4 HASIL DAN PEMBAHASAN. Secara historis, pasar modal telah hadir jauh sebelum Indonesia merdeka. Pasar

Transkripsi

1 BAB 4 HASIL DAN PEMBAHASAN 4.1 Bursa Efek Indonesia Sejarah Bursa Efek Indonesia Secara historis, pasar modal telah hadir jauh sebelum Indonesia merdeka. Pasar modal atau bursa efek telah hadir sejak jaman kolonial Belanda dan tepatnya pada tahun 1912 di Batavia. Pasar modal ketika itu didirikan oleh pemerintah Hindia Belanda untuk kepentingan pemerintah kolonial atau VOC. Meskipun pasar modal telah ada sejak tahun 1912, perkembangan dan pertumbuhan pasar modal tidak berjalan seperti yang diharapkan, bahkan pada beberapa periode kegiatan pasar modal mengalami kevakuman. Hal tersebut disebabkan oleh beberapa faktor seperti perang dunia ke I dan II, perpindahan kekuasaan dari pemerintah kolonial kepada pemerintah Republik Indonesia, dan berbagai kondisi yang menyebabkan operasi bursa efek tidak dapat berjalan sebagimana mestinya. Pemerintah Republik Indonesia mengaktifkan kembali pasar modal pada tahun 1977, dan beberapa tahun kemudian pasar modal mengalami pertumbuhan seiring dengan berbagai insentif dan regulasi yang dikeluarkan pemerintah. Secara singkat, tonggak perkembangan pasar modal di Indonesia dapat dilihat pada tabel 4.1 sebagai berikut: Tabel 4.1 Perkembangan Pasar Modal Indonesia Desember 1912 Bursa Efek pertama di Indonesia dibentuk di Batavia oleh Pemerintah Hindia Belanda Bursa Efek di Batavia ditutup selama Perang Dunia I 48

2 Bursa Efek di Jakarta dibuka kembali bersama dengan Bursa Efek di Semarang dan Surabaya Awal tahun 1939 Karena isu politik (Perang Dunia II) Bursa Efek di Semarang dan Surabaya ditutup Bursa Efek di Jakarta ditutup kembali selama Perang Dunia II 1956 Program nasionalisasi perusahaan Belanda. Bursa Efek semakin tidak aktif Perdagangan di Bursa Efek vakum 10 Agustus 1977 Bursa Efek diresmikan kembali oleh Presiden Soeharto. BEJ dijalankan dibawah BAPEPAM (Badan Pelaksana Pasar Modal). Tanggal 10 Agustus diperingati sebagai HUT Pasar Modal. Pengaktifan kembali pasar modal ini juga ditandai dengan go public PT Semen Cibinong sebagai emiten pertama tahun 2008 tentang Surat Berharga Syariah Negara Perdagangan di Bursa Efek sangat lesu. Jumlah emiten hingga 1987 baru mencapai 24. Masyarakat lebih memilih instrumen perbankan dibandingkan instrumen Pasar Modal 1987 Ditandai dengan hadirnya Paket Desember 1987 (PAKDES 87) yang memberikan kemudahan bagi perusahaan untuk melakukan Penawaran Umum dan investor asing menanamkan modal di Indonesia Paket deregulasi dibidang Perbankan dan Pasar Modal diluncurkan. Pintu BEJ terbuka untuk asing. Aktivitas bursa terlihat meningkat 2 Juni 1988 Bursa Paralel Indonesia (BPI) mulai beroperasi dan dikelola oleh 49

3 Persatuan Perdagangan Uang dan Efek (PPUE), sedangkan organisasinya terdiri dari broker dan dealer Desember 1988 Pemerintah mengeluarkan Paket Desember 88 (PAKDES 88) yang memberikan kemudahan perusahaan untuk go public dan beberapa kebijakan lain yang positif bagi pertumbuhan pasar modal 16 Juni 1989 Bursa Efek Surabaya (BES) mulai beroperasi dan dikelola oleh Perseroan Terbatas milik swasta yaitu PT Bursa Efek Surabaya 13 Juli 1992 Swastanisasi BEJ. BAPEPAM berubah menjadi Badan Pengawas Pasar Modal. Tanggal ini diperingati sebagai HUT BEJ 22 Mei 1995 Sistem Otomasi perdagangan di BEJ dilaksanakan dengan sistem computer JATS (Jakarta Automated Trading Systems) 1987 Ditandai dengan hadirnya Paket Desember 1987 (PAKDES 87) yang memberikan kemudahan bagi perusahaan untuk melakukan Penawaran Umum dan investor asing menanamkan modal di Indonesia Paket deregulasi dibidang Perbankan dan Pasar Modal diluncurkan. Pintu BEJ terbuka untuk asing. Aktivitas bursa terlihat meningkat 2 Juni 1988 Bursa Paralel Indonesia (BPI) mulai beroperasi dan dikelola oleh Persatuan Perdagangan Uang dan Efek (PPUE), sedangkan organisasinya terdiri dari broker dan dealer Desember 1988 Pemerintah mengeluarkan Paket Desember 88 (PAKDES 88) yang memberikan kemudahan perusahaan untuk go public dan beberapa kebijakan lain yang positif bagi pertumbuhan pasar 50

4 modal 16 Juni 1989 Bursa Efek Surabaya (BES) mulai beroperasi dan dikelola oleh Perseroan Terbatas milik swasta yaitu PT Bursa Efek Surabaya 13 Juli 1992 Swastanisasi BEJ. BAPEPAM berubah menjadi Badan Pengawas Pasar Modal. Tanggal ini diperingati sebagai HUT BEJ 22 Mei 1995 Sistem Otomasi perdagangan di BEJ dilaksanakan dengan sistem computer JATS (Jakarta Automated Trading Systems) 10 November 1995 Pemerintah mengeluarkan Undang Undang No. 8 Tahun 1995 tentang Pasar Modal. Undang-Undang ini mulai diberlakukan mulai Januari Bursa Paralel Indonesia merger dengan Bursa Efek Surabaya 2000 Sistem Perdagangan Tanpa Warkat (scripless trading) mulai diaplikasikan di pasar modal Indonesia 2002 BEJ mulai mengaplikasikan sistem perdagangan jarak jauh (remote trading) 2007 Penggabungan Bursa Efek Surabaya (BES) ke Bursa Efek Jakarta (BEJ) dan berubah nama menjadi Bursa Efek Indonesia (BEI) 02 Maret 2009 Peluncuran Perdana Sistem Perdagangan Baru PT Bursa Efek Indonesia: JATS-NextG Sumber: 51

5 4.1.2 Struktur Organisasi Bursa Efek Indonesia Struktur organisasi pada Bursa Efek Indonesia saat ini ditujukkan pada gambar 4.1: Sumber: Gambar 4.1 Struktur Organisasi Bursa Efek Indonesia Indeks LQ45 Indeks ini terdiri dari 45 saham dengan likuiditas (Liquid) tinggi, yang diseleksi melalui beberapa kriteria pemilihan. Selain penilaian atas likuiditas, seleksi atas sahamsaham tersebut mempertimbangkan kapitalisasi pasar Kriteria Pemilihan Saham Untuk Indeks LQ 45 berikut ini: Untuk dapat masuk dalam pemilihan, suatu saham harus memenuhi kritera-kriteria 52

6 1. Masuk dalam urutan 60 terbesar dari total transaksi saham di Pasar Reguler (ratarata nilai transaksi selama 12 bulan terakhir). 2. Urutan berdasarkan kapitalisasi pasar (rata-rata nilai kapitalisasi pasar selama 12 bulan terakhir). 3. Telah tercatat di BEJ selama paling sedikit 3 bulan. 4. Keadaan keuangan perusahaan dan prospek pertumbuhannya, frekuensi dan jumlah hari perdagangan transaksi pasar reguler Evaluasi Indeks dan Pergantian Saham Bursa Efek Jakarta secara rutin memantau perkembangan kinerja komponen saham yang masuk dalam perhitungan Indeks LQ 45. Setiap tiga bulan sekali dilakukan evaluasi atau pergerakan urutan saham-saham yang digunakan dalam perhitungan indeks. Penggantian saham akan dilakukan setiap enam bulan sekali, yaitu pada awal bulan Februari dan Agustus. Apabila terdapat saham yang tidak memenuhi kriteria seleksi indeks LQ 45, maka saham tersebut dikeluarkan dari perhitungan indeks dan diganti dengan saham lainnya yang memenuhi kriteria Komisi Penasehat Untuk menjamin kewajaran (fairness) pemilihan saham, BEJ memiliki komisi penasihat yang terdiri dari para ahli dari BAPEPAM, Universitas dan profesional di bidang pasar modal yang independen Hari Dasar Indeks LQ 45 Indeks LQ 45 dihitung dengan tanggal 13 Juli 1994 sebagai hari dasar, dengan nilai dasar 100, sehingga memiliki data historis yang cukup panjang. Untuk seleksi awal 53

7 digunakan data pasar dari Juli 1993 Juni 1994, dimana terpilih 45 emiten yang meliputi 72% dari total kapitalisasi pasar dan 72,5% dari total nilai transaksi di pasar reguler. 4.2 Uji Asumsi Klasik Uji Normalitas dan Outlier Pertama akan dilakukan uji normalitas pada data awal untuk mengetahui sebaran data. Baru kemudian dilakukan outlier untuk menghilangkan data-data yang bernilai ekstrim sehingga memenuhi persyaratan normalitas untuk diuji lebih lanjut dengan analisis jalur Uji Normalitas Data Awal 1. Uji Normalitas Data Awal pada variabel Return On Equity (ROE) Dengan menggunakan bantuan program SPSS diperoleh hasil sebagai berikut dalam Gambar 4.2: Gambar 4.2 Grafik Normalitas Data Awal ROE 54

8 - Pengujian berdasarkan nilai signifikansi Dasar Pengambilan Jika angka Asymp. Sig 0,05 maka data berdistribusi normal Jika angka Asymp. Sig < 0,05 maka data tidak berdistribusi normal Variabel ROE (X1) memiliki Sig 0,040 < 0,05 maka data tidak berdistribusi normal, sehingga variable ROE (X1) perlu melalui tahap outlier - Pengujian berdasarkan grafik Dasar Pengambilan Jika data tersebar di sekitar garis diagonal serta mengikuti arah garis histograf menuju pola distribusi normal, maka memenuhi asumsi normalitas. Data variabel ROE (X1) memiliki sebaran yang tidak rata. Hal ini ditunjukkan dengan adanya beberapa data yang berada jauh dari garis diagonal, maka data belum dapat dikatakan berdistribusi normal. 2. Uji Normalitas Data Awal Pada Variabel Market Capitalization (MC) Dengan menggunakan bantuan program SPSS diperoleh hasil sebagai berikut dalam Gambar 4.3: 55

9 Gambar 4.3 Grafik Normalitas Data Awal MC - Pengujian berdasarkan nilai signifikansi Dasar Pengambilan Jika angka Asymp. Sig 0,05 maka data berdistribusi normal Jika angka Asymp. Sig < 0,05 maka data tidak berdistribusi normal Variabel memiliki Asymp. Sig 0,010 < 0,05 maka data tidak berdistribusi normal, sehingga variable MC (X2) perlu melalui tahap outlier - Pengujian berdasarkan grafik Dasar Pengambilan Jika data tersebar di sekitar garis diagonal serta mengikuti arah garis histograf menuju pola distribusi normal maka memenuhi asumsi normalitas. 56

10 Data variabel MC (X2) memiliki sebaran yang tidak rata. Hal ini ditunjukkan dengan adanya beberapa data yang berada jauh dari garis diagonal, maka data belum dapat dikatakan berdistribusi normal. 3. Uji Normalitas Data Awal pada variabel Current Ratio (CR) Dengan menggunakan bantuan program SPSS diperoleh hasil sebagai berikut dalam Gambar 4.4: Gambar 4.4 Grafik Normalitas Data Awal CR - Pengujian berdasarkan nilai signifikansi Dasar Pengambilan Jika angka Asymp. Sig 0,05 maka data berdistribusi normal Jika angka Asymp. Sig < 0,05 maka data tidak berdistribusi normal 57

11 Variabel CR (Y) memiliki Asymp. Sig 0,034 < 0,05 maka data tidak berdistribusi normal, sehingga variable CR (Y) perlu melalui tahap outlier - Pengujian berdasarkan grafik Dasar Pengambilan Jika data tersebar di sekitar garis diagonal serta mengikuti arah garis histograf menuju pola distribusi normal maka memenuhi asumsi normalitas. Data variabel CR (Y) memiliki sebaran yang tidak rata. Hal ini ditunjukkan dengan adanya beberapa data yang berada jauh dari garis diagonal, maka data belum dapat dikatakan berdistribusi normal 4. Uji Normalitas Data Awal pada variabel Dividend Payout Ratio (DPR) Dengan menggunakan bantuan program SPSS diperoleh hasil sebagai berikut dalam Gambar 4.5: Gambar 4.5 Grafik Normalitas Data Awal DPR 58

12 - Pengujian berdasarkan nilai signifikansi Dasar Pengambilan Jika angka Asymp. Sig 0,05 maka data berdistribusi normal Jika angka Asymp. Sig < 0,05 maka data tidak berdistribusi normal Variabel DPR (Z) memiliki Asymp. Sig 0,016 < 0,05 maka data tidak berdistribusi normal, sehingga variable DPR (Z) perlu melalui tahap outlier - Pengujian berdasarkan grafik Dasar Pengambilan Jika data tersebar di sekitar garis diagonal serta mengikuti arah garis histograf menuju pola distribusi normal maka memenuhi asumsi normalitas. Data variabel DPR (Z) memiliki sebaran yang tidak rata. Hal ini ditunjukkan dengan adanya beberapa data yang berada jauh dari garis diagonal, maka data belum dapat dikatakan berdistribusi normal Berdasarkan hasil uji normalitas pada data awal, diketahui bahwa semua variabel yang diteliti yaitu ROE (X1), MC (X2), CR (Y), dan DPR (Z) tidak berdistribusi normal. Oleh karena itu perlu dilakukan outlier untuk menghilangkan data-data yang bernilai ekstrim agar mampu menghasilakan data yang berdistribusi normal dan memenuhi asumsi dasar analisis jalur untuk dapat dilakukan pengolahan lebih lanjut. Outlier dilakukan dengan memunculkan nilai Z dari seluruh data yang diteliti, kemudian data yang memiliki nilai Z diluar interval +/ dihilangkan. Setelah itu kembali dilakukan uji normalitas pada data yang telah melalui proses outlier. 59

13 Uji Normalitas Setelah Outlier Setelah semua data yang memiliki nilai Z diluar rentang +/- 1,96 dihilangkan, kemudian dilakukan uji normalitas ulang pada masing-masing variabel dari data yang tersisa. 1. Uji Normalitas Setelah Outlier pada variabel Return On Equity (ROE) Dengan menggunakan bantuan program SPSS diperoleh hasil sebagai berikut dalam Gambar 4.6: Gambar 4.6 Grafik Normalitas ROE setelah outlier - Pengujian berdasarkan nilai signifikansi Dasar Pengambilan Jika angka Asymp. Sig 0,05 maka data berdistribusi normal Jika angka Asymp. Sig < 0,05 maka data tidak berdistribusi normal 60

14 Variabel ROE (X1) memiliki Asymp. Sig 0,331 0,05 maka data berdistribusi normal, sehingga variabel ROE (X1) dapat digunakan dalam analisis jalur berikutnya. - Pengujian berdasarkan grafik Dasar Pengambilan Jika data tersebar di sekitar garis diagonal serta mengikuti arah garis histograf menuju pola distribusi normal maka model regresi memenuhi asumsi normalitas. Data variabel X1 (ROE) tersebar di sekitar garis diagonal serta mengikuti arah garis histograf menuju pola distribusi normal maka model regresi memenuhi asumsi normalitas. 2. Uji Normalitas Setelah Outlier pada variabel Market Capitalization (MC) Dengan menggunakan bantuan program SPSS diperoleh hasil sebagai berikut dalam Gambar 4.7: Gambar 4.7 Grafik Normalitas MC setelah outlier 61

15 - Pengujian berdasarkan nilai signifikansi Dasar Pengambilan Jika angka Asymp. Sig 0,05 maka data berdistribusi normal Jika angka Asymp. Sig < 0,05 maka data tidak berdistribusi normal Variabel X2 (MC) memiliki Asymp. Sig 0,170 0,05 maka data berdistribusi normal, sehingga variabel X2 dapat digunakan dalam analisis jalur berikutnya. - Pengujian berdasarkan grafik Dasar Pengambilan Jika data tersebar di sekitar garis diagonal serta mengikuti arah garis histograf menuju pola distribusi normal maka memenuhi asumsi normalitas. Data variabel X2 (MC) tersebar di sekitar garis diagonal serta mengikuti arah garis histograf menuju pola distribusi normal maka model regresi memenuhi asumsi normalitas. 3. Uji Normalitas Setelah Outlier pada variabel Current Ratio (CR) Dengan menggunakan bantuan program SPSS diperoleh hasil sebagai berikut dalam Gambar 4.8: 62

16 Gambar 4.8 Grafik Normalitas CR setelah outlier - Pengujian berdasarkan nilai signifikansi Dasar Pengambilan Jika angka Asymp. Sig 0,05 maka data berdistribusi normal Jika angka Asymp. Sig < 0,05 maka data tidak berdistribusi normal Variabe CR (Y) memiliki Asymp. Sig 0,176 0,05 maka data berdistribusi normal, sehingga variabel CR (Y) dapat digunakan dalam analisis jalur berikutnya. - Pengujian berdasarkan grafik Dasar Pengambilan Jika data tersebar di sekitar garis diagonal serta mengikuti arah garis histograf menuju pola distribusi normal maka model regresi memenuhi asumsi normalitas. 63

17 Data variabel Y (CR) tersebar di sekitar garis diagonal serta mengikuti arah garis histograf menuju pola distribusi normal maka model regresi memenuhi asumsi normalitas. 4 Uji Normalitas Setelah Outlier pada variabel Divivend Payout Ratio (DPR) Dengan menggunakan bantuan program SPSS diperoleh hasil sebagai berikut dalam Gambar 4.9: Gambar 4.9 Grafik Normalitas DPR Setelah Outlier - Pengujian berdasarkan nilai signifikansi Dasar Pengambilan Jika angka Asymp. Sig 0,05 maka data berdistribusi normal Jika angka Asymp. Sig < 0,05 maka data tidak berdistribusi normal 64

18 Variabe DPR (Z) memiliki Asymp. Sig 0,653 0,05 maka data berdistribusi normal, sehingga variabel DPR (Z) dapat digunakan dalam analisis jalur berikutnya. - Pengujian berdasarkan grafik Dasar Pengambilan Jika data tersebar di sekitar garis diagonal serta mengikuti arah garis histograf menuju pola distribusi normal maka memenuhi asumsi normalitas. Data variabel DPR (Z) tersebar di sekitar garis diagonal serta mengikuti arah garis histograf menuju pola distribusi normal maka model regresi memenuhi asumsi normalitas Uji Multikolinieritas Berikut ini hasil uji mulikolinearitas yang dihasilkan oleh program spss versi pada Tabel 4.2 dan 4.3 sebagai berikut: Sub-Struktur 1 65

19 Tabel 4.2 Multikoliniearitas Sub-Struktur 1 Coefficients a Standardized Unstandardized Coefficients Coefficients Collinearity Statistics Model B Std. Error Beta t Sig. Tolerance VIF 1(Constant) ROE MC a. Dependent Variable: CR Dasar Pengambilan Jika VIF < 10, maka tingkat kolinieritas dapat ditoleransi Jika VIF> 10, terjadi multikolinieritas Berdasarkan Tabel 4.2 di atas diketahui nilai VIF ROE dan MC = 1,042 dengan demikian dapat disimpulkan bahwa tidak terjadi masalah multikolinieritas antar variabel dan data memenuhi syarat untuk diolah dengan metode regresi lebih lanjut. Sub-Struktur 2 66

20 Tabel 4.3 Multikoliniearitas Sub-Struktur 2 Coefficients a Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std. Error Beta T Sig. Tolerance VIF 1 (Constant) ROE MC CR a. Dependent Variable: DPR Dasar Pengambilan Jika VIF < 10, maka tingkat kolinieritas dapat ditoleransi Jika VIF > 10, terjadi multikolinieritas Berdasarkan Tabel 4.3 di atas diketahui nilai VIF ROE = 1,046, MC = 1,047, CR = 1,010, dengan demikian dapat disimpulkan bahwa tidak terjadi masalah multikolinieritas antar variabel dan data memnuhi syarat untuk diolah dengan metode regresi lebih lanjut Uji Autokorelasi (Durbin Watson) Berikut ini hasil uji Durbin Watson yang dihasilkan oleh program spss versi pada Tabel 4.4 dan 4.5 sebagai berikut: Sub-Struktur 1 67

21 Tabel 4.4 Autokorelasi Sub-Struktur 1 Model Summary b Adjusted R Std. Error of Model R R Square Square the Estimate Durbin-Watson a a. Predictors: (Constant), MC, ROE b. Dependent Variable: CR Dasar Pengambilan Jika DW>dU, maka tidak terjadi autokorelasi Jika DW<dU 10, terjadi autokorelasi Berdasarkan Tabel 4.4 nilai DW= 1,769 dimana nilai du pada tabel untuk n= 90, k=2 adalah 1,7026 (DW>du), maka kesimpulannya tidak terjadi autokorelasi. Sub-Struktur 2 Tabel 4.5 Autokorelasi Sub-Struktur 2 Model Summary b Adjusted R Std. Error of Model R R Square Square the Estimate Durbin-Watson a a. Predictors: (Constant), CR, ROE, MC 68

22 Dasar Pengambilan Jika DW>dU, maka tidak terjadi autokorelasi Jika DW<dU 10, terjadi autokorelasi Berdasarkan tabel 4.5 nilai DW= 1,756 dimana nilai du pada tabel untuk n= 90, k=3 adalah 1,7264 (DW>du), maka kesimpulannya tidak terjadi autokorelasi Uji Heteroskedastisitas sebagai berikut: Berikut ini hasil uji heterokedatisitas yang dihasilkan oleh program spss versi Sub-Struktur 1 Gambar 4.10 Grafik Heterokedastisitas Sub-Struktur 1 69

23 Dasar Pengambilan Jika titik-titik memiliki pola tertentu yang teratur seperti bergelombang, melebar, kemudian menyempit, maka terjadi heterokedatisitas Jika tidak terdapat pola tertentu yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y maka mengindikasikan tidak terjadi heterokedatisitas. Dengan melihat sebaran titik-titik yang acak baik di atas maupun di bawah angka 0 dari sumbu Y dapat disimpulkan tidak terjadi heterokedatisitas dalam model regresi ini. Sub-Struktur 2 Gambar 4.11 Grafik Heterokedastisitas Sub-Struktur 2 70

24 Dasar Pengambilan Jika titik-titik memiliki pola tertentu yang teratur seperti bergelombang, melebar, kemudian menyempit, maka terjadi heterokedatisitas Jika tidak terdapat pola tertentu yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y maka mengindikasikan tidak terjadi heterokedatisitas. Dengan melihat sebaran titik-titik yang acak baik di atas maupun di bawah angka 0 dari sumbu Y dapat disimpulkan tidak terjadi heterokedatisitas dalam model regresi ini. 4.3 Analisis Pengaruh Return On Equity (ROE), Market Capitalization (MC) terhadap Current Ratio (CR) Serta Dampaknya Terhadap Dividend Payout Ratio (DPR) Sebelum melakukan analisis, akan ditampilkan terlebih dahulu analisis kausalitas antara variabel ROE (X1), MC (X2), CR (Y) dan DPR (Z), yaitu dalam Gambar 4.12 berikut ini: X 1 ρyx1 ρzx1 Y ρzy Z ρyx2 ρzx2 X 2 Gambar 4.12 Struktur Model Variabel X1, X2, Y dan Z 71

25 Untuk melakukan analisis jalur maka Struktur pada gambar diatas akan dibagi menjadi 2 bagian, yaitu sub-struktur 1 dan sub-struktur Analisis Jalur Sub-Struktur 1 Dalam analisis pengaruh ROE (X1) dan MC (X2) terhadap CR (Y) akan digambarkan dalam sebuah model yang selanjutnya akan disebut dengan sub-struktur 1. Adapun gambar dari sub-struktur tersebut sebagai berikut: X1 ε 1 ρyx1 Y ρyx1 X 2 Gambar 4.13 Sub-struktur 1 Pengujian Secara Simultan (Keseluruhan) antar variabel bebas ROE (X1) dan MC (X2) dengan variabel terikat CR (Y) Dengan bantuan program SPSS, analisa terhadap data X1, X2 dan Y diperoleh hasil output sebagai berikut: 72

26 Tabel 4.6 Anova Sub-Struktur 1 ANOVA b Sum of Model Squares df Mean Square F Sig. 1 Regression a Residual Total a. Predictors: (Constant), MC, ROE b. Dependent Variable: CR Tabel 4.7 Model Summary Sub-Struktur 1 Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate a a. Predictors: (Constant), MC, ROE Pengujian dengan nilai sig Hipotesis Ho: ROE (X1) dan MC (X2) secara simultan berpengaruh tidak signifikan terhadap CR (Y). Ha: ROE (X1) dan MC (X2) secara simultan berpengaruh signifikan terhadap CR (Y). 73

27 Dasar Pengambilan (Tingkat kepercayaan 95%) Sig 0,05 Ho diterima Sig < 0,05 Ho ditolak Sig = 0,650 (>0,05) maka Ho diterima dan Ha ditolak Sehingga dapat ditarik kesimpulan bahwa variabel ROE (X1) dan MC (X2) secara simultan berpengaruh tidak signifikan terhadap variabel CR (Y). Pengujian dengan nilai F Df (N1) = n-k-1 = = 87 Df (N2) = k=2 F tabel = 3,10 F hitung= 0,434 F hitung<f table, maka Ho diterima Hasil uji dengan nilai F sebanding dengan hasil uji dengan nilai sig dimana secara simultan variabel ROE (X1) dan MC (X2) berpengaruh tidak signifikan terhadap variabel CR (Y). Pada Tabel 4.7 nilai Adjusted R Square sebesar -0,013. Perhitungan secara statistik dimungkinkan hasil adjusted R square bernilai negatif. Akan tetapi memang akan tidak lazim jika diterjemahkan dalam penelitian. Sehingga hasil penelitian ini yang menunjukkan Adjusted R Square sebesar -0,013 secara statistik artinya besarnya variasi variabel CR (Y) yang dapat dijelaskan oleh variasi variabel ROE (x) dan MC (X2) yakni Adjusted R Square yang negatif ini tidak signifikan sehingga peranan negatif pun tidak akan ada artinya. 74

28 Pengujian secara individual antara variabel ROE (X1) terhadap variabel CR (Y) Untuk memperkuat hasil pengujian secara simultan, maka akan dilakukan pengujian secara individual dapat dilihat pada tabel 4.8 berikut: Tabel 4.8 Coefficients Sub-Struktur 1 Coefficients a Standardized Unstandardized Coefficients Coefficients Model B Std. Error Beta t Sig. 1 (Constant) ROE MC a. Dependent Variable: CR Pengujian secara individual dapat dilihat pada tabel 4.6 yakni: Hipotesis Ho: Variabel ROE (X1) berpengaruh tidak signifikan terhadap variabel CR (Y) Ha: Variabel ROE (X1) berpengaruh signifikan terhadap variabel CR (Y) Dasar Pengambilan (Tingkat kepercayaan 95%) Sig 0,05 Ho diterima Sig < 0,05 Ho ditolak Sig = 0,572 (> 0,05) maka Ho diterima dan Ha ditolak 75

29 Sehingga dapat ditarik kesimpulan bahwa variabel ROE (X1) berpengaruh tidak signifikan terhadap variabel CR (Y) Pengujian secara individual antara variabel MC (X2) terhadap variabel CR (Y) Pengujian secara individual dapat dilihat pada tabel 4.8 yakni: Hipotesis Ho: Variabel MC (X2) berpengaruh tidak signifikan terhadap variabel CR (Y) Ha: Variabel MC (X2) berpengaruh signifikan terhadap variabel CR (Y) Dasar P engambilan (Tingkat kepercayaan 95%) Sig 0,05 Ho diterima Sig < 0,05 Ho ditolak Sig = 0,544 (> 0,05) maka Ho diterima dan Ha ditolak Sehingga dapat ditarik kesimpulan bahwa variabel MC (X2) berpengaruh tidak signifikan terhadap variabel CR (Y) Kemudian rangkuman nilai koefisien jalur (beta) dapat dilihat dalam tabel 4.9 berikut ini: Tabel 4.9 Rangkuman Hasil Koefisiensi Jalur Sub-Struktur 1 Pengaruh antar Koefisien Nilai sig Hasil variabel jalur (beta) Pengujian X1 terhadap Y -0,062 0,572 Ho diterima X2 terhadap Y -0,066 0,544 Ho diterima Sumber: Hasil Pengolahan Data 76

30 Berdasarkan Tabel 4.9 di atas menunjukkan bahwa koefisien jalur tidak signifikan, maka variabel X1 dan X2 tidak dapat digunakan untuk memprediksi variabel Y. Dengan demikian tidak dapat dijadikan persamaan struktural. Pada gambar 4.14 dapat ditunjukkan diagram jalur sub struktur 1 yang tidak signifikan. Oleh sebab itu pada diagram jalur sub-struktur 1 tidak ditampakkan garis jalur X1 ke Y dan X2 ke Y. X 1 0,062 Y 0,066 X 2 Sumber : Hasil Pengolahan Data Gambar 4.14 Sub-Struktur 1 Beserta Koefisien Jalur Berdasarkan hasil analisis pada sub-struktur 1 dapat diartikan bahwa: ROE (X1), MC (X2) secara simultan berpengaruh tidak signifikan terhadap CR (Y) ROE (X1) berpengaruh tidak signifikan terhadap variabel CR (Y) MC (X2) berpengaruh tidak signifikan terhadap variabel CR (Y) 77

31 4.3.2 Analisis Jalur Sub-Struktur 2 Setelah menyelesaikan sub-struktur 1, kemudian akan dilakukan analisis pengaruh ROE (X1), MC (X2) dan CR (Y) terhadap DPR (Z). Berikut ini gambar untuk sub-struktur 2: X 1 ρzx1 ε 2 Y ρzy Z X 2 ρzx2 Gambar 4.15 Sub-Struktur 2 Pengujian Secara Simultan (Keseluruhan) antara variabel bebas ROE (X1), MC (X2) dan CR (Y) dengan variabel terikat DPR (Z) Dengan bantuan program SPSS, analisa terhadap data ROE (X1), MC (X2), CR (Y) dan DPR (Z) diperoleh hasil sebagai berikut: 78

32 Tabel 4.10 Anova Sub-Struktur 2 ANOVA b Sum of Model Squares df Mean Square F Sig. 1 Regression a Residual Total a. Predictors: (Constant), CR, ROE, MC b. Dependent Variable: DPR Tabel 4.11 Model Summary Sub-struktur 2 Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate a a. Predictors: (Constant), CR, ROE, MC Uji secara keseluruhan ditunjukkan oleh Tabel 4.8: Pengujian dengan nilai sig Hipotesis Ho: Variabel ROE (X1), MC (X2) dan CR (Y) secara simultan berpengaruh tidak signifikan terhadap variabel DPR (Z) Ha: Variabel ROE (X1), MC (X2) dan CR (Y) secara simultan berpengaruh signifikan terhadap variabel DPR (Z) 79

33 Dasar Pengambilan (Tingkat kepercayaan 95%) Sig 0,05 Ho diterima Sig < 0,05 Ho ditolak Sig = 0,044 (<0,05) maka Ho ditolak dan Ha diterima Sehingga dapat ditarik kesimpulan bahwa variabel ROE (X1), MC (X2) dan CR (Y) secara simultan berpengaruh signifikan terhadap variabel DPR (Z) Pengujian dengan nilai F Df(N1)= n-k-1 = = 86 Df(N2)= k=3 F tabel = 2,71 F hitung= 2,809 F hitung > F table, maka Ho ditolak Hasil uji dengan nilai F sebanding dengan hasil uji dengan nilai sig dimana secara simultan variabel ROE (X1) dan MC (X2) dan CR (Y) berpengaruh signifikan terhadap variabel X (DPR). Nilai Adjusted R Square pada tabel 4.11 bernilai 0,057 yang artinya besarnya variasi variabel DPR (Y) yang dapat dijelaskan oleh variasi variabel ROE (X1), MC (X2) dan CR (Y) yakni sebesar 5,7%. Sedangkan 94,3% dijelaskan oleh faktor-faktor yang tidak dimasukkan dalalm model ini. Sementara itu besarnya koefisien jalur bagi variabel lain diluar penelitian yang mempengaruhi nilai variabel DPR (Y) yaitu: Z (ρz) = 1-R 2 = 1-0,057 = 0,971 80

34 Tabel 4.12 Coefficients Sub-struktur 2 Coefficients a Standardized Unstandardized Coefficients Coefficients Model B Std. Error Beta T Sig. 1 (Constant) ROE MC CR a. Dependent Variable: DPR Pengujian secara individual antara variabel ROE (X1) terhadap variabel DPR (Z) Pengujian secara individual dapat dilihat pada Tabel 4.12 yakni: Hipotesis Ho: Variabel ROE (X1) berpengaruh tidak signifikan terhadap variabel DPR (Z) Ha: Variabel ROE (X1) berpengaruh signifikan terhadap variabel DPR (Z) Dasar Pengambilan (Tingkat kepercayaan 95%) Sig 0,05 Ho diterima Sig < 0,05 Ho ditolak Sig = 0,039 (< 0,05) maka Ho ditolak dan Ha diterima Sehingga dapat ditarik kesimpulan bahwa variabel ROE (X1) berpengaruh signifikan terhadap variabel DPR (Z) 81

35 Pengujian secara individual antara variabel MC (X2) terhadap variabel DPR (Z) Pengujian secara individual dapat dilihat pada Tabel 4.12 yakni: Hipotesis Ho: Variabel MC (X2) berpengaruh tidak signifikan terhadap variabel DPR (Z) Ha: Variabel MC (X2 berpengaruh signifikan terhadap variabel Z. Dasar Pengambilan (Tingkat kepercayaan 95%) Sig 0,05 Ho diterima Sig < 0,05 Ho ditolak Sig = 0,197 (> 0,05) maka Ho diterima dan Ha ditolak. Sehingga dapat ditarik kesimpulan bahwa variabel MC (X2) berpengaruh tidak signifikan terhadap variabel DPR (Z) Pengujian secara individual antara variabel CR (Y) terhadap variabel DPR (Z) Pengujian secara individual dapat dilihat pada Tabel 4.12 yakni: Hipotesis Ho: Variabel CR (Y) berpengaruh tidak signifikan terhadap variabel DPR (Z) Ha: Variabel Cr (Y) berpengaruh signifikan terhadap variabel DPR (Z) Dasar Pengambilan (Tingkat kepercayaan 95%) Sig 0,05 Ho diterima Sig < 0,05 Ho ditolak Sig = 0,470 (>0,05) maka Ho ditolak dan Ha diterima Sehingga dapat ditarik kesimpulan bahwa variabel CR (Y) berpengaruh tidak signifikan terhadap variabel DPR (Z) 82

36 Rangkuman dari hasil koefisien jalur (beta) sub-struktur 2 yang menggambarkan bagaimana koefisien jalur dari tiap-tiap variabel dapat dilihat pada Tabel 4.13 di bawah ini : Tabel 4.13 Rangkuman Hasil Koefisien Jalur Sub-struktur 2 Pengaruh Antar Koefisien Nilai Sig Hasil Koefisien Koefisien Variael Jalur Beta Pengujian Determinasi Variabel Lain X1 terhadap Z 0,221 0,039 Ho ditolak 0,057 = 0,971 X2 terhadap Z 0,137 0,197 Ho diterima 5,7% Y terhadap Z -0,075 0,470 Ho diterima Sumber: Hasil Pengolahan Data Dengan demikian didapat diagram jalur sub-struktur 2, disajikan dengan nilai koefisien jalur yang telah didapat melalui analisa data. Diagram jalur sub-struktur 2 secara lengkap dapat dilihat pada gambar 4.11 berikut ini: X 1 0,221 0,971 Y 0,137 Z X 2 0,075 Sumber : Hasil Pengolahan Data Gambar 4.16 Sub-struktur 2 Beserta Koefisien Jalur 83

37 Pada Tabel 4.13 di atas menunjukkan bahwa hanya koefisien jalur X1 terhadap Z saja yang signifikan. Selebihnya variabel X2 dan Y memiliki perngaruh yang tidak signifikan sehingga tidak dapat digunakan untuk memprediksi variabel Z. Oleh sebab itu pada gambar 4.14 tidak ditampakkan garis jalur dari X2 ke Z, dan Y ke Z. Dengan demikian tidak dapat dijadikan persamaan struktural. Berdasarkan hasil analisis pada sub-struktur 2 dapat diartikan bahwa: ROE (X1), MC (X2) dan CR (Y) secara simultan berpengaruh signifikan terhadap DPR (Z) ROE (X1) berpengaruh signifikan terhadap variabel DPR (Z) MC (X2) berpengaruh tidak signifikan terhadap variabel DPR (Z) CR (Y) berpengaruh tidak signifikan terhadap variabel DPR (Z) Hasil analisis membuktikan bahwa ada koefisien jalur yang tidak signifikan, yaitu variabel MC (X2) dan CR (Y), maka sub-struktur 2 masih harus diperbaiki melalui metode trimming, yaitu mengeluarkan variabel MC (X2) dan CR (Y) yang memiliki koefisien jalur tidak signifikan. Kemudian pengolahan data kembali untuk mengetahui pengaruh X1 terhadap Z dengan menggunakan program SPSS. Pengujian Antara Variabel ROE (X1) Terhadap Variabel DPR (Z) Hasil pengujian sub-struktur 2 setelah trimming dapat dilihat pada tabel 4.14 yakni: 84

38 Tabel 4.14 Annova Sub-Struktur 2 (Trimming) ANOVA b Sum of Model Squares df Mean Square F Sig. 1 Regression a Residual Total a. Predictors: (Constant), ROE b. Dependent Variable: DPR Hipotesis Ho: Variabel ROE (X1) tidak berpengaruh secara signifikan terhadap variabel DPR (Z) Ha: Variabel ROE (X1) berpengaruh secara signifikan terhadap variabel DPR (Z) Dasar Pengambilan (Tingkat kepercayaan 95%) Sig 0,05 Ho diterima Sig < 0,05 Ho ditolak Sig = 0,016 (< 0,05) maka Ho ditolak dan Ha diterima Sehingga dapat ditarik kesimpulan bahwa variabel ROE (X1) berpengaruh signifikan terhadap variabel DPR (Z) 85

39 Tabel 4.15 Model Summary Sub-Struktur 2 (Trimming) Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate a a. Predictors: (Constant), ROE Besarnya pengaruh variabel X1 terhadap variabel Z dapat diketahui dengan melihat nilai Adjusted R Square pada tabel 4.15, dimana nilai Adjusted R Square = 0,054= 5,4%. Artinya besarnya variasi variabel DPR (Z) yang dapat dijelaskan oleh variasi variabel ROE (X1) sebesar 5,4% dan sisanya yaitu 94,6% dipengaruhi oleh variabel-variabel lain diluar penelitian ini. Sementara itu besarnya koefisien jalur bagi variabel lain diluar penelitian yang mempengaruhi nilai variabel Z (ρz) = 1-R 2 = 1-0,064 = 0,936 Tabel 4.16 Coefficients Sub-Struktur 2 (Trimming) Coefficients a Standardized Unstandardized Coefficients Coefficients Model B Std. Error Beta t Sig. 1 (Constant) ROE a. Dependent Variable: DPR 86

40 Berikut ini hasil rangkuman koefisien jalur (beta) setelah dilakukan trimming pada sub-struktur 2: Tabel 4.17 Rangkuman Hasil Koefisien Jalur Sub-Struktur 2 (Trimming) Pengaruh Antar Koefisien Nilai Sig Hasil Koefisien Koefisien Variael Jalur Beta Pengujian Determinasi Variabel Lain X1 terhadap Z 0,254 0,016 Ho ditolak 0,064= 6,4% 0,936 Sumber: Hasil Pengolahan Data Dengan demikian didapat diagram jalur sub-struktur 2 setelah trimming, sebagai berikut: X 1 0,254 0,936 Z Gambar 4.17 Sub-Struktur 2 beserta Koefisien Jalur (Trimming) Sumber : Hasil Pengolahan Data Jadi dapat diperoleh persamaan stuktural sub-struktur 2: Z = ρzx1x1 + ρzε2 Z = 0,254 X1 + 0,972 ε2 dimana R2 = 0,064 87

41 Dari persamaan struktural sub-struktur 2 dapat diartikan bahwa: 1. DPR (Z) dipengaruhi oleh ROE (X1), Market Capitalization (X2), dan CR (Y) secara simultan sebesar 5,4% dan sisanya 94,6% dipengaruhi variabel-variabel lain diluar penelitian ini. 2. Secara individual hanya variabel ROE (X1) berpengaruh signifikan terhadap DPR (Z), selain itu variabel MC (X2) dan CR (Y) berpengaruh tidak signifikan terhadap DPR (Z) 3. Setiap peningkatan nilai ROE (X1) sebesar satu, DPR (Z) akan naik sebesar 0,254. Begitu juga sebaliknya, setiap penurunan ROE (X1) sebesar satu maka DPR (Z) juga akan turun sebesar 0,254 Jadi keseluruhan pengaruh variabel ROE (X1) dan Market Capitalization (X2) terhadap CR(Y) dan dampaknya terhadap DPR(Z) dapat digambarkan dalam model struktur lengkap sebagai berikut: X 1 0,936 0,254 Y Z X 2 Gambar 4.18 Struktur Penelitian Lengkap Beserta Koefisien Jalur Sumber : Hasil Pengolahan Data 88

42 Tabel 4.18 Rangkuman Dekomposisi Koefisien Jalur Pengaruh Pengaruh Kausal Pengaruh Variabel Langsung Tidak langsung Bersama Melalui Total Variabel Y X1 terhadap Y X1 terhadap Z O,254-0,254 - X2 terhadap Y X2 terhadap Z Y terhadap Z ε ε2 0, X1 dan X terhadap Y X1, X2 dan Y ,057 terhadap Z Sumber: Hasil Pengolahan Data Berdasarkan Tabel 4.38, maka dapat ditarik kesimpulan sehingga memberikan informasi yang obyektif sebagai berikut: 1. Return On Equity dan Market Capitalization secara simultan berpengaruh tidak signifikan terhadap Current Ratio. Demikian pula pada pengujian secara individual tidak ada satupun yang signifikan. Maka berdasarkan hasil pengujian sub-struktur 1 diperoleh kesimpulan baik jalur X1 terhadap Y (ROE dan CR) maupun X2 terhadap Y (MC dan CR) tidak signifikan 89

43 2. Return On Equity, Market Capitalization dan Current Ratio berpengaruh signifikan terhadap DPR. Namun, secara individual tidak semua sub-variabel diterima, karena berdasarkan pengujian jalur sub-struktur 2, koefisien jalur X2 terhadap Z dan Y terhadap Z tidak signifikan. Hanya koefisien jalur X1 terhadap Z saja yang signifikan. Dengan demikian dapat diperoleh informasi bahwa hanya ROE saja yang berpengaruh secara signifikan terhadap DPR. Besarnya kontribusi ROE terhadap DPR sebesar 6,4% dan sisanya yaitu 93,6% dipengaruhi oleh variabel-variabel lain diluar penelitian ini. 3. Karena tidak terdapat koefisien jalur yang signifikan antara X1 atau pun X2 terhadap Y, maka tidak terdapat pengaruh tidak langsung terhadap variabel Z. Dengan demikian dapat disimpulkan bahwa Current Ratio tidak bertindak sebagai variabel intervening yang menghubungkan pengaruh antara variabel ROE (X1) dan Market Capitalization (X2) terhadap DPR (Z). Dalam penelitian ini juga dihasilkan kesimpulan bahwa variabel CR (Y) juga tidak bertindak sebagai variabel bebas yang secara langsung berpengaruh terhadap variabel DPR (Z). 4.4 Implikasi Hasil Penelitian Setelah dilakukan pengolahan data dengan bantuan program SPSS versi 16 diperoleh kesimpulan bahwa: a. ROE (X1) memiliki pengaruh negatif dan tidak signifikan terhadap CR (Y) Temuan dalam penelitian ini menunjukkan bahwa Profitabilitas yang diproksikan dengan ROE memiliki pengaruh negatif dan tidak signifikan terhadap DPR. Berarti tidak dapat juga dikatakan bahwa semakin tinggi profitabilitas, maka semakin rendah tingkat likuiditas karena pengaruhnya yang tidak signifikan. Pengaruh yang tidak signifikan ini bertentangan dengan pendapat Mardiyanto (2009, p99) yang mengemukakan bahwa profitailitas berpengaruh pada tingkat likuiditas. 90

44 Sehingga pengaruh tidak signifikan ROE terhadap CR tidak akan dipertimbangakan oleh investor. Bagi perusahaan, CR perusahaan tidak ditentukan oleh ROE tapi variabel lain di luar ROE. b. MC (X2) memiliki pengaruh negatif dan tidak signifikan terhadap CR (Y) Temuan dalam penelitian ini menunjukkan bahwa ukuran perusahaan yang diproksikan dengan Market Capitalization memiliki pengaruh yang tidak signifikan dan negatif. Berarti tidak dapat juga dikatakan bahwa semakin besar ukuran perusahaan, maka semakin rendah tingkat likuiditas karena pengaruhnya yang tidak signifikan. Hasil penelitian sebelumnya oleh Listi (2006) yang menemukan bahwa ukuran perusahaan yang diproksikan dengan total asset berpengaruh signifikan dan negatif terhadap likuiditas perusahaan. Sehingga hasil penelitian ini bertentangan dengan penelitian yang dilakukan Listi. Oleh karena itu untuk penelitian selanjutnya diharapkan penggunaan proksi lain dari ukuran perusahaan untuk membuktikan tingkat signifikansi pengaruh antara ukuran perusahaan dan tingkat likuiditas perusahaan sehinga dapat diperoleh hasil yang lebih akurat untuk pertimbangan di masa yang akan datang. c. ROE (X1) memiliki pengaruh signifikan dan positif terhadap DPR (Z) Temuan dalam penelitian ini menunjukkan bahwa profitabilitas yang diproksikan dengan ROE memiliki pengaruh yang positif dan signifkan terhadap DPR. Hal ini sejalan dengan penelitian yang dilakukan oleh Handayani (2010) bahwa profitabilitas berpengaruh secara positif dan signifikan terhadap Dividend Payout Ratio. Dengan demikian profitabilitas terbukti dapat digunakan sebagai pertimbangan dalam memprediksi tingkat pengembalian kepada investor di masa yang akan datang. d. MC (X2) memiliki pengaruh positif namun tidak signifikan terhadap DPR (Z) Temuan dalam penelitian ini menunjukkan bahwa ukuran yang diproksikan dengan Market Capitalization memiliki pengaruh positif namun tidak signifikan terhadap DPR. 91

45 Hal ini bertentangan dengan penelitian yang dilakukan Handayani (2010) yang menemukan bahwa size yang diproksikan melalui total aktiva berpengaruh signifikan terhadap DPR. Hasil peneitian yang bertentangan ini akan mendorong penelitian lebih lanjut yang akan dapat mendukung atau menolak hasil penelitian ini. e. CR (Y) memiliki pengaruh negatif dan tidak signifikan (terhadap DPR (Z) Temuan dalam penelitian ini menunjukkan bahwa likuiditas yang diproksikan dengan CR memiliki pengaruh yang negative dan tidak signifikan. Hal ini serupa dengan hasil penelitian Handayani (2010) yang menemukan bahwa current ratio berpengaruh tidak signikan terhadap DPR. Seperti yang dikemukakan sebelumnya pada latar belakang masalah, dalam Horne (2007, p282) dikatakan bahwa likuiditas perusahaan merupakan pertimbangan utama dalam banyak keputusan dividen. Namun hal ini sangat bergantung pada kebijakan dan strategi perusahaan apakah mereka mungkin saja berusaha mempertahankan likuiditasnya dengan membayar dividen dalam jumlah kecil atau membayar dalam jumlah relative besar untuk meningkatkan minat dari investor. Jadi terdapat kemungkinan bahwa variabel likuiiditas bukan meruapakan faktor yang cukup kuat dalam menentukan besarnya nilai pengembalian terhadap investor (DPR). Oleh karena itu para investor disarankan untuk memperhatikan proksi lain dari likuiditas selain CR dalam pertimbangan menentukan keputusan investasinya. 92