BAB IV ANALISIS HASIL DAN PEMBAHASAN

BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Data. 1. Uji Statistik Deskriptif Statistik deskriptif menjelaskan karakteristik dari masing-masing variabel yang terdapat dalam penelitian ini, baik variabel dependen maupun independen yang terdiri dari nilai minimum, maksimum, mean (rata-rata), dan standar deviasi (Ghozali 2013:19). Table 4.1 Descriptive Statistics N Minimum Maximum Mean Std. Deviation FATO 52.034.816.33081.221602 ITO 52.029.753.30308.228747 CR 52.067.994.33067.247017 CaR 52.030.996.40315.320887 DPR 52.001.494.13938.126533 Valid N (listwise) 52 Tabel 4.1 diatas menunjukkan bahwa keseluruhan jumlah data yang digunakan dalam penelitian ini sebanyak 52 data yang diambil dari Laporan Keuangan Publikasi Tahunan Perusahaan Sektor Industri Barang Konsumsi yang terdaftar di Bursa Efek Indonesia (BEI) periode 2009 sampai 2013. Keseluruhan data yang berjumlah 13 perusahaan yang bergerak disektor dikalikan dengan jumlah periode, yaitu 4 periode sehingga jumlah data menjadi 52 buah. Berikut 42

43 ini adalah penjelasan data deskriptif dalam penelitian ini yang telah diolah dan disajikan dalam tabel 4.1 diatas: 1. Fixed assets turn over (FATO) memiliki nilai minimum penjualan dibagi total aktiva tetap sebesar 0,034 dan nilai maksimum penjualan dibagi total aktiva tetap sebesar 0,816 dengan nilai rata-rata (mean) penjualan dibagi total aktiva tetap sebesar 0,31412 dan standar deviasi penjualan dibagi total aktiva tetap sebesar0,221859. Perusahaan yang memiliki FATO minimum adalah PT. Indofarma Tbk. pada tahun 2011. Sedangkan perusahaan yang memiliki FATO maksimum adalah PT. kimia farma Tbk. pada tahun 2010. 2. Inventory turn over (ITO) memiliki nilai harga pokok penjualan dibagi persedian minimum 0,029 sebesar dan nilai maksimum harga pokok penjualan dibagi persedian sebesar 0,753 dengan nilai rata-rata (mean) harga pokok penjualan dibagi persedian sebesar 0,31695 dan standar deviasi harga pokok penjualan dibagi persedian sebesar 0,228095. Perusahaan yang memiliki ITO minimum adalah PT. handjaya mandala sampoerna Tbk tahun 2009. Sedangkan perusahaan yang memiliki ITO maksimum adalah PT. multi bintang Tbk. pada tahun 2010. 3. Current ratio (CR) memiliki nilai minimum aktiva lancar dibagi utang lancar sebesar 0,067 dan nilai maksimum aktiva lancar dibagi utang lancar sebesar 0,994 dengan nilai rata-rata (mean) aktiva lancar dibagi utang lancar sebesar 0,32695 dan standar deviasi aktiva lancar dibagi utang lancar sebesar 0,240156. Perusahaan yang memiliki CR minimum adalah PT. unilever

44 Indonesia Tbk. pada tahun 2012. Sedangkan perusahaan yang memiliki CR maksimum adalah PT. multi bintang Tbk. pada tahun 2012. 4. Cash ratio (CaR) memiliki nilai minimum kas dibagi utang lancar sebesar 0,030 dan nilai maksimum kas dibagi utang lancar sebesar 0,996 dengan nilai rata-rata (mean) kas dibagi utang lancar sebesar 0,38152 dan standar deviasi kas dibagi utang lancar sebesar 0,318919. Perusahaan yang memiliki CaR minimum adalah PT. unilever Tbk. pada tahun 2012. Sedangkan perusahaan yang memiliki CaR maksimum adalah PT. Darya varia laboratoria Tbk. pada tahun 2012. 5. Dividen payout ratio (DPR) memiliki nilai minimum dividen per lembar saham, dibagi laba per lembar saham sebesar 0,001 dan nilai maksimum dividen per lembar saham, dibagi laba per lembar saham sebesar 0,494 dengan nilai rata-rata (mean) dividen per lembar saham, dibagi laba per lembar saham sebesar 0,14827 dan standar deviasi dividen per lembar saham, dibagi laba per lembar saham sebesar 0,136305. Perusahaan yang memiliki DPR minimum adalah PT. hanjaya mandala sampoerna Tbk. pada tahun 2010-2013. Sedangkan perusahaan yang memiliki DPR maksimum adalah PT.gudang garam Tbk. pada tahun 2010.

45 B. Uji Asumsi Klasik 1. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah data berdistribusi normal atau tidak. Uji normalitas ini menggunakan metode One Sample Kolmogrov Smirnov Test dengan menggunakan taraf signifikansi 0,05. Pengambilan keputusan untuk menentukan data variabel penelitian terdistribusi normal atau tidak adalah sebagai berikut: a. Nilai Asym.Sig. (2-tailed) > 0,05 maka data berdistribusi normal. b. Nilai Asym.Sig. (2-tailed) < 0,05 maka data berdistribusi tidak normal. Tabel 4.2 Uji Normalitas Perusahaan Sektor Industri Barang Konsumsi One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 52 Normal Parameters a,b Mean.0000000 Std. Deviation.10047865 Most Extreme Differences Absolute.095 Positive.095 Negative -.066 Kolmogorov-Smirnov Z.686 Asymp. Sig. (2-tailed).734 a. Test distribution is Normal. b. Calculated from data.

46 Sumber: Data yang diolah SPSS 20.0 Berdasarkan Tabel 4.2 dapat dilihat pada baris Asymp. Sig. (2-tailed) pada uji Kolmogorov-Smirnov bahwa nilai signifikansi untuk seluruh variabel sebesar 0,734 > 0,05. Maka dapat disimpulkan bahwa data pada seluruh variabel berdistribusi normal. Gambar 4.1 Sumber :Data yang diolah spss 20.0 Berdasarkan gambar pada gambar 4.1 dapat disimpulkan bahwa data tersebut berdistribusi normal. Hal ini ditunjukan sejajar dengan garis diagonal.

47 2. Uji Multikolonieritas Model regresi yang baik adalah terbebas dari masalah multikolonieritas (adanya variable independent yang saling berhubungan).untuk mengetahui ada atau tidaknya multikolonieritas dengan mendasarkan pada Tolerance dan Variance Inflaction Factor (VIF).Multikolonieritas dapat diketahui dengan batasan nilai tolerance 0.10 dan VIF 10. a. VIF > 10 = Antar variabel independen terjadi korelasi atau multikolonieritas. b. VIF < 10 = Antar variabel independen tidak terjadi kolerasi atau multikolonieritas. Tabel 4.3 Uji Multikolonieritas Perusahaan Sektor Industri Barang Konsumsi Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B 1 (Constant).115.035 3.321.002 Collinearity Statistics Std. Error Beta Tolerance VIF FATO.286.073.500 3.891.000.811 1.232 ITO -.070.068 -.126-1.023.311.885 1.129 CR -.185.063 -.362-2.925.005.877 1.141 CaR.029.050.074.590.558.848 1.179 a. Dependent Variable: DPR Sumber: Data yang diolah SPSS 20.0

48 Berdasarkan data tabel 4.3 diatas angka yang didapat dalam kolom tolerance menunjukkan FATO sebesar 0,811, ITO sebesar 0,885, CR sebesar 0,877, dan CaR sebesar 0,848 lebih besar dari 0,10. Sedangkan angka yang didapat dari kolom VIF untuk FATO sebesar 1,232, ITO sebesar 1,129, CR sebesar 1,141, dan CaR sebesar 1,179 lebih kecil dari 10 maka model ini terbebas dari multikolonieritas antar variabel independen. Maka disimpulkan bahwa tidak terjadi multikolineritas 3. Uji Autokorelasi Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan t-1 atau sebelumnya (Ghozali, 2009:99), sehingga diperoleh hasil regresi yang valid dan dapat digunakan untuk melakukan pengujian terhadap hipotesis yang diajukan.jika terjadi autokorelasi dalam model regresi linear berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah yang bebas dari autokorelasi. Salah satu cara mendeteksi bahwa data tersebut terkena autokorelasi atau tidak adalah dengan menggunakan Durbin Watson (DW-test).

49 Tabel 4.4 Uji Autokorelasi Perusahaan Sektor Industri Barang Konsumsi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1.608 a.369.316.104667 2.191 a. Predictors: (Constant), CaR, CR, ITO, FATO b. Dependent Variable: DPR Sumber: Data yang diolah SPSS 20.0 Ketentuan uji Durbin-Watson (DW) adalah du < d < 4-du. Berdasarkan Tabel 4.4 diketahui nilai DW sebesar 2,191, nilai ini akan dibandingkan dengan nilai tabel dengan menggunakan signifikansi 5%, jumlah sampel 52 (n) dan jumlah variabel independen 4 (k=4), maka dalam tabel Durbin Watson didapatkan nilai du =1,722 dan nilai dl = 1,393, 4-1,722 = 2,278. Sesuai ketentuan uji DW, du < d <4-du, maka dapat dihitung dan menghasilkan 1,722 < 2,191 < 2,278, sehingga dapat disimpulkan tidak terdapat autokorelasi. 4. Uji Heteroskedastisitas Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola-pola tertentu pada grafik scatterplot antara SRESID dan ZPRED, nilai residual adalah Y dan nilai yang diprediksi X. Uji

50 heteroskedastisitas dilakukan untuk mengetahui adanya penyimpangan dari syarat-syarat asumsi klasik pada model regresi. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas. Gambar dibawah ini menunjukkan hasil pengujian heteroskedastisitas dengan grafik scatterplot sebagai berikut: Gambar 4.2 Uji Heteroskedastisitas Perusahaan Subsektor Barang Konsumsi

51 A. Uji Kesesuaian atau Kelayakan Model 1. Uji Koefisien Determinasi (Uji Adjusted R 2 ) Nilai koefisien determinasi yang ditunjukkan dengan nilai Adjusted R- Square dari model regresi digunakan untuk mengetahui besarnya indeks pengungkapan sosial yang dapat dijelaskan oleh variabel-variabel bebasnya. Tabel 4.5 Uji Koefisien Determinasi Perusahaan Sektor Indusri Barang Konsumsi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimat e 1.608 a.369.316.104667 a. Predictors: (Constant), CaR, CR, ITO, FATO b. Dependent Variable: DPR Sumber: Data yang diolah SPSS 20.0 Dari hasil output SPSS, nilai koefisien determinasi (R 2 ) adalah sebesar 0,316, hal ini memiliki arti bahwa presentase pengaruh dari variable FATO,ITO,CR dan CaR terhadap DPR pada perusahaan subsektor barang konsumsi periode tahun 2009-2012 yang terdaftar di BEI adalah sebesar 31,6%. Sedangkan sisanya (100% - 31,6% = 81%) 69,4% dijelaskan oleh sebab-sebab lain diluar model yang tidak dimasukkan dalam model penelitian

52 2. Uji Signifikan F Uji F pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Menurut Ghozali (2009), jika tingkat signifikansi lebih kecil dari 0,05 maka semua variabel independen mempengaruhi variabel dependen. Pada dasarnya nilai F diturunkan dari tabel ANOVA (analysis of variance). Dari hasil pengujian dengan nilai F diperoleh sebagai berikut: Tabel 4.6 Uji Signifikan F Perusahaan Sektor Industri Barang Konsumsi ANOVA a Model Sum of Squares Df Mean Square F Sig. 1 Regression.302 4.075 6.884.000 b Residual.515 47.011 Total.817 51 a. Dependent Variable: DPR b. Predictors: (Constant), CaR, CR, ITO, FATO Sumber: Data yang diolah SPSS 20.0 Dari hasil uji ANOVA atau F test, menghasilkan nilai F hitung sebesar 6.884 dengan tingkat signifikansi sebesar 0,000.Dari perhitungan diatas tingkat signifikansinya sebesar 0,000 maka model regresi dapat digunakan untuk memprediksikan pengungkapan atau dapat dikatakan bahwa FATO, ITO, CR, CaR dan secara bersama-sama berpengaruh terhadap DPR. Maka

53 dapat disimpulkan bahwa variabel independen secara bersama-sama berpengaruh terhadap variabel dependen. 3. Uji Hipotesis (Uji Signifikan t) Uji signifikan t dilakukan untuk mengetahui apakah pengaruh masingmasing variabel independen yang terdiri atas FATO, ITO, CR, dan CaR terhadapdpr. Berdasarkan tingkat signifikansi, masing-masing variabel independen mempunyai pengaruh terhadap variabel dependen, jika mempunyai tingkat signifikansi < 0.05. Tabel 4.7 Uji Signifikan t Perusahaan Sektor Industri Barang Konsumsi Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Std. B Error Beta 1 (Constant).115.035 3.321.002 FATO.286.073.500 3.891.000 ITO -.070.068 -.126-1.023.311 CR -.185.063 -.362-2.925.005 CaR.029.050.074.590.558 a. Dependent Variable: DPR Sumber: Data yang diolah SPSS 20.0 Dari hasil uji statistik t hitung pada tabel diatas diperoleh nilai: a. FATO sebesar 3,891dengan tingkat signifikansi sebesar 0,000. Dari hasil tersebut diketahui nilai signifikansi variabel FATO lebih kecil dari

54 tingkat signifikan 0,05, bahwa secara parsial FATO berpengaruh secara signifikan terhadap DPR dapat diterima. Dan dapat disimpulkan bahwa DPR dipengaruhi oleh FATO. b. ITO sebesar -1,023 dengan tingkat signifikansi sebesar 0,311. Dari hasil tersebut diketahui nilai signifikansi variabel ITO lebih besar dari tingkat signifikan 0,05, bahwa secara parsial ITO tidak berpengaruh secara signifikan terhadap DPR dapat diterima. Dan dapat disimpulkan bahwa DPR tidak dipengaruhi oleh ITO. c. CR sebesar- 2,925 dengan tingkat signifikansi sebesar 0,005. Dari hasil tersebut diketahui nilai signifikansi variabel CR lebih kecil dari tingkat signifikan 0,05, bahwa secara parsial CR berpengaruh secara signifikan terhadap DPR dapat diterima. Dan dapat disimpulkan bahwa DPR dipengaruhi oleh CR. d. CaR sebesar 0,590 dengan tingkat signifikansi sebesar 0,558. Dari hasil tersebut diketahui nilai signifikansi variabel CaR lebih besar dari tingkat signifikan 0,05, bahwa secara parsial CaR tidak berpengaruh secara signifikan terhadap DPR dapat diterima. Dan dapat disimpulkan bahwa DPR tidak dipengaruhi oleh CaR.

55 C. Analisis Linear Berganda Analisis linear berganda digunakan dalam penelitian ini dengan tujuan untuk mengetahui ada tidaknya pengaruh variabel bebas terhadap variabel terikat.perhitungan statistik dalam analisis linear berganda yang digunakan dalam penelitian ini adalah dengan menggunakan SPSS 20.0.Ringkasan hasil pengolahan data dengan menggunakan program SPSS tersebut dapat dilihat pada tabel 4.8. Dari hasil regresi linear berganda, dapat disusun dalam bentuk persamaan regresi sebagai berikut: Y = α + β1x1 + β2x2 + β2x3+ β2x4+ e DPR= 0.115+0,286 (FATO) -0.070(ITO)-0,185 (CR)+0,029 (CaR) + e Keterangan: Y = DPR α = Konstanta β1, β2 = Koefisien Regresi X1 = FATO X2 = ITO X3 = CR X4 = CaR e = Standar Eror

56 1. Konstanta (α) Nilai konstanta (α) adalah sebesar 0,115, artinya jika semua variabel independen sama dengan 0 maka nilai DPR akan bernilai0,115. 2. Koefisien Regresi (β) a. Nilai koefisien regresi variabel FATO sebesar 0,286. Hal ini berarti jika FATO berubah satu satuan, maka FATO akan berubah sebesar 0,286 dengan asumsi variabel independen lainnya konstan atau tidak berubah. Tanda positif menunjukkan hubungan yang searah antara FATO terhadap DPR, yang berarti apabila FATO semakin meningkat maka DPR akan meningkat pula sebesar 0,286 b. Nilai koefisien regresi variabel ITO sebesar -0,070. Hal ini berarti jika ITO berubah menurun satu satuan, maka DPR akan berubah menurun sebesar -0,070 dan sebaliknya, dengan asumsi variabel independen lainnya konstan atau tidak berubah. Tanda negatif menunjukkan hubungan yang tidak searah antara ITO terhadap DPR, yang berarti apabila ITO meningkat satu satuan maka terjadi penurunan terhadap perubahan DPR ataupun sebaliknya. c. Nilai koefisien regresi variabel CR sebesar -0,185. Hal ini berarti jika CR berubah satu satuan, maka DPR akan berubah sebesar -0,185 dengan asumsi variabel independen lainnya konstan atau tidak berubah. Tanda negatif menunjukkan hubungan yang tidak searah antara CR

57 terhadap DPR, yang berarti apabila CR semakin menurun maka DPR akan menurun pula sebesar 0,185 d. Nilai koefisien regresi variabel CaR sebesar 0,029. Hal ini berarti jika CaR berubah meningkat satu satuan, maka DPR akan berubah meningkat sebesar -0,029 dan sebaliknya, dengan asumsi variabel independen lainnya konstan atau tidak berubah. Tanda positif menunjukkan hubungan yang searah antara CaR terhadap DPR, yang berarti apabila CaR meningkat satu satuan maka terjadi peningkatan terhadap perubahan DPR ataupun sebaliknya. D. Pembahasan Berdasarkan hasil analisis diatas secara garis besar dijelaskan sebagai berikut : Hasil penelitian ini menunjukan FATO dan CR berpengaruh terhadap DPR, sedangkan ITO dan CaR tidak berpengaruh terhadap DPR. Hal ini didasarkan pada table 4,7, dimana nilai F hitung 6,884 dengan tingkat signifikansi sebesar 0,000 kurang dari 0.05 hal ini menunjukan bahwa variable FATO, ITO, CR dan CaR berpengaruh secara simultan atau bersama sama terhadap DPR.

58 Tabel 4.8 Ringkasan Hasil Pengujian Hipotesis hipotesis variabel independen variabel dependen H1 FATO DPR 0.000 H2 ITO DPR 0.311 H3 CR DPR 0.005 H4 CaR DPR 0,558 sig 1. Pengaruh FATO terhadap DPR (H1) Berdasarkan pengujian tabel 4.8 diketahui bahwa FATO memiliki pengaruh yang signifikan terhadap DPR. Hasil ini menunjukan bahwa hipotesis H1 yang merupakan pengujian pengaruh fixed assets turn over (FATO)terhadap DPR diterima, ini dapat dibuktikan dengan tingkat signifikansi sebesar 0,000 yang lebih kecil dari 0,05. Hal ini terjadi karena assets disetiap perusahaan lebih besar dari pada dividennya sehingga dividen ini dapat dipengaruhi oleh assets perusahaan tersebut. Hal ini sejalan dengan peneliti sebelumnya yaitu Sontha Virdha tahun 2012 dengan penjelasan secara simultan variable ini berpengaruh terhadap DPR 2. Pengaruh ITO terhadap DPR (H2) Berdasarkan pengujian tabel 4.8 diketahui bahwa ITO tidak memiliki pengaruh yang signifikan terhadap DPR. Hasil ini

59 menunjukan bahwa hipotesis H2 yang merupakan pengujian pengaruh Inventory turn over (ITO)terhadap DPR tidak diterima, ini dapat dibuktikan dengan tingkat signifikansi sebesar 0,311 yang lebih besar dari 0,05. Hal ini dikarenakan persedian barang dagangan tidak berhubungan terhadap pembayaran dividen sehingga pembaayaran dividen tidak dipengaruhi atau didasari oleh persedian barang dagangan. Hal ini sejalan dengan peneliti sebelumnya yaitu Sontha Virdha tahun 2012 dengan penjelasan secara simultan variable ini berpengaruh terhadap DPR 3. Pengaruh CR terhadap DPR (H3) Berdasarkan pengujian tabel 4.8 diketahui bahwa CR memiliki pengaruh yang signifikan terhadap DPR. Hasil ini menunjukan bahwa hipotesis H3 yang merupakan pengujian pengaruh Current ratio (CR) terhadap DPR diterima, ini dapat dibuktikan dengan tingkat signifikansi sebesar 0,005 yang lebih kecil dari 0,05. Hal ini dikarenakan CR yang tinggi dapat disebabkan adanya piutang yang tidak tertagih atau persedian yang tidak terjual. Hal ini sejalan dengan peneliti sebelumnya yaitu Shonta Virdha tahun 2012 dengan penjelasan secara simultan variable ini berpengaruh terhadap DPR

60 4. Pengaruh CaR terhadap DPR (H4) Berdasarkan pengujian tabel 4.8 diketahui bahwa CaR memiliki pengaruh yang tidak signifikan terhadap DPR. Hasil ini menunjukan bahwa hipotesis H4 yang merupakan pengujian pengaruh cash ratio (CaR) terhadap DPR tidak diterima, ini dapat dibuktikan dengan tingkat signifikansi sebesar 0,558 yang lebih besar dari 0,05. Hal ini dikarenakan uang kas yang kurang untuk membayar dividennya. Hal ini sejalan dengan peneliti sebelumnya yaitu Sontha Virdha 2012 dengan penjelasan secara simultan variable ini berpengaruh terhadap DPR