37 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Statistik Deskriptif Variabel yang digunakan dalam penelitian ini adalah Laba Bersih dan Arus Kas Operasi sebagai variabel independen (X) dan Dividen Kas sebagai variabel dependen (Y). Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dapat dilihat dari nilai rata-rata (mean), standar deviasi, maksimum, dan minimum. Baik karakteristik variabel independen, maupun variabel dependen. Tabel 4.1 Tabel Uji Statistik Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation DIVIDEN KAS 50 5604615000 3944700000000 580820206696.60 931270495269.327 LABA BERSIH 50 43284214000 5087339000000 940914849019.52 1289888749046.592 ARUS KAS OPERASI 50 18108286000 4745113000000 1075257198414.88 1288659640327.011 Valid N (listwise) 50 Sumber: Output SPSS 17.0 Linier Regression 1. Dari tabel 4.1 di atas dapat dilihat bahwa variabel dividen kas dengan jumlah data (N) sebanyak 50 mempunyai dividen rata-rata (mean) sebesar 580.820.206.696,60 dengan tingkat rata-rata penyimpangan (standar deviasi) sebesar 931.270.495.269,327. Nilai dividen kas tertinggi (maximum) adalah 37
38 3.944.700.000.000, sedangkan nilai terendah (minimum) adalah 5.604.615.000. 2. Untuk variabel laba bersih dengan jumlah data (N) sebanyak 50 mempunyai laba bersih rata-rata (mean) sebesar 940.914.849.019,52 dengan tingkat ratarata penyimpangan (standar deviasi) sebesar 1.289.888.749.046,592. Nilai laba bersih tertinggi (maximum) adalah 5.087.339.000.000, sedangkan nilai terendah (minimum) adalah 43.284.214.000. 3. Sedangkan untuk variabel arus kas operasi dengan jumlah data (N) sebanyak 50 mempunyai laba bersih rata-rata (mean) sebesar 1.288.659.640.327,011 dengan tingkat rata-rata penyimpangan (standar deviasi) sebesar 1.288.659.640.327,011. Nilai arus kas operasi tertinggi (maximum) adalah 3.944.700.000.000, sedangkan nilai terendah (minimum) adalah 18.108.286.000. B. Uji Normalitas Sebagai salah satu syarat untuk melakukan uji regresi adalah data yang digunakan harus memiliki distribusi data yang normal atau mendekati normal. Untuk melakukan pengujian normalitas data penulis menggunakan one sample Kolmogrov Smirnov Test dengan menggunakan program SPSS 17. Dasar dalam pengambilan keputusan adalah jika 2-tailed > 0,05, maka model regresi memenuhi asumsi normalitas dan sebaliknya. Dari pengujian yang dilakukan diperoleh hasil sebagai berikut:
39 Tabel 4.2 Tabel Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 50 Normal Parameters a,,b Mean.0000000 Std. Deviation.73053980 Most Extreme Differences Absolute.090 Positive.056 Negative -.090 Kolmogorov-Smirnov Z.640 Asymp. Sig. (2-tailed).808 a. Test distribution is Normal. b. Calculated from data. Sumber: Output SPSS 17.0 Linier Regression Dari tabel 4.2 diatas dapat dilihat bahwa nilai Asymp. Sig. (2-tailed) nya sebesar 0.808 atau nilainya lebih besar dari 0.05. Dengan demikian, maka dapat disimpulkan bahwa data pada penelitian ini terdistribusi normal. C. Uji Asumsi Klasik 1. Multikolonieritas Uji multikolonieritas dapat dilihat dari nilai tolerance dan VIF (Variance Inflation Factor). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah jika nilai Tolerance 0.10 atau sama dengan nilai VIF 10. Dari pengujian yang dilakukan diperoleh hasil sebagai berikut:
40 Tabel 4.3 Tabel Uji Multikolonieritas Coefficients a Collinearity Statistics Model Tolerance VIF 1 LABA BERSIH.143 6.990 ARUS KAS OPERASI.143 6.990 a. Dependent Variable: DIVIDEN KAS Sumber: Output SPSS 17.0 Linier Regression Dari table 4.3 diatas dapat diketahui nilai VIF (Variance Inflation Factor) dari kedua variabel tersebut yaitu Laba Bersih sebesar 6.990 dan Arus Kas Operasi sebesar 6.990 adalah lebih kecil dari 10, dan untuk nilai tolerance Laba Bersih dan Arus Kas Operasi sebesar 0,143 yaitu lebih kecil dari 0,1. Sehingga dapat disimpulkan bahwa model regresi tidak mengandung multikolinieritas. 2. Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t-1 (sebelumnya). Cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan uji Durbin-Watson.
41 Tabel 4.4 Tabel Pengambilan Keputusan Ada Tidaknya Autokorelasi Hipotesis nol Keputusan Jika Tdk ada autokorelasi positif Tolak 0 < d < dl Tdk ada autokorelasi positif No desicison dl d du Tdk ada korelasi negatif Tolak 4 dl < d < 4 Tdk ada korelasi negatif No decision 4 du d 4 - dl Tdk ada autokorelasi, Positif atau negatif Tdk ditolak du < d < 4 - du Tabel 4.5 Tabel Uji Autokorelasi Model Summary b Adjusted R Std. Error of the Model R R Square Square Estimate Durbin-Watson 1.870 a.756.746 469615341785.067 1.775 a. Predictors: (Constant), ARUS KAS OPERASI, LABA BERSIH b. Dependent Variable: DIVIDEN KAS Sumber: Output SPSS 17.0 Linier Regression Nilai DW sebesar 1.775, nilai ini akan dibandingkan dengan nilai tabel dengan menggunakan nilai signifikansi 5%, jumlah sampel 50 (n) dan jumlah variabel independen 2 (k=2), maka di tabel Durbin Watson akan didapatkan nilai du 1.628 dan nilai dl 1.462. Oleh karena nilai DW 1.775 lebih besar dari batas atas (du) 1.628 dan kurang dari 4 1.628 (4 du), maka dapat disimpulkan bahwa kita tidak bisa menolak Ho yang menyatakan bahwa tidak ada autokorelasi
42 positif atau negatif (lihat tabel keputusan) karena angka Durbin Watson berkisar du < d < 4-du atau dapat disimpulkan tidak terdapat autokorelasi. 3. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Terdapat berbagai metode untuk menguji adanya Heteroskedasitas, seperti Uji Grafik, Uji Glejser, Uji Spearman s, Rank Corelation, dan Uji Lagrang Multiplier (LM). Dalam penelitian ini peneliti menggunakan Uji Spearman s.
43 Tabel 4.6 Tabel Uji Heteroskedastisitas Correlations Unstandardized Residual LABA BERSIH ARUS KAS OPERASI Spearman's Unstandardized Residual Correlation 1.000.076.068 rho Coefficient Sig. (2-tailed)..599.638 N 50 50 50 LABA BERSIH Correlation Coefficient.076 1.000.891 ** Sig. (2-tailed).599..000 N 50 50 50 ARUS KAS OPERASI Correlation Coefficient.068.891 ** 1.000 Sig. (2-tailed).638.000. N 50 50 50 **. Correlation is significant at the 0.01 level (2-tailed). Sumber: Output SPSS 17.0 Linier Regression Dari tabel 4.6 dapat diketahui korelasi antara Laba Bersih dengan Unstandardized Residual menghasilkan nilai signifikansi 0,599 dan korelasi antara Arus Kas Operasi dengan Unstandardized Residual menghasilkan nilai signifikansi 0,638. Karna nilai signifikansi korelasi lebih dari 0.05, maka dapat disimpulkan bahwa pada model regresi tidak ditemukan adanya masalah heteroskedasitas.
44 D. Pengujian Hipotesis 1. Analisis Regresi Linier Berganda Tabel 4.7 Tabel Koefisien Regresi Coefficients a Unstandardized Coefficients Standardized Coefficients Model B Std. Error Beta t Sig. 1(Constant) LABA_BERSIH -5.573E10 8.719E10 -.639.526.381.138.527 2..769.008 ARUSKAS_OPERASI.259.138.358 1..880.066 a. Dependent Variable: DIVIDEN_KAS Sumber: Output SPSS 17.0 Linier Regression Dari hasil perhitungan melalui SPSS, maka diperoleh persamaan regresi variabel laba bersih dan arus kas operasi terhadap dividen kas adalah sebagai berikut: = -5,573 + 0,381 X 1 + 0,259 X 2 Hasil tersebut menunjukkan konstanta sebesar -5,573 artinya, jika laba bersih dan arus kas operasi, nilainya adalah 0, maka dividen kas nilainya adalah Rp. -5,573. Koefisien regresi variabel arus kas sebesar 0,381, artinyaa jika variabel independen lain nilainya tetap dan mengalami kenaikan 1%, maka terhadap dividen kas akan mengalami peningkatan sebesar Rp. 0,381. Koefisien bernilai positif artinya terjadi
45 hubungan positif antara tingkat laba bersih dengan dividen kas, semakin naik laba bersih maka dividen kas semakin meningkat. Koefisien regresi variabel arus kas operasi sebesar 0,259, artinya jika variabel independen lain nilainya tetap dan arus kas operasi mengalami kenaikan 1%, maka dividen kas akan mengalami kenaikan sebesar Rp. 0,259. Koefisien bernilai positif artinya terjadi hubungan positif antara tingkat arus kas operasi dengan dividen kas, semakin naik arus kas operasi maka dividen kas semakin meningkat. 2. Analisis Korelasi dan Koefisien Determinasi Tabel 4.8 Pedoman Untuk Memberikan Interpretasi Terhadap Koefisien Korelasi Interval Koefisien Tingkat Hubungan 0,00 0,199 Sangat Rendah 0,20 0,399 Rendah 0,40 0,599 Sedang 0,60 0,799 Kuat 0,80 1,000 Sangat Kuat Sumber: Duwi Priyatno, Paham Analisa Statistik Data dengan SPSS (Yogyakarta : Mediakom, 2010 hal. 65)
46 Tabel 4.9 Korelasi Parsial Laba Bersih Terhadap Dividen Kas Correlations DIVIDEN_KAS LABA_BERSIH Pearson Correlation DIVIDEN_KAS 1.000.859 LABA_BERSIH.859 1.000 Sig. (1- tailed) DIVIDEN_KAS..000 LABA_BERSIH.000. N DIVIDEN_KAS 50 50 LABA_BERSIH 50 50 Sumber: Output SPSS 17.0 Partial Correlation Berdasarkan tabel di atas diperoleh angka korelasi 0,859, artinya hubungan kedua variabel sangat kuat. Korelasi positif menunjukkan bahwa hubungan searah, artinya semakin tinggi laba bersih maka dividen kas akan meningkat. Untuk melihat hubungan kedua variabel tersebut signifikan atau tidak, dilihat dari angka probabilitas (Sig.) sebesar 0,000. Ketentuan yang berlaku jika angka probabilitas lebih besar dari 0,05, maka hubungan laba bersih dan dividen kas tidak signifikan.
47 Tabel 4.10 Korelasi Parsial Arus Kas Operasi Terhadap Dividen Kas Correlations DIVIDEN_KAS ARUSKAS_OPERASI Pearson Correlation DIVIDEN_KAS 1.000.846 ARUSKAS_OPERASI.846 1.000 Sig. (1- tailed) DIVIDEN_KAS..000 ARUSKAS_OPERASI.000. N DIVIDEN_KAS 50 50 ARUSKAS_OPERASI 50 50 Sumber: Output SPSS 17.0 Partial Correlation Berdasarkan tabel di atas diperoleh angka korelasi 0,846, artinya hubungan kedua variabel sangat kuat. Korelasi positif menunjukkan bahwa hubungan searah, artinya semakin tinggi arus kas operasi maka dividen kas akan meningkat. Untuk melihat hubungan kedua variabel tersebut signifikan atau tidak, dilihat dari angka probabilitas (Sig.) sebesar 0,000. Ketentuan yang berlaku jika angka probabilitas lebih besar dari 0,05, maka hubungan arus kas operasi dan dividen kas tidak signifikan.
48 Tabel 4.11 Korelasi Simultan Laba Bersih dan Arus Kas Operasi Terhadap Dividen Kas Correlations DIVIDEN_KAS LABA_BERSIH ARUSKAS_OPERASI Pearson Correlation DIVIDEN_KAS 1.000.859.846 LABA_BERSIH.859 1.000.926 ARUSKAS_OPERASI.846.926 1.000 Sig. (1- tailed) DIVIDEN_KAS..000.000 LABA_BERSIH.000..000 ARUSKAS_OPERASI.000.000. N DIVIDEN_KAS 50 50 50 LABA_BERSIH 50 50 50 ARUSKAS_OPERASI 50 50 50 Sumber: Output SPSS 17.0 Partial Correlation Berdasarkan tabel di atas diperoleh bahwa laba bersih dan arus kas operasi secara simultan berpengaruh signifikan terhadap dividen kas karena nilainya di bawah nilai probabilitas 0,05. Tabel 4.12 Hasil Analisis Koefisien Determinasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1.870 a.756.746 469615341785.067 a. Predictors: (Constant), ARUS KAS OPERASI, LABA BERSIH b. Dependent Variable: DIVIDEN KAS Sumber: Output SPSS 17.0 Partial Correlation
49 Berdasarkan tabel di atas diperoleh angka R sebesar 0,870, hal ini menujukkan bahwa korelasi antara y dengan kedua variabel independen adalah sangat kuat, antara laba bersih dan arus kas operasi terhadap dividen kas. Sedangkan hasil koefisien determinasi berdasarkan tabel 4.10 menunjukkan bahwa nilai R Square (R 2 ) adalah sebesar 0,756. Hal ini berarti bahwa pengaruh laba bersih dan arus kas operasi terhadap dividen kas adalah 75,6%, sedangkan sisanya (100% - 75,6% = 24,4%) dipengaruhi oleh faktor-faktor lain. 3. Uji Hipotesis a) Analisis Uji F Tabel 4.13 Tabel Uji F ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 3.213E25 2 1.607E25 72.846.000 a Residual 1.037E25 47 2.205E23 Total 4.250E25 49 a. Predictors: (Constant), ARUS KAS OPERASI, LABA BERSIH b. Dependent Variable: DIVIDEN KAS Sumber: Output SPSS 17.0 Linier Regression
50 Dari hasil perhitungan melalui SPSS yang ditunjukkan pada tabel di atas, bahwa nilai F hitung = 72,846 > F tabel 9,55 dengan tingkat signifikansi (sig.) adalah 0,000 < 0,05 dan berdasarkan F tabel (α = 0,05). Dengan demikian, karena F hitung > F tabel, maka keputusan yang diambil adalah menolak H0 dan menerima Ha, atau dapat diinterpretasikan bahwa kedua variabel yaitu Laba Bersih dan Arus Kas Operasi secara bersama-sama berpengaruh signifikan terhadap Dividen Kas. b) Analisis Uji T Uji t digunakan untuk mengetahui apakah ada hubungan yang signifikan antara variabel-variabel bebas (Laba Bersih dan Arus Kas Operasi) terhadap variabel terikat yaitu Dividen Kas. Berdasarkan tabel koefisien regresi (Tabel 4.12), dapa diketahui bahwa jika t hitung < t tabel, maka Ho diterima atau tidak ada pengaruhnya signifikan dari variabel bebas terhadap variabel terikat. Sebaliknya jika t hitung > t tabel, maka Ho ditolak atau ada pengaruhnya signifikan dari variabel bebas terhadap variabel terikat.
51 Tabel 4.14 Tabel Uji t Coefficients a Unstandardized Coefficients Standardized Coefficients Model B Std. Error Beta t Sig. 1(Constant) -5.573E10 8.719E10 -.639.526 LABA BERSIH.381.138.527 2.769.008 ARUS KAS OPERASI.259.138.358 1.880.066 a. Dependent Variable: DIVIDEN KAS Sumber: Output SPSS 17.0 Linier Regression Dari hasil perhitungan melalui SPSS yang ditunjukkan pada tabel di atas, bahwa variabel Laba Bersih nilai t hitung = 2,769 > t tabel 2,012 dengan tingkat dan berdasarkan t tabel (α = 0,05). Dengan demikian, karena t hitung > t tabel, maka keputusan yang diambil adalah menolak H0 dan menerima Ha, atau dapat di interpretasikan bahwa variabel Laba Bersih berpengaruh signifikan terhadap Dividen Kas. Sedangkan untuk variabel arus kas operasi nilai t hitung = 1,880 < t tabel 2,012 dengan tingkat dan berdasarkan t tabel (α = 0,05). Dengan demikian, karena t hitung < t tabel, maka keputusan yang diambil adalah menerima H0 dan menolak Ha, atau dapat di interpretasikan bahwa variabel Arus Kas Operasi tidak berpengaruh secara signifikan terhadap Dividen Kas. Hal ini diduga karena investor
52 tidak terlalu melihat arus kas operasi sebagai pertimbangan keputusan untuk menanamkan sahamnya di suatu perusahaan.