BAB IV ANALISA DAN PEMBAHASAN A. Statistik Deskriptif. Statistik deskriptif adalah ilmu statistik yang mempelajari cara-cara pengumpulan, penyusunan dan penyajian data suatu penilaian. Tujuannya adalah memudahkan orang untuk membaca data serta memahami maksudnya. Berikut ini output SPSS yang merupakan keseluruhan data yang digunakan dalam penelitian. Tabel 4.1 Deskriptif Data Penelitian Descriptive Statistics N Minimum Maximum Mean Std. Deviation LN_LabaAkuntansi 100 21.60 30.30 26.3073 2.00752 LN_ArusKasOperasi 100 22.06 30.32 26.8263 1.91705 LN_DevidenKas 100 19.48 29.53 25.1282 2.27097 Valid N (listwise) 100 Dari tabel diatas yang telah di transformasi ke LN dapat diketahui jumlah N= 100, merupakan jumlah data yang diolah dalam penelitian periode 2007 hingga 2010 yang terdiri dari variabel Deviden Kas (Y), Laba Akuntansi (X1), Arus Kas Operasi (X2). Berikut ini data deskriptif yang telah diolah: 34
35 1. Dari variabel Deviden Kas (Y) terendah (minimum) adalah 19.48 yaitu pada PT. LION MESH PRIMA pada tahun 2007 dan nilai tertinggi (maksimum) 29.53 yaitu PT H.M SAMPOERNA pada tahun 2010, sedangkan nilai rata-ratanya (mean) 25.1282 dengan standar deviasi sebesar 2.27097. 2. Dari variabel Laba Akuntansi (X1) terendah (minimum) adalah 21.60 yaitu pada PT. LION MESH PRIMA pada tahun 2009 dan nilai tertinggi (maksimum) 30.30 yaitu PT ASTRA INTERNATIONAL pada tahun 2007, sedangkan nilai rata-ratanya (mean) 26.3116 dengan standar deviasi sebesar 2,00510. 3. Dari variabel Arus Kas Operasi (X2) terendah (minimum) adalah 22.60 yaitu pada PT LION METAL WORKS pada tahun 2009 dan nilai tertinggi (maksimum) 30.32 yaitu PT ASTRA INTERNATIONAL pada tahun 2010, sedangkan nilai rata-ratanya (mean) 26.8863 dengan standar deviasi sebesar 1,91705. B. Uji Normalitas Data. Uji normalitas bertujuan untuk menguji apakah variabel residual berdistribusi normal atau tidak. Uji statistik yang dapat digunakan untuk menguji apakah residual berdistribusi normal adalah uji statistik non parametik Kolmogorov-Smirnov (K-S) dengan membuat hipotesis: Ho : data residual berdistribusi normal Ha : data residual tidak berdistribusi normal.
36 Apabila nilai signifikansi (Asymp.Sig) > 0,05, maka Ho diterima dan sebaliknya jika nilai signifikansi (Asymp.Sig) < 0,05, maka Ho ditolak dan Ha diterima. Tabel 4.2 Uji Kolmogorov-Smirnov Sebelum di transformasi ke LN One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 100 Normal Parameters a Mean -.0000644 Std. Deviation 6.21695021E11 Most Extreme Differences Absolute.342 Positive.342 Negative -.189 Kolmogorov-Smirnov Z 3.419 Asymp. Sig. (2-tailed).000 a. Test distribution is Normal.
37 Tabel 4.3 Uji Kolmogorov-Smirnov Setelah di Transformasi ke LN One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 100 Normal Parameters a Mean.0000000 Std. Deviation.78788998 Most Extreme Differences Absolute.077 Positive.046 Negative -.077 Kolmogorov-Smirnov Z.768 Asymp. Sig. (2-tailed).597 a. Test distribution is Normal. Berdasarkan tabel 4.2 diatas menunjukkan bahwa nilai Kolmogorov- Smirnov yang diperoleh adalah 3,419 dan signifikansi pada 0,000 yang lebih kecil dari tingkat signifikansi 0,05. Dengan demikian Ho ditolak yang berarti data residual berdistribusi tidak normal. Pada tabel 4.3 Data yang berdistribusi normal nilai Kolmogorov-Smirnov yang diperoleh adalah 0,768 dan signifikansi pada 0,597 yang lebih besar dari tingkat signifikansi 0,05. Dengan demikian Ho diterima yang berarti data residual berdistribusi normal. Data yang berdistribusi
38 normal tersebut juga dapat dilihat melalui grafik histogram dan grafik normal plot data. Gambar 4.1 Histogram Grafik histogram pada gambar 4.1 menunjukkan pola distribusi normal dan berbentuk simetris, tidak menceng (skewness) ke kanan atau kekiri. Dengan demikian dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas. Demikian pula hasil uji normalitas dengan menggunakan grafik normal p-plot.
39 Gambar 4.2 Normal Probability Plot Pada grafik normal p-plot menunjukkan bahwa titik-titik (yang menggambarkan data) membentuk pola tertentu searah dengan garis diagonal, hal ini juga menunjukkan bahwa data berdistribusi normal. Sehingga grafik ini menunjukkan bahwa model regresi layak dipakai karena memenuhi asumsi normalitas.
40 C. Uji Asumsi Klasik 1. Uji Multikolinearitas Uji multikolinearitas adalah keadaan dimana antara dua variabel independen atau lebih pada model regresi terjadi hubungan linear yang sempurna atau mendekati sempurna. Model regresi yang baik mensyaratkan tidak adanya masalah multikolinearitas. Untuk mendeteksi ada tidaknya multikolinearitas dengan melihat nilai Tolerance dan Variance inflation Factor (VIF). Semakin kecil nilai Tolerance dan semakin besar VIF maka semakin mendekati terjadinya masalah multikolinearitas. Jika Tolerance lebih dari 0,1 dan VIF kurang dari 10 maka tidak terjadi multikolinearitas. Tabel 4.4 Hasil pengujian Multikolinearitas Coefficients a Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std. Error Beta t Sig. Tolerance VIF 1 (Constant) -2.640 1.123-2.350.021 LN_LabaAkuntansi 1.094.101.967 10.849.000.156 6.399 LN_ArusKasOperasi -.037.106 -.032 -.354.724.156 6.399 a. Dependent Variable: LN_DevidenKas
41 Dari hasil pengujian diatas dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas antara variabel independen yang diindikasikan dari nilai tolerance setiap variabel independen lebih besar dari 0,1 yakni sebesar 0.156 dan nilai VIF lebih kecil dari 10 yakni sebesar 6,399. Maka dapat disimpulkan bahwa analisis lebih tidak terjadi multikolinearitas dan dapat dilakukan dengan menggunakan model regresi linear berganda. 2. Uji Heteroskedastisitas Gambar 4.3 Hasil Pengujian Heteroskedastisitas Dari output grafik scatterplots terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y, hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada
42 model regresi, sehingga model regresi layak untuk memprediksi Deviden Kas berdasarkan masukan dari variabel independen Laba Akuntansi dan Arus Kas Operasi. 3. Uji Autokorelasi. Pengujian autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada suatu periode dengan kesalahan pengganggu periode sebelumnya dalam model regresi. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Tabel 4.5 Hasil pengujian Autokorelasi Model Summary b Adjusted R Std. Error of the Model R R Square Square Estimate Durbin-Watson 1.938 a.880.877.79597 1.323 a. Predictors: (Constant), LN_ArusKasOperasi, LN_LabaAkuntansi b. Dependent Variable: LN_DevidenKas Pada tabel 4.4 model summary, diketahui nilai statistik Durbin Watson (DW) sebesar 1,323. Nilai ini akan peneliti bandingkan dengan nilai tabel dengan menggunakan signifikansi 5%, jumlah pengamatan (n) sebanyak 100, dan jumlah variabel independen 2 (k=2). Maka berdasarkan
43 tabel Durbin Watson di dapat nilai batas atas (du) sebesar 1,7152 dan nilai batas bawah (dl) sebesar 1,6337. Oleh karena itu, nilai (dw) lebih kecil < dari nilai (dl) atau dapat dinyatakan dengan 1,323 < 1,6337 (dw < dl) ), maka koefisien autokorelasi lebih besar dari nol, dengan demikian dapat disimpulkan tidak terdapat autokorelasi. D. Uji Koefisien Determinasi (R 2 ) Untuk menguji hipotesis, peneliti menggunakan analisis regresi berganda. Data diolah dengan menggunakan program SPSS Versi 16. Berdasarkan hasil pengolahan data dengan program SPSS Versi 16, maka diperoleh hasil sebagai berikut. Tabel 4.6 Hasil Perhitungan Koefisien Determinasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1.938 a.880.877.79597 a. Predictors: (Constant), LN_ArusKasOperasi, LN_LabaAkuntansi b. Dependent Variable: LN_DevidenKas Pada model summary di atas, dapat dilihat hasil analisis regresi secara keseluruhan menunjukkan nilai R 2 sebesar 0,880 menunjukkan bahwa persentase pengaruh variabel independen (Laba Akuntansi dan Arus Kas Operasi) terhadap variabel dependen (Deviden Kas) sebesar 88%. Atau variasi dari variabel
44 independen yang digunakan dalam model (Laba Akuntansi dan Arus Kas Operasi) mampu menjelaskan 88% variasi dari variabel dependen (Deviden Kas). Sedangkan sisanya sebesar 12% dipengaruhi oleh variabel lain yang tidak dimasukkan dalam model penelitian ini. Tingkat hubungan yang sedang ini dapat dilihat dari tabel pedoman untuk memberikan interpretasi koefisien korelasi. Nilai Adjusted R Square atau koefisien determinasi adalah sebesar 0,877. Kemudian standard error of the estimate adalah sebesar 0,79597 dimana semakin kecil angka ini akan membuat model regresi semakin tepat dalam memprediksi deviden kas. E. Pengujian Hipotesis Model regresi untuk menguji hipotesis dalam penelitian ini menggunakan uji koefisien determinasi (R 2 ), uji F (simultan) dan uji t (parsial). 1. Uji Simultan (F-test) Uji-F dilakukan untuk menilai pengaruh laba akuntansi dan arus kas operasi secara simultan terhadap deviden kas. Dalam uji-f digunakan hipotesis sebagai berikut. H0 : b 1 = b 2 = b 3 = 0, artinya variabel Laba Akuntansi dan Arus Kas Operasi secara bersama-sama tidak mempunyai pengaruh yang signifikan terhadap Deviden Kas pada sektor manufaktur yang terdaftar di Bursa Efek Indonesia, Ha : b 1 b 2 b 3 0, artinya variabel Laba Akuntansi dan Arus Kas Operasi secara bersama-sama mempunyai pengaruh yang signifikan
45 terhadap Deviden Kas pada sektor manufaktur yang terdaftar di Bursa Efek Indonesia. Uji ini dilakukan dengan membandingkan signifikansi F-hitung dengan F- tabel dengan ketentuan: a. jika F-hitung < F-tabel, maka H0 diterima dan Ha ditolak untuk α = 5%, b. jika F-hitung > F-tabel, maka Ha diterima dan H0 ditolak untuk α = 5%. Berdasarkan hasil pengolahan data dengan program SPSS Versi 16, maka diperoleh hasil sebagai berikut. Tabel 4.7 Hasil Uji-F (ANOVA) ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 449.117 2 224.558 354.433.000 a Residual 61.456 97.634 Total 510.573 99 a. Predictors: (Constant), LN_ArusKasOperasi, LN_LabaAkuntansi b. Dependent Variable: LN_DevidenKas Dari uji ANOVA (Analysis of Variance) didapat F-hitung sebesar 354,433 dengan tingkat signifikansi sebesar 0,000. Sedangkan F-tabel
46 diketahui sebesar 3,087. Berdasarkan hasil tersebut dapat diketahui bahwa F-hitung > F-tabel (354,433 > 3,087) maka H0 ditolak dan Ha diterima. Jadi dapat disimpulkan bahwa variabel laba akuntansi dan arus kas operasi secara simultan berpengaruh signifikan terhadap deviden kas pada sektor manufaktur yang terdaftar di Bursa Efek Indonesia. 2. Uji Signifikan Parsial t-test Uji-t dilakukan untuk mengetahui seberapa jauh pengaruh satu variabel independen terhadap variabel dependen secara parsial. Dalam uji-t digunakan hipotesis sebagai berikut. H0 : b 1, b 2, b 3 = 0, artinya variabel laba akuntansi dan arus Kas Operasi secara parsial tidak berpengaruh signifikan terhadap deviden Kas pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia, Ha : b 1, b 2, b 3 0, artinya variabel laba akuntansi dan Arus Kas Operasi secara parsial berpengaruh signifikan terhadap deviden Kas pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia. Uji ini dilakukan dengan membandingkan signifikansi t-hitung dengan t- tabel dengan ketentuan: a. jika t-hitung < t-tabel, maka H0 diterima dan Ha ditolak untuk α = 5% atau signifikansi > 0,05 b. jika t-hitung > t-tabel, maka Ha diterima dan H0 ditolak untuk α = 5% atau signifikansi < 0,05.
47 Tabel 4.8 Hasil Uji t-test Coefficients a Unstandardized Coefficients Standardized Coefficients Model B Std. Error Beta t Sig. 1 (Constant) -2.640 1.123-2.350.021 LN_LabaAkuntansi 1.094.101.967 10.849.000 LN_ArusKasOperasi -.037.106 -.032 -.354.724 a. Dependent Variable: LN_DevidenKas Hasil pengujian statistik t pada tabel 4.8 dapat dijelaskan sebagai berikut. 1) Pengaruh laba akuntansi terhadap deviden Kas. Nilai t-hitung untuk laba akuntansi adalah sebesar -2,350 dan t- tabel untuk df = n-k-1 (100-2-1) dan α = 5% diketahui sebesar 2,020. Dengan demikian nilai t-hitung lebih kecil dari nilai t-tabel (-2,350 < 1,98472 ) dan nilai signifikansi sebesar 10,849 (lebih kecil dari 0,05) artinya H0 ditolak dan Ha diterima, bahwa laba akuntansi secara parsial berpengaruh signifikan terhadap deviden kas pada perusahaan manufaktur.
48 2) Pengaruh Arus Kas Operasi terhadap Deviden Kas. Nilai t-hitung untuk variabel arus kas operasi adalah sebesar - 0,354 dan t-tabel untuk df = n-k-1 (100-2-1) dan α = 5% diketahui sebesar 1,98472. Dengan demikian nilai t-hitung kurang dari nilai t-tabel (-0,354 < 1,98472 ) dan nilai signifikansi sebesar 0,808 (lebih besar dari 0,05) artinya H0 diterima dan Ha ditolak, bahwa arus kas operasi secara parsial tidak berpengaruh signifikan terhadap deviden kas pada perusahaan manufaktur. F. Analisis Regresi Linear Beganda. Hipotesis diuji dengan menggunakan analisis regresi linear berganda. Berdasarkan hasil analisis data pada tabel 4.3 diperoleh persamaan Regresi Linear Berganda sebagai berikut: LN_Y = βo + β 1LN_X 1 + β 2LN_X 2 + e LN_Y = -2,350 + 1.094 LN_X 1 + -0.037 LN_X 2 + e LN_Y = (-2,350) 1.094 LN_ X 1 + (-0.037) LN_ X 2 + e 1) Konstanta sebesar -2,350 menunjukkan bahwa apabila variabel independen bernilai 0 maka nilai deviden kas adalah sebesar -2,073. Dari hipotesis diatas dapat disimpulkan bahwa variabel laba akuntansi dan laba tunai secara bersama berpengaruh signifikan terhadap deviden kas pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.
49 2) β 1 sebesar 1.094 menunjukkan bahwa setiap penambahan laba akuntansi sebesar 1% maka akan diikuti oleh penambahan laba akuntansi sebesar 1.094 dengan asumsi variabel lain tetap. Dari hipotesis diatas dapat disimpulkan bahwa laba akuntansi secara parsial berpengaruh signifikan terhadap deviden kas pada perusahaan manufaktur. 3) β sebesar -0.037 menunjukkan bahwa setiap penambahan arus kas 2 operasi sebesar 1% maka akan diikuti oleh penambahan deviden tunai sebesar -0.037 dengan asumsi variabel lain tetap. Dari hipotesis diatas dapat disimpulkan bahwa arus kas operasi secara parsial tidak berpengaruh signifikan terhadap deviden kas pada perusahaan manufaktur.