Upload
vuphuc
View
212
Download
0
Embed Size (px)
Citation preview
48
BAB 4
HASIL DAN PEMBAHASAN
4.1 Bursa Efek Indonesia
4.1.1 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
1914 – 1918 Bursa Efek di Batavia ditutup selama Perang Dunia I
49
1925 – 1942 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
1942 – 1952 Bursa Efek di Jakarta ditutup kembali selama Perang Dunia II
1956 Program nasionalisasi perusahaan Belanda. Bursa Efek semakin
tidak aktif
1956 – 1977 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
1977 – 1987 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
1988 – 1990 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
50
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
1988 – 1990 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
51
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 1996
1995 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: www.idx.co.id
52
4.1.2 Struktur Organisasi Bursa Efek Indonesia
Struktur organisasi pada Bursa Efek Indonesia saat ini ditujukkan pada gambar 4.1:
Gambar 4.1 Struktur Organisasi Bursa Efek Indonesia
Sumber: www.idx.co.id
4.1.3 Indeks LQ45
Indeks ini terdiri dari 45 saham dengan likuiditas (Liquid) tinggi, yang diseleksi
melalui beberapa kriteria pemilihan. Selain penilaian atas likuiditas, seleksi atas saham-
saham tersebut mempertimbangkan kapitalisasi pasar.
4.1.3.1 Kriteria Pemilihan Saham Untuk Indeks LQ 45
Untuk dapat masuk dalam pemilihan, suatu saham harus memenuhi kritera-kriteria
berikut ini:
53
1. Masuk dalam urutan 60 terbesar dari total transaksi saham di Pasar Reguler (rata-
rata 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.
4.1.3.2 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.
4.1.3.3 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.
4.1.3.4 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
54
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
4.2.1 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.
4.2.1.1 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
55
- Pengujian berdasarkan nilai signifikansi
Dasar Pengambilan Keputusan
Jika angka Asymp. Sig ≥ 0,05 maka data berdistribusi normal
Jika angka Asymp. Sig < 0,05 maka data tidak berdistribusi normal
Keputusan
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 Keputusan
Jika data tersebar di sekitar garis diagonal serta mengikuti arah garis histograf
menuju pola distribusi normal, maka memenuhi asumsi normalitas.
Keputusan
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:
56
Gambar 4.3 Grafik Normalitas Data Awal MC
- Pengujian berdasarkan nilai signifikansi
Dasar Pengambilan Keputusan
Jika angka Asymp. Sig ≥ 0,05 maka data berdistribusi normal
Jika angka Asymp. Sig < 0,05 maka data tidak berdistribusi normal
Keputusan
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 Keputusan
Jika data tersebar di sekitar garis diagonal serta mengikuti arah garis histograf
menuju pola distribusi normal maka memenuhi asumsi normalitas.
57
Keputusan
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 Keputusan
Jika angka Asymp. Sig ≥ 0,05 maka data berdistribusi normal
Jika angka Asymp. Sig < 0,05 maka data tidak berdistribusi normal
58
Keputusan
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 Keputusan
Jika data tersebar di sekitar garis diagonal serta mengikuti arah garis histograf
menuju pola distribusi normal maka memenuhi asumsi normalitas.
Keputusan
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
59
- Pengujian berdasarkan nilai signifikansi
Dasar Pengambilan Keputusan
Jika angka Asymp. Sig ≥ 0,05 maka data berdistribusi normal
Jika angka Asymp. Sig < 0,05 maka data tidak berdistribusi normal
Keputusan
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 Keputusan
Jika data tersebar di sekitar garis diagonal serta mengikuti arah garis histograf
menuju pola distribusi normal maka memenuhi asumsi normalitas.
Keputusan
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 +/-
1.96 dihilangkan. Setelah itu kembali dilakukan uji normalitas pada data yang telah melalui
proses outlier.
60
4.2.1.2 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 Keputusan
Jika angka Asymp. Sig ≥ 0,05 maka data berdistribusi normal
Jika angka Asymp. Sig < 0,05 maka data tidak berdistribusi normal
61
Keputusan
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 Keputusan
Jika data tersebar di sekitar garis diagonal serta mengikuti arah garis histograf
menuju pola distribusi normal maka model regresi memenuhi asumsi normalitas.
Keputusan
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
62
- Pengujian berdasarkan nilai signifikansi
Dasar Pengambilan Keputusan
Jika angka Asymp. Sig ≥ 0,05 maka data berdistribusi normal
Jika angka Asymp. Sig < 0,05 maka data tidak berdistribusi normal
Keputusan
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 Keputusan
Jika data tersebar di sekitar garis diagonal serta mengikuti arah garis histograf
menuju pola distribusi normal maka memenuhi asumsi normalitas.
Keputusan
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:
63
Gambar 4.8 Grafik Normalitas CR setelah outlier
- Pengujian berdasarkan nilai signifikansi
Dasar Pengambilan Keputusan
Jika angka Asymp. Sig ≥ 0,05 maka data berdistribusi normal
Jika angka Asymp. Sig < 0,05 maka data tidak berdistribusi normal
Keputusan
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 Keputusan
Jika data tersebar di sekitar garis diagonal serta mengikuti arah garis histograf
menuju pola distribusi normal maka model regresi memenuhi asumsi normalitas.
Keputusan
64
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 Keputusan
Jika angka Asymp. Sig ≥ 0,05 maka data berdistribusi normal
Jika angka Asymp. Sig < 0,05 maka data tidak berdistribusi normal
65
Keputusan
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 Keputusan
Jika data tersebar di sekitar garis diagonal serta mengikuti arah garis histograf
menuju pola distribusi normal maka memenuhi asumsi normalitas.
Keputusan
Data variabel DPR (Z) tersebar di sekitar garis diagonal serta mengikuti arah garis
histograf menuju pola distribusi normal maka model regresi memenuhi asumsi
normalitas.
4.2.2 Uji Multikolinieritas
Berikut ini hasil uji mulikolinearitas yang dihasilkan oleh program spss versi 16.00
pada Tabel 4.2 dan 4.3 sebagai berikut:
Sub-Struktur 1
66
Tabel 4.2 Multikoliniearitas Sub-Struktur 1
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1(Constant) 2.475 .813 3.043 .003
ROE -.410 .723 -.062 -.568 .572 .959 1.042
MC -.019 .032 -.066 -.609 .544 .959 1.042
a. Dependent Variable: CR
Dasar Pengambilan Keputusan
Jika VIF < 10, maka tingkat kolinieritas dapat ditoleransi
Jika VIF> 10, terjadi multikolinieritas
Keputusan
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
67
Tabel 4.3 Multikoliniearitas Sub-Struktur 2
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
T Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) .164 .125 1.307 .195
ROE .222 .106 .221 2.095 .039 .956 1.046
MC .006 .005 .137 1.299 .197 .955 1.047
CR -.011 .016 -.075 -.726 .470 .990 1.010
a. Dependent Variable: DPR
Dasar Pengambilan Keputusan
Jika VIF < 10, maka tingkat kolinieritas dapat ditoleransi
Jika VIF > 10, terjadi multikolinieritas
Keputusan
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.
4.2.3 Uji Autokorelasi (Durbin Watson)
Berikut ini hasil uji Durbin Watson yang dihasilkan oleh program spss versi 16.00
pada Tabel 4.4 dan 4.5 sebagai berikut:
Sub-Struktur 1
68
Tabel 4.4 Autokorelasi Sub-Struktur 1
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate Durbin-Watson
1 .099a .010 -.013 1.1447935 1.769
a. Predictors: (Constant), MC, ROE
b. Dependent Variable: CR
Dasar Pengambilan Keputusan
Jika DW>dU, maka tidak terjadi autokorelasi
Jika DW<dU 10, terjadi autokorelasi
Keputusan
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 Summaryb
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate Durbin-Watson
1 .299a .089 .057 .1676659 1.756
a. Predictors: (Constant), CR, ROE, MC
69
Dasar Pengambilan Keputusan
Jika DW>dU, maka tidak terjadi autokorelasi
Jika DW<dU 10, terjadi autokorelasi
Keputusan
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.
4.2.4 Uji Heteroskedastisitas
Berikut ini hasil uji heterokedatisitas yang dihasilkan oleh program spss versi 16.00
sebagai berikut:
Sub-Struktur 1
Gambar 4.10 Grafik Heterokedastisitas Sub-Struktur 1
70
Dasar Pengambilan Keputusan
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.
Keputusan
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
71
Dasar Pengambilan Keputusan
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.
Keputusan
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:
Gambar 4.12 Struktur Model Variabel X1, X2, Y dan Z
Z
X1
X2
Y
ρZX1
ρZX2
ρyX1
ρyX2
ρZy
72
Untuk melakukan analisis jalur maka Struktur pada gambar diatas akan dibagi
menjadi 2 bagian, yaitu sub-struktur 1 dan sub-struktur 2.
4.3.1 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:
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:
ε1X1
X2
Y
ρyX1
ρyX1
73
Tabel 4.6 Anova Sub-Struktur 1
ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 1.137 2 .568 .434 .650a
Residual 114.018 87 1.311
Total 115.155 89
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
1 .099a .010 -.013 1.1447935
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).
74
Dasar Pengambilan Keputusan (Tingkat kepercayaan 95%)
Sig ≥ 0,05 Ho diterima
Sig < 0,05 Ho ditolak
Keputusan
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 = 90-2-1= 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.
75
• 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
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) 2.475 .813 3.043 .003
ROE -.410 .723 -.062 -.568 .572
MC -.019 .032 -.066 -.609 .544
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 Keputusan (Tingkat kepercayaan 95%)
Sig ≥ 0,05 Ho diterima
Sig < 0,05 Ho ditolak
Keputusan
Sig = 0,572 (> 0,05) maka Ho diterima dan Ha ditolak
76
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 Keputusan (Tingkat kepercayaan 95%)
Sig ≥ 0,05 Ho diterima
Sig < 0,05 Ho ditolak
Keputusan
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
Sumber: Hasil Pengolahan Data
Pengaruh antar
variabel
Koefisien
jalur (beta)
Nilai sig Hasil
Pengujian
X1 terhadap Y -0,062 0,572 Ho diterima
X2 terhadap Y -0,066 0,544 Ho diterima
77
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.
Gambar 4.14 Sub-Struktur 1 Beserta Koefisien Jalur
Sumber : Hasil Pengolahan Data
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)
X1
X2
Y
‐0,062
‐0,066
78
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:
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:
X1
X2
Y Z
ε2 ρZX1
ρZX2
ρZy
79
Tabel 4.10 Anova Sub-Struktur 2
ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression .237 3 .079 2.809 .044a
Residual 2.418 86 .028
Total 2.655 89
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
1 .299a .089 .057 .1676659
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)
80
Dasar Pengambilan Keputusan (Tingkat kepercayaan 95%)
Sig ≥ 0,05 Ho diterima
Sig < 0,05 Ho ditolak
Keputusan
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 = 90-3-1= 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-R2= √ 1-0,057 = 0,971
81
Tabel 4.12 Coefficients Sub-struktur 2
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig. B Std. Error Beta
1 (Constant) .164 .125 1.307 .195
ROE .222 .106 .221 2.095 .039
MC .006 .005 .137 1.299 .197
CR -.011 .016 -.075 -.726 .470
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 Keputusan (Tingkat kepercayaan 95%)
Sig ≥ 0,05 Ho diterima
Sig < 0,05 Ho ditolak
Keputusan
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)
82
• 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 Keputusan (Tingkat kepercayaan 95%)
Sig ≥ 0,05 Ho diterima
Sig < 0,05 Ho ditolak
Keputusan
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 Keputusan (Tingkat kepercayaan 95%)
Sig ≥ 0,05 Ho diterima
Sig < 0,05 Ho ditolak
Keputusan
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)
83
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
Variael
Koefisien
Jalur Beta
Nilai Sig Hasil
Pengujian
Koefisien
Determinasi
Koefisien
Variabel Lain
X1 terhadap Z 0,221 0,039 Ho ditolak 0,057 =
5,7%
0,971
X2 terhadap Z 0,137 0,197 Ho diterima
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:
Gambar 4.16 Sub-struktur 2 Beserta Koefisien Jalur
Sumber : Hasil Pengolahan Data
X1
X2
Y Z
0,221 0,971
0,137
‐0,075
84
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:
85
Tabel 4.14 Annova Sub-Struktur 2 (Trimming)
ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression .171 1 .171 6.056 .016a
Residual 2.484 88 .028
Total 2.655 89
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 Keputusan (Tingkat kepercayaan 95%)
Sig ≥ 0,05 Ho diterima
Sig < 0,05 Ho ditolak
Keputusan
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)
86
Tabel 4.15 Model Summary Sub-Struktur 2 (Trimming)
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate
1 .254a .064 .054 .1679968
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-R2 = √ 1- 0,064 = 0,936
Tabel 4.16 Coefficients Sub-Struktur 2 (Trimming)
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) .289 .035 8.147 .000
ROE .256 .104 .254 2.461 .016
a. Dependent Variable: DPR
87
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
Variael
Koefisien
Jalur Beta
Nilai Sig Hasil
Pengujian
Koefisien
Determinasi
Koefisien
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:
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
X1
Z
0,254 0,936
88
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:
Gambar 4.18 Struktur Penelitian Lengkap Beserta Koefisien Jalur
Sumber : Hasil Pengolahan Data
Z
X1
X2
Y
0,936
0,254
89
Tabel 4.18 Rangkuman Dekomposisi Koefisien Jalur
Pengaruh
Variabel
Pengaruh Kausal Pengaruh
Bersama Langsung Tidak langsung
Melalui
Variabel Y
Total
X1 terhadap Y - - - -
X1 terhadap Z O,254 - 0,254 -
X2 terhadap Y - - - -
X2 terhadap Z - - - -
Y terhadap Z - - - -
ε1 - - - -
ε2 0,972 - - -
X1 dan X2
terhadap Y
- - - -
X1, X2 dan Y
terhadap Z
- - - 0,057
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
90
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.
91
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.
92
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.