BAB IV HASIL DAN PEMBAHASAN
4.2 Analisis Hasil Penelitian
Data dalam penelitian ini dianalisis melalui metode analisis statistik
dengan menggunakan analisis persamaan regresi berganda. Analisis data dimulai
dengan mengolah data dengan menggunakan Microsoft Office Excel 2007.
Selanjutnya, dilakukan pengujian asumsi klasik dan hipotesis dengan
menggunakan regresi berganda. Pengujian dilakukan dengan menggunakan
software SPSS versi 18. Prosedur pengujian dimulai dengan memasukkan data
yang akan diuji ke dalam program SPSS, yang kemudian menghasilkan
output-output sesuai metode analisis yang telah ditetapkan sebelumnya. Adapun jumlah
perusahaan yang dijadikan sampel dalam penelitian ini berjumlah 3 perusahaan.
Periode penelitian adalah tahun 2008, 2009, 2010, dan 2011. Dengan demikian
jumlah observasian adalah 12 data observasi.
4.2.1 Regresi Linear Berganda
Tabel 4.1 Coefficientsa Model Unstandardized Coefficients Standardi zed Coefficie nts T Sig. Collinearity Statistics B Std. Error Beta Toleran ce VIF 1 (Constant) ,191 ,123 1,549 ,160 Biaya Perekrutan 6,647E-13 ,000 ,095 ,290 ,779 ,779 1,284
Biaya Gaji 1,331E-13 ,000 ,242 ,482 ,642 ,330 3,031
Biaya Bonus
-2,230E-13
,000 -,388 -,720 ,492 ,287 3,481
a. Dependent Variable: Kinerja Perusahaan Sumber: Data yang diolah Peneliti, 2012
Berdasarkan hasil pengolahan data pada tabel 4.1, diperoleh persamaan
regresi sebagai berikut:
KP = 0,191 + 6,647E-13 BP +1,331E -13 BG - 2,230E-13 BB
Persamaan tersebut dapat dideskripsikan sebagai berikut:
1. Konstanta sebesar 0,191 menunjukkan bahwa jika porsi biaya perekrutan,
biaya gaji, dan biaya bonus nilainya adalah 0, maka akrual diskresioner
nilainya sebesar 0,191.
2. Koefisien regresi BP sebesar 6,647E-13 menunjukkan bahwa jika proporsi
biaya perekrutan meningkat sebesar 1%, maka akrual diskresioner akan
meningkat sebesar 6,647E-13.
3. Koefisien regresi BG sebesar 1,331E -13 menunjukkan bahwa jika
proporsi biaya gaji meningkat sebesar 1%, maka akrual diskresioner akan
meningkat sebesar 1,331E -13.
4. Koefisien regresi BB sebesar -2,230E-13 menunjukkan bahwa jika biaya
bonua meningkat sebesar 1%, maka akrual diskresioner akan menurun
Tabel 4.2 Coefficientsa Model Unstandardized Coefficients Standardi zed Coefficie nts T Sig. Collinearity Statistics B Std. Error Beta Toleran ce VIF 1(Constant) ,353 ,475 ,742 ,479 Biaya Perekrutan -5,648E-12 ,000 -,056 -,639 ,541 ,779 1,284
Biaya Gaji 6,303E-12 ,000 ,792 5,932 ,000 ,330 3,031 Biaya Bonus -1,708E-12 ,000 -,205 -1,431 ,190 ,287 3,481
a. Dependent Variable: Pencapaian Perusahaan Sumber: Data yang diolah Peneliti, 2012
Berdasarkan hasil pengolahan data pada tabel 4.2, diperoleh persamaan
regresi sebagai berikut:
PP = 0,353 – 0,5,648E-12 BP + 6,303E-12 BG –1,708E-12 BB
Persamaan tersebut dapat dideskripsikan sebagai berikut:
1. Konstanta sebesar 0,353 menunjukkan bahwa jika porsi biaya perekrutan,
biaya gaji, dan biaya bonus nilainya adalah 0, maka akrual diskresioner
nilainya sebesar 0,353.
2. Koefisien regresi BP sebesar – 0,5,648E-12 menunjukkan bahwa jika
proporsi biaya perekrutan meningkat sebesar 1%, maka akrual
3. Koefisien regresi BG sebesar 6,303E-12 menunjukkan bahwa jika proporsi
biaya gaji meningkat sebesar 1%, maka akrual diskresioner akan
meningkat sebesar 6,303E-12.
4. Koefisien regresi BB sebesar –1,708E-12 menunjukkan bahwa jika biaya
bonua meningkat sebesar 1%, maka akrual diskresioner akan menurun
sebesar –1,708E-12.
4.2.2 Uji Asumsi Klasik
Model regresi akan dapat dijadikan alat estimasi yang tidak bias jika telah memenuhi persyaratan BLUE (Best Linear Unbiased Estimator), yakni
dipenuhinya seluruh uji asumsi klasik (Sudrajat, 1988 dalam Priyatno, 2012).
Pengujian asumsi klasik yang telah dilakukan adalah sebagai berikut:
4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah dalam
model regresi, variabel pengganggu atau residual memiliki distribusi
normal atau tidak. Penelitian ini menggunakan dua cara untuk
mendeteksi apakah residual berdistribusi normal atau tidak, yakni
dengan menggunakan grafik dan analisis statistik. Berikut adalah
hasil grafik variabel pengganggu atau residual dalam model regresi
Grafik Histogram Gambar 4.1
Grafik Histogram
Gambar 4.2
Gambar 4.3
Gambar 4.4
Grafik histogram dan grafik normal plot di atas menunjukkan
bahwa variabel pengganggu atau residualnya berdistribusi normal. Hal ini
dilihat dari gambar histogram yang tidak menceng ke ke kiri maupun ke
kanan, dan pada grafik normal plot terlihat bahwa titik-titik menyebar di
sekitar garis diagonal yang menunjukkan bahwa data berdistribusi normal.
Kedua grafik menunjukkan bahwa model regresi telah memenuhi asumsi
normalitas.
Analisis statistik yang digunakan adalah uji Kolmogorov Smirnov
dengan pedoman sebagai berikut:
1. Jika nilai signifikansi (Asymp.Sig) > 0,05, maka data berdistribusi
normal.
2. Jika nilai signifikansi (Asymp.Sig) < 0,05, maka data tidak
berdistribusi normal.
Berikut adalah hasil pengujian menggunakan analisis Kolmogorov Smirnov.
Tabel 4.3
One-Sample Kolmogorov-Smirnov Test Y1: Kinerja Perusahaan
Unstandarized N 12 Normal Parametersa,b Mean ,0000000 Std. Deviation ,04807733 Most Extreme Differences Absolute ,184 Positive ,184 Negative -,112 Kolmogorov-Smirnov Z ,638
Asymp. Sig. (2-tailed) ,811
a. Test distribution is Normal. b. Calculated from data.
Dari hasil pengolahan data tersebut di atas, besarnya nilai
Kolmogorov Smirnov adalah 0,638 dan signifikansinya pada 0,811 yaitu
lebih besar dari 0,05. Dengan demikian, dapat disimpulkan bahwa data
berdistribusi normal.
Tabel 4.4
One-Sample Kolmogorov-Smirnov Test Y2: Pencapaian Perusahaan Unstandarized N 12 Normal Parametersa,b Mean ,0000000 Std. Deviation ,18520088 Most Extreme Differences Absolute ,150 Positive ,150 Negative -,100 Kolmogorov-Smirnov Z ,519
Asymp. Sig. (2-tailed) ,950
a. Test distribution is Normal. b. Calculated from data.
Sumber: Data yang diolah Peneliti, 2012
Dari hasil pengolahan data tersebut di atas, besarnya nilai
Kolmogorov Smirnov adalah 0,519 dan signifikansinya pada 0,950 yaitu
lebih besar dari 0,05. Dengan demikian, dapat disimpulkan bahwa data
4.2.2.2 Uji Heterokedastisitas
Heterokedastisitas adalah keadaan dimana terjadinya
ketidaksamaan varian dari residual pada model regresi. Model regresi yang
baik mensyaratkan tidak adanya masalah heterokedastisitas (Priyatno, 2012).
Berikut hasil pengujian heterokedastisitas yang telah dilakukan.
Gambar 4.5
Sumber: Data yang diolah Peneliti, 2012
Gambar 4.6
Sumber: Data yang diolah Peneliti, 2012
Metode pengambilan keputusan pada uji heterokedastisitas dengan melihat scatterplot yaitu jika titik-titik menyebar dengan pola yang tidak
jelas di atas dan di bawah angka 0 pada sumbu Y maka dapat disimpulkan
bahwa tidak terjadi masalah heterokedastisitas pada model regresi.
Dari grafik scatterplot terlihat bahwa titik-titik menyebar dengan
pola yang tidak jelas di atas dan di bawah angka 0 pada sumbu Y, maka
dapat disimpulkan bahwa pada model regresi tidak terjadi masalah
4.2.2.3 Uji Multikolinearitas
Multikolinearitas adalah keadaan dimana antara dua variabel independen atau lebih pada model regresi terjadi hubungan linier yang
sempurna atau mendekati sempurna. Model regresi yang baik
mensyaratkan tidak adanya masalah multikolinearitas (Priyatno, 2012).
Pengujian multikolinearitas dilakukan dengan melihat nilai Tolerance, VIF
(Variance Inflation Factor), dan korelasi diantara variabel independen.
Jika nilai Tolerance > 0,10 dan VIF < 10 maka tidak terjadi
multikolinearitas, sedangkan apabila nilai Tolerance < 0,10 dan VIF > 10
maka terjadi multikolinearitas. Di samping itu, suatu model dikatakan
terdapat gejala multikolinearitas apabila korelasi diantara variabel
independen lebih besar dari 0,9 (Ghozali, 2006). Hasil uji multikolinearitas
dapat dilihat pada tabel berikut
Tabel 4.5 Coefficientsa Model Unstandardized Coefficients Standar dized Coeffici ents T Sig. Collinearity Statistics B Std. Error Beta Toleran ce VIF 1 (Constant) ,191 ,123 1,549 ,160 Biaya Perekrutan 6,647E-13 ,000 ,095 ,290 ,779 ,779 1,284
Biaya Gaji 1,331E-13 ,000 ,242 ,482 ,642 ,330 3,031
Biaya Bonus
-2,230E-13 ,000 -,388 -,720 ,492 ,287 3,481
a. Dependent Variable: Kinerja Perusahaan Sumber: Data yang diolah Peneliti, 2012
Dari tabel 4.5 untuk variabel terikat kinerja perusahaan di atas, diketahui
bahwa nilai Tolerance untuk biaya perekrutan adalah 0,779, nilai
Tolerance biaya gaji 0,330, nilai Tolerance biaya bonus 0,287. Nilai VIF
untuk biaya perekrutan 1,284, nilai VIF untuk biaya gaji 3,031, nilai VIF
untuk biaya bonus 3,481. Dengan demikian, dapat disimpulkan bahwa tidak
terjadi gejala multikolinearitas antara variabel independen, dengan dasar
nilai tolerance tidak ada yang kurang dari 0,10 dan nilai VIF tidak ada yang
melebihi 5,00. Tabel 4.6 Coefficientsa Model Unstandardized Coefficients Standa rdized Coeffi cients T Sig. Collinearity Statistics B Std. Error Beta Toleran ce VIF 1 (Constant ) ,353 ,475 ,742 ,479 Biaya Perekruta n -5,648E-12 ,000 -,056 -,639 ,541 ,779 1,284 Biaya Gaji 6,303E-12 ,000 ,792 5,932 ,000 ,330 3,031 Biaya Bonus -1,708E-12 ,000 -,205 -1,431 ,190 ,287 3,481
a. Dependent Variable: Pencapaian Perusahaan Sumber: Data yang diolah Peneliti, 2012
Dari tabel 4.6 untuk variabel terikat pencapaian perusahaan di atas,
dengan yang sebelumnya. Dengan demikian, dapat disimpulkan bahwa
tidak terjadi gejala multikolinearitas antara variabel independen, dengan
dasar nilai tolerance tidak ada yang kurang dari 0,10 dan nilai VIF tidak
ada yang melebihi 5.
4.2.1.4 Uji Autokorelasi
Autokorelasi adalah keadaan dimana terjadinya korelasi dar residual untuk pengamatan satu dengan pengamatan lain yang disusun
menurut runtun waktu (Priyatno, 2012). Autokorelasi muncul karena
observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang
lainnya. Hal ini sering ditemukan pada data time series.
Penelitian ini menggunakan uji Durbin-Watson (DW Test) untuk
mendeteksi ada tidaknya autokorelasi, dengan pengambilan keputusan
sebagai berikut:
1. Jika dU < DW < 4-dU maka tidak terjadi autokorelasi.
2. Jika DW < dL atau DW > 4-dL maka terjadi autokorelasi.
3. Jika dL < DW < dU atau 4-dU < DW < 4-dL maka tidak ada keputusan
yang pasti.
Tabel 4.7
Hasil Uji Durbin Watson Model Summaryb Model R R Square Adjusted R Square Std. Error of
the Estimate Durbin-Watson
1 ,577a ,334 ,084 ,0563757 1,240
a. Predictors: (Constant), Biaya Bonus, Biaya Perekrutan, Biaya Gaji b. Dependent Variable: Kinerja Perusahaan
Sumber: Data yang diolah Peneliti, 2012
Hasil pengujian pada tabel 4.7 menunjukkan bahwa nilai Durbin-Watson
adalah 1,240. Nilai dL dan dU dilihat dari tabel Durbin-Watson pada
signifikansi 0,05, n=12, dan k=4 (n adalah jumlah data dan k adalah jumlah
variabel independen). Diperoleh dL= 0,5120 dan dU= 2,1766. Dengan
demikian, dapat diketahui bahwa nilai Durbin-Watson terletak pada daerah
dL < DW < dU (0,5120 < 1,240 < 2,1766). Dapat disimpulkan bahwa tidak
ada keputusan yang pasti untuk autokorelasi pada model regresi. Hal ini
karena pola variabel yang memang mempunyai keterkaitan untuk setiap
Tabel 4.8 Model Summaryb Model R R Square Adjusted R Square Std. Error of
the Estimate Durbin-Watson
1 ,976a ,953 ,935 ,2171673 1,273
a. Predictors: (Constant), Biaya Bonus, Biaya Perekrutan, Biaya Gaji b. Dependent Variable: Pencapaian Perusahaan
Sumber: Data yang diolah Peneliti, 2012
Hasil pengujian pada tabel 4.8 menunjukkan bahwa nilai
Durbin-Watson adalah 1,273. Nilai dL dan dU dilihat dari tabel Durbin-Watson
pada signifikansi 0,05, n=12, dan k=4 (n adalah jumlah data dan k adalah
jumlah variabel independen). Diperoleh dL= 0,5120 dan dU= 2,1766.
Dengan demikian, dapat diketahui bahwa nilai Durbin-Watson terletak
pada daerah dL < DW < dU (0,5120 < 1,273 < 2,1766). Dapat disimpulkan
bahwa tidak ada keputusan yang pasti untuk autokorelasi pada model
4.2.1.5 Uji Simultan (Uji F)
Uji F digunakan untuk menguji pengaruh variabel independen
secara bersama-sama terhadap variabel dependen. Dalam uji F digunakan
hipotesis sebagai berikut:
- H5 : b1≠ b2 ≠ b3 ≠ b4 ≠ 0
Artinya proporsi pencatatan akuntansi sumber daya manusia, proporsi
biaya pelatihan, biaya gaji, serta biaya bonus secara simultan
berpengaruh terhadap kinerja dan pencapaian perusahaan.
Pengambilan keputusan:
- Jika F hitung < F tabel dan Signifikansi > 0,05, maka H5 ditolak
- Jika F hitung > F tabel dan Signifikansi < 0,05, maka H5diterima
Berikut hasil uji F yang diperoleh melalui pengolahan data dengan
menggunakan software SPSS 18.
Tabel 4.9
Hasil Uji Simultan (Uji F) ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression ,013 3 ,004 1,334 ,330a Residual ,025 8 ,003 Total ,038 11
a. Predictors: (Constant), Biaya Bonus, Biaya Perekrutan, Biaya Gaji b. Dependent Variable: Kinerja Perusahaan
Dari tabel 4.9 dapat diketahui bahwa nilai F hitung adalah 1,334. Nilai F
tabel yang diperoleh dari tabel statistik pada signifikansi 0,05, df1= k-1=
4-1= 3, dan df2= n-k= 12-4= 8, yaitu 4,066181. Dapat diketahui bahwa nilai
F hitung < F tabel (1,334 < 4,066181), dan signifikansi > 0,05 (0,330 >
0,05), maka H5 ditolak. Dengan demikian, dapat disimpulkan bahwa biaya
pelatihan, biaya gaji, dan biaya bonus secara simultan tidak berpengaruh
signifikan terhadap kinerja perusahaan.
Tabel 4.10
Hasil Uji Simultan (Uji F) ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 7,641 3 2,547 54,004 ,000a Residual ,377 8 ,047 Total 8,018 11
a. Predictors: (Constant), Biaya Bonus, Biaya Perekrutan, Biaya Gaji b. Dependent Variable: Pencapaian Perusahaan
Sumber: Data yang diolah Peneliti, 2012
Dari tabel 4.8 dapat diketahui bahwa nilai F hitung adalah 54,004. Nilai
F tabel yang diperoleh dari tabel statistik pada signifikansi 0,05, df1=
k-1= 4-k-1= 3, dan df2= n-k= 12-4= 8, yaitu 4,066181. Dapat diketahui
bahwa nilai F hitung > F tabel (54,004 > 4,066181), dan signifikansi <
0,05 (0,000 < 0,05), maka H5 diterima. Dengan demikian, dapat
disimpulkan bahwa biaya pelatihan, biaya gaji, dan biaya bonus secara
4.2.1.6 Uji Parsial (Uji t)
Uji t digunakan untuk menguji pengaruh variabel independen secara parsial terhadap variabel dependen. Berikut hasil uji t yang diperoleh
melalui pengolahan data dengan menggunakan software SPSS 18.
Tabel 4.11 Hasil Uji Parsial (Uji t)
Coefficientsa Model Unstandardized Coefficients Standa rdized Coeffi cients T Sig. Collinearity Statistics B Std. Error Beta Toleran ce VIF 1 (Constant ) ,191 ,123 1,549 ,160 Biaya Perekruta n 6,647E-13 ,000 ,095 ,290 ,779 ,779 1,284 Biaya Gaji 1,331E-13 ,000 ,242 ,482 ,642 ,330 3,031 Biaya Bonus -2,230E-13 ,000 -,388 -,720 ,492 ,287 3,481
a. Dependent Variable: Kinerja Perusahaan
Sumber: Data yang diolah Peneliti, 2012
Pengujian masing-masing variabel independen secara parsial terhadap
variabel dependen dijelaskan sebagai berikut:
1. Pengaruh Pencatatan Akuntansi SDM terhadap Kinerja Perusahaan.
- H1 : b1 ≠ 0, artinya proporsi Pencatatan Akuntansi SDM secara parsial berpengaruh terhadap Kinerja Perusahaan.
Pengambilan keputusan:
- Jika t hitung < t tabel atau -t hitung > -t tabel, signifikansi > 0,05,
maka H1 ditolak.
- Jika t hitung > t tabel atau -t hitung < -t tabel, signifikansi < 0,05
maka H1 diterima.
Dari tabel 4.11 dapat diketahui bahwa nilai t hitung adalah 0 (dianggap
tidak ada karena data yang diperoleh konstan). Nilai t tabel yang
diperoleh dari tabel statistik pada sigifikansi 0,05 : 2 = 0,025 (uji 2 sisi)
dengan df= n-k-1 = 12-4-1 = 7, yaitu 2,841244. Dapat diketahui bahwa
nilai t hitung < t tabel (0,00 < 2,841244) dan signifikansi < 0,05 (0,00 <
0,05), maka H1 ditolak. Dengan demikian, dapat disimpulkan bahwa
proporsi Pencatatan Akuntansi SDM secara parsial tidak berpengaruh
terhadap Kinerja Perusahaan.
2. Pengaruh Biaya Perekrutan Terhadap Kinerja Perusahaan.
Diuji dengan hipotesis:
- H2 : b2 ≠ 0, artinya proporsi biaya perekrutan secara parsial berpengaruh terhadap kinerja perusahaan.
Pengambilan keputusan:
- Jika t hitung < t tabel atau -t hitung > -t tabel, signifikansi > 0,05,
- Jika t hitung > t tabel atau -t hitung < -t tabel, signifikansi < 0,05
maka H2 diterima.
Dari tabel 4.11 dapat diketahui bahwa nilai t hitung adalah 0,290. Nilai
t tabel yang diperoleh dari tabel statistik pada sigifikansi 0,05 : 2 = 0,025
(uji 2 sisi) dengan df= n-k-1 = 12-4-1 = 7, yaitu 2,841244. Dapat
diketahui bahwa nilai t hitung < t tabel (0,290 < 2,841244) dan
signifikansi > 0,05 (0,779 > 0,05), maka H2 ditolak. Dengan demikian,
dapat disimpulkan bahwa proporsi biaya perekrutan secara parsial tidak
berpengaruh terhadap kinerja perusahaan.
3. Pengaruh Biaya Gaji Terhadap Kinerja Perusahaan.
Diuji dengan hipotesis:
- H3 : b3 ≠ 0, artinya biaya gaji secara parsial berpengaruh terhadap kinerja perusahaan.
Pengambilan keputusan:
- Jika t hitung < t tabel atau -t hitung > -t tabel, signifikansi > 0,05,
maka H3 ditolak.
- Jika t hitung > t tabel atau -t hitung < -t tabel, signifikansi < 0,05
maka H3 diterima.
Dari tabel 4.11 dapat diketahui bahwa nilai t hitung adalah 0,482. Nilai
t tabel yang diperoleh dari tabel statistik pada sigifikansi 0,05 : 2 = 0,025
(uji 2 sisi) dengan df= n-k-1 = 12-4-1 = 7, yaitu 2,841244. Dapat
dapat disimpulkan bahwa biaya gaji secara parsial tidak berpengaruh
signifikan terhadap kinerja perusahaan.
4. Pengaruh Biaya Bonus Terhadap Kinerja Perusahaan.
Diuji dengan hipotesis:
- H4 : b4 ≠ 0, artinya proporsi biaya bonus secara parsial berpengaruh terhadap kinerja perusahaan.
Pengambilan keputusan:
- Jika t hitung < t tabel atau -t hitung > -t tabel, signifikansi > 0,05,
maka H4 ditolak.
- Jika t hitung > t tabel atau -t hitung < -t tabel, signifikansi < 0,05
maka H4 diterima.
Dari tabel 4.11 dapat diketahui bahwa nilai t hitung adalah -0,720. Nilai
t tabel yang diperoleh dari tabel statistik pada sigifikansi 0,05 : 2 = 0,025
(uji 2 sisi) dengan df= n-k-1 = 12-4-1 = 7, yaitu 2,841244. Dapat
diketahui bahwa nilai t hitung < t tabel (-0,720 < 2,841244) dan
signifikansi > 0,05 (0,492 > 0,05), maka H4 ditolak. Dengan demikian,
dapat disimpulkan bahwa biaya bonus secara parsial tidak berpengaruh
Tabel 4.12 Hasil Uji Parsial (Uji t)
Coefficientsa Model Unstandardized Coefficients Standa rdized Coeffi cients T Sig. Collinearity Statistics B Std. Error Beta Toleran ce VIF 1 (Constant ) ,353 ,475 ,742 ,479 Biaya Perekruta n -5,648E-12 ,000 -,056 -,639 ,541 ,779 1,284 Biaya Gaji 6,303E-12 ,000 ,792 5,932 ,000 ,330 3,031 Biaya Bonus -1,708E-12 ,000 -,205 -1,431 ,190 ,287 3,481
a. Dependent Variable: Pencapaian Perusahaan Sumber: Data yang diolah Peneliti, 2012
Pengujian masing-masing variabel independen secara parsial terhadap
variabel dependen dijelaskan sebagai berikut:
1. Pengaruh Pencatatan Akuntansi SDM terhadap Pencapaian Perusahaan.
Diuji dengan hipotesis:
- H1 : b1 ≠ 0, artinya proporsi Pencatatan Akuntansi SDM secara parsial berpengaruh terhadap Pencapaian Perusahaan.
Pengambilan keputusan:
- Jika t hitung < t tabel atau -t hitung > -t tabel, signifikansi > 0,05,
- Jika t hitung > t tabel atau -t hitung < -t tabel, signifikansi < 0,05
maka H1 diterima.
Dari tabel 4.12 dapat diketahui bahwa nilai t hitung adalah 0 (dianggap
tidak ada karena data yang diperoleh konstan). Nilai t tabel yang
diperoleh dari tabel statistik pada sigifikansi 0,05 : 2 = 0,025 (uji 2 sisi)
dengan df= n-k-1 = 12-4-1 = 7, yaitu 2,841244. Dapat diketahui bahwa
nilai t hitung < t tabel (0,00 < 2,841244) dan signifikansi < 0,05 (0,00 <
0,05), maka H1 ditolak. Dengan demikian, dapat disimpulkan bahwa
proporsi pencatatan akuntansi SDM secara parsial tidak berpengaruh
terhadap pencapaian perusahaan.
2. Pengaruh Biaya PerekrutanTerhadap Pencapaian Perusahaan.
Diuji dengan hipotesis:
- H2 : b2 ≠ 0, artinya biaya perekrutan secara parsial berpengaruh terhadap pencapaian perusahaan.
Pengambilan keputusan:
- Jika t hitung < t tabel atau -t hitung > -t tabel, signifikansi > 0,05,
maka H2 ditolak.
- Jika t hitung > t tabel atau -t hitung < -t tabel, signifikansi < 0,05
maka H2 diterima.
Dari tabel 4.12 dapat diketahui bahwa nilai t hitung adalah -0,639. Nilai
t tabel yang diperoleh dari tabel statistik pada sigifikansi 0,05 : 2 = 0,025
signifikansi > 0,05 (0,541 > 0,05), maka H2 ditolak. Dengan demikian,
dapat disimpulkan bahwa proporsi biaya perekrutan secara parsial tidak
berpengaruh terhadap pencapaian perusahaan.
3. Pengaruh Biaya Gaji Terhadap Pencapaian Perusahaan.
Diuji dengan hipotesis:
- H3 : b3 ≠ 0, artinya biaya gaji secara parsial berpengaruh terhadap pencapaian perusahaan.
Pengambilan keputusan:
- Jika t hitung < t tabel atau -t hitung > -t tabel, signifikansi > 0,05,
maka H3 ditolak.
- Jika t hitung > t tabel atau -t hitung < -t tabel, signifikansi < 0,05
maka H3 diterima.
Dari tabel 4.11 dapat diketahui bahwa nilai t hitung adalah 5,932. Nilai
t tabel yang diperoleh dari tabel statistik pada sigifikansi 0,05 : 2 = 0,025
(uji 2 sisi) dengan df= n-k-1 = 12-4-1 = 7, yaitu 2,841244. Dapat
diketahui bahwa nilai t hitung > t tabel (5,932 > 2,841244) dan
signifikansi < 0,05 (0,00 < 0,05), maka H3 diterima. Dengan demikian,
dapat disimpulkan bahwa biaya gaji secara parsial berpengaruh
signifikan terhadap pencapaian perusahaan.
4. Pengaruh Biaya Bonus Terhadap Pencapaian Perusahaan.
- H4 : b4 ≠ 0, artinya proporsi biaya bonus secara parsial berpengaruh terhadap pencapaian perusahaan.
Pengambilan keputusan:
- Jika t hitung < t tabel atau -t hitung > -t tabel, signifikansi > 0,05,
maka H4 ditolak.
- Jika t hitung > t tabel atau -t hitung < -t tabel, signifikansi < 0,05
maka H4 diterima.
Dari tabel 4.12 dapat diketahui bahwa nilai t hitung adalah -0,1431.
Nilai t tabel yang diperoleh dari tabel statistik pada sigifikansi 0,05 : 2 =
0,025 (uji 2 sisi) dengan df= n-k-1 = 12-4-1 = 7, yaitu 2,841244. Dapat
diketahui bahwa nilai t hitung < t tabel (-0,1431 > -2,841244) dan
signifikansi > 0,05 (0,190 > 0,05), maka H4 ditolak. Dengan demikian,
dapat disimpulkan bahwa biaya bonus secara parsial tidak berpengaruh
terhadap pencapaian perusahaan.