BAB IV PEMBAHASAN
4.2 Analisis Data dan Hasil Penelitian
Analisa data serta pengujian hipotesis dalam penelitian ini adalah menggunakan program spss 20.0 versi for windows
4.2.1 Uji Asumsi Klasik 4.2.1.1Uji Multikolineritas
Uji multikolinearitas dilakukan untuk melihat adanya keterkaitan antara variabel independen, atau dengan kata lain setiap variabel independen dijelaskan oleh variabel independen lainnya. Untuk mengetahui apakah ada multikolinearitas dalam penelitian ini dapat dilihat dari nilai tolerance dan multikolinearitas dalam
penelitian ini dapat dilihat dari nilai tolerance dan variance inflation factor (VIF). Nilai tolerance yang lebih kecil dari 0.1 dan VIF yang lebih besar dari 10 menunjukkan adanya multikolinearitas yang tinggi. Hasil uji multikolineritas dapat dilihat dari tabel 4.3 di bawah ini :
Tabel 4.3 Uji Multikolineritas
Sumber : Hasil output spss, data diolah peneliti (2016)
Berdasarkan data tersebut dapat diketahui bahwa nilai tolerance dari masing–masing variabel independen lebih besar dari 0.1, yaitu untuk variabel Ukuran Perusahaan (UP) sebesar 0.982; variabel Likuiditas sebesar 0.995; variabel Variabilitas Perusahaan (VP) sebesar 0.927; dan variabel Laba sebelum pajak (Laba_sebelumpajak) sebesar 0,940; nilai VIF dari masing – masing variabel independen diketahui bahwa kurang dari 10, yaitu untuk Ukuran Perusahaan (UP) sebesar 1.018; variabel Likuiditas sebesar 1.005; variabel Variabilitas Perusahaan (VP) sebesar 1.078; dan variabel Laba Sebelum Pajak (Laba_sebelumpajak) sebesar 1.064. Dengan demikian dapat disimpulkan bahwa pada penelitian ini tidak terdapat multikolinearitas. Dengan demikian variabel
independen (UP, Likuiditas, VP dan Laba_sebelumpajak) dapat digunakan untuk memprediksi metode persediaan selama periode pengamatan.
4.2.1.2 Uji Autokorelasi
Model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Untuk menentukan adanya autokorelasi atau tidak dapat diketahui dari nilai
Durbin-Watsonnya.
Tabel 4.4
Pengujian Autokorelasi
Sumber : Hasil output spss, data diolah peneliti (2016)
Berdasarkan tabel 4.4, untuk mengetahui adanya autokorelasi digunakan uji Durbin-Watson, dengan kriteria sebagai berikut:
1. Angka D-W terletak antara batas atau Upper Bound (DU) dan 4-DU = tidak ada autokorelasi.
2. Angka D-W < DL maka ada autokorelasi positif. 3. Angka D-W > (4-DL) maka ada autokorelasi negative.
4. Angka D-W antara (4-DU) dan (4-DL), maka tidak dapat disimpulkan. Hasil yang ditunjukkan tersebut berdasarkan tabel Durbin- Watson, yaitu DL pada jumlah n=78, dan k-3, yang menghasilkan DL sebesar 1.553 dan DU sebesar 1.712. Berdasarkan hasil uji statisitik yang ditunjukkan melalui tabel 4.4
dapat diketahui bahwa nilai statistik Durbin-Watson sebesar 2.589, maka disimpulkan bahwa tidak terjadi autokorelasi baik positif maupun negatif.
4.2.3 Menguji Keseluruhan Model
Statistik yang digunakan adalah adalah berdasarkan pada fungsi
Likehood. Likehood L dari model adalah probabilitas bahwa model yang
dihopitesakan menggambarkan model input.
Model dari statistik -2LogL dapat digambarkan melalui tabel sebagai berikut:
Tabel 4.5
Gambaran Jumlah Kasus Penelitian
Sumber : Hasil output spss, data diolah peneliti (2016)
Berdasarkan tabel 4.5 dapat diketahui bahwa jumlah seluruh kasus yang diolah dalam penelitian ini adalah 78 perusahaan, namun setelah dilakukan uji kelayakan model ternyata kasus yang dapat dianalisis sebesar 78 kasus yaitu sekitar 100%.
Tabel 4.6 Variabel Dependen
Sumber : Hasil output spss, data diolah peneliti (2016)
Tabel 4.6 menunjukkan bahwa nilai yang diberikan untuk variabel dependen dimana variabel ini adalah variabel yang menggunakan variabel dummy yaitu 1 dan 0.
Tabel 4.7
Nilai -2LogL untuk Model yang Hanya Memasukkan Konstanta
Sumber : Hasil output spss, data diolah peneliti (2016)
Untuk melihat nilai -2LogL dengan model yang menggunakan konstanta dan beberapa variabel bebas, maka dapat digambarkan dengan tabel sebagai berikut:
Tabel 4.8
Nilai -2LogL untuk Model dengan Konstanta dan Variabel Bebas
Sumber : Hasil output spss, data diolah peneliti (2016)
Tampilan output SPSS memberikan 2 nilai -2LogL yaitu untuk model yang hanya memasukkan konstanta (tabel 4.7) dan untuk model dengan konstanta dan variabel bebas (tabel 4.8). Nilai -2LogL yang hanya memasukkan konstanta adalah sebesar 86,608, sedangkan nilai -2LogL untuk model dengan konstanta dan variabel bebas adalah 77,794. Penurunan nilai -2LogL adalah sebesar 8,814 yaitu dari 86,608 menjadi 77,794 mengindikasikan bahwa model fit dengan data, hal ini berarti bahwa dengan adanya penambahan variabel bebas ukuran perusahaan, likuiditas, variabilitas persediaan dan laba sebelum pajak ternyata dapat memperbaiki model fit.
4.2.4 Menilai Kelayakan Model Regresi
Untuk melihat apakah data sesuai dengan model sehingga model dapat dikatakan fit, maka diperlukan suatu uji yaitu dengan menggunakan uji Hosmer dan Lemeshow goodness of fit test statistic, melalui kriteria sebagai berikut:
1. Jika nilai Hosmer dan Lemeshow ≤ 0,05 artinya ada perbedaan signifikan antara model dengan observasinya sehingga goodness fit tidak baik, karena model tidak dapat memprediksikan nilai observasinya.
2. Jika nilai Hosmer dan Lemeshow > 0,05 artinya model mampu memprediksikan nilai observasinya atau dapat dikatakan bahwa model dapat diterima karena cocok dengan data observasinya.
Uji tersebut dapat dilihat melalui tabel 4.9. Tabel 4.9
Nilai Statistics Hosmer and Lemeshow’s Goodness of Fit Test
Sumber : Hasil output spss, data diolah peneliti (2016)
Berdasarkan pengujian nilai statistik Hosmer dan Lemeshow Goodness of
Fit adalah sebesar 7,381 dengan probabilitas signifikansi sebesar 0,496, nilai ini
jauh diatas 0,05 dengan demikian dapat disimpulkan bahwa model tersebut diterima yang artinya tidak terdapat perbedaan dengan data sehingga model dapat dikatakan fit.
4.2.5 Pengujian Hipotesis ( Regresi Logistik)
Pengujian hipotesis dengan menggunakan regresi logistik dilakukan dengan memasukkan seluruh variabel ukuran perusahaan, likuiditas, variabilitas persediaan dan laba sebelum pajak pada pemilihan metode akuntansi persediaan. Pengujian bertujuan untuk melihat pengaruh ukuran perusahaan, likuiditas, variabilitas persediaan dan laba sebelum pajak terhadap pemilihan metode persediaan. Hasil pengujian regresi logistik disajikan dalam tabel 4.10
Tabel 4.10
Hasil Pengujian Regresi Logistik
Sumber : Hasil output spss, data diolah peneliti (2016) Tabel 4.11
Sumber : Hasil output spss, data diolah peneliti (2016)
Hasil regresi logistik dari tabel diatas, maka persamaan regresi yang didapat adalah sebagai berikut:
1,133 + 0,00 Ln_UP + 0,281 Likuiditas + 0,592 VP – 0,944
Laba_sebelumpajak + e
Berdasarkan tabel 4.10 dan 4.11 dapat diketahui bahwa hasil regresi logistik adalah sebagai berikut ; pada variabel ukuran perusahaan diperoleh koefisiennya bernilai positif sebesar 0,00 dan signifikansi sebesar 0,788. Apabila dibandingkan dengan tingkat signifikansi 0,05 (5%), maka nilai signifikansi sebesar 0,788 lebih besar dari tingkat signifikansi 0,05 dan koefisien yang diterima variabel ini adalah positif, hal ini dapat disimpulkan bahwa hipotesis ditolak.
Penolakan hipotesis ini menggambarkan bahwa ukuran perusahaan tidak berpengaruh terhadap pemilihan metode persediaan secara parsial dan simultan yang sebesar 0,000.
Pengujian variabel likuiditas dengan menggunakan regresi logistik diperoleh nilai koefisiennya adalah positif yaitu 0,451 dan nilai signifikan sebesar 0,451. Nilai signifikan tersebut jauh lebih besar dari tingkat signifikansi (5%), dengan demikian hipotesis ditolak. Penolakan hipotesis menunjukkan bahwa likuiditas tidak berpengaruh terhadap pemilihan metode akuntansi persediaan.
Variabilitas persediaan pada hasil pengujian regresi logistik menunjukkan bahwa diperoleh nilai koefisien negatif yaitu sebesar -0,18 dan nilai signifikan sebesar 0,976. Nilai siginifikan sebesar 0,976 lebih besar dari tingkat signifikansi (5%), hal ini menunjukkan bahwa hipotesis ditolak. Penolakan hipotesis tersebut menunjukkan bahwa variabilitas persediaan tidak berpengaruh terhadap pemilihan metode akuntansi persediaan.
Pengujian regresi logistik menunjukkan bahwa laba sebelum pajak diperoleh nilai koefisien adalah positif yaitu sebesar 1,536 dan nilai signifikan sebesar 0,104. Nilai signifikan yang diperoleh jauh lebih besar dari tingkat signifikansi (5%), hal ini menunjukkan bahwa hipotesis ditolak. Penolakan hipotesis memberikan bukti yang menunjukkan bahwa laba sebelum pajak tidak berpengaruh terhadap pemilihan metode persediaan.
