METODE PENELITIAN
3.1. Jenis Penelitian
Penelitian ini termasuk paradigma kuantitatif yang menekankan pada pengujian teori melalui pengukuran variabel penelitian dengan angka dan melakukan analisis data dengan prosedur statistik.
Berdasarkan karakteristik masalah, penelitian ini termasuk penelitian kausal komparatif. Penelitian kausal komparatif adalah penelitian yang menunjukkan arah hubungan antara variabel bebas dan variabel terikat, disamping mengukur kekuatan hubungannya (E.M. Sangadji-Sopiah, 2010 : 22). Penelitian ini merupakan tipe penelitian ex post facto, yaitu tipe penelitian terhadap data yang dikumpulkan setelah terjadinya suatu fakta atau peristiwa.
Tujuan dari penelitian ini adalah untuk mengukur hipotesis dan menjelaskan hubungan antara variabel yang diteliti, yaitu Variabilitas Persediaan, Margin Laba kotor, Financial Leverage dan Rasio Lancar sebagai variabel independen dan Metode Akuntansi Persediaan sebagai variabel dependen.
3.2. Tempat dan Waktu Penelitian
Data penelitian ini diperoleh dari www.idx.co.id yaitu data perusahaan manufaktur yang terdaftar di BEI pada tahun 2009-2011.
Tabel 3.1 Jadwal Penelitian Tahap
Penelitian Feb. Mar. Apr. Mei Juni Juli Agst. Pengajuan Judul Penyetujuan Proposal Penyelesaian Proposal Bimbingan Skripsi Penulisan Skripsi Penyelesaian Skripsi
3.3. Populasi dan Sampel
Populasi dalam penelitian ini adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia pada 2009 sampai dengan 2011. Sampel dipilih dengan metode purposive sampling dimana penelitian ini mempunyai tujuan atau target tertentu dalam memilih sampel, umumnya disesuaikan dengan tujuan atau masalah penelitian (Indriantoro dan Supomo, 1999: 131).
Kriteria penentuan sampel dalam penelitian ini adalah :
1. Sampel merupakan perusahaan manufaktur yang masih terdaftar di Bursa Efek Indonesia tahun 2009-2011.
2. Perusahaan tersebut melaporkan laporan keuangan selama periode tahun 2009-2011.
3. Perusahaan tersebut menerapkan satu metode persediaan secara konsisten selama periode 2009-2011
Proses penentuan sampel dapat dilihat pada lampiran 1. Tabel 3.2
Daftar Perusahaan Manufaktur yang Menjadi Sampel
NO KODE NAMA PERUSAHAAN
1 ADMG Polychem Indonesia Tbk. 2 AKKU Alam Karya Unggul Tbk. 3 APLI Asiaplast Industries Tbk.
4 BIMA Primarindo Asia Infrastructure Tbk. 5 BUDI Budi Acid Jaya Tbk.
6 CEKA Cahaya Kalbar Tbk.
7 DPNS Duta Pertiwi Nusantara Tbk. 8 GDYR Goodyear Indonesia Tbk. 9 INAI Indal Alumunium Industry Tbk. 10 INDR Indo-Rama Synthetics Tbk. 11 JKSW Jakarta Kyoei Steel Works Tbk. 12 KBLM Kabelindo Murni Tbk.
13 LPIN Multi Prima Sejahtera Tbk. 14 MAIN Malindo Feedmill Tbk. 15 MERK Merck Tbk.
16 MLBI Multi Bintang Indonesia Tbk. 17 MLIA Mulia Industrindo Tbk. 18 MYOR Mayora Indah Tbk. 19 MYRX Hanson International Tbk. 20 NIPS Nipress Tbk.
21 PICO Pelangi Indah Canindo Tbk. 22 PRAS Prima Alloy Steel Universal Tbk. 23 PTSN Sat Nusapersada Tbk.
24 PYFA Pyridam Farma Tbk.
25 RMBA Bentoel Internasional Investama Tbk. 26 SIAP Sekawan Intipratama Tbk.
27 SIPD Sierad Produce Tbk. 28 SKLT Sekar Laut Tbk. 29 SMCB Holcim Indonesia Tbk. 30 SMSM Selamat Sempurna Tbk. 31 SPMA Suparma Tbk.
32 SQBB Taisho Pharmaceutical Indonesia Tbk. 33 STTP Siantar Top Tbk.
35 TRST Trias Sentosa Tbk. 36 TSPC Tempo Scan Pacific Tbk.
37 ULTJ Ultrajaya Milk Industry & Trading Co. Tbk. 38 UNTX Unitex Tbk.
39 UNVR Unilever Indonesia Tbk.
3.4. Jenis dan Sumber Data
Data yang dikumpulkan dalam penelitian ini merupakan data kuantitatif yang diukur dalam skala numerik. Sumber data penelitian ini merupakan data sekunder, berupa laporan keuangan dan laporan tahunan yang dipublikasikan di Pusat Referensi Pasar Modal Bursa Efek Indonesia. Data sekunder merupakan data yang telah diolah dan disajikan kembali. Menurut Sugiyono (2008:193), “sumber sekunder merupakan sumber yang tidak langsung memberikan data kepada pengumpul data, misalnya lewat orang lain atau lewat dokumen”. Data yang diperoleh merupakan kombinasi dari data time series dan cross section
3.5. Metode Pengumpulan Data
Dalam penelitian ini, data dikumpulkan melalui dua tahap. Pada tahap pertama peneliti akan melakukan Tahap pertama adalah studi pustaka, dengan mengumpulkan data dari jurnal, abstrak, dan buku yang berkaitan dengan penelitian. Tahap kedua adalah studi dokumentasi, yaitu dengan mengumpulkan data berupa laporan keuangan dan informasi lain yang berkaitan dengan penelitian melalui media internet (situs www.idx.co.id).
3.6. Defenisi Operasional dan Pengukuran Variabel
Menurut Erlina (2008:42), “variabel penelitian adalah sesuatu yang dapat membedakan atau mengubah nilai yang dapat berbeda pada waktu yang berbeda pula untuk obyek atau orang yang sama”.
Variabel yang digunakan dalam penelitian ini adalah:
1. Variabel dependen. Menurut Erlina (2008:42), “Variabel dependen pada dasarnya disebut dengan variabel terikat atau variabel tidak bebas dan dipengaruhi oleh variabel independen. Variabel dependen pada penelitian ini adalah pemilihan metode akuntansi persediaan.
2. Variabel independen. Menurut Erlina (2008:43), “Variabel independen adalah variabel yang dapat mempengaruhi perubahan dalam variabel dependen dan mempunyai hubungan yang positif maupun negatif bagi variabel dependennya”. Variabel independen dalam penelitian ini terdiri dari variabilitas persediaan,margin laba kotor, financial leverage dan rasio lancar.
Tabel 3.3
Defenisi Operasional dan Pengukuran Variabel Variabel Defenisi operasional Indikator Skala Dependen ( Y ) Metode Akuntansi Persediaan Menunjukkan metode akuntansi persediaan yang digunakan.
1 ( satu ) = Metode rata-rata 0 ( nol ) = Metode FiFo
Kategori ( biner ) Independen (X) Variabilitas persediaan Menunjukkan variasi dari nilai persediaan suatu perusahaan. VP=KOVAR= Rasio Margin laba kotor Menunjukkan besarnya persentase laba kotor terhadap jumlah penjualan.
Margin laba kotor =
Rasio Financial leverage menunjukkan kemampuan membayar hutang dengan kekayaan yang dimilikinya.
Long term debt to equity ratio(LDER)=
Rasio
Rasio Lancar Menunjukkan kemampuan membayar hutang lancar dengan asset lancar Rasio lancar = Rasio
3.7. Metode Analisis Data
Metode analisis data yang digunakan adalah analisis statistik (regresi logistik) dengan spss versi 17.0, dan dilakukan melalui berbagai uji sebagai berikut:
1. Uji Asumsi Klasik
Sebelum dilakukan pengujian hipotesis maka perlu dilakukan uji asumsi klasik. Menurut Syafrizal, dkk. (2010:201), dikarenakan uji hipotesis yang digunakan adalah regresi logistik, dimana uji ini mengabaikan uji hetereroskedastisitas, maka uji asumsi klasik yang digunakan dalam penelitian ini adalah uji normalitas, multikolineritas dan uji autokorelasi.
a. Uji Normalitas
Uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Tujuan uji normalitas adalah untuk mengetahui apakah dalam model regresi, variabel penggangu atau residu memiliki distribusi normal (Erlina, 2008 : 102). Jika data normal maka statistik parametik yang akan digunakan, dan jika data tidak normal maka statistik non-parametik atau melakukan treatment agar data menjadi normal.
Model regresi yang baik memiliki data distribusi yang normal atau mendekati normal. Jika asumsi ini tidak dipenuhi maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Uji statistik yang digunakan untuk menguji normalitas adalah uji statistik non parametic one Kolmogorov Smirnov. Jika angka probabilitas
0,05 maka variabel tidak terdistrubusi secara normal. Sebaliknya, bila angka probabilitas = 0,05 maka variabel terdistribusi secara normal.
b. Uji Multikolineritas
Uji ini digunakan untuk situasi dimana adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Pengujian ini dilakukan dengan melihat nilai VIF dan korelasi diantara variabel independen, jika nilai VIF lebih besar dari 2, maka terjadi multikolineritas diantara variabel independen (Erlina, 2008:105).
c. Uji Autokorelasi
Uji ini digunakan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan penganggu pada periode saat ini dengan kesalahan penggangu pada periode sebelumnya. Uji yang digunakan untuk melihat autokorelasi dalam penelitian ini adalah uji Durbin-Watson (DW test), dengan kriteria sebagai berikut :
Angka D-W terletak antara Upper Bound (DU) dan (4-DU) maka tidak ada auto korelasi.
Angka D-W<DL maka ada autokorelasi positif. Angka D-W > (4-DL) maka ada autokorelasi negatif. Angka D-W terletak antara (4-DU) dan (4-DL), maka
hasilnya tidak dapat disimpulkan.
2. Menguji Keseluruhan Model
Pengujian ini dilakukan dengan membandingkan antara -2 Log Likelihood (-2LL) pada awal (Bolck Number = 0) dengan -2 Log
Likelihood pada akhir (Bolck Number = 1), ( Syafrizal, dkk. 2010:202).
3. Menilai Kelayakan Model Regresi
Uji ini dilakukan untuk menilai kelayakan model regresi logistik yang akan digunakan. Yang menjadi ukuran adalah nilai chi-square dari suatu uji Homser and Lemeshow.
4. Pengujian Hipotesis ( Regresi Logistik )
Pengujian hipotesis pada penelitian ini dilakukan dengan menggunakan pengujian Regresi Logistik. Alasan penggunaan model regresi logistik pada penelitian ini adalah karena varibel dependen penelitian merupakan variabel kategori (yaitu FIFO = 0, Average = 1).
Regresi logistik adalah bentuk khusus analisis regresi dengan variabel respon bersifat kategori, kontinu, atau gabungan antara keduanya. Regresi logistik ini digunakan untuk menguji apakah probabilitas terjadinya variabel terikat dapat diprediksi dengan variabel bebasnya (Syafrizal,dkk. 2010:199).
Dilakukan dengan menggunakan regresi logistik, dengan:
+ + + + +
Dimana :
Y = pemilihan metode persediaan a = konstanta
X1 = variabilitas persediaan X2 = margin laba kotor X3 = financial leverage X4 = rasio lancar b1..2..3..4 = koefisien regresi
Menurut Algifari (2000:21), “pada umumnya penelitian menggunakan tingkat signifikansi 1%, 5%, atau 10%. Pada suatu pengujian hipotesis jika menggunakan α = 5%, maka artinya peneliti memiliki keyakinan bahwa dari 100% sampel, probabilitas anggota sampel yang tidak memiliki karakteristik populasi adalah 5%”. Berdasarkan teori tersebut, maka pengujian ini dilakukan dengan menggunakan tingkat signifikansi 0,05 (α = 5%). Ketentuan penolakan atau penerimaan hipotesis adalah sebagai berikut:
a. Jika nilai signifikansi > 0,05 maka hipotesis ditolak ( koefisien regresi tidak signifikan ). Ini berarti bahwa secara bersama-sama keempat variabel independen tidak mempunyai pengaruh yang signifikan terhadap variabel dependen.
b. Jika nilai signifikansi < 0,05 maka hipotesis diterima ( koefisien regresi signifikan ). Ini berarti bahwa secara bersama-sama keempat variabel independen mempunyai pengaruh yang signifikan terhadap variabel dependen.
BAB IV
HASIL DAN PEMBAHASAN 4.1. Gambaran Singkat Obyek Penelitian
Populasi penelitian ini terdiri dari perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia. Berdasarkan ktriteria pemilihan sampel, yaitu purposive sampling maka diperoleh sampel sebanyak 39 perusahaan dari 131 perusahaan populasi yang ada.
Jumlah sampel yang diperoleh dari populasi yang ada sebanyak 39 perusahaan yang terdiri dari 2 kelompok, yaitu yang menggunakan metode rata-rata dan metode FIFO. Jumlah dari pembagian perusahaan berdasarkan 2 kelompok tersebut terdiri dari:
Tabel 4.1
Persentase Jumlah Pemakaian Metode Persediaan
No Metode Jumlah Persentase
1 Rata-rata 31 79,48
2 FIFO 8 20,52
Jumlah 39 100%
Dari tabel tersebut terlihat bahwa perusahaan yang menggunakan metode rata-rata di Indonesia lebih besar dari penggunaan metode FIFO. 31 perusahaan menggunakan metode rata-rata dan 8 perusahaan menggunakan metode FIFO dari 39 perusahaan, hal ini mendukung penelitian dari Salma Taqwa (2001) dan Mukhlasin (2001) yang menghasilkan bukti bahwa perusahaan indonesia lebih
Data yang berhubungan dengan penelitian sebelum dilakukannya analisis data dapat ditunjukkan melalui lampiran 2.
4.2. Analisis dan Hasil Penelitian
Analisa data serta pengujian hipotesis dalam penelitian ini menggunakan program spss 17.0 versi for windows.
4.2.1. Analisis Statistik Deskriptif
Analisis statistik deskriptif pada penelitian ini bertujuan untuk mengetahui nilai rata-rata (mean), maksimum dan minimum dari variabel-variabel independen yaitu variabilitas persediaan, margin laba kotor, financial leverage dan rasio lancar.
Table 4.1
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation Variabilitas persediaan 39 1.11 3.35 1.5631 .39792
Margin laba kotor 39 -.70 54.36 1.5969 8.67562
Financial Leverage 39 .02 3.66 .5495 .75282
Rasio Lancar 39 .18 10.32 2.1144 2.09590
Valid N (listwise) 39
1. Variabilitas Persediaan
Variabilitas persediaan merupakan variasi dari nilai persediaan akhir dalam sebuah perusahaan dimana nilai persediaan terakhir tersebut tidak sama dan variatif. Dari jumlah sampel sebanyak 39 perusahaan dengan variabilitas persediaan terkecil 1,11 dan variabilitas persediaan terbesar 3,35 dimana variabilitas persediaan terkecil diperoleh oleh PT. Chandra Asri Petrochemical dan variabilitas persediaan terbesar diperoleh PT. Hanson International.
2. Margin Laba Kotor
Margin Laba Kotor menunjukkan besarnya persentase laba kotor terhadap jumlah penjualan. Dari jumlah sampel sebanyak 39 perusahaan terdapat rentang yang sangat jauh antara margin laba kotor setiap sampel. Nilai margin laba kotor terkecil sebesar -0,70 yang berarti perusahaan mengalami kerugian dan margin laba kotor terbesar 54,36. Margin laba kotor terkecil diperoleh PT. Alam Karya Unggul dan margin laba kotor terbesar diperoleh PT. Mulia Industrindo.
3. Financial Leverage
Financial Leverage menunjukkan kemampuan perusahaan membayar hutang jangka panjang dengan kekayaan yang dimilikinya. PT. Jakarta Kyoel Steel Works memiliki nilai financial leverage terkecil sebesar 0,02 dan PT. Malindo Feedmill dengan nilai financial leverage terbesar sebesar 3,66.
4. Rasio Lancar
Rasio Lancar menunjukkan kemampuan perusahaan membayar hutang jangka pendeknya dengan asset lancar yang dimiikinya. Semakin besar nilai rasio lancar perusahaan maka semakin besar kemampuan perusahaan untuk melunasi hutang jangka pendeknya. PT. Alam Karya Unggul memiliki nilai rasio lancar terkecil sebesar 0,22 dan PT. Jakarta Kyoel Steel Works memiliki nilai rasio lancar terbesar senilai 10,32.
4.2.2. Uji Asumsi Klasik 4.2.2.1. Uji Normalitas
Pengujian normalitas data dalam penelitian ini menggunakan uji statistik non parametrik Kolmogorov-Smirnov untuk
mengetahui apakah data sudah terdistribusi secara normal atau tidak. Ghozali (2005), memberikan pedoman pengambilan keputusan rentang data mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov- Smirnov yang dapat dilihat dari:
a. Jika nilai signifikansi ≤ 0,05, maka distribusi data tidak normal.
b. Jika nilai signifikansi > 0,05 maka distribusi data normal. Hasil uji normalitas dengan menggunakan model
Kolmogorov-Smirnov adalah seperti yang ditampilkan berikut ini: Table 4.2
Hasil Uji Normalitas (1)
Berdasarkan hasil uji statistic dengan model Kolmogorov-Smirnov seperti yang terdapat pada table 4.2 dapat diketahui bahwa :
One-Sample Kolmogorov-Smirnov Test Variabilitas persediaan Margin laba kotor Financial Leverage Rasio Lancar N 39 39 39 39 Normal Parametersa,,b Mean 1.5631 1.5969 .5495 2.1144 Std. Deviation .39792 8.67562 .75282 2.09590 Most Extreme Differences Absolute .248 .492 .241 .260 Positive .248 .492 .235 .260 Negative -.127 -.400 -.241 -.178 Kolmogorov-Smirnov Z 1.548 3.074 1.505 1.624 Asymp. Sig. (2-tailed) .017 .000 .022 .010 a. Test distribution is Normal.
Nilai K-S untuk variable variabilitas persediaan adalah 1,54 dengan Asymp. Sig(2-tailed) 0,017. Nilai tersebut di bawah α=0,05 karena Asymp. Sig (2-tailed) < α/2 (0,025). Hal ini berarti bahwa variable variabilitas persediaan terdistribusi secara tidak normal.
Nilai K-S untuk variable margin laba kotor adalah 3,07 dengan Asymp. Sig(2-tailed) 0,00. Nilai tersebut di bawah α=0,05 karena Asymp. Sig (2 -tailed) < α/2 (0,025). Hal ini berarti bahwa variable variabilitas persediaan terdistribusi secara tidak normal.
Nilai K-S untuk variable financial leverage adalah 1,50 dengan Asymp. Sig(2-tailed) 0,022. Nilai tersebut di bawah α=0,05 karena Asymp. Sig (2 -tailed) < α/2 (0,025). Hal ini berarti bahwa variable variabilitas persediaan terdistribusi secara tidak normal.
Nilai K-S untuk variable rasio lancar adalah 1,62 dengan Asymp. Sig(2-tailed) 0,01. Nilai tersebut di bawah α=0,05 karena Asymp. Sig (2-tailed) < α/2 (0,025). Hal ini berarti bahwa variable variabilitas persediaan terdistribusi secara tidak normal.
Menurut Erlina dan Mulyani (2007) ada beberapa cara mengubah model regresi menjadi normal yaitu :
a. Lakukan transformasi data ke bentuk lainnya b. Lakukan trimming, yaitu membuang data outlier
c. Lakukan winsorizing, yaitu mengubah nilai data outlier ke suatu nilai tertentu.
Untuk mengubah nilai residual menjadi normal, peneliti melakukan trimming yaitu membuang beberapa data outlier. Setelah itu, data diuji ulang
berdasarkan asumsi normalitas. Berikut ini adalah hasil pengujian dengan Kolmogorov-Smirnov setelah dilakukan trimming data.
Table 4.3
Hasil Uji Normalitas (2) Setelah trimming data
Berdasarkan hasil uji statistic setelah dilakukan trimming data seperti yang terdapat pada table 4.3 dapat diketahui bahwa nilai signifikansi variable variabilitas persediaan sebesar 0,209; margin laba kotor sebesar 0,097; financial leverage sebesar 0,062; dan rasio lancar 0,069. Nilai signifikansi (2-tailed) variabel-variabel di atas lebih dari 0,05. Dengan demikian dapat disimpulkan bahwa data variabel variabilitas persediaan, margin laba kotor, financial leverage, dan rasio lancar berdistribusi normal.
4.2.2.2. Uji Multikolineritas
Hasil uji multikolineritas dapat dilihat dari tabel 4.4 di bawah ini dan lampiran 3.
One-Sample Kolmogorov-Smirnov Test variabilitas persediaan margin laba kotor financial leverage rasio lancar N 35 35 35 35
Normal Parametersa,,b Mean 1.5257 .2249 .4597 1.9851 Std. Deviation .27504 .28655 .54281 1.6600
9 Most Extreme Differences Absolute .180 .208 .223 .219
Positive .180 .208 .223 .219
Negative -.083 -.192 -.209 -.161
Kolmogorov-Smirnov Z 1.063 1.230 1.318 1.298
Asymp. Sig. (2-tailed) .209 .097 .062 .069
a. Test distribution is Normal. b. Calculated from data.
Tabel 4.4 Uji Multikolineritas
Coefficientsa
Model
Correlations Collinearity Statistics Zero-order Partial Part Tolerance VIF 1 margin laba kotor -.054 -.043 -.041 .867 1.154
financial leverage .197 .149 .142 .920 1.087
rasio lancar -.176 -.128 -.121 .880 1.137
variabilitas persediaan -.249 -.255 -.247 .951 1.052 a. Dependent Variable: pemilihan metode akuntansi persediaan
Tabel 4.4 menunjukkan bahwa tolerance yaitu korelasi diantara variabel independen lebih kecil dari 1 dan nilai VIF dibawah nilai 2, hal ini membuktikan bahwa model regresi yang digunakan dalam penelitian ini bebas dari Multikolineritas.
4.2.2.3. Uji Autokorelasi
Uji autokorelasi yang digunakan pada penelitian ini dapat digambarkan pada tabel dibawah ini dan lampiran 4.
Tabel 4.5 Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .345a .118 .086 .40553 2.18
a. Predictors: (Constant), rasio lancar, variabilitas persediaan, financial leverage, margin laba kotor
Berdasarkan tabel 4.5, untuk mengetahui adanya autokorelasi digunakan uji Durbin-Watson, dengan kriteria sebagai berikut:
Angka D-W terletak antara batas atas atau Upper Bound (DU) dan 4-DU maka tidak ada autokorelasi.
• Angka D-W < DL maka ada autokorelasi positif. • Angka D-W > (4-DL) maka ada autokorelasi negatif.
• Angka D-W antara (4-DU) dan (4-DL), maka tidak dapat disimpulkan.
Berdasarkan tabel Durbin-Watson, yaitu pada jumlah n=34, dan k=3 menghasilkan DL sebesar 1,343 dan DU sebesar 1,583. Berdasarkan hasil uji statisitik yang ditunjukkan melalui tabel 4.5 dapat diketahui bahwa nilai statistik Durbin-Watson sebesar 2,18, 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 4.6
Gambaran Jumlah Kasus Penelitian
Case Processing Summary
Unweighted Casesa N Percent
Selected Cases Included in Analysis 34 100.0
Missing Cases 0 .0
Unselected Cases 0 .0
Total 34 100.0
a. If weight is in effect, see classification table for the total number of cases.
Berdasarkan tabel 4.6 dapat diketahui bahwa jumlah seluruh kasus yang diolah dalam penelitian ini adalah 34 perusahaan, namun setelah dilakukan uji kelayakan model ternyata kasus yang dapat dianalisis sebesar 34 kasus yaitu 100% dari semua jumlah kasus.
Tabel 4.7 Variabel dependen
Dependent Variabel Encoding
Original Value Internal Value
metode FiFo 0
metode rata-rata 1
Tabel 4.7 menunjukkan bahwa nilai yang diberikan untuk variabel dependen dimana variabel ini adalah variabel yang menggunakan variabel dummy yaitu 1 dan 0.
Tabel 4.8
Nilai -2LogL untuk Model yang Hanya Memasukkan Konstanta
Iteration Historya,b,c
Iteration -2 Log likelihood
Coefficients Constant Step 0 1 34.748 1.176 2 34.575 1.342 3 34.575 1.350 4 34.575 1.350
a. Constant is included in the model. b. Initial -2 Log Likelihood: 34.575
Iteration Historya,b,c
Iteration -2 Log likelihood
Coefficients Constant Step 0 1 34.748 1.176 2 34.575 1.342 3 34.575 1.350 4 34.575 1.350
a. Constant is included in the model. b. Initial -2 Log Likelihood: 34.575
c. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.
Tabel 4.9
Nilai -2LogL untuk Model dengan Konstanta dan Variabel Bebas
Iteration Historya,b,c,d
Iteration -2 Log likelihood
Coefficients Constant VP MLK FL RL Step 1 1 31.497 3.562 -1.492 -.248 .443 -.128 2 30.659 4.542 -1.989 -.295 .809 -.164 3 30.613 4.621 -2.045 -.290 1.000 -.167 4 30.613 4.615 -2.045 -.288 1.025 -.167 5 30.613 4.615 -2.045 -.288 1.026 -.167 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 34.575
d. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.
Tampilan output SPSS memberikan 2 nilai -2LogL yaitu untuk model yang hanya memasukkan konstanta (tabel 4.8) dan untuk model dengan konstanta dan variabel bebas (tabel 4.9). Nilai -2LogL yang hanya memasukkan konstanta adalah sebesar 34,575, sedangkan nilai -2LogL untuk model dengan konstanta dan
variabel bebas adalah30,613. Penurunan nilai -2LogL adalah sebesar 3,962 yaitu dari 34,575 menjadi 30,613 mengindikasikan bahwa model fit dengan data, hal ini berarti bahwa dengan adanya penambahan variabel variabilitas persediaan, margin laba kotor, financial leverage dan rasio lancar ternyata dapat memperbaiki model fit.
4.2.4. Koefisien Determinasi
Koefisien determinasi digunakan untuk mengetahui seberapa besar variabilitas variabel-variabel independen mampu memperjelas variabilitas variabel dependen. Koefisien determinasi pada regresi logistik dapat dilihat pada nilai Nagelkerke R Square. Nilai Nagelkerke R Square dapat diinterpretasikan seperti nilai R Square pada multiple regression (Ghozali, 2006 : 233). Nilai ini didapat dengan cara membagi nilai Cox & Snell R Square dengan nilai maksimumnya.
Tabel 4.10
Tabel Nagelkerke R Square Model Summary
Step -2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
1 30.613a .110 .172
a. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.
Tabel di atas menunjukkan nilai Nagelkerke R Square. Dilihat dari hasil output pengolahan data nilai Nagelkerke R Square adalah sebesar 0,172 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen hanyalah sebesar 17,2%, sisanya sebesar 82,8% (100%-17,2%) dijelaskan
variabilitas variabel-variabel lain di luar model penelitian.
4.2.5. 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 kriteri sebagai berikut:
a. 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.
b. 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 digambarkan melalui tabel 4.10 : Tabel 4.11
Nilai Statistics Hosmer and Lemeshow’s Goodness of Fit Test
Hosmer and Lemeshow Test Step Chi-square Df Sig.
1 10.028 8 .263
Berdasarkan pengujian nilai statistik Hosmer dan Lemeshow Goodness of Fit adalah sebesar 10,028 dengan probabilitas signifikansi sebesar 0,263, 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.
4.2.6. Pengujian Hipotesis ( Regresi Logistik)
Pengujian hipotesis dengan menggunakan regresi logistik dilakukan dengan memasukkan seluruh variabel ukuran perusahaan, financial leverage, variabilitas persediaan dan margin laba kotor pada pemilihan metode akuntansi persediaan. Pengujian bertujuan untuk melihat pengaruh ukuran perusahaan, financial leverage, variabilitas persediaan dan margin laba kotor terhadap pemilihan metode persediaan. Hasil pengujian regresi logistik disajikan dalam tabel 4.12 dan