A. Analisis Statistik Deskriptif
Statistik deskritif digunakan untuk menjelaskan atau menggambarkan berbagai karakteristik data seperti beberapa rata-ratanya, seberapa jauh data-data bervariasi dan sebagainya. Data-data statistik yang dapat diperoleh dari hasil sensus, survai atau pengamtan lainnya umumnya masih acak (mentah) dan tidak terorganisir dengan baik (raw data). Data-data tersebut harus diringkas dengan baik dan teratur, baik dalam bentuk tabel atau persentasi grafis sebagai dasar untuk bebagai pengambilan keputusan.
Tabel 1
Analisis Statistik Deskriptif Metode FIFO dan Metode Average
dengan Tingkat Pengembalian Investasi
Descriptive Statistics MetFifo Met.Averag P.lnvestasi Valid N (listwise) N 22 22 22 22 Minimum 25122.00 33835.00 -.1070 Maximum 96244.00 110625.0 .7960 Sum 1247440 1480209 3.1510 Mean 56701.82 67282.23 .143227 Std. Deviation 22098.68006 22047.57407 .1880851
Sumber : Data Hasil Pengolahan SPSS
Dari output statistik deskriptif pada tabel 1 di atas dapat diketahui bahwa :
1. Rata-rata metode FIFO adalah sebesar 56.701,82 dengan standar deviasi 22.098,68. total metode FIFO 1.247.440 dengan metode FIFO minimum 25.122 dan maksimum 96.244. Hal ini berarti standar deviasi metode FIFO lebih kecil dari rata-rata metode FIFO, oleh karena lebih kecil dari
rata-rata hal ini menunjukan bahwa metode FIFO relatif kurang
berfluktuasi.
2. Rata-rata metode Average adalah sebesar 67.283,23 dengan standar deviasi 22.047,57. total metode Average 1.480.209 dengan metode
Average minimum 33.835 dan maksimum 110.625. Hal ini berarti standar deviasi metode Average lebih kecil dari rata-rata metode Average, oleh karena lebih kecil dari rata-rata hal ini menunjukan bahwa metode Average relatif kurang berfluktuasi.
3. Rata-rata tingkat pengembalian investasi adalah sebesar 0.143.227 dengan standar deviasi 0.1.880851 total tingkat pengembalian investasi 3.1.510 dengan tingkat pengembalian investasi minimum -0.1.070 dan maksimum 0.7.960. Hal ini berarti standar deviasi tingkat pengembalian investasi lebih besar dari rata-rata tingkat pengembalian investasi, oleh karena lebih besar dari rata-rata hal ini menunjukan bahwa tingkat pengembalian investasi relatif sangat berfluktuasi.
B. Uji As urn si Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan variabel independen atau keduanya mempunyai distribusi normal ataukah tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal.
1. Uji Normaiitas Metode FIFO
Gambar 4.1 Charts
Histogram
Dependent Variable: P.lnvestasi
= 1 .04 -10
Regression Standardized jjf Residual n"= 22 Normal P-P Plot of Regression
Standardized Residual Dependent Variable: P.lnvestasi
1.0
O.Q 0. .S 1 .0
Observed Cum Prob
Dari grafik histrogram maupun grafik normal plot di atas dapat di simpulkan bahwa grafik histrogram memberikan pola distribusi yang
mendekati normal. Sedangkan pada grafik normal plot terlihat titik-titik menyebar disekitar garis diagonal, serta penyebaranya mengikuti arah
diagonal. Kedua grafik ini menunjukan bahwa model regresi untuk metode
2. Uji Normalitas Metode Average
Gambar 4.1.2. Charts
Histogram
Dependent Variable: P.lnvestasi
•/lean = -2.34
_1 0 1 2 3 4 E-1i5
Regression Standardized ^v,1?^ =
Residual n'«*22
Normal P-P Plot of Regression
Standardized Residual
Dependent Variable: P.lnvestasi 1 .0
O.O O.2 O.4 O.<; O.S "I .O
Observed Cum Prob
Dari grafik histrogram maupun grafik normal plot di atas dapat di simpulkan bahwa grafik histrogram memberikan pola distribusi yang
mendekati normal. Sedangkan pada grafik normal plot terlihat titik-titik menyebar disekitar garis diagonal, serta penyebaranya mengikuti arah
diagonal. Kedua grafik ini menunjukan bahwa model regresi untuk metode
C. Uji Asumsi Multicolinier
Uji multicolinier bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (Independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas.
Tabel. 2
Uji Asumsi Multicolinier Coefficients a Model 1 MetFifo Met.Averag Collinearity Statistics Tolerance .052 .052 VIF 19.188 19.188 a. Dependent Variable: P.lnvestasi
Coefficient Correlations Model 1 Correlations - Met.Averag MetFifo Covariances MetAverag Met.Fifo MetAveraq 1.000 -.974 .000 .000 Met.Fifo -.974 1.000 .000 .000 a. Dependent Variable: P.lnvestasi
sumber : Data Hasil Pengolahan SPSS
Melihat hasil besaran korelasi antar variabel bebas tampak bahwa hanya variabel Metode FIFO yang mempunyai korelasi cukup tinggi dengan variabel Meode Average dengan tingkat korelasi sebesar - 0.974 atau sekitar 97%. Oleh karena ini sudah di atas 90%, maka dapat dikatakan terjadi multikolinieritas yang serius. Hasil perhitungan nilai toleran menunjukan adanya variabel bebas yang memiliki nilai toleran kurang dari 10% yang berarti ada korelasi antar variabel bebas yang nilainya lebih dari 95%.
Hasil perhitungan nilai varian inflationfactor (VIF) juga menunjukan hal yang sama yaitu variabel bebas memiliki nilai VIF lebih dari 10.
Jadi dapat di simpulkan bahwa ada multicolinieritas antar variabel bebas dalam model regresi.
D. Uji Hipotesis
1. Analisis Metode FIFO Terhadap Tingkat Pengembalian Investasi a. Analisis Regresi Sederhana
Analisis regresi ini digunakan untuk memprediksi apakah metode FIFO dan Metode Average (variabel bebas) berpengaruh terhadap tingkat pengembalian investasi (variabel terikat). Analisis regresi dilakukan bila dua variabel berupa hubungan kausal atau fungsional.
Berdasarkan perhitungan secara komputer dengan menggunakan metode SPSS maka di dapat hasil pengujian sebagai berikut:
Tabel. 3
Koefisien Metode FIFO terhadap Tingkat Pengembalian Investasi
Coefficients Model 1 (Constant) MetFifo Unstandardized Coefficients B .306 .000 Std. Error .101 .000 Standardized Coefficients Beta -.334 t 3.044 -1.583 Sig. .006 .129
a Dependent Variable: P.lnvestasi
Maka Y = 0.306 + 0.000 + 0.101, artinya setiap kenaikan 1 point (metode FIFO) maka akan mengakibatkan pemirunan 0.000 bagi tingkat pengembalian investasi.
Dilihat dari output regresi pada tabel 3 diatas dapat diketahui bahwa
koefisien metode FIFO bertanda positif dan tidak signifikan . Ini berarti
bahwa Ha diterima walaupun tidak secara signifikan berpengaruh terhadap tingkat pengembalian investasi, karena tingakat koefisien metode FIFO 0,129 lebih besar dari 0,05.
b. Pengujian Koefisien Regresi
Berdasarkan pengujian F hitung dan F tabel dari hasil perhitungan SPSS dengan batuan tabel ANOVA yaitu :
Tabel. 4
Uji Metode FIFO Terhadap Tingkat Pengembalian Investasi
ANOVA 1 Regression Residual Total Sum of Squares .071 .564 .635 df 1 20 21 Mean Square .071 .028 F 2.507 SiQ. .129(a)
a Predictors: (Constant), Met.Fifo
b Dependent Variable; P.Investasi
Dari uji ANOVA F hitung didapat 2.507 dengan tingkat signifikan 0,129. Oleh karena probabilitas 0,129 lebih besar dari 0,05, maka Ha diterima Ho ditolak. Ini berarti bahwa metode FIFO tidak berpengaruh secara signifikan terhadap tingkat pengembalian investasi.
2. Analisis Metode Average Terhadap Tingkat Pengembalian Investasi a. Analisis Regresi Sederhana
Berdasarkan perhitungan secara komputer dengan menggunakan metode SPSS maka di dapat hasil pengujian sebagai berikut:
Tabel. 5
Koefisien Metode Average Terhadap Tingkat Pengembalian Investasi
Coefficients Mode! 1 (Constant) MetAvera 9 Unstandardized Coefficients B .282 .000 Std. Error .121 .000 Standardized Coefficients Beta -.234 t 2.327 -1.079 Sig. .031 .294
a Dependent Variable: P.lnvestasi
Maka Y = 0.282 + 0.000 + 0.121, artinya setiap kenaikan 1 point
(Metode Average) maka akan mengakibatkan penurunan 0.000 bagi tingkat pengembalian investasi.
Dilihat dari output regresi pada tabel 3 diatas dapat diketahui bahwa koefisien metode average bertanda positif dan tidak signifikan . Ini
berarti bahwa Ha diterima walaupun tidak secara signifikan berpengaruh
terhadap tingkat pengembalian investasi, karena tingakat koefisien metodeaverage 0,294 lebih besar dari 0,05. b. Pengujian Koefisien Regresi
Berdasarkan pengujian F hitung dan F tabel dari hasil perhitungan SPSS dengan batuan tabel ANOVA yaitu :
Tabel. 6
Uji F Metode Average Terhadap Tingkat Pengembalian Investasi ANOVA Model 1 Regression Residual Total Sum of Squares .035 .600 .635 df 1 20 21 Mean Square .035 .030 F 1.164 Sig. .294(a)
a Predictors: (Constant), MetAverag b Dependent Variable: P.lnvestasi
Dari uji ANOVA F hitung didapat 1.164 dengan tingkat signifikan
0,294. Oleh karena probabilitas 0,294 lebih besar dari 0,05, maka Ha
diterima Ho ditolak. Ini berarti bahwa metode average tidak berpengaruh
secara signifikan terhadap tingkat pengembalian investasi.Dari hasil uji hipotesis dapat disimpulkan bahwa metode FIFO dan metode Average dalam penilaian persediaanberpengaruh walaupun tidak signifikan terhadap tingkat pengembalian investasi.
Dari hasil uji multicolinier menunjukan bahwa metode FIFO dan metode Average mempunyai multikol dengan tin'gkat korelasi -0.974, Ini berarti bahwa untuk pengukuran penilaian persediaan cukup dipakai salah
satu saja yaitu metode FIFO atau metode Average. E. Uji Asumsi Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah sebuah model regresi
linier ada korelasi antara kesalahan pengganggu pada model t dengan kesalahan
pada model t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem
autokorelasi. Tentu saja model regresi yang baik adalah regresi yang bebas dari
autokorelasi.
Deteksi adanva Autokorelasi: Besaran Durbin-Watson
Panduan mengenai angka D-W (Durbin-Watson) untuk mendeteksi autokorelasi bisa dilihat pada tabel D-W, yang bisa dilihat pada buku statistik yang relevan,
* Angka D-W di bawah -2 berarti ada autokorelasi positif
* Angka D-W di antara -2 sampai +2 berarti tidak ada autokorelasi * Angka D-W di bawah +2 berarti ada autokorelasi negatif
1. Uji Autokorelasi Metode FIFO
TabeL7 Model Summary* Model 1 R .334a R Square .111 Adjusted R Square .067 Std. Error of the Estimate .1679692 Durbin-Watson 1.635
a- Predictors: (Constant), MetFifo b. Dependent Variable: P.lnvestasi
Berdasarkan tabel. 7 model summary, terlihat angka sebesar 1.635. hal ini berarti model regresi di atas tidak terdapat masalah autokorelasi.
2. Uji Autokorelasi Metode Average Tabel. 8 Model Summary6 Model 1 R .234a R Square .055 Adjusted R Square .008 Std. Error of the Estimate .1732166 Durbin-Watson 1.754 a- Predictors: (Constant), MetAverag
b. Dependent Variable: P.lnvestasi
Berdasarkan tabel. 7 model summary, terlihat angka sebesar 1.754. hal ini berarti model regresi di atas tidak terdapat masalah autokorelasi.
F. Uji Asumsi Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji pengamatan dalam model regresi,
terjadi ketidaksamaan varians dari residual dari suatu pengamatan ke pemgamatan yang lainjika varians dari residual dari suatu pengamatan ke pengamatan yang lain tetap. Maka disebut homoskedastisitas, dan jikavarians berbeda disebut heteroskedastisitas. Model regresi yang baik adalahtidak terjadi heteroskedastisitas.
1. Uji Heteroskedastisitas Metode FIFO Gambar. 4.1.3
Scatterplot
Dependant Variable: P. In vestas I
Regression Standardized Predicted Value
Dari grafik di atas, terlihat titik-titik menyebar secara acak, titik dalam bentuk sebuah pola tertentujelas, serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. hal ini berarti tidak terjadi heteroskedastisitas pada model regresi l;ayak dipakai dan prediksi tingkat pengembalian investasi bedasarkan masukan variabel independennya.
2. Uji Heteroskedastisitas Metode Average
Gam bar. 4.1.4
Scatterplot
Dependent Variable: P.Investasi
Regression Standardized Predicted Value
Dari grafik di atas, terlihat titik-titik menyebar secara acak, titik dalam
bentuk sebuah pola tertentujelas, serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. hal ini berarti tidak terjadi heteroskedastisitas pada
model regresi l;ayak dipakai dan prediksi tingkat pengembalian investasi bedasarkan masukan variabel independennya.
G. Analisis Metode Penilaian Persediaan
Pada sub bab ini, penulis akan menganalisis metode persediaan yang ditinjau melalui metode FIFO dan metode Average perusahaan yang dijadikan sampel sebagai bahan penelitian.
Tujuan dari analisis adalah untuk melihat gambaran tentang kemampuan suatu perusahaan dalam tingkat pengembalian investasi suatu perusahaan dengan membandingkan metode penilaian persediaan yaitu antara metode FIFO dan
metode Average dalam penelitian ini. Jika dilihat dari persediaan akhir metode FIFO dan metode Average pada perusahaari Tekstil dan Garmen Di Bursa Efek Jakarta pada tahun 2003.
1. Analisis Metode FIFO
Metode FIFO digunakan oleh perusahaan biasanya pada waktu periode inflasi atau harga-harga meningkat, biaya per unit paling awal lebih rendah dari biaya per unit paling akhir, sehingga tingginya laba kotor yang dihasilkan hanya bersifat sementara karena persediaan hams kembali diganti dengan terus meningkat. Bahkan neraca akan melaporkan persediaan akhir barangdagang pada jumlah yang kurang lebih sama dengan biaya pengganti saat ini. Metode FIFO sering kali dinamakan dengan laba persediaan (Inventory Profit) atau iaba ilusi (Illusory Profit), sehingga perusahaan harus memperhatikan bahwa dalam periode deflasi atau harga-harga menurun, dampaknya akan terbalik.
2. Analisis Metode Average
Metode biaya rata-rata (Average) merupakan titik tengah antara FIFO dan LIFO. Dampak dari trend harga di rata-ratakan dalam menentukan harga pokok penjualan dan persediaan akhir. Untuk serangkain pembelian biaya rata-rata sama terlepas dari arah trend harga, sehingga tidak akan mempengaruhi pelaporan harga pokok penjualan, laba kotor atau persediaan akhir.
Dari hasil analisis metode penilaian persediaan sebagian besar perusahaan Tekstil dan Garmen di Bursa Efek Jakarta menggunakan metode Average, karena hasil akhir persediaan Average lebih besar di banding metode FIFO dan tidak terpengaruh dengan adanya periode inflasi atau deflasi.
A. Kesimpulan
Berdasarkan hasil analisis dan pembahasan yang telah dilakukan mengenai pengaruh metode penilaian persediaan terhadap tingkat pengembalian investasi, maka pada bagian ini akan dikemukakan beberapa kesimpulan antara lain sebagai berikut:
1. Hasil uji F menunjukan bahwa metode FIFO dan metode Average tidak berpengaruh secara signifikan terhadap tingkat pengembalian investasi. 2. Hasil uji koefisien koreiasi menunjukan bahwa metode FIFO dan metode
Average berpengaruh terhadap tingkat pengembalian investasi walupuntidak signifikan, karenakoefisien metode FIFO dan metode Average bertanda positif. Tanda koefisien yang positif menunjukan bahwa semakin tinggi metode FIFO dan metode Average semakin tinggi pula tingkat pengembalian investasi.
3. Dari hasil analisis antara metode FIFO dan metode Average berdasarkan penilaian persediaan, sebagian besar perusahaan lebih memakai metode Average karena metode Average merupakan titik tengah antara metode FIFO dan LIFO dan tidak terpengaruh dengan periode inflasi atau deflasi. Dampak dari trend harga di rata-ratakan dalam menentukan harga pokok penjualan dan persediaan akhir.
4. Dari hasil uji multicolinier menyatakan bahwa metode FIFO dan metode Average ada multicolinier antara variabel bebas dalam model regresi, karena variabel bebas memiliki nilai VIF lebih dari 10.
5. Dari hasil uji autokorelasi antara metode FIFO dan metode Average tidak terjadi koreiasi, hal ini berarti metode FIFO dan metode Average adalah regresi yang bebas dari autokorelasi
6. Dari hasil uji heteroskedastisitas menyatakan bahwa metode FIFO dan metode Average tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak di pakai.
B. Saran
Berdasarkan kesimpulan di atas, maka penulis menyarankan hal-hal yang mungkin dapat menjadi bahan pertimbangan perusahaan untuk kemajuan perusahaan yaitu :
1. Para investor dalam membuat keputusan meyangkut investasi baik pada tingkat pengembalian investasi, hedaknya memperhatikan tingkat profitabilitas, metode penilaian persediaan dari peusahaan dalam melihat - pertumbuhan investasi.
2. Untuk perusahaan Tekstil dan Garmen agar lebih meningkatkan kualitas dan kuantitas sebuah produk, sehingga dapat mampu bersaing dengan pesaing yang lain di pasaran internasional.
3. Penulis menyadari banyaknya kelemahan dalam melakukan penelitian dengan menggunakan analisa metode penilaian persediaan selain mengabaikan unsur-unsur kualitatif seperti manajemen, ekonomi, dan kebijakan-kebijakan yang mungkin dapat mempengaruhi perhitungan dari penelitian ini.
