BAB IV HASIL PENGUJIAN
IV.1
Gambaran Populasi dan Sampel Pada penelitian ini, peneliti menggunakan sampel perusahaan manufaktur yang bergerak di industri consumer goods yang ada di Bursa Efek Indonesia (BEI), sehingga populasi yang diambil adalah seluruh perusahaan manufaktur yang bergerak di industri consumer goods yang terdaftar di Bursa Efek Indonesia. Dalam melakukan pemilihan sampel, peneliti menggunakan teknik purposive sampling karena adanya kriteria tertentu dalam menentukan sampel yang akan digunakan dalam penelitian ini. Berikut adalah tabel yang dapat memberikan gambaran lebih jelas atas pemilihan sampel yang akan digunakan dalam penelitian ini : Tabel IV.1 Jumlah Sampel Yang Memenuhi Kriteria Perusahaan manufaktur yang bergerak di industri Consumer Goods yang terdaftar di Bursa Efek Indonesia tahun 2007-2009 Perusahaan yang mengalami delisting selama tahun pengamatan 2007-2009 Perusahaan yang laporan keuangannya tidak lengkap selama tahun pengamatan 2007-2009 Perusahaan yang menggunakan lebih dari 1 metode penilaian persediaan selama tahun pengamatan 2007-2009 Total Sampel
35 perusahaan
(3 perusahaan) (10 perusahaan) (5 perusahaan)
17 perusahaan
Sumber : Data diolah sendiri
41
Dari total sampel yang didapat, yaitu 17 perusahaan manufaktur yang bergerak di industri consumer goods, masing-masing perusahaan tersebut ada yang menggunakan metode FIFO dan ada yang menggunakan metode rata-rata (average) dalam menilai persediaan. Masing-masing perusahaan sampel tersebut menggunakan metode penilaian persediaan yang sama secara konsisten selama tahun pengamatan, yaitu tahun 2007-2009. Berikut adalah tabel yang memberikan gambaran yang lebih jelas terhadap banyaknya perusahaan yang menggunakan metode FIFO dan yang menggunakan metode rata-rata (average) dalam menilai persediaan : Tabel IV.2 Kelompok Perusahaan Sampel Berdasar Metode Penilaian Persediaan Yang Digunakan Metode
Frequency Valid
6
35,3
Valid Percent 35,3
Cumulative Percent 35,3
Average
11
64,7
64,7
100,0
Total
17
100,0
100,0
FIFO
Percent
Sumber : Data diolah SPSS 19
Dari tabel IV.2, dapat dilihat bahwa perusahaan yang menggunakan metode rata-rata dalam menilai persediaan lebih banyak dibandingkan dengan perusahaan yang menggunakan metode FIFO dalam menilai persediaan dikarenakan metode rata-rata dapat membantu perusahaan dalam melakukan penghematan pajak (tax saving) walaupun laba yang dihasilkan lebih kecil dibandingkan jika menggunakan metode FIFO yang dapat menghasilkan laba yang lebih besar, sehingga tidak dapat melakukan penghematan pajak. 42
IV.2
Pengujian Statistik Deskriptif Berikut adalah tabel yang menunjukkan hasil pengujian statistik deskriptif dari variabel dependen dan variabel independen yang digunakan dalam penelitian ini : Tabel IV.3 Hasil Analisis Statistik Deskriptif
Struktur Kepemilikkan (X1) Ukuran Perusahaan (X2) Financial Leverage (X3) Variabilitas Persediaan (X4) Rasio Lancar (X5)
,67
Std. Deviation ,516
Minimum 0
Maximum 1
FIFO
N 6
Average
11
,73
,467
0
1
Total
17
,71
,470
0
1
FIFO
Mean
6
874,0665
541,63049
301,83
1428,81
Average
11
2160,6533
4533,81342
,62
15456,50
Total
17
1706,5638
3652,46441
,62
15456,50
FIFO
6
,2367
,21676
,02
,56
Average
11
,2036
,26447
,03
,87
Total
17
,2153
,24221
,02
,87
FIFO
6
,1483
,06274
,07
,21
Average
11
,2536
,11298
,06
,43
Total
17
,2165
,10908
,06
,43
FIFO
6
3,7483
2,76488
,93
7,08
Average
11
3,5509
2,90694
1,05
10,98
Total
17
3,6206
2,77125
,93
10,98
Sumber : Data diolah SPSS 19
Berdasarkan tabel IV.3, diketahui nilai rata-rata (mean), standar deviasi (std. deviation), nilai minimum (minimum), dan nilai maximum (maximum) dari variabel struktur kepemilikan, ukuran perusahaan, financial leverage, variabilitas persediaan, dan rasio lancar dengan menggunakan metode FIFO maupun metode average dan jumlah data yang diobservasi untuk masing-masing variabel independen dalam penelitian ini ada 17 (6 perusahaan yang menggunakan metode FIFO dan 11 perusahaan menggunakan metode average). 43
Dari tabel IV.3 di atas, dapat dilihat bahwa nilai rata-rata variabel struktur kepemilikan, financial leverage dan rasio lancar berbeda jika dilihat dari metode FIFO dan metode rata-rata (average), tetapi perbedaan nilai rata-ratanya tidak begitu besar. Untuk variabel ukuran perusahaan dan variabilitas persediaan adanya perbedaan nilai rata-rata yang cukup besar jika menggunakan metode FIFO atau metode rata-rata. Nilai rata-rata ukuran perusahaan yang menggunakan metode FIFO adalah 874,0665, sedangkan nilai rata-rata ukuran perusahaan yang menggunakan metode rata-rata (average) adalah 2160,6533. Nilai rata-rata variabilitas persediaan yang menggunakan metode FIFO adalah 0,1483, sedangkan nilai rata-rata variabilitas persediaan yang menggunakan metode rata-rata (average) adalah 0,2536. Dari nilai rata-rata tersebut dapat diketahui adanya perbedaan metode FIFO dan metode rata-rata (average) pada ukuran perusahaan dan variabilitas persediaan. Namun, untuk mengetahui lebih lanjut apakah terdapat perbedaan yang signifikan pada metode penilaian persediaan sesuai dengan PSAK 14 (revisi 2008) terhadap seluruh variabel independen dalam penelitian ini, maka akan dilakukan pengujian statistik dengan menggunakan model regresi logistik biner.
IV.3
Pengujian Statistik Dengan Menggunakan Regresi Logistik
IV.3.1 Banyaknya Perusahaan Yang Dianalisa Dari tabel IV.1 menunjukkan didapat 17 sampel perusahaan manufaktur yang bergerak di industri consumer goods yang memenuhi kriteria untuk diteliti pada penelitian ini. Untuk melakukan pengujian hipotesis dengan menggunakan regresi logistik biner, maka harus memasukkan jumlah sampel yang diteliti. 44
Berikut adalah tabel yang menunjukkan jumlah sampel perusahaan yang dianalisa dengan menggunakan regresi logistik biner : Tabel IV.4 Jumlah Sampel Yang Dimasukkan Dalam Regresi Logistik Biner Untuk Dianalisa Case Processing Summary Unweighted Cases Selected Cases
a
N Included in Analysis
Percent 17
100.0
0
.0
17
100.0
0
.0
17
100.0
Missing Cases Total Unselected Cases Total
a. If weight is in effect, see classification table for the total number of cases.
Sumber : Data diolah SPSS 19
IV.3.2 Pengkodean Variabel Dependen Model regresi logistik biner digunakan pada penelitian ini karena variabel dependen bersifat dikotomi, yaitu metode penilaian persediaan yang sesuai dengan PSAK 14 (revisi 2008), dimana hanya ada dua metode yang boleh digunakan untuk menilai persediaan, yaitu metode FIFO dan metode rata-rata (average). Berikut adalah tabel pengkodean untuk variabel dependen dalam model regresi logistik biner : Tabel IV.5 Kode Untuk Metode Penilaian Persediaan Sesuai Dengan PSAK 14 (Revisi 2008) Dependent Variable Encoding Original Value
Internal Value
FIFO
0
Average
1
Sumber : Data diolah SPSS 19
45
Dari hasil output regresi logistik biner dengan menggunakan software SPSS versi 19, menunjukkan hasil input data yang digunakan pada variabel dependen (metode penilaian persediaan sesuai dengan PSAK 14 (revisi 2008)), yaitu metode FIFO diberi kode 0 dan metode rata-rata (average) diberi kode 1.
IV.3.3 Uji Kelayakan Model Regresi Logistik Pada penelitian ini, uji asumsi klasik (uji normalitas) tidak diperlukan pada model regresi logistik, tetapi perlu dilakukannya pengujian kelayakan model regresi logistik (overall model fit). Untuk melakukan uji kelayakan model regresi logistik yang akan digunakan pada penelitian ini, maka akan dilakukan dengan beberapa uji statistik. Beberapa uji statistik yang akan digunakan adalah likelihood, Cox and Snell’s R Square dan Nagelkerke R Square, dan Hosmer and Lemeshow’s Goodness of Fit. Berikut adalah hasil dari uji statistik yang disebutkan sebelumnya : 1. Uji Likelihood Tabel IV.6 Uji Likelihood Yang Memasukkan Konstanta (Block Number = 0) Iteration Historya,b,c Coefficients Iteration Step 0
-2 Log likelihood
Constant
1
22.076
.588
2
22.074
.606
3
22.074
.606
a. Constant is included in the model. b. Initial -2 Log Likelihood: 22.074 c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.
Sumber : Data diolah SPSS 19
46
Tabel IV.7 Uji Likelihood Yang Memasukkan Konstanta dan Seluruh Variabel Independen (Block Number = 1)
Model Summary
Step 1
-2 Log
Cox & Snell R
Nagelkerke R
likelihood
Square
Square
15.811a
.308
.424
a. Estimation terminated at iteration number 6 because parameter estimates changed by less than .001.
Sumber : Data diolah SPSS 19
Untuk mempermudah melihat penurunan nilai antara model regresi logistik biner yang memasukkan konstanta saja dan model yang memasukkan konstanta dan seluruh variabel independen pada penelitian ini, maka dibuat tabel sebagai berikut : Tabel IV.8 Hasil Pengujian Likelihood -2Log Likelihood (block number = 0) -2Log Likelihood (block number = 1) Hasil Perbandingan
22.074 15.811 6.263
Hasil pengujian Likelihood L yang telah dilakukan dengan menggunakan software SPSS menggambarkan hasil -2LogL (block number = 0) yang hanya memasukkan konstanta saja adalah 22.074 dan -2LogL (block number = 1) yang memasukkan konstanta dan seluruh variabel independen adalah 15.811, dari hasil tersebut terjadinya penurunan nilai -2LogL sebesar 6.263. Adanya pengurangan nilai antara -2LogL blok pertama (block number = 0) dengan nilai -2LogL blok
47
kedua (block number = 1) menunjukkan bahwa model yang dihipotesiskan fit dengan data dan penambahan variabel independen kedalam model memperbaiki model fit. Hasil dari pengujian regresi logistik biner menunjukkan bahwa model regresi logistik biner yang memasukkan konstanta saja pada penelitian ini memiliki tingkat akurasi sebesar 64,7%. Berikut adalah tabel keakuratan dengan model yang hanya memasukkan konstanta saja : Tabel IV.9 Tingkat Keakuratan Dengan Memasukkan Konstanta Classification Tablea,b Predicted Metode Observed Step 0
Metode
FIFO
Percentage
Average
Correct
FIFO
0
6
.0
Average
0
11
100.0
Overall Percentage
64.7
a. Constant is included in the model. b. The cut value is .500
Sumber : Data diolah SPSS 19
Tetapi, setelah model regresi logsitik biner memasukkan konstanta dan keseluruhan variabel independen dalam penelitian ini, memiliki tingkat keakuratan sebesar 76,5% dan menunjukkan bahwa model yang telah memasukkan konstanta dan variabel independen lebih baik. Berikut adalah tabel yang menunjukkan persentase tingkat keakuratan dengan memasukkan konstanta dan seluruh variabel independen pada penelitian ini :
48
Tabel IV.10 Tingkat Keakuratan Dengan Memasukkan Konstanta dan Seluruh Variabel Independen Classification Tablea Predicted Metode Observed Step 1
Metode
FIFO
Percentage
Average
Correct
FIFO
4
2
66.7
Average
2
9
81.8
Overall Percentage
76.5
a. The cut value is .500
Sumber : Data diolah SPSS 19
2. Hasil Cox and Snell R Square dan Nagelkerke R Square Tabel IV.11 Hasil Pengujian Cox and Snell R Square dan Nagelkerke R Square Model Summary
Step 1 a.
-2 Log likelihood 15.811a
Cox & Snell R Square ,308
Nagelkerke R Square ,424
Estimation terminated at iteration number 6 because parameter estimates changed by less than .001.
Sumber : Data diolah SPSS 19
Hasil pengujian yang dilakukan juga mendapatkan hasil Nagelkerke R Square adalah 0,424, artinya variabel metode penilaian persediaan sesuai dengan PSAK 14 (revisi 2008) (variabel dependen) pada penelitian ini mampu dijelaskan oleh variabel struktur kepemilikan, ukuran perusahaan, financial leverage, variabilitas persediaan, dan rasio lancar (variabel-variabel independen) yang digunakan pada penelitian ini sebanyak 42,4%, sementara 57,6% dapat 49
dijelaskan oleh variabel-variabel lain di luar model penelitian. Atau, jika dijelaskan dengan Cox and Snell R Square dapat dijelaskan bahwa variabel dependen dapat dijelaskan oleh variabel independen sebesar 30,8%, sementara sisanya 69,2% dapat dijelaskan oleh variabel lain yang tidak digunakan pada penelitian ini.
3. Uji Hosmer and Lemeshow’s Goodness of Fit Tabel IV.12 Hasil Pengujian Hosmer and Lemeshow Hosmer and Lemeshow Test Step 1
Chi-square 7,205
Df
Sig. 7
,408
Sumber : Data diolah SPSS 19
Hasil dari pengujian Hosmer and Lemeshow’s Goodness of Fit yang dapat dilihat di tabel IV.12 menunjukkan hasil signifikansi Hosmer and Lemeshow adalah 0,408 dan hasil ini berada di atas 0,05, sehingga dapat disimpulkan bahwa model regresi logistik biner yang digunakan mampu memprediksi nilai observasinya dan hipotesis nol tidak dapat ditolak atau model dikatakan fit.
IV.3.4 Pengujian Hipotesis Setelah dilakukannya pengujian kelayakan model regresi dan didapat bahwa model regresi logistik biner dapat digunakan pada penelitian ini, maka dilanjutkan dengan dilakukannya pengujian hipotesis menggunakan regresi 50
logistik biner. Berikut adalah hasil pengujian hipotesis secara parsial dan hasil uji hipotesis secara bersama-sama (simultan).
IV.3.4.1 Hasil Uji Hipotesis Secara Parsial Dalam uji hipotesis untuk hipotesis 1 (satu) sampai dengan hipotesis 5 (lima) dengan menggunakan regresi logistik biner cukup dengan melihat tabel Variables in the Equation, pada kolom signifikansi dibandingkan dengan tingkat signifikansi yang digunakan dalam model regresi logistik adalah α = 5% (0,05). Jika tingkat signifikansi > 0,05, maka Ho diterima, sedangkan jika tingkat signifikansi < 0,05, maka Ha diterima. Uji hipotesis 1 (satu) sampai dengan hipotesis 5 (lima) adalah untuk melihat hubungan secara parsial masing-masing variabel independen terhadap variabel dependen. Berikut adalah hasil pengujian hipotesis secara parsial dengan menggunakan regresi logistik biner yang disajikan dalam bentuk tabel : Tabel IV.13 Hasil Pengujian Hipotesis Secara Parsial Variables in the Equation
Step a 1
StrukturKepemilikkanX1(1) UkuranX2 FinancialLeverageX3 VariabilitasPersediaanX4 RasioLancarX5 Constant
B -.593
S.E. 1.503
Wald .156
df 1
Sig. .693
Exp(B) .553
.000
.000
.258
1
.611
1.000
-.638
2.646
.058
1
.810
.529
16.741
9.405
3.169
1
.075
18638197.594
.286
.313
.833
1
.361
1.331
-3.591
2.749
1.707
1
.191
.028
a. Variable(s) entered on step 1: StrukturKepemilikkanX1, UkuranX2, FinancialLeverageX3, VariabilitasPersediaanX4, RasioLancarX5.
Sumber : Data diolah SPSS 19
51
Untuk mempermudah melakukan analisis antara tingkat signifikansi dari hasil pengujian regresi logistik biner yang akan dibandingkan dengan tingkat signifikansi 5%, maka dibuat tabel perbandingan sebagai berikut : Tabel IV.14 Perbandingan Asymp Sig dengan α Variabel Struktur Kepemilikan (X1) Ukuran Perusahaan (X2) Financial Leverage (X3) Variabilitas Persediaan (X4) Rasio Lancar (X5)
Sig. 0.693 0.611 0.810 0.075 0.361
α > 0.05 > 0.05 > 0.05 > 0.05 > 0.05
Keputusan Ho diterima Ho diterima Ho diterima Ho diterima Ho diterima
Pembahasan hasil pengujian hipotesis secara parsial dari tabel IV.14 adalah sebagai berikut : Hipotesis 1 Pada tabel IV.14 menunjukkan bahwa tingkat signifikansi struktur kepemilikan sebesar 0,693. Bila dibandingkan dengan tingkat signifikansi 5% (0,05), maka variabel struktur kepemilikkan tidak berpengaruh secara signifikan terhadap pemilihan metode penilaian persediaan sesuai dengan PSAK 14 (revisi 2008). Dengan begitu, maka Ho1 diterima. Hipotesis 2 Pada tabel hasil pengujian regresi logistik biner menunjukkan tingkat signifikansi ukuran perusahaan sebesar 0,611, bila dibandingkan dengan tingkat signifikansi 5%, maka ukuran perusahaan tidak berpengaruh secara signifikan terhadap pemilihan metode penilaian persediaan sesuai dengan
52
PSAK 14 (revisi 2008). Karena ukuran perusahaan tidak berpengaruh secara signifikan, maka Ho2 diterima. Hipotesis 3 Hasil pengujian regresi logistik biner pada financial leverage menunjukkan tingkat signifikansi sebesar 0,810. Jika dilihat dari tingkat signifikansi 5%, maka financial leverage tidak berpengaruh secara signifikan terhadap pemilihan metode penilaian persediaan sesuai dengan PSAK 14 (revisi 2008), sehingga Ho3 diterima. Hipotesis 4 Variabilitas persediaan pada hasil pengujian regresi logistik biner menunjukkan tingkat signifikansi 0,075, bila dibandingkan dengan tingkat signifikansi 5%, maka variabilitas persediaan tidak berpengaruh terhadap pemilihan metode penilaian persediaan sesuai dengan PSAK 14 (revisi 2008). Karena variabilitas persediaan tidak berpengaruh secara signifikan terhadap pemilihan metode penilaian persediaan, maka Ho4 diterima. Sebagai catatan, pada penelitian ini menggunakan tingkat signifikansi adalah 5%, jika tingkat signifikansi diganti menggunakan 10%, maka hipotesis alternatif diterima (Ha4 diterima). Hipotesis 5 Berdasarkan hasil pengujian regresi logistik biner menunjukkan tingkat signifikansi rasio lancar sebesar 0,361. Bila dibandingkan dengan tingkat signifikansi 5%, maka rasio lancar tidak berpengaruh secara signifikan terhadap pemilihan metode penilaian persediaan sesuai dengan PSAK 14 (revisi 2008), sehingga Ho5 diterima. 53
IV.3.4.2 Hasil Uji Hipotesis Secara Simultan Hasil pengujian untuk hipotesis 6 (enam) adalah untuk melihat hubungan faktor struktur kepemilikan, ukuran perusahaan, financial leverage, variabilitas persediaan, dan rasio lancar secara bersama-sama (simultan) terhadap metode penilaian persediaan sesuai dengan PSAK 14 (revisi 2008). Hasilnya dapat dilihat dari tabel Omnibus Tests of Model Coefficients dengan menggunakan regresi logistik biner. Berikut adalah tabel hasil dari pengujian hipotesis 6 (enam) : Tabel IV.15 Hasil Pengujian Hipotesis Secara Simultan Omnibus Tests of Model Coefficients Chi-square Step 1
Df
Sig.
Step
6.264
5
.281
Block
6.264
5
.281
Model
6.264
5
.281
Sumber : Data diolah SPSS 19
Dari tabel IV.15, dapat dilihat bahwa tingkat signifikansi sebesar 0,281 dan hasil tersebut berada di atas 0,05, sehingga dapat dikatakan bahwa secara bersama-sama variabel struktur kepemilikan, ukuran perusahaan, financial leverage, variabilitas persediaan, dan rasio lancar tidak berpengaruh secara signifikan terhadap pemilihan metode penilaian persediaan sesuai dengan PSAK 14 (revisi 2008), maka Ho6 diterima.
54
IV.4
Diskusi Hasil Penelitian Dari hasil penelitian tersebut, memberikan bukti bahwa tidak adanya pengaruh yang signifikan dari struktur kepemilikan, ukuran perusahaan, financial leverage, variabilitas persediaan, dan rasio lancar terhadap perusahaan dalam memilih metode penilaian persediaan sesuai dengan PSAK 14 (revisi 2008). Di bawah ini akan dilakukan pembahasan untuk tiap-tiap variabel independen yang telah dilakukan pengujian pada penelitian ini.
IV.4.1 Struktur Kepemilikan Penelitian sebelumnya yang telah dilakukan oleh Taqwa (2001) menunjukkan bahwa struktur kepemilikan tidak memiliki pengaruh terhadap perusahaan dalam memilih metode penilaian persediaan. Dengan begitu, penelitian tersebut mendukung penelitian Hunt (1985), Taqwa (2001) dan Metallia (2007). Dari hasil pengujian hipotesis membuktikan tidak adanya pengaruh struktur kepemilikan terhadap pemilihan metode penilaian persediaan sesuai dengan PSAK 14 (revisi 2008) karena manajer akan lebih mengutamakan kelangsungan hidup (going concern) perusahaan dan nilai perusahaan tanpa memperhatikan bonus yang akan diterima.
IV.4.2 Ukuran Perusahaan Pada penelitian ini menunjukkan bahwa ukuran perusahaan tidak berpengaruh terhadap pemilihan metode penilaian persediaan sesuai dengan PSAK 14 (revisi 2008) yang akan digunakan oleh perusahaan. Penelitian tersebut sejalan dengan penelitian yang sebelumnya telah dilakukan oleh Lee dan Hsieh 55
(1985) dan Niehaus (1989), tetapi tidak mendukung penelitian sebelumnya yang telah dilakukan oleh Taqwa (2001), Metallia (2007), dan Aprilina dan Utami (2007). Dari hasil penelitian ini tidak menunjukkan teori bahwa perusahaan besar akan cenderung menggunakan metode rata-rata untuk mendapatkan penghematan pajak dan perusahaan kecil akan cenderung menggunakan metode FIFO untuk meningkatkan laba.
IV.4.3 Financial Leverage Hasil dari pengujian hipotesis menunjukkan bukti bahwa variabel financial leverage tidak mempengaruhi perusahaan dalam memilih metode penilaian persediaan sesuai dengan PSAK 14 (revisi 2008) dan tidak mempengaruhi manajemen dalam menentukan kebijakan akuntansi untuk menilai persediaan. Hasil tersebut juga mendukung penelitian sebelumnya yang telah dilakukan oleh Niehaus (1989), Taqwa (2001), dan Aprilina dan Utami (2007). Menurut Aprilina dan Utami (2007) perusahaan yang memiliki nilai financial leverage yang tinggi akan cenderung menaikkan labanya sehingga investor atau kreditor akan tetap percaya pada kemampuan perusahaan dalam membayar hutang-hutangnya. Pada penelitian ini, dalam pengukuran financial leverage menggunakan formula yang sama digunakan oleh Taqwa (2001) dalam penelitiannya, yaitu hutang jangka panjang dibagi dengan total equity. Walaupun telah menggunakan formula yang sama, tetapi menggunakan sampel perusahaan yang bergerak di industri yang lebih spesifik yaitu consumer goods, tetap belum dapat
56
membuktikan adanya pengaruh dari variabel financial leverage terhadap pemilihan metode penilaian persediaan.
IV.4.4 Variabilitas Persediaan Dari hasil pengujian hipotesis di atas tidak mendapatkan bukti bahwa variabilitas persediaan berpengaruh terhadap pemilihan metode penilaian persediaan sesuai dengan PSAK 14 (revisi 2008), sehingga hasil tersebut tidak dapat mendukung penelitian sebelumnya yang telah dilakukan oleh Taqwa (2001). Tetapi, hasil penelitian ini mendukung penelitian Mukhlasin (2001). Dari hasil pengujian ini juga tidak dapat mendukung teori bahwa perusahaan besar akan cenderung untuk memilih metode FIFO dan perusahaan kecil akan cenderung memilih metode rata-rata. Watts dan Zmijewski (1986) dalam Mukhlasin (2001) menyatakan bahwa variabilitas persediaan yang berbeda dan berpengaruh secara signifikan hanya pada masa inflasi maupun deflasi.
IV.4.5 Rasio Lancar Hasil penelitian ini memberikan bukti bahwa rasio lancar tidak berpengaruh terhadap pemilihan metode penilaian persediaan sesuai dengan PSAK 14 (revisi 2008). Hasil penelitian ini sejalan dengan penelitian Taqwa (2001) bahwa rasio lancar tidak berpengaruh terhadap metode penilaian persediaan, tetapi tidak sejalan dengan penelitian Hunt (1985). Dari hasil penelitian menunjukkan bahwa dalam memilih metode penilaian persediaan, perusahaan tidak akan memperhatikan tinggi atau rendahnya rasio lancar perusahaan dan perusahaan akan memilih metode akuntansi persediaan yang 57
paling tepat untuk menunjukkan kinerjanya yang baik dengan menunjukkan laba besar yang dapat dihasilkan, sehingga dapat menarik keinginan investor untuk berinvestasi.
58
