BAB IV
ANALISIS HASIL DAN PEMBAHASAN
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 Minimum
Maximum
Mean
Std. Deviation
MetFifo
22
25122.00
96244.00
1247440
56701.82
22098.68006
Met.Averag
22
33835.00
110625.0
1480209
67282.23
22047.57407
.7960
3.1510
.143227
.1880851
N
P.lnvestasi
22
Valid N (listwise)
22
-.1070
Sum
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 51
52
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.
53
1. Uji Normaiitas Metode FIFO Gam bar 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
.S
0.
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 FIFO tetap layak di pakai karena memenuhi asumsi normaiitas.
54
2.
Uji Normalitas Metode Average Gambar 4.1.2. Charts Histogram
Dependent Variable: P.lnvestasi
_1
0
1
2
3
4
•/lean = -2.34 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 Average tetap layak di pakai karena memenuhi asumsi normalitas.
55
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 Collinearity Statistics VIF
Tolerance
Model 1
a.
MetFifo
.052
19.188
Met.Averag
.052
19.188
Dependent Variable: P.lnvestasi Coefficient Correlations MetAveraq
Model
1
a.
Met.Fifo
Correlations -
Met.Averag
1.000
-.974
MetFifo
-.974
1.000
Covariances
MetAverag
.000
.000
Met.Fifo
.000
.000
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%.
56
Hasil perhitungan nilai varian inflation factor (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
Unstandardized
Standardized
Coefficients
Coefficients
B
Std. Error
(Constant)
.306
.101
MetFifo
.000
.000
t
Sig.
3.044
.006
-1.583
.129
Beta -.334
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.
57
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
Sum of
Squares 1
Mean Square
df
Regression
.071
1
.071
Residual
.564
20
.028
Total
.635
21
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:
58
Tabel. 5
Koefisien Metode Average Terhadap Tingkat Pengembalian Investasi Coefficients Standardized
Unstandardized Mode!
MetAvera
9
.282
.121
.000
.000
Sig.
t
Beta
Std. Error
B (Constant)
1
Coefficients
Coefficients
-.234
2.327
.031
-1.079
.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 metode average 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 Sum of Squares
Model 1
Mean Square
df
Regression
.035
1
.035
Residual
.600
20
.030
Total
.635
21
a Predictors: (Constant), MetAverag b Dependent Variable: P.lnvestasi
F 1.164
Sig. .294(a)
59
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, namun demikian secara umum bisa digunakan patokan.
60
* 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
R Square
R
1
.334a
Adjusted
Std. Error of
Durbin-
R Square
the Estimate
Watson
.111
.067
.1679692
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 Square
R .234a
Adjusted
Std. Error of
Durbin-
R Square
the Estimate
Watson
.055
.008
.1732166
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.
61
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.
62
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
63
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 ratarata 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.
BABV KESIMPULAN
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.
64
65
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.
66
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.
