sehingga mengakibatkan perekonomian Indonesia menjadi tidak stabil.
B. Pengujian Hipotesis
Pengujian hipotesis dalam penelitian ini dilakukan dalam beberapa pengujian, yang terdiri dari: analisis logistic regression dan analisis regresi
berganda multiple regression, dan uji beda t-test. Sebelum dilakukan pengujian hipotesis, terlebih dahulu harus dilakukan uji asumsi klasik untuk
meyakinkan bahwa model persamaan regresi benar-benar fit atau dapat diterima. Uji asumsi klasik terdiri dari: uji normalitas, uji multikolineritas,
uji autokorelasi, dan uji heteroskedastisitas. Hasil uji asumsi klasik disajikan pada bagian Lampiran 2.
1. Logistic Regression
Logistic regression digunakan untuk mengetahui apakah terjadinya variabel dependen dapat diprediksi dengan variabel
independennya Ghozali, 2006. Logistic regression juga dapat digunakan untuk menilai apakah model yang dihipotesiskan fit
dengan data yang ada. Dari hasil analisis logistic regression akan diketahui beberapa item intellectual capital yang dapat diprediksi
oleh variabel independen. Variabel dependen yang digunakan dalam analisis logistic regression merupakan dummy variable. Tabel IV.10
menunjukkan hasil analisis logistic regression dengan metode enter.
Berdasarkan Tabel IV.10 menunjukkan bahwa model yang dihipotesiskan dalam penelitian dapat diterima dan fit dengan data
yang ada. Model dikatakan kuat jika nilai signifikansi Hosmer dan Lemeshow`s 0,05 Ghozali, 2006. Hasil uji Hosmer dan
Lemeshow`s untuk ketiga item intellectual capital disclosure, yaitu franchising agreement, information system, dan vocational
qualification menunjukkan nilai signifikansi diatas 0,05, dengan nilai masing-masing 0,986; 0,351; dan 0,097. Nilai tersebut membuktikan
bahwa model yang digunakan dalam penelitian ini kuat.
Tabel IV.10 Hasil Logistic Reggression
Ukuran dan Variabel Item Intellectual Capital Disclosure
Franchising Agreement
Information Sytem
Vocational Qualification
Nagelkerke`s R Square ,347
,273 ,219
Hosmer and Lemeshow`s test ,986
,351 ,097
Prop_DK ,665
,081 ,229
Frek_DK ,890
,628 ,792
Frek_KA ,695
,346 ,524
LB_KA ,541
,326 ,884
KI ,706
,630 ,979
Type ,428
,680 ,764
Size ,033
,037 ,007
Signifikan pada 0,01 Signifikan pada 0,05
Signifikan pada 0,1
Nilai Nagelkerke`s R Square dapat diinterpetasikan seperti nilai adjusted R square yang merupakan predictive value dari model.
Nilai Nagelkerke`s R Square dari item franchising agreement adalah 0,347 yang berarti item franchising agreement dapat dijelaskan oleh
variabel independen sebesar 34,7. Item information system
memiliki predictive value sebesar 27,3, sedangkan item vocational qualification sebesar 21,9.
Berdasarkan hasil analisis ini, dapat diketahui bahwa variabel yang dapat memprediksi adanya intellectual capital disclosure
berupa item franchising agreement adalah size. Sedangkan untuk pengungkapan item information system dapat diprediksi dengan
Prop_DK dan size dan pengungkapan item vocational qualification dapat diprediksi dengan size.
2. Analisis Regresi Berganda
Kategori