4.2. Analisis Statistik Inferensial
4.2.1. Menilai Keseluruhan Model Overall Model Fit Uji ini digunakan untuk menilai model yang telah dihipotesakan telah fit
atau tidak dengan data. Seperti yang dikatakan dalam buku Hosmer dan Lemeshow, 2000 bahwa ”...the model contains those variabel main effect as
well as interactions that should be in the model and the variables have been entered in the correct functional form”.
Nilai yang diberikan untuk variabel dependen dimana variabel ini adalah variabel yang menggunakan variabel dummy adalah 1 dan 0. Apabila bernilai 1
bermakna emiten melakukan perataan laba dan apabila bernilai 0 maka emiten tidak melakukan perataan laba.
Tabel 4.2 Block 0: Beginning Block
Iteration History
a,b,c
Coefficients Iteration
-2 Log likelihood
Constant 1
155.184 -.316
2 155.184
-.318 Step 0
3 155.184
-.318 a. Constant is included in the model.
b. Initial -2 Log Likelihood: 155.184 c. Estimation terminated at iteration number 3
because parameter estimates changed by less than .001.
Sumber : Hasil Pengolahan SPSS.
Berdasarkan Tabel Beginning Block tersebut bahwa Beginning Block pada Tabel Iteration History diatas terdapat 2 nilai dari -2LogL yang diberikan. Satu
untuk model yang hanya memasukkan konstanta block 0 = beginning block yaitu sebesar 155.184. Nilai -2LogL ini adalah signifikan dengan alpha 5
Estimation terminated at iteration number 5 because parameter estimates changed by less than .001 yang berarti hipotesis nol ditolak, yaitu model hanya
dengan konstanta fit dengan data.
Universitas Sumatera Utara
Berdasarkan Tabel 4.3. Iteration History yang bertujuan untuk menentukan jika variabel bebas ditambahkan kedalam model apakah secara
signifikan berpengaruh terhadap propensity income smoothing dapat dilihat pada Tabel 4.3 berikut :
Tabel 4.3 : Iteration History a
Iteration History
a,b,c,d
Coefficients Iteration
-2 Log likelihood
Constant ROA_X1 DER_X2
EPS_X3 1
152.353 -.346
-.032 .004
.000 2
151.609 -.330
-.051 .004
.000 3
149.554 -.240
-.133 .006
.000 4
148.251 -.082
-.265 .006
.000 5
148.223 -.015
-.284 .002
.000 6
148.223 -.009
-.285 .002
.000 Step 1
7 148.223
-.009 -.285
.002 .000
a. Method: Enter b. Constant is included in the model.
c. Initial -2 Log Likelihood: 155.184 d. Estimation terminated at iteration number 7 because parameter estimates changed by less
than .001.
Sumber : Hasil Pengolahan SPSS. Berdasarkan Tabel 4.3 tersebut bahwa statistik -2LogL dapat juga
digunakan untuk menentukan jika variabel bebas ditambahkan kedalam model apakah secara signifikan memperbaiki model fit. Selisih antara -2LogL sebelum
dan sesudah ditambah variabel bebas adalah sebesar 148.223 dengan df 3 dan angka ini signifikan secara statistik. Dengan demikian nilai -2logL yang
diberikan adalah sebesar 148.223 dengan distribusi df 3. -2LogL. Nilai -2LogL yang kedua adalah untuk model konstanta yang telah
ditambah dengan variabel bebas ROA, DER, dan EPS Block 1: Method Enter. Untuk Model dengan konstanta dan variabel ROA, DER, dan EPS ternyata
signifikan dengan nilai -2log likelihood 148.223 3.182 atau dengan kata lain nilai alpha lebih kecil dari 5 yang berarti hipotesis nol diterima dan model fit
dengan data. Hal ini berarti bahwa dengan adanya penambahan variabel bebas ROA, DER, dan EPS ternyata dapat memperbaiki model fit.
Statistik yang digunakan adalah berdasarkan pada fungsi Likelihood. Likelihood L dari model adalah probabilitas bahwa model yang dihipotesakan
menggambarkan model input. Untuk menguji hipotesis nol dan alternatif, L
Universitas Sumatera Utara
ditransformasikan menjadi -2LogL. Statistik -2LogL kadang-kadang disebut likelihood rasio X
2
statistik.
4.1.2.3. Menilai Kelayakan Model regresi Goodness ot Fit Test
Uji ini dilakukan untuk melihat apakah data empiris cocok atau sesuai dengan model tidak ada perbedaan antara model dengan data sehingga model
dapat dikatakan fit. Jika nilai Hosmer dan Lemeshow goodness of fit test statistic adalah sama
dengan atau kurang dari 0,05, berarti ada perbedaan signifikan antara model dengan observasinya sehingga goodness fit tidak baik, karena model tidak dapat
memprediksi nilai observasinya. Sebaliknya jika nilai Hosmer dan Lemeshow Goodness of Fit Test lebih besar dari 0,05 berarti model mampu memprediksi
nilai observasinya atau dapat dikatakan bahwa model dapat diterima karena cocok dengan data observasinya Hosmer dan Lemeshow, 2000.
Tabel 4.4 Hosmer And Lemeshow Test
Hosmer and Lemeshow Test
Step Chi-square
Df Sig.
1 8.267
8 .408
Sumber : Hasil Pengolahan SPSS.
Berdasarkan Tabel 4.4 diatas dapat dilihat bahwa nilai statistik Hosmer dan Lemeshow Goodness of Fit sebesar 8,267 dengan probabilitas signifikansi
0.408 nilai ini jauh diatas 0,05 dengan demikian dapat disimpulkan bahwa model tersebut diterima karena cocok dengan data observasinya tidak ada perbedaan
dengan data sehingga model dapat dikatakan fit.
4.3. Pengujian Hipotesis