Dari uji ANOVA atau F
test
, diperoleh F
hitung
sebesar 2,522 dengan tingkat signifikansi 0,077, sedangkan F
tabel
sebesar 2,93 dengan signifikansi 0,05. Berdasarkan hasil tersebut dapat disimpulkan bahwa metode arus biaya
persediaan, nilai persediaan dan profit margin secara simultan tidak berpengaruh signifikan terhadap nilai perusahaan karena F
hitung
F
tabel
2,522 2,93 dan sig penelitian 0,05 yaitu 0,077 0,05.
c. Analisis koefisien determinasi
Nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen.
Koefisien korelasi dikatakan kuat apabila data nilai R berada diantara 0,5 dan mendekati 1. koefisien determinasi R Square menunjukkan seberapa besar
variabel independen menjelaskan variabel dependennya. Nilai R Square adalah 0 sampai dengan 1. Apabila nilai R Square semakin mendekati 1, maka variabel-
variabel independen mendekati semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R Square
maka kemampuan variabel-variabel independen untuk menjelaskan variasi variabel dependen semakin terbatas. Nilai R Square memiliki kelemahan yaitu
nilai R Square akan meningkat setiap ada penambahan satu variabel dependen meskipun variabel independen tersebut tidak berpengaruh signifikan terhadap
variabel dependen.
Universitas Sumatera Utara
Tabel 4.8 Model Summary
b
Model R
R Square Adjusted R Square Std. Error of the Estimate dimension0 1 .455
a
.207 .125
1.53518 a. Predictors: Constant, PM, LNSED, DMET
b. Dependent Variable: MKTBKASS
Model Summary pada tabel diatas menunjukkan nilai koefisien r sebesar 0,455 yang berarti bahwa korelasi atau hubungan antara Nilai Perusahaan
MKTBKASS dengan variabel independennya DMET, LNSED, dan PM lemah karena kurang dari 0,5. Angka adjusted R Square atau koefisien determinasi
adalah 0,207. Hal ini berarti 20,7 variasi atau perubahan dalam nilai perusahaan dapat dijelaskan oleh variasi dari metode arus biaya persediaan, nilai presediaan
dan profit margin sedangkan sisanya 79,3 dijelaskan oleh variabel-variabel lain yang tidak dimasukkan dalam persamaan. Standar Error of Estimate SEE
adalah 1,53518, yang mana semakin besar SEE akan membuat model regresi kurang tepat dalam memprediksi variabel dependen.
C. Pembahasan Hasil Penelitian
Nilai Adjusted R Square sebesar 0,125. Hal ini berarti bahwa 12,5 variasi atau perubahan dalam nilai perusahaan dapat dijelaskan oleh variasi
metode arus biaya persediaan, nilai persediaan dan profit margin sedangkan sisanya sebesar 87,5 dijelaskan oleh sebab-sebab lain yang tidak dimasukkan
dalam model penelitian. Dari hasil uji t pada Tabel 4.6, secara parsial metode arus biaya persediaan
tidak berpengaruh signifikan terhadap nilai perusahaan karena nilai
Universitas Sumatera Utara