Uji Asumsi Klasik Menilai Kelayakan Model Regresi

1. Uji Asumsi Klasik

a. Uji Multikolineritas. Hasil uji multikolineritas dapat dilihat dari tabel 4.3 di bawah ini dan Lampiran 2. Tabel 4.3 Uji Multikolineritas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Toleranc e VIF 1 Constant -1.163 .896 -1.298 .199 UP .078 .030 .301 2.563 .012 .873 1.145 Fin_Lev .018 .035 .058 .519 .606 .971 1.030 VP -.105 .117 -.103 -.893 .375 .910 1.098 Margin_LabaKotor .002 .007 .024 .217 .829 .982 1.018 a. Dependent Variable: Met_Persediaan Sumber : Hasil Olahan SPSS, 2011 Tabel 4.3 menunjukkan bahwa tolerance yaitu korelasi diantara variabel independen lebih kecil dari 1 dan nilai VIF dibawah nilai 2, hal ini membuktikan bahwa model regresi yang digunakan dalam penelitian ini bebas dari Multikolinieritas. b. Uji Autokorelasi Uji autokorelasi yang digunakan pada penelitian ini dapat digambarkan pada tabel di bawah ini dan Lampiran 3 Tabel4.4 Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .363 a .132 .083 .39100 2.211 a. Predictors: Constant, Margin_LabaKotor, VP, Fin_Lev, UP b.Dependent Variable: Met_Persediaan Sumber : Hasil Olahan SPSS, 2011 Berdasarkan tabel 4.4, untuk mengetahui adanya autokorelasi digunakan uji Durbin-Watson, dengan kriteria sebagai berikut: • Angka D-W terletak antara batas atau Upper Bound DU dan 4-DU = tidak ada autokorelasi. • Angka D-W DL maka ada autokorelasi positif. • Angka D-W 4-DL maka ada autokorelasi negative. • Angka D-W antara 4-DU dan 4-DL, maka tidak dapat disimpulkan. Dimana hasil yang ditunjukkan tersebut berdasarkan tabel Durbin- Watson, yaitu DL pada jumlah n=78, dan k-3, yang menghasilkan DL sebesar 1,560 dan DU sebesar 1,715. Berdasarkan hasil uji statisitik yang ditunjukkan melalui tabel 4.4 dapat diketahui bahwa nilai statistik Durbin-Watson sebesar 2,211, maka disimpulkan bahwa tidak terjadi autokorelasi baik positif maupun negatif.

2. Menguji Keseluruhan Model

Statistik yang digunakan adalah adalah berdasarkan pada fungsi Likehood. Likehood L dari model adalah probabilitas bahwa model yang dihopitesakan menggambarkan model input. Model dari statistik -2LogL dapat digambarkan melalui tabel sebagai berikut: Tabel 4.5 Gambaran Jumlah Kasus Penelitian Case Processing Summary Unweighted Cases a N Percent Selected Cases Included in Analysis 77 98.7 Missing Cases 1 1.3 Total 78 100.0 Unselected Cases .0 Total 78 100.0 a. If weight is in effect, see classification table for the total number of cases. Sumber : Hasil Olahan SPSS, 2011 Berdasarkan tabel 4.5 dapat diketahui bahwa jumlah seluruh kasus yang diolah dalam penelitian ini adalah 78 perusahaan, namun setelah dilakukan uji kelayakan model ternyata kasus yang dapat dianalisis hanya sebesar 77 kasus yaitu sekitar 98,7 sedangkan untuk 1 kasus yang lainnya terjadi eror yaitu sekitar 1,3 dari semua jumlah kasus. Tabel 4.6 Variabel Dependen Dependent Variable Encoding Original Value Internal Value dimension0 .00 1.00 1 Sumber : Hasil Olahan SPSS, 2011 Tabel 4.6 menunjukkan bahwa nilai yang diberikan untuk variabel dependen dimana variabel ini adalah variabel yang menggunakan variabel dummy yaitu 1 dan 0. Tabel 4.7 Nilai -2LogL untuk Model yang Hanya Memasukkan Konstanta Iteration History

a,b,c

Iteration -2 Log likelihood Coefficients Constant Step 0 1 79.073 1.169 2 78.697 1.331 3 78.697 1.338 4 78.697 1.338 a. Constant is included in the model. b. Initial -2 Log Likelihood: 78.697 c. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001. Sumber : Hasil Olahan SPSS, 2011 Untuk melihat nilai -2LogL dengan model yang menggunakan konstanta dan beberapa variabel bebas, maka dapat digambarkan dengan tabel sebagai berikut. Tabel 4.8 Nilai -2LogL untuk Model dengan Konstanta dan Variabel Bebas Model Summary Step -2 Log likelihood Cox Snell R Square Nagelkerke R Square 1 68.091 a .129 .201 a. Estimation terminated at iteration number 6 because parameter estimates changed by less than .001. Sumber: Hasil Olahan SPSS, 2011 Tampilan output SPSS memberikan 2 nilai -2LogL yaitu untuk model yang hanya memasukkan konstanta tabel 4.7 dan untuk model dengan konstanta dan variabel bebas tabel 4.8. Nilai -2LogL yang hanya memasukkan konstanta adalah sebesar 78,697, sedangkan nilai -2LogL untuk model dengan konstanta dan variabel bebas adalah 68,091. Penurunan nilai -2LogL adalah sebesar 10,606 yaitu dari 78,697 menjadi 70,697 mengindikasikan bahwa model fit dengan data, hal ini berarti bahwa dengan adanya penambahan variabel bebas ukuran perusahaan, financial leverage, variabilitas persediaan dan margin laba kotor ternyata dapat memperbaiki model fit.

3. Menilai Kelayakan Model Regresi

Untuk melihat apakah data sesuai dengan model sehingga model dapat dikatakan fit, maka diperlukan suatu uji yaitu dengan menggunakan uji Hosmer dan Lemeshow goodness of fit test statistic, melalui kriteria sebagai berikut: a. Jika nilai Hosmer dan Lemeshow ≤ 0,05 artinya ada perbedaan signifikan antara model dengan observasinya sehingga goodness fit tidak baik, karena model tidak dapat memprediksikan nilai observasinya. b. Jika nilai Hosmer dan Lemeshow 0,05 artinya model mampu memprediksikan nilai observasinya atau dapat dikatakan bahwa model dapat diterima karena cocok dengan data observasinya. Uji tersebut dapat digambarkan melalui tabel 4.9. Tabel 4.9 Nilai Statistics Hosmer and Lemeshow’s Goodness of Fit Test Hosmer and Lemeshow Test Step Chi-square Df Sig. 1 6.547 8 .586 Sumber: hasil olahan SPSS, 2011 Berdasarkan pengujian nilai statistik Hosmer dan Lemeshow Goodness of Fit adalah sebesar 6,547 dengan probabilitas signifikansi sebesar 0,586, nilai ini jauh diatas 0,05 dengan demikian dapat disimpulkan bahwa model tersebut diterima yang artinya tidak terdapat perbedaan dengan data sehingga model dapat dikatakan fit.

4. Pengujian Hipotesis Regresi Logistik