bab 4 - 45 BAB 4 HASIL ANALISIS DAN PEMBAHASAN 4.1....

Info iconThis preview shows page 1. Sign up to view the full content.

View Full Document Right Arrow Icon
This is the end of the preview. Sign up to access the rest of the document.

Unformatted text preview: 45 BAB 4 HASIL ANALISIS DAN PEMBAHASAN 4.1. ANALISIS DESKRIPTIF Berdasarkan hasil analisis data dari sampel yang diambil yaitu 140 perusahaan manufaktur yang terdaftar di BEI (Bursa Efek Indonesia), maka didapat hasil analisisnya yang menggambarkan signifikan atau tidaknya arus kas dan laba bersih terhadap arus kas masa depan. Data yang dibutuhkan didapat dari Laporan Keuangan tahunan masing-masing perusahaan. Laporan Keuangan didapat dari Indonesian Capital Market Directory 2007, 2004, dan 2003. Tabel 4.2. berikut ini menyajikan deskriptif statistik semua variabel yang digunakan dalam penelitian ini. - Tahun 2004 Tabel 4.1. Statistik Deskriptif a Descriptive Statistics N Y (AKOt+1) X1 (LBt) X2 (AKOt) Valid N (listwise) 140 140 140 140 Minimum -624.65 -2047.89 -715.57 Maximum 2483.00 5405.51 3224.42 Mean 143.1107 131.7730 156.3308 Std. Deviation 411.01237 682.03166 480.67657 a. Tahun = Tahun 2004 Sumber : Hasil Olahan Peneliti, 2009, dalam jutaan rupiah Dari tabel di atas diketahui bahwa dari jumlah data sebanyak 140 perusahaan, maka proyeksi arus kas masa depan terkecil adalah -624,65 yaitu Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 46 dimiliki perusahaan dengan kode IMAS, yang menunjukkan bahwa perusahaan tersebut termasuk ke dalam perusahaan dengan ukuran terkecil karena proyeksi arus kas masa depan menunjukkan hasil yang terkecil. Adapun proyeksi arus kas terbesar adalah 2.483,00 dimiliki perusahaan dengan kode KDSI. Nilai rata-rata proyeksi arus kas masa depan dari 140 perusahaan adalah sebesar 143,1107. Nilai laba bersih terkecil adalah -2047,89 yang dimiliki oleh perusahaan dengan kode POLY dan nilai terbesar adalah 5405,51 yaitu dimiliki oleh perusahaan dengan kode ASII. Nilai rata-rata laba bersih adalah sebesar 131,7730. Adapun nilai terkecil arus kas untuk tahun 2004 yang diambil dari 140 perusahaan adalah -715,57 dimiliki perusahaan dengan kode PBRX, sedangkan nilai terbesar dari arus kas tahun 2004 adalah 3.224,42 dimiliki oleh perusahaan dengan kode ASII. Nilai rata-rata arus kas tahun 2004 adalah sebesar 156,3308. - Tahun 2005 Tabel 4.2. Statistik Deskriptif a Descriptive Statistics N Y (AKOt+1) X1 (LBt) X2 (AKOt) Valid N (listwise) 140 140 140 140 Minimum -881.33 -841.81 -624.65 Maximum 9020.07 5457.29 2483.00 Mean 258.2297 114.6909 143.1107 Std. Deviation 954.39916 572.07067 411.01237 a. Tahun = Tahun 2005 Sumber : Hasil Olahan Peneliti, 2009, dalam jutaan rupiah Tabel 4.2. menunjukkan bahwa proyeksi arus kas terkecil adalah 881,33 yaitu dimiliki oleh perusahaan dengan kode POLY. Proyeksi arus kas terbesar dimiliki perusahaan dengan kode ASII yaitu sebesar 9.020,07. Nilai rata-rata proyeksi arus kas masa depan adalah sebesar 258,2297. Nilai terkecil untuk laba bersih tahun 2005 dimiliki oleh perusahaan dengan kode POLY yaitu sebesar -841,81, dan laba bersih terbesar adalah 5457,29 dimiliki oleh perusahaan dengan kode ASII. Nilai rata-rata laba Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 47 bersih adalah sebesar 114,6909. Perusahaan dengan kode IMAS merupakan perusahaan dengan nilai arus kas terkecil yaitu sebesar -624,65. Nilai arus kas terbesar dimiliki oleh perusahaan dengan kode KDSI yaitu sebesar 2483,00. Rata-rata arus kas tahun 2005 adalah sebesar 143,1107. - Tahun 2006 Tabel 4.3. Statistik Deskriptif a Descriptive Statistics N Y (AKOt+1) X1 (LBt) X2 (AKOt) Valid N (listwise) 140 140 140 140 Minimum -1016.53 -1672.31 -881.33 Maximum 22500.01 3530.49 9020.07 Mean 307.6313 98.3259 258.2297 Std. Deviation 1999.61897 491.02380 954.39916 a. Tahun = Tahun 2006 Sumber : Hasil Olahan Peneliti, 2009, dalam jutaan rupiah Tabel 4.3. menunjukkan bahwa nilai terkecil untuk proyeksi arus kas masa depan adalah -1.016,53 dimiliki oleh perusahaan dengan kode UNTR. Nilai terbesar untuk proyeksi arus kas masa depan dimiliki oleh perusahaan dengan kode UNVR dengan nilai sebesar 22.500,01. Nilai rata-rata proyeksi arus kas masa depan adalah sebesar 307,6313. Nilai terkecil dari laba bersih tahun 2006 adalah -1.672,31 dimiliki oleh perusahaan dengan kode INKP. Nilai terbesar dari laba bersih adalah sebesar 3530 dimiliki oleh perusahaan dengan kode HMSP. Nilai rata-rata laba bersih tahun 2006 adalah 98,3259. Perusahaan dengan nilai arus kas terkecil yaitu perusahaan dengan kode POLY dengan nilai -881,33. Nilai arus kas terbesar adalah sebesar 9.020,07 dimiliki oleh perusahaan dengan kode ASII. Nilai rata-rata arus kas tahun 2006 adalah sebesar 954,39916. Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 48 4.2. ANALISIS REGRESI LINIER BERGANDA GABUNGAN Analisis regresi linier berganda merupakan pengembangan dari analisis regresi sederhana di mana terdapat lebih dari satu variabel independen (Uyanto, 2009 : 243). Dalam penelitian ini penulis memisahkan antara perusahaan yang laba dan rugi. Hasil analisis regresi linier berganda untuk perusahaan yang memperoleh laba dapat dilihat dari tabel 4.4. berikut : - PERUSAHAAN LABA Tabel 4.4. ANOVAb,c Model 1 Regression Residual Total Sum of Squares 1.5E+008 5.3E+008 6.8E+008 df 2 296 298 Mean Square 74406165.72 1791249.917 F 41.539 Sig. .000a a. Predictors: (Constant), X2 (AKOt), X1 (LBt) b. Dependent Variable: Y (AKOt+1) c. Status Laba = Positif Sumber : Hasil Olahan Peneliti, 2009 Berikut ini adalah hasil analisis regresi linier berganda untuk seluruh variabel bebas terhadap arus kas masa depan. Keseluruhan data yaitu 140 perusahaan manufaktur digunakan dalam analisis ini adalah perusahaan yang memperoleh laba. Dari tabel di atas terlihat bahwa secara umum model telah memenuhi persyaratan statistik, di mana diperoleh nilai signifikan sebesar 0,000 pada tabel anova di atas. Hasil tersebut menunjukkan bahwa secara model telah memenuhi persyaratan secara statistik, di mana nilai F hitung sebesar 41,539 Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 49 dan nilainya signifikan secara statistik pada alfa 0,05 sehingga model regresi dapat digunakan untuk memprediksi arus kas masa depan. Langkah selanjutnya adalah memperhatikan variabel mana saja yang memiliki pengaruh yang signifikan terhadap variabel Y (arus kas masa depan). Tabel 4.5. Coefficientsa,b Model 1 (Constant) X1 (LBt) X2 (AKOt) Unstandardized Coefficients B Std. Error 67.217 81.938 .905 .175 .211 .155 Standardized Coefficients Beta .388 .102 t .820 5.167 1.358 Sig. .413 .000 .175 a. Dependent Variable: Y (AKOt+1) b. Status Laba = Positif Sumber : Hasil Olahan Peneliti, 2009 Dari tabel 4.5. di atas terlihat bahwa seluruh variabel bebas yaitu laba bersih tahun ini memiliki pengaruh yang signifikan terhadap arus kas masa depan, hal ini ditunjukkan oleh nilai signifikan yang lebih kecil dari 0,05. Yaitu sebesar 0,000 untuk variabel tersebut, dengan nilai t hitung 5,167 untuk laba bersih dan 1,358 untuk arus kas operasi tahun berjalan. Tetapi untuk arus kas tahun berjalan tidak signifikan karena nilainya lebih besar dari 0,005 yakni 0,175. Jadi, disimpulkan bahwa laba bersih memiliki kemampuan dalam memprediksi arus kas masa depan, sedangkan arus kas tahun berjalan tidak memiliki kemampuan dalam memprediksi arus kas masa depan. Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 50 Tabel 4.6. Model Summaryb Model 1 Adjusted R Square .214 R R Square .468a .219 Std. Error of the Estimate 1338.37585 a. Predictors: (Constant), X2 (AKOt), X1 (LBt) b. Status Laba = Positif Sumber : Hasil Olahan Peneliti, 2009 Berdasarkan data hasil regresi, diperoleh adjusted R2 sebesar 0.214 dan termasuk dalam kategori lemah. Sehingga dapat diartikan bahwa laba bersih dan arus kas untuk perusahaan yang memperoleh laba sepanjang tahun 2004 – 2006 cukup signifikan mempengaruhi arus kas masa depan. Model regresi yang terbentuk adalah sebagai berikut : AKOt+1 = 62,217+ 0,905 LBt + 0,211 AKOt - PERUSAHAAN RUGI Hasil analisis regresi linier berganda untuk perusahaan yang mengalami kerugian dapat dilihat dari tabel berikut : Tabel 4.7. ANOVAb,c Model 1 Regression Residual Total Sum of Squares 11267550 12484589 23752139 df 2 118 120 Mean Square 5633774.792 105801.602 F 53.248 Sig. .000a a. Predictors: (Constant), X2 (AKOt), X1 (LBt) b. Dependent Variable: Y (AKOt+1) c. Status Laba = Negatif Sumber : Hasil Olahan Peneliti, 2009 Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 51 Berikut ini adalah hasil analisis regresi linier berganda untuk seluruh variabel bebas terhadap arus kas masa depan. Keseluruhan data yaitu 140 perusahaan manufaktur digunakan dalam analisis ini adalah perusahaan yang mengalami kerugian. Dari tabel di atas terlihat bahwa secara umum model telah memenuhi persyaratan statistik, di mana diperoleh nilai signifikan sebesar 0,000 pada tabel anova di atas. Hasil tersebut menunjukkan bahwa secara model telah memenuhi persyaratan secara statistik, di mana nilai F hitung sebesar 53,248 dan nilainya signifikan secara statistik pada alfa 0,05 sehingga model regresi dapat digunakan untuk memprediksi arus kas masa depan. Langkah selanjutnya adalah memperhatikan variabel mana saja yang memiliki pengaruh yang signifikan terhadap variabel Y (arus kas masa depan). Tabel 4.8. Coefficientsa,b Model 1 (Constant) X1 (LBt) X2 (AKOt) Unstandardized Coefficients B Std. Error -5.249 32.158 -.225 .117 .643 .077 Standardized Coefficients Beta -.141 .617 t -.163 -1.919 8.370 Sig. .871 .057 .000 a. Dependent Variable: Y (AKOt+1) b. Status Laba = Negatif Sumber : Hasil Olahan Peneliti, 2009 Dari tabel 4.8. di atas terlihat bahwa seluruh variabel bebas yaitu arus kas tahun ini memiliki pengaruh yang signifikan terhadap arus kas masa depan, hal ini ditunjukkan oleh nilai signifikan yang lebih kecil dari 0,05. Yaitu sebesar 0,000 untuk variabel arus kas tahun berjalan dan 0,057 untuk variabel Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 52 laba bersih, dengan nilai t hitung -1,919 untuk laba bersih dan 8,370 untuk arus kas operasi tahun berjalan. Jadi, disimpulkan bahwa arus kas tahun berjalan memiliki kemampuan dalam memprediksi arus kas masa depan. Akan tetapi tidak sama halnya dengan laba bersih tahun ini tidak signifikan dalam memprediksi arus kas masa depan, karena nilainya lebih besar dari 0.05. Tabel 4.9. Model Summaryb Model 1 R R Square .689a .474 Adjusted R Square .465 Std. Error of the Estimate 325.27158 a. Predictors: (Constant), X2 (AKOt), X1 (LBt) b. Status Laba = Negatif Sumber : Hasil Olahan Peneliti, 2009 Berdasarkan data hasil regresi, diperoleh adjusted R2 sebesar 0.474 dan termasuk dalam kategori lemah. Sehingga dapat diartikan bahwa laba bersih dan arus kas untuk perusahaan yang mengalami kerugian sepanjang tahun 2004 – 2006 tidak signifikan mempengaruhi arus kas masa depan. Model regresi yang terbentuk adalah sebagai berikut : AKOt+1 = -5,249- 0,225 LBt + 0,643AKOt Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 53 4.3. Pengujian Asumsi Klasik 4.3.1. Uji normalitas Pengujian normalitas dilakukan untuk menguji apakah dalam model regresi, variabel independen dan dependen mempunyai distribusi normal atau tidak. Tetapi jika terjadi penyimpangan terhadap asumsi distribusi normalitas, maka masih tetap menghasilkan penduga koefisien regresi yang linier, tidak berbias dan terbaik. Penyimpangan asumsi normalitas ini akan semakin kecil pengaruhnya apabila jumlah sampel diperbesar (Siagian : 2000). Salah satu penyelesaiannya adalah dengan cara mengubah bentuk nilai variabel yang semula nilai absolut ditransformasikan menjadi bentuk lain (kwardatik, resiprokal dan lain sebagainya) sehingga distribusi menjadi normal. Pengujian normalitas ini dilakukan dengan melihat Normal P-P plot of regression standardized residual. Jika plot yang dihasilkan membentuk diagonal sesuai garis maka variabel dependen dan independennya memiliki distribusi normal. Expected Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 0.0 0.2 0.4 0.6 0.8 1.0 Observed Cum Prob Gambar 4.1. Hasil Uji Normalitas Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 54 Grafik di atas adalah grafik yang menunjukkan normalitas data dalam pengujian asumsi normalitas. Gambar yang diperoleh menunjukkan bahwa sebaran data mengikuti garis diagonal. Berdasarkan hasil ini dapat disimpulkan bahwa model telah memenuhi asumsi normalitas dengan baik. 4.3.2. Uji Multikolinieritas Frisch (1934) mengemukakan bahwa multikolinearitas memiliki makna adanya hubungan linier sempurna antar beberapa atau explanatory variable yang dipakai dalam suatu persamaan regresi. Dalam pengujian ini dimaksudkan untuk melihat apakah terdapat hubungan linier sempurna antar variabel bebas yang digunakan. Jika terjadi hubungan, maka perlu dilihat variabel-variabel mana yang multicollinearly correlated. Variabel yang menjadi penyebab terjadinya multikolinearitas akan dikeluarkan dari persamaan regresi karena akibat pelanggaran tentang multicolliearity adalah ketepatan estimasi menjadi rendah. Untuk menguji ada tidaknya multikolinearitas, akan digunakan uji Variance Inflation Factor (VIF). Pada uji VIF akan dinyatakan bahwa terdapat multikolinearitas yang serius bila VIF > 5 (Kuncoro, 2001). Model regresi dapat pula dikatakan bebas multikolinearitas apabila mendekati angka Tolerance mendekati 1. Tabel 4.10. Coefficientsa Model 1 X1 (LBt) X2 (AKOt) Collinearity Statistics Tolerance VIF .608 1.646 .608 1.646 a. Dependent Variable: Y (AKOt+1) Sumber : Hasil Olahan Peneliti, 2009 Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 55 Tabel di atas adalah output yang menunjukkan hasil pengujian multikolinieritas dengan menggunakan uji VIF. Hasil yang diperoleh menunjukkan bahwa kedua variabel memiliki nilai VIF yang kecil dan di bawah 10, yang menjadi batasan maksimal multikolinieritas. Jika nilai VIF semakin membesar maka diduga ada multikolineritas, sehingga jika nilai VIF melebihi angka 10 maka dikatakan ada multikolineritas karena R2 melebihi dari 0,90. Berdasarkan hasil ini dapat disimpulkan bahwa model telah memenuhi asumsi non multikolinieritas dengan baik dengan nilai laba bersih tahun dan arus kas tahun ini sebesar 1,646. 4.3.3. Uji Autokorelasi Uji autokorelasi merupakan korelasi antara anggota seri observasi yang disusun menurut urutan waktu (seperti data time series), atau urutan tempat (seperti data coss section) atau korelasi yang timbul pada dirinya sendiri (Siagian, 2000). Pengujian ini perlu dilakukan untuk melihat apakah terjadi kesalingtergantungan antar variabel bebas yang digunakan pada penelitian ini, karena jika ternyata variabel yang digunakan dalam penelitian terjadi autokorelasi, maka regresi OLS akan menghasilkan asumsi yang tidak berbias, konsisten tetapi tidak lagi efisien. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Gangguan pada individu/kelompok cenderung mempengaruhi ”gangguan” pada individu/kelompok yang sama pada periode berikutnya (kuncoro, 2001). Untuk menguji apakah ada tidaknya gejala autokorelasi akan digunakan test Durbin-Watson. Uji Durbin-Watson digunakan untuk melihat apakah residual-residual yang ada saling berkorelasi. Tabel 4.11. Model Summaryb Model 1 DurbinWatson 2.187 b. Dependent Variable: Y (AKOt+1) Sumber : Hasil Olahan Peneliti, 2009 Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 56 Tabel 4.8. di atas adalah output yang menunjukkan hasil pengujian Autokorelasi dengan menggunakan uji Durbin Watson. Persamaan dari uji Durbin Watson adalah -1 < r < 1. Dari tabel diatas, hasil yang diperoleh menunjukkan bahwa nilai Durbin Watson yang diperoleh berada di kisaran angka 2. Berdasarkan hasil ini dapat disimpulkan bahwa model telah memenuhi asumsi non autokorelasi dengan sangat baik. 4.3.4. Uji Heteroskedastisitas Uji heteroskedastisitas digunakan untuk mengatasi adanya variable gangguan yang mempunyai varian yang tidak konstan atau heteroskedatisitas. Pembahasan akan dimulai dari sifat dan konsekuensi dari heteroskedastisitas dalam model. Selanjutnya, jika model mengandung masalah heteroskedastisitas, bagaimana membentuk model regrasi yang terbebas terhadap masalah heteroskedastisitas. Jika variabel gangguan tidak mempunyai rata-rata nol maka tidak mempengaruhi slope, hanya akan mempengaruhi intersep. Hal ini tidak membawa konsekuensi serius karena perhatian dalam aplikasi ekonometrika bukan pada intersep tetapi pada slope. Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 57 ROA 0.0600 0.0400 0.0200 0.0000 -2 -1 0 1 2 3 Regression Standardized Predicted Value Gambar 4.2. Hasil Uji Heteroskedastisitas Grafik di atas adalah output yang digunakan untuk menguji asumsi Hetersokedastisitas. Hasil yang diperoleh menunjukkan bahwa sebaran data pada grafik di atas menyebar secara acak dan tanpa ada pola tertentu. Sehingga dinyatakan tidak ada masalah hetersokedastisitas. Berdasarkan hasil ini dapat disimpulkan bahwa model telah memenuhi asumsi non heteroskedastisitas dengan sangat baik. Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 58 4.4. Analisis Regresi Linier Berganda Per Tahun Untuk Perusahaan Laba Di bawah ini adalah hasil analisis regresi untuk seluruh variabel bebas terhadap arus kas masa depan. Keseluruhan data digunakan dalam analisis ini dengan dilakukan pembedaan atas tahun dan untuk perusahaan laba. Tahun 2004 Tabel 4.12. ANOVAb,c Model 1 Regression Residual Total Sum of Squares 18218693 3195289 21413982 df 2 89 91 Mean Square 9109346.623 35902.119 F 253.727 Sig. .000a a. Predictors: (Constant), X2 (AKOt), X1 (LBt) b. Dependent Variable: Y (AKOt+1) c. Status Laba = Positif, Tahun = Tahun 2004 Sumber : Hasil Olahan Peneliti, 2009 Dari tabel di atas terlihat bahwa secara umum model telah memenuhi persyaratan statistik, di mana diperoleh nilai signifikani sebesar 0,000 pada tabel anova di atas. Hasil tersebut menunjukkan bahwa secara model telah memenuhi persyaratan secara statistik. Nilai F hitung adalah sebesar 253,727 dan nilainya signifikan secara statistik pada alfa 0,005 sehingga model regresi dapat digunakan untuk memprediksi arus kas masa depan. Langkah selanjutnya adalah memperhatikan variabel mana saja yang memiliki pengaruh yang signifikan terhadap variabel Y (arus kas masa depan). Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 59 Coefficientsa,b Model 1 (Constant) X1 (LBt) X2 (AKOt) Unstandardized Coefficients B Std. Error 35.138 21.317 .209 .038 .542 .052 Standardized Coefficients Beta .336 .644 t 1.648 5.455 10.457 Sig. .103 .000 .000 a. Dependent Variable: Y (AKOt+1) b. Status Laba = Positif, Tahun = Tahun 2004 Sumber : Hasil Olahan Peneliti, 2009 Dari tabel di atas terlihat bahwa seluruh variabel bebas yaitu laba bersih tahun ini dan arus kas tahun ini memiliki pengaruh yang signifikan terhadap arus kas masa depan, hal ini ditunjukkan oleh nilai signifikan yang seluruhnya lebih kecil dari 0,05 yaitu sebesar 0,000 untuk kedua variabel tersebut. Berdasarkan uji t, dapat dilihat bahwa variabel laba bersih dan arus kas operasi tahun berjalan secara statistik signifikan pada alfa 0,05 dengan nilai t hitung 5,455 untuk laba bersih dan 10,457 untuk arus kas masa depan. Model Summaryb Model 1 R R Square .922a .851 Adjusted R Square .847 Std. Error of the Estimate 189.47855 a. Predictors: (Constant), X2 (AKOt), X1 (LBt) b. Status Laba = Positif, Tahun = Tahun 2004 Sumber : Hasil Olahan Peneliti, 2009 Berdasarkan data hasil regresi, diperoleh adjusted R2 sebesar 0,851 dan termasuk dalam kategori sangat kuat. Berdasarkan hasil ini dinyatakan bahwa kedua variabel tersebut mempengaruhi arus kas masa depan dengan signifikan untuk tahun 2004 dengan memprediksi untuk tahun 2005. Sehingga yang terjadi yakni laba bersih dan arus kas tahun 2004 memiliki kemampuan dalam Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 60 memprediksi arus kas masa depan yaitu arus kas di tahun 2005. Model regresi yang terbentuk adalah sebagai berikut : AKOt+1 = 35,138 + 0,209 LBt + 0,542 AKOt Tahun 2005 Tabel 4.13. ANOVAb,c Model 1 Regression Residual Total Sum of Squares 1.0E+008 13095747 1.2E+008 df 2 98 100 Mean Square 52028109.24 133630.067 F 389.344 Sig. .000a a. Predictors: (Constant), X2 (AKOt), X1 (LBt) b. Dependent Variable: Y (AKOt+1) c. Status Laba = Positif, Tahun = Tahun 2005 Sumber : Hasil Olahan Peneliti, 2009 Dari tabel di atas terlihat bahwa secara umum model telah memenuhi persyaratan statistik, di mana diperoleh nilai signifikani sebesar 0,000 pada tabel anova di atas. Hasil tersebut menunjukkan bahwa secara model telah memenuhi persyaratan secara statistik. Nilai F hitung adalah sebesar 389,344 dan nilainya signifikan secara statistik pada alfa 0,05 sehingga model regresi dapat digunakan untuk memprediksi arus kas masa depan. Langkah selanjutnya adalah memperhatikan variabel mana saja yang memiliki pengaruh yang signifikan terhadap variabel Y (arus kas masa depan). Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 61 Coefficientsa,b Model 1 (Constant) X1 (LBt) X2 (AKOt) Unstandardized Coefficients B Std. Error -36.566 39.248 1.022 .094 .879 .127 Standardized Coefficients Beta .607 .385 t -.932 10.896 6.914 Sig. .354 .000 .000 a. Dependent Variable: Y (AKOt+1) b. Status Laba = Positif, Tahun = Tahun 2005 Sumber : Hasil Olahan Peneliti, 2009 Dari tabel di atas terlihat bahwa seluruh variabel bebas yaitu laba bersih tahun ini dan arus kas tahun ini memiliki pengaruh yang signifikan terhadap arus kas masa depan, hal ini ditunjukkan oleh nilai signifikani yang seluruhnya lebih kecil dari 0,05. Yaitu sebesar 0,000 untuk kedua variabel tersebut. Berdasarkan uji t, dapat dilihat bahwa variabel laba bersih dan arus kas operasi tahun berjalan secara statistik signifikan pada alfa 0,05 dengan nilai t hitung 10,896 untuk laba bersih dan 6,914 untuk arus kas masa depan. Model Summaryb Model 1 R R Square .942a .888 Adjusted R Square .886 Std. Error of the Estimate 365.55447 a. Predictors: (Constant), X2 (AKOt), X1 (LBt) b. Status Laba = Positif, Tahun = Tahun 2005 Sumber : Hasil Olahan Peneliti, 2009 Berdasarkan data hasil regresi, diperoleh adjusted R2 sebesar 0,888 dan termasuk dalam kategori sangat kuat. Berdasarkan hasil ini dinyatakan bahwa kedua variabel tersebut mempengaruhi arus kas masa depan dengan signifikan untuk tahun 2005 dengan memprediksi untuk tahun 2006. Dapat dikatakan bahwa laba bersih dan arus kas tahun 2005 memiliki kemampuan dalam Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 62 memprediksi arus kas tahun 2007. Model regresi yang terbentuk adalah sebagai berikut : AKOt+1 = -36,566 + 1,022 LBt + 0,879 AKOt Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 63 Tahun 2006 Tabel 4.14. ANOVAb,c Model 1 Regression Residual Total Sum of Squares 81254415 4.6E+008 5.4E+008 df 2 103 105 Mean Square 40627207.69 4447196.191 F 9.135 Sig. .000a a. Predictors: (Constant), X2 (AKOt), X1 (LBt) b. Dependent Variable: Y (AKOt+1) c. Status Laba = Positif, Tahun = Tahun 2006 Sumber : Hasil Olahan Peneliti, 2009 Dari tabel di atas terlihat bahwa secara umum model telah memenuhi persyaratan statistik, di mana diperoleh nilai signifikani sebesar 0,000 pada tabel anova di atas. Hasil tersebut menunjukkan bahwa secara model telah memenuhi persyaratan secara statistik. Nilai F hitung adalah sebesar 9,135 dan nilainya signifikan secara statistik pada alfa 0,05 sehingga model regresi dapat digunakan untuk memprediksi arus kas masa depan walaupun nilainya sangat kecil dan termnasuk dalam kategori lemah dalam memprediksi arus kas masa depan. Langkah selanjutnya adalah memperhatikan variabel mana saja yang memiliki pengaruh yang signifikan terhadap variabel Y (arus kas masa depan). Coefficientsa,b Model 1 (Constant) X1 (LBt) X2 (AKOt) Unstandardized Coefficients B Std. Error 84.373 215.787 2.841 .863 -.739 .445 Standardized Coefficients Beta .648 -.327 t .391 3.290 -1.662 Sig. .697 .001 .100 a. Dependent Variable: Y (AKOt+1) b. Status Laba = Positif, Tahun = Tahun 2006 Sumber : Hasil Olahan Peneliti, 2009 Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 64 Berdasarkan uji t, dapat dilihat bahwa variabel arus kas operasi tahun berjalan secara statistik tidak signifikan pada alfa 0,05 dengan nilai t hitung 1,662 untuk arus kas masa depan. Dari hasil uji t terlihat bahwa yang tidak signifikan adalah arus kas tahun operasi tahun berjalan karena nilainya lebih besar dari 0,05 sehingga dapat dikatakan bahwa kedua variabel tidak memiliki pengaruh yang signifikan terhadap arus kas masa depan. Sedangkan untuk laba bersih tahun ini dinilai kurang signifikan dalam memprediksi arus kas masa depan dengan nilai t hitung 3,290. Model Summaryb Model 1 R R Square .388a .151 Adjusted R Square .134 Std. Error of the Estimate 2108.83764 a. Predictors: (Constant), X2 (AKOt), X1 (LBt) b. Status Laba = Positif, Tahun = Tahun 2006 Sumber : Hasil Olahan Peneliti, 2009 Berdasarkan data hasil regresi, diperoleh adjusted R2 sebesar 0,134 dan termasuk dalam kategori sangat lemah. Sehingga dapat dikatakan bahwa laba bersih dan arus kas tahun 2006 tidak signifikan dalam memprediksi arus kas masa depan yaitu arus kas di tahun 2007. Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 65 4.5. Analisis Regresi Linier Berganda Per Tahun Untuk Perusahaan Rugi Di bawah ini adalah hasil analisis regresi untuk seluruh variabel bebas terhadap arus kas masa depan. Keseluruhan data digunakan dalam analisis ini dengan dilakukan pembedaan atas tahun dan untuk perusahaan rugi. Tahun 2004 Tabel 4.15. ANOVAb,c Model 1 Regression Residual Total Sum of Squares 226874.2 449115.4 675989.6 df 2 45 47 Mean Square 113437.080 9980.342 F 11.366 Sig. .000a a. Predictors: (Constant), X2 (AKOt), X1 (LBt) b. Dependent Variable: Y (AKOt+1) c. Status Laba = Negatif, Tahun = Tahun 2004 Sumber : Hasil Olahan Peneliti, 2009 Dari tabel di atas terlihat bahwa secara umum model telah memenuhi persyaratan statistik, di mana diperoleh nilai signifikani sebesar 0,000 pada tabel anova di atas. Hasil tersebut menunjukkan bahwa secara model telah memenuhi persyaratan secara statistik. Nilai F hitung adalah sebesar 11,366 dan nilainya signifikan secara statistik pada alfa 0,005 sehingga model regresi dapat digunakan untuk memprediksi arus kas masa depan. Langkah selanjutnya adalah memperhatikan variabel mana saja yang memiliki pengaruh yang signifikan terhadap variabel Y (arus kas masa depan). Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 66 Coefficientsa,b Model 1 Unstandardized Coefficients B Std. Error -2.591 15.700 .033 .047 .688 .144 (Constant) X1 (LBt) X2 (AKOt) Standardized Coefficients Beta t -.165 .703 4.765 .086 .583 Sig. .870 .485 .000 a. Dependent Variable: Y (AKOt+1) b. Status Laba = Negatif, Tahun = Tahun 2004 Sumber : Hasil Olahan Peneliti, 2009 Dari tabel di atas terlihat bahwa seluruh variabel bebas yaitu laba bersih tahun ini tidak memiliki pengaruh yang signifikan terhadap arus kas masa depan, hal ini ditunjukkan oleh nilai signifikan yang lebih besar dari 0,05 yaitu sebesar 0,485 untuk variabel tersebut. Sedangkan arus kas operasi tahun ini memiliki pengaruh yang signifikan terhadap arus kas masa depan, dengan nilai signifikan yang lebih kecil dari 0,05 yaitu 0,000. Berdasarkan uji t, dapat dilihat bahwa variabel laba bersih dan arus kas operasi tahun berjalan secara statistik signifikan pada alfa 0,05 dengan nilai t hitung 0,703 untuk laba bersih dan 4,765 untuk arus kas masa depan. Model Summaryb Model 1 R R Square .579a .336 Adjusted R Square .306 Std. Error of the Estimate 99.90166 a. Predictors: (Constant), X2 (AKOt), X1 (LBt) b. Status Laba = Negatif, Tahun = Tahun 2004 Sumber : Hasil Olahan Peneliti, 2009 Berdasarkan data hasil regresi, diperoleh adjusted R2 sebesar 0,336 dan termasuk dalam kategori lemah. Berdasarkan hasil ini dinyatakan bahwa kedua variabel tersebut mempengaruhi arus kas masa depan dengan signifikan Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 67 untuk tahun 2004 dengan memprediksi untuk tahun 2005. Sehingga yang terjadi yakni laba bersih dan arus kas tahun 2004 memiliki kemampuan dalam memprediksi arus kas masa depan yaitu arus kas di tahun 2005. Model regresi yang terbentuk adalah sebagai berikut : AKOt+1 = -2,591 + 0,033 LBt + 0,688 AKOt Tahun 2005 ANOVAb,c Model 1 Regression Residual Total Sum of Squares 780708.8 6587494 7368203 df 2 36 38 Mean Square 390354.417 182985.952 F 2.133 Sig. .133a a. Predictors: (Constant), X2 (AKOt), X1 (LBt) b. Dependent Variable: Y (AKOt+1) c. Status Laba = Negatif, Tahun = Tahun 2005 Sumber : Hasil Olahan Peneliti, 2009 Dari tabel di atas terlihat bahwa secara umum model tidak memenuhi persyaratan statistik, di mana diperoleh nilai signifikani sebesar 0,133 pada tabel anova di atas. Hasil tersebut menunjukkan bahwa secara model tidak memenuhi persyaratan secara statistik. Nilai F hitung adalah sebesar 2,133 dan nilainya tidak signifikan secara statistik pada alfa 0,05 sehingga model regresi tidak dapat digunakan untuk memprediksi arus kas masa depan. Langkah selanjutnya adalah memperhatikan variabel mana saja yang memiliki pengaruh yang signifikan terhadap variabel Y (arus kas masa depan). Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 68 Coefficientsa,b Model 1 (Constant) X1 (LBt) X2 (AKOt) Unstandardized Coefficients B Std. Error 40.628 78.518 .222 .341 2.316 1.140 Standardized Coefficients Beta .104 .323 t .517 .653 2.031 Sig. .608 .518 .050 a. Dependent Variable: Y (AKOt+1) b. Status Laba = Negatif, Tahun = Tahun 2005 Sumber : Hasil Olahan Peneliti, 2009 Dari tabel di atas terlihat bahwa seluruh variabel bebas yaitu laba bersih tahun ini tidak memiliki pengaruh yang signifikan terhadap arus kas masa depan, hal ini ditunjukkan oleh nilai signifikani yang lebih besar dari 0,05 yaitu sebesar 0,518 untuk variabel tersebut. Sedangkan untuk arus kas operasi tahun berjalan memiliki pengaruh yang signifikan karena berada di kisaran 0,05 yakni 0,050. Berdasarkan uji t, dapat dilihat bahwa variabel laba bersih dan arus kas operasi tahun berjalan secara statistik signifikan pada alfa 0,05 dengan nilai t hitung 0,653 untuk laba bersih dan 2,031 untuk arus kas masa depan. Model Summaryb Model 1 R R Square .326a .106 Adjusted R Square .056 Std. Error of the Estimate 427.76857 a. Predictors: (Constant), X2 (AKOt), X1 (LBt) b. Status Laba = Negatif, Tahun = Tahun 2005 Sumber : Hasil Olahan Peneliti, 2009 Berdasarkan data hasil regresi, diperoleh adjusted R2 sebesar 0,106 dan termasuk dalam kategori sangat lemah. Berdasarkan hasil ini dinyatakan bahwa kedua variabel tersebut tidak mempengaruhi arus kas masa depan dengan signifikan untuk memprediksi arus kas masa depan tahun 2006. Dapat Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 69 dikatakan bahwa laba bersih dan arus kas tahun 2005 tidak memiliki kemampuan dalam memprediksi arus kas tahun 2006. Model regresi yang terbentuk adalah sebagai berikut : AKOt+1 = 40,628 + 0,222 LBt + 2,316 AKOt Tahun 2006 Tabel 4.16. ANOVAb,c Model 1 Regression Residual Total Sum of Squares 13165676 2143257 15308933 df 2 31 33 Mean Square 6582838.200 69137.309 F 95.214 Sig. .000a a. Predictors: (Constant), X2 (AKOt), X1 (LBt) b. Dependent Variable: Y (AKOt+1) c. Status Laba = Negatif, Tahun = Tahun 2006 Sumber : Hasil Olahan Peneliti, 2009 Dari tabel di atas terlihat bahwa secara umum model telah memenuhi persyaratan statistik, di mana diperoleh nilai signifikani sebesar 0,000 pada tabel anova di atas. Hasil tersebut menunjukkan bahwa secara model telah memenuhi persyaratan secara statistik. Nilai F hitung adalah sebesar 95,214 dan nilainya signifikan secara statistik pada alfa 0,05 sehingga model regresi dapat digunakan untuk memprediksi arus kas masa depan. Langkah selanjutnya adalah memperhatikan variabel mana saja yang memiliki pengaruh yang signifikan terhadap variabel Y (arus kas masa depan). Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia 70 Coefficientsa,b Model 1 (Constant) X1 (LBt) X2 (AKOt) Unstandardized Coefficients B Std. Error -87.747 48.889 -1.445 .212 .287 .083 Standardized Coefficients Beta t -1.795 -6.822 3.444 -.659 .333 Sig. .082 .000 .002 a. Dependent Variable: Y (AKOt+1) b. Status Laba = Negatif, Tahun = Tahun 2006 Sumber : Hasil Olahan Peneliti, 2009 Dari tabel di atas terlihat bahwa seluruh variabel bebas yaitu laba bersih tahun ini dan arus kas tahun ini memiliki pengaruh yang signifikan terhadap arus kas masa depan, hal ini ditunjukkan oleh nilai signifikan yang seluruhnya lebih kecil dari 0,05 yaitu sebesar 0,000 untuk kedua variabel tersebut. Berdasarkan uji t, dapat dilihat bahwa variabel laba bersih dan arus kas operasi tahun berjalan secara statistik signifikan pada alfa 0,05 dengan nilai t hitung -6,822 untuk laba bersih dan 3,444 untuk arus kas masa depan. Model Summaryb Model 1 R R Square .927a .860 Adjusted R Square .851 Std. Error of the Estimate 262.93974 a. Predictors: (Constant), X2 (AKOt), X1 (LBt) b. Status Laba = Negatif, Tahun = Tahun 2006 Sumber : Hasil Olahan peneliti, 2009 Berdasarkan data hasil regresi, diperoleh adjusted R2 sebesar 0,860 dan termasuk dalam kategori sangat kuat. Sehingga dapat dikatakan bahwa laba bersih dan arus kas tahun 2006 signifikan dalam memprediksi arus kas masa depan yaitu arus kas di tahun 2007. Model regresi yang terbentuk adalah sebagai berikut : AKOt+1 = -87,747 -1,445 LBt + 0,287 AKOt Analisis kemampuan laba ..., Nur Hidayati, FISIP UI, 2009 Universitas Indonesia ...
View Full Document

This note was uploaded on 02/16/2012 for the course ACC 205 taught by Professor Hery during the Spring '12 term at Universitas Budi Luhur.

Ask a homework question - tutors are online