m.si.,akt pembimbing ii -...
TRANSCRIPT
1
ANALISIS KEMAMPUAN LABA KOTOR, LABA BERSIH DAN ARUS KAS
OPERASI DALAM MEMPREDIKSI ARUS KAS DI MASA MENDATANG
(Studi Pada Perusahaan food and beverage yang Terdaftar di Bursa Efek Indonesia)
(Skripsi)
NAMA : IRMA JANITA
NPM : 0741031050
EMAIL : [email protected]
NO. HP : 085768131112
PEMBIMBING I : Trijoko Prasetyo,S.E.,M.Si.,Akt
PEMBIMBING II : Ninuk D Kesumaningrum,S.E.,M.Sc.,Akt
JURUSAN AKUNTANSI
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS LAMPUNG
2012
2
ABSTRAK
ANALISIS KEMAMPUAN LABA KOTOR, LABA BERSIH DAN ARUS
KAS OPERASI DALAM MEMPREDIKSI ARUS KAS DI MASA
MENDATANG
( Pada Perusahaan Food And Beverage Yang Terdaftar Di BEI)
Oleh
IRMA JANITA
Tujuan dari penelitian ini adalah untuk menganalisis apakah variabel-variabel
seperti laba kotor (LK), laba bersih (LB), dan arus kas operasi (AKO) memiliki
kemampuan dalam memprediksi arus kas dimasa mendatang (AKM). Penelitian
ini menggunakan populasi perusahaan food and beverage yang terdaftar di Bursa
Efek Indonesia (BEI) pada tahun 2006-2010. Pengambilan sampel dilakukan
dengan teknik purposive sampling. Dengan metode sampling tersebut didapat
sampel yang digunakan dalam penelitian ini sebanyak 12 perusahaan. Penelitian
ini menggunakan data sekunder yang diperoleh dari publikasi Indonesian Capital
Market Directory (ICMD). Teknik analisis yang digunakan pada penelitian ini
adalah teknik analisis regresi linier berganda dan uji hipotesis F-statistik untuk
menguji pengaruh secara bersama-sama dengan tingkat kepercayaan 5% serta
menggunakan t-statistik untuk menguji koefisien regresi parsial. Dari penelitian
ini diperoleh kesimpulan sebagai berikut : variabel laba kotor berpengaruh negatif
dan tidak signifikan terhadap arus kas mendatang (AKM) , variabel laba bersih
berpengaruh negatif dan tidak signifikan terhadap AKM, dan variabel arus kas
operasi berpengaruh positif dan signifikan terhadap AKM. Besarnya koefisien
determinasi (Adjusted R Square) arus kas operasi adalah sebesar 0,279 lebih tinggi
dibandingkan laba kotor dan laba bersih. Hal ini menunjukan bahwa arus kas
operasi memiliki kemampuan yang lebih baik dibandingkan laba kotor dan laba
bersih dalam memprediksi arus kas dimasa mendatang sebesar 27,90%
Kata Kunci : Laba kotor , Laba bersih, Arus kas operasi, Arus kas mendatang
(AKM)
3
ABSTRACT
CAPABILITY ANALYSES OF GROSS PROFIT, BET PROFIT AND
OPERATION CASH FLOW IN PREDICTING CASH FLOW
IN THE FUTURE
(On Food and Beverage Company that Registered in Indonesian Stock
Exchange)
By
IRMA JANITA
The aimed of this research was to analyze whether variables like gross profit, bet
profit and operation cash flow had been capability in predicting cash flow in the
future. This research used population of Food and Beverage Company that
registered in Indonesian stock exchange on 2006-2010. Taking sample used
purposing sampling technique as many as 12 companies. Research used secondary
data that got from Indonesian Capital Market Directory (ICMD) publication.
Technique analyses used multiple linear regression and hypothesis F-statistic test
to test the influence of belief level 5% and t-statistic to test coefficiency partial
regression. From this research got the conclusion that: gross profit variable has
negative influence and not significant toward cash flow in the future, bet profit
variable has not influence and not significant toward cash flow in the future, and
operation cash flow variable has positive influence and significant toward cash
flow in the future. The highest of coeficiency determination (Adjust R Square) of
operation cash flow was 0,279 higher than gross profit and bet profit. It showed
that operation cash flow has good capability than gross profit and bet profit in
predicting cash flow in the future as many as 27,90%
Key Words: Gross Profit, Bet Profit, Operation Cash Flow and Cash Flow
in the Future
4
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Informasi keuangan yang terdapat dalam laporan keuangan masih diyakini sebagai
alat yang handal bagi para pemakainya untuk mengurangi ketidakpastian dalam
pengambilan keputusan ekonomi (PSAK No.1 tahun 2009). Berdasarkan PSAK
No.1 tahun 2009, Laporan keuangan perusahaan yang dipublikasikan adalah salah
satu sumber informasi yang penting bagi para investor. Melalui laporan keuangan,
investor dapat menganalisis hasil kinerja manajemen dan melakukan prediksi
perolehan laba di masa yang akan datang. Selain hal tersebut, para investor juga
dapat mengestimasi arus kas yang akan datang dengan laporan keuangan. Salah
satu jenis laporan keuangan yang terkait dengan prediksi arus kas di masa depan
adalah laporan arus kas. Semenjak dikeluarkannya PSAK No. 2 tahun 1994 yang
aktif diberlakukan mulai 1 Januari 1995, laporan arus kas telah menjadi bagian
yang tidak terpisahkan dari laporan keuangan serta menjadi keharusan bagi
perusahaan untuk membuat laporan arus kas. Laporan arus kas ini diharapkan
memiliki kandungan informasi tambahan yang berguna bagi pengambilan
keputusan investasi.
Beberapa penelitian dilakukan oleh Bandi dan Rahmawati (2005) serta Dahler dan
Febrianto (2005) dengan menggunakan tiga model yaitu model arus kas, model
laba dan model laba-arus kas untuk memprediksi arus kas masa depan. Hasil
penelitiannya menemukan bahwa data arus kas memberikan informasi yang lebih
5
baik untuk meramalkan arus kas masa depan dibandingkan laba. Selain laporan
arus kas, laporan laba rugi juga merupakan laporan keuangan yang terkait dengan
prediksi arus kas di masa mendatang. Laporan laba rugi merupakan laporan utama
mengenai kinerja dari suatu perusahaan selama periode tertentu. Laporan laba rugi
memuat banyak angka laba, yaitu laba kotor, laba operasi, dan laba bersih.
Informasi laba memainkan peranan yang signifikan dalam proses pengambilan
keputusan oleh pengguna laporan keuangan yang diterbitkan. Menurut PSAK No.
25, informasi yang disediakan laporan laba rugi seringkali digunakan untuk
memperkirakan kemampuan perusahaan dalam menghasilkan arus kas dan aktiva
yang disamakan dengan kas di masa mendatang. Usaha untuk mengungkap
potensi laba dalam kemampuannya untuk memprediksi keuntungan investasi di
masa depan telah banyak dilakukan oleh para peneliti, dari yang menguji
kandungan nilai informasi laba, kemampuan prediksi laba sampai yang
berhubungan dengan return saham. Namun pada umumnya sebagian besar
peneliti menggunakan laba bersih atau laba operasi sebagai variabelnya untuk
penelitian mengenai laba dalam pengujian kandungan informasi, prediksi laba dan
arus kas masa depan.
Seperti dinyatakan pada penelitian Daniarti dan Suhairi (2006), riset akuntansi
mengenai laba terutama yang mencari hubungan angka laba dengan harga saham
maupun return saham, selalu menggunakan angka laba operasi atau laba per
saham (Earnings Per Share) yang dihitung menggunakan angka laba bersih dan
jarang yang menggunakan angka laba kotor. Ditemukan dua penelitian, yaitu
Febrianto dan Widiastuty (2005) dan Daniarti dan Suhairi (2006) yang
6
menggunakan variabel laba kotor dalam penelitiannya. Daniarti dan Suhairi
(2006) menggunakan laba kotor sebagai salah satu prediktor dari ekspektasi
return saham berdasar pada penelitian yang dilakukan oleh Febrianto dan
Widiastuty (2005), ditemukan bahwa laba kotor terbukti direaksi pasar.
Penelitian ini merupakan replikasi dari penelitian sebelumnya yaitu penelitian
Dahler dan Febrianto (2005) . Pada penelitian sebelumnya variabel yang
digunakan adalah earnings atau laba dan arus kas sedangkan pada penelitian ini
yang membedakan dari penelitian sebelumnya selain perbedaan pada tahun
penelitian adalah perbedaan memisahkan antara komponen laba yaitu laba kotor
dan laba bersih sebagai variabel independen dan juga arus kas operasi.
Kim&Kross (2002) dalam Febrianto &Widiastuty (2005) menyatakan bahwa laba
memiliki kemampuan dalam memprediksi arus kas mendatang perusahaan dan
memiliki kemampuan lebih baik dibandingkan dengann arus kas jika laba di pecah
ke dalam komponen akrual. Perhitungan angka laba kotor menyertakan lebih
sedikit komponen pendapatan dan biaya dibandingkan dengan perhitungan laba
bersih. Laba kotor di pandang lebih relevan digunakan sebagai alat prediksi arus
kas di masa mendatang karena pada laporan laba rugi perhitungan laba kotor
dilaporkan terlebih dahulu daripada perhitungan laba lainnya, pada laba kotor
keterlibatan kendali manajemen lebih besar dan memiliki hubungan yang lebih
erat dengan penciptaan pendapatan sehingga laba kotor memiliki pengaruh
terhadap arus kas di masa mendatang. Menurut Skousen et al (2009: 199), Laba
bersih merupakan nilai laba yang akan menggambarkan kondisi perusahaan yang
akan berkelanjutan ke masa yang akan datang. Laba bersih merupakan laba
7
setelah pengurangan beban bunga, beban pajak penghasilan, dan keuntungan atau
kerugian lain dari laba operasi perusahaan. Sedangkan arus kas operasi merupakan
komponen dari arus kas itu sendiri yaitu aktivitas penghasil utama pendapatan
perusahaan. Jumlah arus kas yang berasal dari aktivitas operasi merupakan
indikator utama untuk menentukan apakah operasi perusahaan dapat
menghasilkan kas yang cukup. Informasi mengenai unsur tertentu arus kas
bersama dengan informasi lain, berguna dalam memprediksi arus kas masa
mendatang, seperti yang dinyatakan dalam PSAK No.2 tahun 2009. Penelitian
terdahulu menggunakan perusahaan manufaktur sebagai populasi penelitian
sedangkan pada penelitian ini lebih spesifikasi menggunakan perusahaan food and
beverage. Alasan menggunakan perusahaan food and beverage pada penelitian ini
karena perusahaan food and beverage cukup rentan terhadap inflasi, selain itu
perusahaan ini memiliki tingkat perdagangan yang tinggi yang menyebabkan
tingkat sensitifitas yang tinggi terhadap kejadian-kejadian yang ada di dalam dan
diluar perusahaan. Berdasarkan uraian diatas, peneliti merasa tertarik untuk
melakukan penelitian kembali dengan judul “Analisis Kemampuan Laba Kotor,
Laba Bersih dan Arus Kas dalam Memprediksi Arus Kas di masa Mendatang”.
1.2 Rumusan Masalah
Berdasarkan latar belakang yang telah diuraikan diatas, maka penulis
merumuskan permasalahan yang akan menjadi topik pembahasan dalam
penelitian ini adalah
1. Apakah laba kotor, laba bersih dan arus kas operasi berpengaruh terhadap
arus kas di masa mendatang ?
8
2. Apakah laba kotor, laba bersih atau arus kas operasi yang memiliki
kemampuan paling baik dalam memprediksi arus kas di masa mendatang ?
1.3 Tujuan Penelitian
Penelitian ini bertujuan untuk mendapatkan bukti empiris mengenai
kemampuan laba kotor, laba bersih, arus kas dalam memprediksi arus kas di
masa mendatang dengan menguji masing-masing variabel pada perusahaan
food and beverage yang terdaftar di Bursa Efek Indonesia.
1.4 Manfaat Penelitian
1. Bagi kalangan akademik dan pembaca hasil penelitian ini diharapkan dapat
menambah referensi bagi penelitian selanjutnya, dengan melihat variabel
manakah yang sesuai dengan teori dan bersifat signifikan. Variabel yang
demikian layak menjadi variabel penelitian pada penelitian selanjutnya.
2. Bagi investor sebagai bahan pertimbangan atau referensi untuk memperoleh
informasi yang lebih baik dalam menilai potensi perusahaan sehingga
digunakan sebagai dasar melakukan investasi.
3. Bagi penelitian selanjutnya, hasil dari penelitian ini dapat dijadikan dasar
untuk lebih menyempurnakan berbagai keterbatasan yang ada dalam
penelitian sebelumnya.
9
BAB II
TINJAUAN PUSTAKA
2. 1 Laporan Laba Rugi
2.1.1 Definisi Laba
Menurut Kieso (2005) laporan laba rugi (income statement) adalah laporan yang
mengukur keberhasilan operasi perusahaan selama periode waktu tertentu,
menyediakan informasi yang diperlukan oleh para investor dan kreditor untuk
memprediksikan jumlah, penetapan waktu, dan ketidakpastian dari arus kas masa
depan. Laporan laba rugi merupakan bagian dari laporan keuangan suatu
perusahaan yang dihasilkan pada suatu periode akuntansi yang menyajikan unsur
unsur pendapatan dan biaya perusahaan sehingga menghasilkan laba atau rugi
bersih. Laporan laba rugi merupakan laporan utama untuk melaporkan kinerja dari
suatu perusahaan selama suatu periode tertentu. Informasi tentang kinerja suatu
perusahaan terutama tentang profitabilitas, dibutuhkan untuk mengambil
keputusan tentang sumber ekonomi yang akan dikelola oleh suatu perusahaan di
masa yang akan datang. Informasi tersebut juga seringkali digunakan untuk
memperkirakan kemampuan suatu perusahaan untuk menghasilkan kas dan aktiva
yang disamakan dengan kas di masa yang akan datang (PSAK No. 25).
Menurut Febrianto dan Widiastuty (2005), laba akuntansi yakni laba kotor, laba
operasi dan laba bersih bermanfaat untuk pengukuran efisiensi manajer dalam
mengelola perusahaan. Investor dan kreditor yakin bahwa ukuran kinerja yang
diutamakan dalam penilaian kinerja perusahaan adalah ukuran kinerja yang
mampu menggambarkan kondisi dan prospek perusahaan di masa mendatang
10
dengan lebih baik. Penilaian kinerja perusahaan ini didasarkan melalui informasi
pada laporan laba rugi yang menyajikan informasi laba kotor, laba operasi dan
laba bersih. Laba kotor adalah selisih dari pendapatan perusahaan dikurangi
dengan kos barang terjual. Kos terjual adalah semua biaya yang dikorbankan,
untuk perusahaan pemanufakturan perhitungan dimulai dari tahap ketika bahan
baku masuk ke pabrik, diolah, hingga dijual. Semua biaya-biaya langsung yang
berhubungan dengan penciptaan produk tersebut dikelompokkan sebagai harga
barang terjual. Angka laba bersih adalah angka yang menunjukkan selisih antara
seluruh pendapatan dari kegiatan operasi perusahaan maupun non operasi
perusahaan. Dengan demikian, sesungguhnya laba bersih ini adalah laba yang
menunjukkan bagian laba yang akan ditahan di dalam perusahaan dan yang akan
dibagikan sebagai dividen. Masing-masing dari hasil laba tersebut, memiliki
kandungan informasi tersendiri yang dapat digunakan untuk memprediksi laba
dan juga aliran kas masa depan.
2.1.2 Tujuan Pelaporan Laba
Tujuan pelaporan laba adalah untuk menyediakan informasi yang bermanfaat bagi
pihak yang berkepentingan. Menurut Skosen et al (2009) informasi tentang laba
perusahaan dapat digunakan untuk :
1. Sebagai indikator efisiensi penggunaan dana yang tertanam dalam
perusahaan yang diwujudkan dalam tingkat kembalian (rate of return on
invested capital).
2. Sebagai pengukur prestasi atau kinerja manajemen.
3. Sebagai dasar penentu besarnya pengenaan pajak.
11
4. Sebagai dasar kompensasi dan pembagian bonus.
5. Sebagai dasar pembagian dividen.
6.Sebagai alat motivasi manajemen dalam pengendalian perusahaan.
2.2 Laporan Arus Kas
2.2.1 Definisi Arus Kas
Laporan arus kas merupakan laporan keuangan yang menginformasikan jumlah
arus kas masuk dan arus kas keluar atau sumber dan pemakaian kas dalam suatu
perusahaan. Investor dan kreditor dapat memanfaatkan informasi arus kas untuk
mengetahui mengenai pengelolaan dan penggunaan kas dalam perusahaan
tersebut, seperti yang dinyatakan dalam PSAK No. 2 paragraf 2.
Menurut Sofyan Syafri Harahap (2008) dalam bukunya tentang “Teori
Akuntansi” , Laporan arus kas dikelompokkan menjadi tiga bagian, yaitu :
a. Arus kas dari kegiatan operasi
Kegiatan yang termasuk dalam kelompok ini adalah aktivitas penghasil utama
pendapatan perusahaan dan aktivitas lain yang bukan merupakan aktivitas
investasi dan aktivitas pendanaan, kegiatan ini biasanya mencakup kegiatan
produksi, pengiriman barang, pemberian servis.
Contoh arus kas dari kegiatan operasi adalah sebagai berikut:
1. Penerimaan kas dari penjualan barang dan jasa.
2. Penerimaan kas dari royalti, fee, komisi, dan pendapatan lain.
3. Pembayaran kas kepada pemasok barang dan jasa.
4. Pembayaran kas kepada karyawan.
12
5. Penerimaan kas dan pembayaran kas oleh perusahaan asuransi
sehubungan dengan premi, klaim anuitas dan manfaat asuransi lainnya.
6. Penerimaan dan pembayaran dari kontrak yang diadakan untuk tujuan
transaksi usaha dan perdagangan.
b. Arus kas dari kegiatan investasi
Kegiatan yang termasuk dalam arus kas kegiatan investasi adalah perolehan
dan pelepasan aktiva jangka panjang baik yang berwujud maupun yang tidak
berwujud serta investasi lain yang tidak termasuk setara kas, antara lain
menerima dan menagih pinjaman, utang, surat berharga atau modal, aktiva
tetap dan aktiva produktif lainnya yang digunakan dalam proses produksi.
Contoh arus kas dari kegiatan investasi adalah sebagai berikut:
1. Penerimaan pinjaman luar baik yang baru maupun yang sudah lama
2. Penerimaan kas dari penjualan tanah, bangunan dan peralatan, aktiva tidak
berwujud dan aktiva jangka panjang lainnya.
3. Penjualan saham baik saham sendiri maupun saham dalam bentuk investasi.
4. Pembelian saham perusahaan lain atau perusahaan sendiri
c. Arus kas dari kegiatan pendanaan/pembiayaan
Kegiatan yang termasuk kegiatan pendanaan adalah aktivitas yang
mengakibatkan perubahan dalam jumlah serta komposisi modal dan pinjaman
jangka panjang perusahaan, berupa kegiatan mendapatkan sumber-sumber dana
dari pemilik dengan memberikan prospek penghasilan dari sumber dana
tersebut, meminjam dan membayar utang kembali atau melakukan pinjaman
jangka panjang untuk membayar utang tertentu.
13
Contoh arus kas dari kegiatan pendanaan/pembiayaan
1. Penerimaan kas dari emisi saham atau instrumen modal lainnya.
2. Pembayaran kas kepada para pemegang saham untuk menarik atau
menembus saham perusahaan.
3. Pemerimaan kas dari emisi obligasi, wesel, hipotek, dan penjualan lainya.
4. Pelunasan pinjaman
5. Pembayaran kas oleh penyewa guna usaha untuk mengurangi saldo
kewajiban yang berkaitan dengan sewa guna usaha pembiayaan.
2.2.2 Isi dan Bentuk Laporan Arus Kas
Ada dua macam perhitungan arus kas yaitu metode langsung (direct method) dan
metode tidak langsung (indirect method). (IAI, 2002)
1. Metode Langsung (direct Method)
Dalam metode ini pelaporan arus kas dilakukan dengan cara melaporkan
kelompok-kelompok penerimaan kas dan pengeluaran kas dari kegiatan
operasi secara lengkap (gross), dan baru dilanjutkan dengan kegiatan
investasi dan pembiayaan. (Contoh pada lampiran 11)
2. Metode tidak langsung (indirect Method)
Dalam metode ini, laba atau rugi bersih disesuaikan dengan mengoreksi
pengaruh dari transaksi bukan kas, penangguhan atau akrual dari
penerimaan atau pembayaran kas untuk operasi dimasa lalu dan masa depan,
dan unsur penghasilan atau beban yang berkaitan dengan arus kas investasi
atau pendanaan. (Contoh pada lampiran 12)
14
2.3 Hubungan antara Laba dengan Arus Kas
Ketika dihadapkan pada dua ukuran kinerja perusahaan, yaitu laba dan aliran kas,
investor dan kreditur harus merasa yakin bahwa ukuran kinerja yang menjadi
focus perhatian mereka adalah yang mampu secara baik menggambarkan kondisi
ekonomi serta prospek perusahaan untuk bertumbuh di masa depan. Terdapat dua
metode yang digunakan untuk menghitung dan melaporkan jumlah arus kas bersih
yaitu metode langsung dan tidak langsung. Dalam kedua metode tersebut
dilakukan pemeriksaan kembali setiap pos (akun) laporan laba rugi dengan tujuan
melaporkan seberapa banyak kas yang diterima atau dikeluarkan sehubungan
dengan akun tersebut. Contohnya akun penjualan dalam laporan laba rugi,
terdapat akun yang berhubungan dengan arus kas yakni kas yang diterima dari
pelanggan. Berdasarkan analisis terhadap akun-akun neraca dan laporan laba rugi,
terdapat akun yang berhubungan dengan arus kas yakni kas yang diterima dari
pelanggan. Berdasarkan analisis terhadap akun-akun neraca dan laporan laba rugi,
seluruh arus kas masuk dan keluar dari suatu entitas akan dapat diindentifikasikan.
(Skousen,2009).
Laba dan arus kas dapat digunakan untuk memprediksi arus kas masa depan. Kas
merupakan aktiva yang paling liquid atau merupakan salah satu unsur modal kerja
yang paling tinggi likuiditasnya. Hal ini berarti bahwa semakin besar jumlah kas
yang dimiliki oleh suatu perusahaan akan semakin tinggi pula liquiditasnya.
Tetapi suatu perusahaan yang mempunyai kas dalam jumlah yang besar
menunjukan tingkat perputaran kas yang rendah dan adanya over investment
dalam kas. Dapat dinilai bahwa perusahaan kurang efektif dalam mengelola kas.
15
Sebaliknya jika perusahaan mempunyai jumlah kas yang kecil, akan diperoleh
tingkat perputaran kas yang tinggi dan keuntungan yang diperoleh akan lebih
besar. Namun, ini berarti perusahaan yang mengejar keuntungan tanpa
memperhatikan likuiditas. Perusahaan tidak dapat segera memenuhi kewajiban
keuangannya pada saat ditagih (illiquid). Dari uraian tersebut dapat disimpulkan
bahwa kas sangat berperan dalam menentukan kelancaran kegiatan perusahaan.
Dengan kata lain, perusahaan dalam melaksanakan seluruh kegiatannya
membutuhkan kas dan bukan laba. Oleh karena itu, kas harus direncanakan dan
diawasi dengan baik dalam penerimaan maupun penggunaanya.
2.4 Perumusan Hipotesis
1. Kemampuan Laba kotor dalam memprediksi Arus kas Masa Mendatang
Menurut Febrianto dan Widiastuty (2005) Laba kotor adalah selisih dari
pendapatan perusahaan dikurangi dengan kos barang terjual. Kos barang terjual
adalah semua biaya yang dikorbankan untuk perusahaan pemanufakturan
perhitungan dimulai dari tahap ketika bahan baku masuk ke pabrik, diolah, hingga
dijual.
Banyak penelitian-penelitian mengenai pengaruh laba dengan arus kas yang
dilakukan dengan menggunakan variabel laba operasi atau laba bersih dan jarang
yang menggunakan variabel laba kotor. Kim&Kross (2002) dalam Febrianto
&Widiastuty (2005) menyatakan bahwa laba memiliki kemampuan dalam
memprediksi arus kas mendatang perusahaan dan memiliki kemampuan lebih baik
dibandingkan dengann arus kas jika laba di pecah ke dalam komponen akrual.
16
Perhitungan angka laba kotor menyertakan lebih sedikit komponen pendapatan
dan biaya dibandingkan dengan perhitungan laba bersih. Laba kotor di pandang
lebih relevan digunakan sebagai alat prediksi arus kas di masa mendatang karena
pada laporan laba rugi perhitungan laba kotor dilaporkan terlebih dahulu daripada
perhitungan laba lainnya, pada laba kotor keterlibatan kendali manajemen lebih
besar dan memiliki hubungan yang lebih erat dengan penciptaan pendapatan
sehingga laba kotor memiliki pengaruh terhadap arus kas di masa mendatang.
Febrianto dan Widiastuty (2005) meneliti ketiga angka laba akuntansi yaitu, laba
kotor, laba operasi dan laba besih untuk mengetahui mana yang lebih bermakna
bagi investor. Hasil penelitian yang dilakukan olehnya menyatakan bahwa angka
laba kotor paling kuat dan lebih mampu memberikan gambaran yang lebih baik
tentang hubungan antara laba dengan harga saham. Laba kotor kembali dijadikan
variabel dalam penelitian Daniati dan Suhairi (2006) dalam menguji perubahan
laba kotor terhadap expected return saham. Penelitian tersebut menggunakan
sampel perusahaan manufaktur yang terdaftar di BEI, dan ditemukan bahwa laba
kotor memiliki pengaruh yang signifikan.
Berdasarkan dari penelitian tersebut, peneliti ini akan menguji apakah variabel
laba kotor juga memiliki pengaruh dalam memprediksi arus kas di masa
mendatang, sehingga peneliti mengajukan hipotesis sebagai berikut:
H1 : Laba kotor berpengaruh dalam memprediksi arus kas di masa mendatang
17
2. Kemampuan Laba Bersih Dalam Memprediksi Arus Kas Masa
Mendatang
Martin H.L Tobing (2007) menyatakan, Angka laba bersih adalah angka yang
menunjukan selisih antara seluruh pendapatan dari kegiatan operasi perusahaan
maupun non operasi perusahaan. Menurut Skousen et al (2009: 199), Laba bersih
merupakan nilai laba yang akan menggambarkan kondisi perusahaan yang akan
berkelanjutan ke masa yang akan datang. Laba bersih merupakan laba setelah
pengurangan beban bnga, beban pajak penghasilan, dan keuntungan atau kerugian
lain dari laba operasi perusahaan, oleh sebab itu laba bersih memiliki pengaruh
terhadap arus kas dimasa mendatang. Sebagian besar peneliti menggunakan laba
bersih sebagai variabelnya untuk penelitian mengenai laba dalam pengujian
kandungan informasi, prediksi laba dan arus kas masa depan. Barth et al. (2001)
dan Kim dan Kross (2002) menyatakan bahwa laba memiliki pengaruh dalam
memprediksi arus kas mendatang perusahaan, dan memiliki kemampuan yang
lebih baik dibanding arus kas jika laba dipecah ke dalam beberapa komponen
akrual. Sehingga berdasarkan penelitian tersebut peneliti ini mengajukan hipotesis
sebagai berikut:
H2 : Laba bersih berpengaruh dalam memprediksi arus kas di masa mendatang
18
3. Kemampuan Arus Kas Operasi Dalam Memprediksi Arus Kas Masa
Mendatang
Laporan arus kas merupakan laporan keuangan yang menginformasikan jumlah
arus kas masuk dan arus kas keluar atau sumber dan pemakaian kas dalam suatu
perusahaan, seperti yang dinyatakan dalam PSAK No.2 Paragraf 2.
PSAK No.2 mengatur tentang laporan arus kas yang bertujuan untuk memberikan
informasi historis mengenai perubahan kas dan setara kas dari suatu perusahaan
melalui laporan arus kas yang mengklasifikasikannya dalam aktivitas operasi,
investasi, dan pendanaan selama suatu periode akuntansi. Informasi ini berguna
untuk menilai kemampuan perusahaan dalam menghasilkan kas dan setara kas.
Untuk membayar deviden dan memungkinkan para pemakai mengembangkan
model untuk menilai dan membandingkan nilai sekarang dari arus kas masa depan
(future cash flows) dari berbagai perusahaan. Penelitian mengenai masalah ini
dilakukan oleh beberapa peneliti seperti Hepi Syafriadi (2000), DeFond dan Hang
(2001), Dahler dan Febrianto (2006) dan hasil penelitiannya menunjukkan arus
kas memiliki pengaruh positif dalam memprediksi arus kas masa depan. Oleh
karena itu peneliti ini mengajukan hipotesis sebagai berikut:
H3 : Arus Kas Operasi berpengaruh dalam memprediksi arus kas dimasa
mendatang.
informasi arus kas historis sering digunakan sebagai indikator dari jumlah, waktu,
dan kepastian arus kas masa depan. Arus kas operasi berasal dari aktivitas operasi
perusahaan yang merupakan aktivitas penghasil utama pendapatan perusahaan.
Jumlah arus kas yang berasal dari aktivitas operasi merupakan indikator utama
19
untuk menentukan apakah operasi perusahaan dapat menghasilkan kas yang
cukup. Informasi mengenai unsur tertentu arus kas bersama dengan informasi lain,
berguna dalam memprediksi arus kas masa mendatang, seperti yang dinyatakan
dalam PSAK No.2 tahun 2009. Penelitian yang dilakukan oleh Dahler dan
Febrianto tentang laba dan arus kas dalam memprediksi arus kas masa depan
menemukan hasil bahwa data arus kas memberikan informasi yang lebih baik
untuk meramalkan arus kas masa depan dibandingkan laba. Oleh karena itu
peneliti ini mengajukan hipotesis sebagai berikut:
H4 : Arus kas operasi memiliki kemampuan lebih baik dalam memprediksi arus
kas di masa mendatang dibandingkan laba kotor dan laba bersih.
2.5 Kerangka Pemikiran
Dari perumusan hipotesis maka dapat digambarkan kerangka pemikiran penelitian
sebagai berikut:
Gambar 2.1 Kerangka Pemikiran
Arus Kas Operasi t
Arus Kas Masa
Mendatangt+1
Laba Bersih t
Laba Kotor t
20
BAB III
METODE PENELITIAN
Metode Penelitian adalah suatu kegiatan yang menggunakan metode yang
sistematis untuk memperoleh data yang meliputi pengumpulan data, pengolahan
data, dan analisis data.
3.1 Populasi dan sampel
Populasi merupakan keseluruhan objek yang diteliti. Populasi yang digunakan
dalam penelitian ini adalah laporan keuangan khususnya laporan laba rugi dan
laporan arus kas perusahaan manufaktur yang bergerak dalam industri Food And
Beverage yang terdaftar di Bursa Efek Indonesia serta terdaftar di ICMD
(Indonesian Capital Market Directory) dalam rentang tahun 2006-2010.
Penggunaan populasi perusahaan manufaktur dikarenakan selain jumlahnya yang
dominan dalam daftar perusahaan yang listed di Bursa Efek Indonesia, juga
karena berdasarkan pertimbangan homogenitas dalam penghasilan pendapatan
utama (revenue producing activities) dan ketersediaan laporan keuangan teraudit.
3.2 Sampel Penelitian
Sampel merupakan bagian dari populasi yang dapat mewakili populasi sehingga
dengan menggunakan sampel saja, hasil penelitian dapat digeneralisis untuk
mewakili populasi yang diteliti. Teknik penarikan sampel dalam penelitian ini
adalah purposive sampling, yaitu metode penarikan sampel secara acak dan hanya
21
memenuhi kriteria atau syarat tertentu saja yang dapat digunakan sebagai sampel
penelitian. Sedangkan syarat atau kriteria yang diajukan untuk pengambilan
sampel pada penelitian ini adalah sebagai berikut :
a. Perusahaan yang telah menyampaikan laporan keuangan tahunan sesuai
dengan periode penelitian yang diperlukan, yaitu tahun 2006-2010 adalah
perusahaan manufaktur yang bergerak dalam industri Food And Beverage
yang terdaftar di Bursa Efek Indonesia.
b. Laporan keuangan perusahaan yang digunakan sebagai data yang
merupakan laporan yang telah diaudit, sehingga laporan keuangan tersebut
dapat dipercaya.
c. Selama periode pengamatan, perusahaan yang bersangkutan secara berturut-
turut tidak mengalami kerugian.
Dari jumlah populasi sebanyak 18 perusahaan Food and Beverage yang listing di
BEI dari tahun 2006-2010, dengan menggunakan teknik purposive sampling,
diperoleh 12 perusahaan yang memenuhi kriteria sebagai sampel penelitian.
3.3 Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data yang bersifat sekunder.
Data sekunder merupakan sumber data penelitian secara tidak langsung melalui
media perantara. Data sekunder diperoleh dari ICMD (Indonesian Capital Market
Directory) tahun 2011 yang didapat dari kantor IDX Bandar Lampung.
22
3.4 Variabel Penelitian
Di dalam penelitian ini variabel-variabel penelitian diklasifikasikan menjadi dua
kelompok variabel, yaitu variabel bergantung (dependent variable) dan variabel
bebas (independent variable). Variabel bergantung pada penelitian ini adalah arus
kas masa mendatang, dan yang menjadi variabel bebas adalah laba kotor, laba
bersih dan arus kas.
Beberapa variabel yang digunakan dan pengukurannya adalah sebagai berikut :
1. Variabel Dependen
Variabel dependen yang digunakan dalam penelitian ini yaitu total arus kas
yang merupakan penjumlahan dari arus kas operasi, investasi, dan
pendanaan satu tahun setelah tahun amatan yaitu 2007-2010.
2. Variabel Independen
Variabel independen yang digunakan dalam penelitian ini yaitu:
a. Laba kotor, yaitu selisih dari pendapatan perusahaan dikurangi dengan
kos barang terjual. Periode pengamatan yang digunakan adalah tahun
2006-2009.
b. Laba bersih, yaitu angka yang menunjukkan selisih antara seluruh
pendapatan dari kegiatan operasi perusahaan maupun non-operasi
perusahaan. Periode pengamatan yang digunakan adalah tahun 2006-
2009.
c. Arus Kas Operasi
Arus kas yang dimaksud adalah arus kas tahunan dari aktivitas operasi
yang merupakan laporan utama arus kas masuk dan arus kas keluar dari
operasi perusahaan selama satu periode. Aktivitas operasi adalah
23
aktivitas penghasil utama pendapatan perusahaan dan aktivitas lain yang
bukan merupakan aktivitas investasi dan aktivitas pendanaan. Periode
pengamatan yang digunakan adalah tahun 2006-2009.
3.5 Alat Analisis
Alat analisis yang akan digunakan dalam penelitian ini adalah dengan model
regresi linier berganda yang mencoba mengungkapkan pengaruh variabel bebas
terhadap variabel terikat dengan menggunakan program SPSS (Statistical Package
for Social Science).
Analisis regresi menjadi alat untuk mengukur bagaimana pengaruh dari variabel
independen terhadap variabel dependen dalam penelitian ini. Tujuan dari analisis
regresi adalah untuk memprediksi besarnya variabel dependen dengan
menggunakan data variabel independen yang sudah diketahui besarnya. Melalui
analisis regresi ini akan dilakukan pengujian terhadap “Kemampuan laba kotor,
laba bersih dan arus kas dalam memprediksi arus kas di masa mendatang” pada
perusahaan manufaktur yang bergerak dalam industri Food And Beverage yang
terdaftar di BEI, yang dapat dihitung dengan persamaan sebagai berikut :
Y = a + b1X1 + b2X2 + b3X3 + e
Dimana :
Y : Merupakan variabel dependen arus kas periode pengamatan t+1
α : Merupakan konstanta.
b1,2,3 : Merupakan koefisien regresi.
X1 : Laba Kotor tahun t
X2 : Laba Bersih tahun t
24
X3 : Arus kas operasi tahun t
e : error term
3. 6 Metode Analisis Data
Untuk melakukan analisis regresi linier harus memperhatikan asumsi-asumsi yang
mendasari model regresi. Asumsi tersebut adalah apabila terjadi gejala
autokorelasi, heterokedastisitas, multikolinieritas dan normalitas diantara variabel
bebas dalam regresi tersebut. Setelah model yang akan diuji memenuhi asumsi
klasik regresi dan normalitas, maka tahap selanjutnya dilakukan uji statistik, yaitu
uji F dan uji t. Terdapat 4 asumsi penting yang mendasari model regresi linier
klasik, yaitu variabel-variabel tersebut mempunyai distribusi normal, varians
bersyarat adalah konstan atau homoskedastik, tidak ada autokorelasi dan tidak ada
multikolinearitas diantara variabel-variabel yang menjelaskan.
3.6.1 Uji Asumsi Klasik
3.6.1.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel
independen dan variabel dependen atau keduanya terdistribusikan secara normal
atau tidak. Model regresi yang baik adalah memiliki distribusi data normal
mendekati normal. Untuk mendeteksi normalitas data dapat diuji dengan
Kolmogorov Smirnov dengan melakukan pengujian pada standardized residual
pada model penelitiannya. Menurut Ghozali (2005), bahwa distribusi data dapat
dilihat dengan membandingkan Z hitung dengan Z tabel data pada unstandardized
residual dengan kriteria sebagai berikut :
25
1. Jika Z hitung (Kolmogorov Smirnov) < Z table (1,96) atau angka
signifikansi (Asymp. Sig. (2-tailed) ) > taraf signifikansi (α) 0.05, maka
distribusi data dikatakan normal.
2. Jika Z hitung (Kolmogorov Smirnov) > Z table (1,96) atau angka
signifikansi (Asymp. Sig. (2-tailed) ) < taraf signifikansi (α) 0.05 distribusi
data dikatakan tidak normal.
3.6.1.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan
adanya korelasi antar variabel bebas (independen) atau tidak. Model regresi
yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika
variabel independen saling berkorelasi, maka variabel-variabel ini tidak
ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi
antar variabel independen sama dengan nol (Imam Ghozali, 2004: 91). Untuk
mendeteksi ada tidaknya hubungan multikoliniearitas diantara variabel-variabel
bebas dengan variabel terikat dapat dilihat pada tolerance value atau variance
inflation factor (VIF). Tolerance mengukur variabilitas variabel bebas yang
terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya. Jadi nilai
tolerance rendah sama dengan nilai VIF tinggi (karena VIF=1/tolerance) dan
menunjukkan adanya kolinearitas yang tinggi. Nilai cut off yang umum dipakai
adalah nilai tolerance 0,10 atau sama dengan nilai VIF diatas 10. Berdasarkan
aturan Variance Inflation Factor (VIF) dan toleramce dengan kriteria sebagai
berikut :
26
1. Apabila VIF melebihi angka 10 atau tolerance kurang dari 0,10 maka
dinyatakan terjadi gejala multikolinearitas.
2. Apabila nilai VIF kurang darai 10 atau tolerance lebih dari 0,10 maka
dinyatakan tidak terjadi gejala multikolinearitas.
3.6.1.3 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi
antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada
periode t-1 (Imam Ghozali, 2004: 95). Model regresi yang baik adalah model
regresi yang bebas dari autokorelasi. Autokorelasi diuji dengan menggunakan
Durbin – Watson.
Pengambilan keputusan Autokorelasi:
- Nilai DW terletak diantara du dan 4-du, maka autokorelasi sama dengan nol dan
dapat diartikan tidak ada autokorelasi.
- Nilai DW terletak dibawah lower bound (dl), maka akan mempunyai koefisien
lebih besar dari nol dan memiliki autokorelasi positif.
- Nilai DW > (4-dl), maka koefisien korelasi kurang dari nol, sehingga memiliki
autokorelasi negatif.
- Nilai DW terletak diantara batas atas (du) dan batas bawah (dl) atau terletak
antara (4-du) dan (4-dl) sehingga hasilnya tidak dapat disimpulkan.
3.6.1.4 Uji Heteroskedastisitas
Bertujuan untuk menguji apakah dalam model regresi terjadi ketidaknyamanan
variance dari residual pengamatan 1 ke pengamatan yang lain tetap. Hal seperti
27
itu juga disebut sebagai homokedastisitas dan dan jika berbeda disebut
heteroskedastisitas atau tidak terjadi heteroskedastisitas.
Untuk mendeteksi ada atau tidaknya heterokedastisitas, dapat menggunakan
metode grafik plot antara nilai prediksi variabel dependen (ZPRED) dengan
residualnya (SRESID). Kemudian deteksi ada tidaknya heterokedastisitas dengan
melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan
ZPRED dimana sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah
residual (Y prediksi – Y sesungguhnya) yang telah diolah.
Dasar dari analisa grafik adalah jika ada pola tertentu (seperti titik-titik yang ada
membentuk pola tertentu yang teratur bergelombang, melebar kemudian
menyempit), maka diindikasikan telah terjadi heterokedastisitas. Jika tidak ada
pola yang jelas serta titik-titik menyebar diatas dan di bawah angka nol pada
sumbu Y, maka tidak terjadi heterokedastisitas.
3.6.2 Analisis Regresi Berganda
3.6.2.1 Uji Signifikansi Simultan (Uji F-test)
Pengujian ini dilakukan untuk mengetahui apakah semua variabel independen
secara simultan berpengaruh signifikan terhadap variabel dependen. Pengujian ini
dilakukan dengan uji f one-tailed pada tingkat keyakinan 95% dan tingkat
kesalahan analisis (a) 5%. Keputusan:
Apabila probabilitas > 0,05 : Ho diterima dan Ha ditolak
Apabila probabilitas < 0,05 : Ho ditolak dan Ha diterima
28
Jika Ho diterima berarti variabel-variabel bebas secara bersama-sama tidak
berpengaruh secara signifikan terhadap variabel-variabel terikat. Model analisis
ini bertujuan untuk mengetahui kemampuan antara laba dan arus kas dalam
memprediksi arus kas dimasa mendatang secara simultan.
3.6.2.2 Uji Secara Parsial (t)
Uji statistik t dilakukan untuk mengetahui pengaruh dari masing-masing variabel
independen terhadap variabel dependen (Ghazali, 2005).
Tahap pengujian yang akan dilakukan, yaitu:
Apabila probabilitas > 0,05 : Ho diterima dan Ha ditolak
Apabila probabilitas < 0,05 : Ho ditolak dan Ha diterima
Jika Ho diterima, berarti variabel bebas yang diuji tidak berpengaruh secara
signifikan terhadap variabel terikat. Jika Ho ditolak, berarti variabel bebas yang
diuji berpengaruh secara signifikan terhadap variabel terikat.
29
BAB IV
HASIL DAN PEMBAHASAN
Untuk menjawab rumusan masalah dan membuktikan kebenaran hipotesis yang
telah penulis ajukan dalam skripsi ini, maka dalam BAB IV ini akan dilakukan
proses penganalisaan data yang telah berhasil penulis kumpulkan. Analisa data
merupakan suata kegiatan mengolah data dengan cara sedemikian rupa sehingga
diperoleh hasil berupa angka-angka yang dapat diinterprestasikan.
4.1 Statistik Deskriptif
Berdasarkan data dari Indonesian Capital Market Directory (ICMD) jumlah
perusahaan food and beverage yang terdaftar di Bursa Efek Indonesia tahun 2006
sampai 2010 tercatat sebanyak 18 perusahaan. Sampel yang digunakan dalam
penelitian ini, dipilih berdasarkan metode purposive sampling. Sampel yang
diteliti sebanyak 12 perusahaan. Jumlah data yang digunakan dalam penelitian ini
adalah sebanyak 48 data.
Statistik deskriptif digunakan untuk menunjukkan jumlah data yang
digunakan dalam penelitian ini serta dapat menunjukkan nilai maksimum, nilai
minimum, serta nilai rata-rata serta standard deviasi dari masing-masing variabel.
Variabel yang digunakan dalam penelitian ini meliputi : Arus kas masa
mendatang, Laba kotor, Laba bersih, Arus Kas Operasi. Hasil olah data deskriptif
dapat dilihat pada tabel 4.1 sebagai berikut :
30
Tabel 4.1
Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
AKM 48 22.22 26.88 24.3704 1.57718
LK 48 19.87 28.95 25.2203 2.33364
LB 48 18.11 27.68 23.5194 2.83967
AKO 48 20.97 26.82 23.8391 1.31060
Valid N (listwise) 48
Setelah dilakukan pengolahan data, dapat dilihat bahwa terdapat perubahan
jumlah sampel. Tabel 4.1 menunjukkan bahwa jumlah data yang valid pada
penelitan ini adalah sebanyak 48 sampel. Dari 48 sampel data Arus kas, nilai
minimum sebesar 22,22 dengan nilai maksimum 26,88. Nilai rata-rata sebesar
24,3704 dengan standard deviasi 1,57718. Standar deviasi yang lebih kecil dari
mean menunjukkan sebaran data variabel yang kecil antara Arus Kas terendah dan
tertinggi.
Dari 48 data laba kotor, nilai minimum sebesar 19,87, sedangkan nilai
maksimumnya adalah 28,95 . Nilai rata-rata dari data tersebut adalah 25,2203
dengan standard deviasi sebesar 2,33364. Standar deviasi yang lebih kecil dari
mean menunjukkan sebaran data variabel yang kecil atau tidak ada kesenjangan
yang besar dari variabel periode laba kotor.
31
Data yang valid dari variabel laba bersih sebanyak 48, dengan nilai minimum
sebesar 18,11 dan nilai maksimum sebesar 27,68. Nilai rata-rata dari data tersebut
adalah 23.5194 dengan standard deviasi sebesar 2,83967. Nilai standar deviasi
yang lebih kecil jika dibandingkan dengan mean menunjukkan bahwa sebaran
data variabel yang kecil atau tidak ada kesenjangan.
Data yang valid dari variabel arus kas operasi sebanyak 48, dengan nilai minimum
sebesar 20,97 dan nilai maksimum sebesar 26,82. Nilai rata-rata dari data tersebut
adalah 23,8391 dengan standard deviasi sebesar 1,31060. Nilai standard deviasi
yang lebih kecil jika dibandingkan dengan mean menunjukkan bahwa sebaran
data variabel yang kecil dan tidak ada kesenjangan.
4.2 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah data yang digunakan dalam model
regresi, variabel independen dan variabel dependen atau keduanya telah
terdistribusi secara normal atau tidak. Model regresi yang baik adalah memiliki
distribusi data normal atau mendekati normal. Untuk mendeteksi normalitas data
dapat diuji dengan Kolmogorov Smirnov, dapat dilakukan dengan uji
Kolmogorov-Smirnov. Caranya dengan menentukan terlebih dahulu hipotesis
pengujian, yaitu:
Ho : data terdistribusi secara normal
H1 : data tidak terdistribusi secara normal
Hasil olah data Uji Normalitas dapat dilihat pada table 4.2 sebagai berikut
32
Tabel 4.2
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
AKM LK LB AKO
N 48 48 48 48
Normal Parametersa Mean 24.3704 25.2203 23.5194 23.8391
Std. Deviation 1.57718 2.33364 2.83967 1.31060
Most Extreme Differences Absolute .149 .156 .149 .100
Positive .113 .086 .101 .073
Negative -.149 -.156 -.149 -.100
Kolmogorov-Smirnov Z 1.031 1.079 1.031 .691
Asymp. Sig. (2-tailed) .238 .195 .238 .727
a. Test distribution is Normal.
Sumber : Lampiran 7
Dari tabel 4.2 di atas dapat diketahui bahwa dari 48 sampel yang dimasukkan,
semua sampel bisa digunakan untuk melakukan uji normalitas nilai K-S untuk
variabel Arus Kas adalah 1,031 dengan p=0,238. Sedangkan variabel laba kotor
memiliki nilai K-S 1,079 dengan p=0,195. Untuk Laba Bersih memiliki nilai K-S
sebesar 1,031 dengan p=0,238. Sedangkan variabel
Arus Kas Operasi memiliki nilai K-S 0,691 dengan nilai p= 0,727.
Dari tabel 4.2 di atas dapat diketahui bahwa nilai K-S atau angka signifikansi
yang dilihat pada baris Asymp. Sig. (2-tailed) menyatakan bahwa variabel arus
kas mendatang , laba kotor, laba bersih, dan arus kas operasi telah terdistribusi
secara normal karena masing-masing dari variabel memiliki probabilitas lebih dari
0,05.
33
Uji normalitas dapat dilihat pada baris Asymp.Sig (2-tailed) dari masing-masing
variabel yang ada pada tabel 4.2, antara lain :
1. Nilai masing-masing variabel yang telah memenuhi standar yang ditetapkan
dapat dilihat pada baris Asymp.Sig (2-tailed). Dari baris tersebut nilai arus kas
sebesar 0,238. Nilai dari variabel tersebut lebih besar 0,05 artinya variabel
Arus Kas telah terdistribusi secara normal.
2. Nilai masing-masing variabel yang telah memenuhi standar yang ditetapkan
dapat dilihat pada baris Asymp.Sig (2-tailed). Dari baris tersebut nilai laba
kotor = 0,195. Nilai dari variabel tersebut lebih besar 0,05 artinya variabel laba
kotor telah terdistribusi secara normal.
3. Nilai masing-masing variabel yang telah memenuhi standar yang ditetapkan
dapat dilihat pada baris Asymp.Sig (2-tailed). Dari baris tersebut untuk nilai
laba bersih sebesar 0,238 dan nilai dari variabel tersebut lebih besar 0,05.
Artinya variabel laba bersih terdistribusi secara normal.
4. Nilai masing-masing variabel yang telah memenuhi standar yang ditetapkan
dapat dilihat pada baris Asymp.Sig (2-tailed). Dari baris tersebut Nilai untuk
arus kas operasi sebesar 0,727. Nilai dari variabel tersebut lebih besar 0,05
artinya variabel arus kas operasi telah terdistribusi secara normal.
Untuk lebih memperjelas uji normalitas yang dilakukan, dapat dilihat pada
Gambar 4.3 di bawah ini :
34
Gambar 4.3
Uji Normalitas
Sumber: Lampiran 8
Pengujian normalitas data dapat dilihat dari penyebaran data (titik) pada
sumbu diagonal grafik Normal P_Plot. Uji normalitas dengan grafik P_Plot akan
membentuk satu garis lurus diagonal, kemudian plotting data akan dibandingkan
dengan garis diagonal. Jika distribusi normal maka garis yang menggambarkan
data sesungguhnya akan mengikuti garis diagonalnya. Berdasarkan tampilan pada
Gambar 4.3 di atas, dapat disimpulkan bahwa pola grafik normal terlihat dari titik-
titik yang menyebar di sekitar garis diagonal dan penyebarannya mengikuti arah
garis diagonal. Hal ini menunjukkan bahwa data yang digunakan dalam penelitian
35
ini telah terdistribusi secara normal, sehingga model regresi dapat digunakan
untuk memenuhi asumsi profitabilitas.
4.3 Uji Asumsi Klasik
4.3.1 Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah dalam model regresi ditemukan adanya
korelasi antara variabel independen. Model yang baik seharusnya tidak terjadi
korelasi yang tinggi diantara variabel bebasnya. Tolerance mengukur variabilitas
variabel bebas yang terpilih yang tidak dapat dijelaskan oleh variabel bebas
lainnya. Jadi, nilai tolerance rendah sama dengan VIF tinggi (karena VIF =
1/tolerance) dan menunjukkan adanya kolinearitas yang tinggi. Nilai cut off yang
umum dipakai adalah nilai tolerance 0,10 atau sama dengan nilai VIF diatas 10.
Berdasarkan aturan Variance Inflation Factor (VIF) dan tolerance, maka apabila
VIF melebihi angka 10 atau tolerance kurang dari 0,10 maka dinyatakan terjadi
gejala multikolinearitas. Sebaliknya, apabila nilai VIF kurang darai 10 atau
tolerance lebih dari 0,10 maka dinyatakan tidak terjadi gejala multikolinearitas
Tabel 4.4
Uji Multikolinearitas
Variabel Tolerance VIF Keterangan
Laba Kotor .425 2.355 Bebas Multikolinearitas
Laba Bersih .404 2.477 Bebas Multikolinearitas
Arus Kas Operasi .863 1.158 Bebas Multikolinearitas
Sumber: Lampiran 9
36
Dari data tersebut dapat dilihat bahwa pada masing-masing variabel tidak terjadi
multikolinearitas karena memilki tolerance lebih dari 0,10 dan nilai VIF kurang
dari 10.
4.3.2 Uji Autokorelasi
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan
satu sama lain. Masalah ini timbul karena residual (kesalahan pengganggu) tidak
bebas dari satu observasi ke observasi yang lain. Model regresi yang baik adalah
bebas autokorelasi. Pengujian ini digunakan untuk menguji asumsi klasik regresi
berkaitan dengan adanya autokorelasi. Uji autokorelasi dalam penelitian ini
dilakukan dengan menggunakan uji Durbin Watson. Model regresi linier berganda
terbebas dari autokorelasi jika nilai Durbin Watson hitung terletak di daerah No
Autokorelasi (du<dw<4-du).
Tabel 4.5
Uji Autokorelasi
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .549a .302 .254 1.36230 1.897
a. Predictors: (Constant), LK, LB, AKO
b. Dependent Variable: Arus Kas Mendatang
Sumber : Lampiran 9
Dari perhitungan yang dilakukan diperoleh nilai Durbin-Watson sebesar 1.897,
sehingga model regresi ini bebas dari autokorelasi dan layak digunakan.
37
4.3.3 Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi
ketidanyamanan variance dari residual pengamatan satu ke pengamatan yang lain
berbeda. Sedangkan bila terjadi kenyamanan variance dari residual pengamatan
satu ke pengamatan yang lain tetap maka disebut homokedastisitas. Model regresi
yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas.
Salah satu cara untuk mengatahui ada tidaknya heterokedastisitas dalam suatu
model regresi linier berganda adalah dengan melihat grafik scatterplot antara nilai
prediksi variabel terikat yaitu ZPRED dengan residual error yaitu SRESID. Jika
ada pola tertentu dan titik menyebar diatas dan dibawah angka 0 pada sumbu Y,
maka tidak terjadi heterokedastisitas. Grafik scatterplot ditunjukkan pada grafik
berikut :
Tabel 4.6
Uji Heterokedastisitas
Sumber: Lampiran 9
38
Gambar 4.6 menunjukkan bahwa data tersebar secara acak dan tidak membentuk
suatu pola tertentu. Data tersebar baik diatas maupun di bawah angka 0 pada
sumbu Y. Hal ini menunjukkan bahwa tidak terdapat heterokedastisitas dalam
model regresi yang digunakan.
4.4 Analisis Regresi
Berdasar uji asumsi klasik yang telah dilakukan dapat diketahui bahwa data
terdistribusi normal, tidak terdapat multikolinearitas hal ini dibuktikan dengan
tidak adanya nilai VIF yang lebih dari 10, tidak terjadi autokorelasi dilihat dari
hasil Durbin Watson menunjukkan probabilitas diatas 0,05 dan tidak terdapat
heterokedastisitas ditunjukkan oleh penyebaran titik diatas dan dibawah garis 0
pada sumbu Y. Oleh karena itu, data yang telah ada memenuhi syarat untuk
menggunakan model regresi linear. Secara umum, analisis regresi pada dasarnya
adalah suatu studi mengenai ketergantungan variabel dependen dengan satu atau
lebih variabel independen, dengan tujuan untuk mengestimasi dan atau
memprediksi rata-rata populasi atau nilai rata-rata variabel dependen berdasar
nilai variabel independen yang diketahui. Berikut ini adalah hasil analisis regresi
dari data yang diperoleh pada ICMD tahun 2011.
39
4.4.1 Uji Signifikansi Simultan ( Uji F-test)
Pengujian secara simultan dilakukan dengan menggunakan uji F. Uji F dilakukan
untuk mengetahui apakah permodelan yang dibangun memenuhi metode Fisher
atau tidak. Dengan kata lain apakah model regresi dapat digunakan untuk
memprediksi profitabilitas perusahaan atau tidak. Berikut adalah hasil uji statistik
Tabel 4.7
Uji Signifikan F
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 35.255 3 11.752 6.332 .001a
Residual 81.657 44 1.856
Total 116.912 47
a. Predictors: (Constant), AKO, LK, LB
b. Dependent Variable: AKM
sumber: Lampiran 10
Berdasarkan hasil uji F pada tabel 4.6 didapat nilai probabilitas (p-value) sebesar
0,001. Karena nilai probabilitas (p-value) lebih kecil dari 0,05 artinya model
regresi dalam penelitian ini dapat dikatakan bahwa laba kotor, laba bersih dan arus
kas operasi secara bersama-sama berpengaruh terhadap arus kas masa mendatang.
40
4.4.2 Uji Statistik T (Uji t)
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel
penjelas/independen secara individual dalam menerangkan variasi variabel
independen.
Tabel 4.8
Hasil Pengujian Regresi Linier
Coefficientsa
Model
Unstandardized
Coefficients
Standardiz
ed
Coefficient
s
T Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Con
stant) 13.968 3.848
2.791 .008
Lk -.155 .131 -230 -1.188 .241 .425 2.355
Lb .089 .110 .161 .812 .421 .404 2.477
Ak .648 .163 .538 3.969 .000 .863 1.158
a. Dependent Variable: Arus Kas
Masa Mendatang
Sumber: Lampiran 10
Dari data di atas dapat dilihat besarnya pengaruh variabel independen terhadap
variabel dependen yang dapat diketahui dari beta unstandardized yang ada. Dari
Tabel 4.8 diatas, dapat dirumuskan persamaan matematis sebagai berikut :
Arus Kas Masa Mendatang = 13.968 – 0.155 Laba Kotor + 0.089 Laba Bersih
+ 0.648 Arus Kas Operasi +e
Berdasarkan persamaan regresi di atas dapat dianalisis arus kas operasi
berpengaruh signifikan terhadap arus kas masa mendatang, Nilai koefisien regresi
41
0,648 pada variabel arus kas operasi terdapat hubungan positif dengan arus kas.
Hal ini menunjukkan bahwa setiap kenaikan satu persen dari arus kas operasi akan
menyebabkan kenaikan arus kas yang diterima sebesar nilai koefisiennya.
Uji signifikansi dapat dilihat pada nilai koefisien regresi (β) dan nilai signifikansi
(Sig.) dari masing-masing variabel yang ada pada tabel 4.8 antara lain :
4.4.2.1 Analisis kemampuan laba kotor dalam memprediksi arus kas masa
mendatang
Hipotesis satu (H1) penelitian ini adalah “Laba Kotor berpengaruh dalam
memprediksi Arus Kas di masa mendatang”. Pengujian terhadap hipotesis ini
menunjukan bahwa nilai koefisien regresi (b1) laba kotor adalah -0,155. Nilai
negatif koefisien regresi ini berarti setiap peningkatan laba kotor sebesar 1%
maka akan menyebabkan penurunan arus kas masa mendatang sebesar 15,5%.
Kolom sig(significane) sebesar 0.241 menyatakan bahwa pengaruh laba kotor
terhadap arus kas masa mendatang adalah tidak signifikan (>0.05). Sehingga
dapat disimpulkan hipotesis pertama ( H1) ditolak karena tidak sesuai dengan
ekspektasi penelitian, Hal ini disebabkan jumlah laba kotor pada sampel
perusahaan belum mengalami pengurangan dari biaya-biaya yang dikeluarkan
oleh perusahaan menyebabkan nilai laba kotor cenderung fluktuatif. Sehingga
dalam hal ini laba kotor tidak dapat digunakan untuk memprediksi arus kas
dimasa mendatang. Hasil penelitian ini tidak konsisten dengan penelitian yang
dilakukan oleh Febrianto dan Widiastuty, karena pada penelitian nya angka laba
kotor paling kuat dan lebih mampu memberikan gambaran yang lebih baik tentang
hubungan antara laba dengan harga saham dan bukan pada arus kas mendatang.
42
4.4.2.2 Analisis Kemampuan Laba Bersih Dalam Memprediksi Arus Kas
Mendatang
Perusahaan mendapatkan laba bersih apabila pendapatan yang dihasilkan lebih
besar daripada biaya-biaya yang dikeluarkan. Pendapatan yang besar akan
menyebabkan pertambahan pada kas masuk perusahaan. Oleh sebab itu laba
bersih memiliki pengaruh terhadap arus kas dimasa mendatang.
Hipotesis dua (H2) penelitian ini adalah “laba bersih berpengaruh dalam
memprediksi arus kas di masa mendatang ”. Pengujian terhadap hipotesis ini
menunjukan bahwa nilai koefisien regresi (b1) laba bersih adalah 0,089. Nilai
koefisien regresi ini berarti setiap peningkatan laba bersih sebesar 1% maka akan
menyebabkan peningkatan arus kas masa mendatang sebesar 8,9%. Kolom
sig(significane) sebesar 0.241 menyatakan bahwa pengaruh laba bersih dalam
memprediksi arus kas masa mendatang adalah tidak signifikan. Sehingga dapat
disimpulkan hipotesis kedua ( H2) ditolak karena tidak sesuai dengan ekspektasi
penelitian. Hal ini dikarenakan laba sangat rentan terhadap praktek manipulasi.
Hasil penelitian ini konsisten dengan hasil penelitian sebelumnya yang dilakukan
oleh Syafriadi (2000) dan Dahler dan Febrianto (2006) yang menyatakan bahwa
laba tidak memiliki hubungan yang erat dengan arus kas.
43
4.4.2.3 Analisis Kemampuan Arus Kas Operasi Dalam Memprediksi Arus
Kas Mendatang
Arus kas operasi berasal dari aktivitas operasi perusahaan yang merupakan
aktivitas penghasil utama pendapatan perusahaan. Oleh sebab itu arus kas operasi
memiliki pengaruh terhadap arus kas dimasa mendatang.
Hipotesis ketiga (H3) penelitian ini adalah “Arus Kas Operasi berpengaruh dalam
memprediksi Arus Kas di masa mendatang”. Pengujian terhadap hipotesis ini
menunjukan bahwa nilai koefisien regresi (b1) arus kas operasi adalah 0.648. Nilai
koefisien regresi ini berarti setiap peningkatan arus kas operasi sebesar 1% maka
akan menyebabkan peningkatan arus kas masa mendatang sebesar 64.8%. Kolom
sig(significane) sebesar 0.000 menyatakan bahwa arus kas operasi berpengaruh
signifikan dalam memprediksi arus kas masa mendatang . Dengan demikian dapat
ditarik kesimpulan hipotesis tiga (H3) dapat diterima karena sesuai dengan
ekspektasi penelitian.
4.4.4.4 Arus Kas Operasi Memiliki Kemampuan Lebih baik Dalam
Memprediksi Arus Kas dimasa Mendatang dibandingkan Laba Kotor dan
Laba Bersih.
Hasil uji t pada tabel 4.8 di atas menunjukkan bahwa variabel arus kas operasi
memiliki nilai t yang paling tinggi dibandingkan dengan laba kotor dan laba
bersih. Selain itu, dari ketiga variabel independen yang diujikan, arus kas operasi
merupakan variabel independen yang yang paling berpengaruh secara signifikan
terhadap arus kas dengan nilai signifikan dibawah 0,05 yaitu sebesar 0,000 lebih
44
baik dibandingkan dengan laba kotor dan laba bersih. Sehingga dapat disimpulkan
bahwa variabel independen yang menunjukkan pengaruh yang paling kuat dan
memiliki kemampuan yang lebih baik dalam memprediksi arus kas masa
mendatang adalah arus kas operasi. Oleh karena itu, H4 yang menyatakan bahwa
“Arus kas operasi memiliki kemampuan lebih baik dalam memprediksi arus kas
dimasa mendatang dibandingkan laba kotor dan laba bersih” dapat diterima
karena didukung data dan sesuai dengan ekspektasi penelitian.
4.5 Uji Koefisien Determinasi (R2)
Koefisien Determinasi (R2) berfungsi untuk melihat sejauh mana kemampuan
keseluruhan variabel independen dapat menjelaskan variabel dependen. Menurut
Ghozali (2007), apabila angka koefisien determinasi semakin kuat, yang berarti
variabel-variabel independen memberikan hampir semua informasi yang
dibutuhkan untuk memprediksi variasi variabel dependen. Nilai R2 yang kecil
berarti kemampuan variabel-variabel independen dalam menjelaskan variasi
variabel dependen amat terbatas. Banyak peneliti menganjurkan untuk
menggunaka adjusted R2 pada saat megevaluasi mana model terbaik. Dari hasil
perhitungan SPSS diketahui nilai R2 dan adjusted R
2 untuk setiap model adalah
sebagai berikut: Tabel 4.9
Uji R
Model R R Square Adjusted R square
1 . 055a .003 .019
2 .185a .034 .013
3 .528a .279 .263
a. Predictors: (constant), Laba Kotor , Laba Bersih, Arus Kas Operasi
45
b. Dependent Variable: Arus Kas Masa Mendatang
Sumber: Lampiran 10
Dari table diatas diketahui bahwa model 3 (arus kas operasi) memiliki nilai
adjusted R2 yang lebih tinggi daripada model lainnya, sehingga dapat dikatakan
bahwa model arus kas operasi memiliki kemampuan yang lebih baik
dibandingkan laba kotor dan laba bersih dalam memprediksi arus kas mendatang.
Hasil ini mendukung hipotesis keempat yang mengatakan bahwa arus kas operasi
memiliki kemampuan lebih baik dalam memprediksi arus kas di masa mendatang
dibandingkan laba kotor dan laba bersih.
4.6 Pembahasan
Berdasarkan hasil uji signifikansi parameter individual (Uji t), variabel arus kas
operasi memiliki nilai signifikansi di bawah 0,05. Hal ini menunjukkan bahwa
secara parsial variabel arus kas operasi yang terbukti signifikan mempengaruhi
variabel dependen (arus kas masa mendatang). Sedangkan berdasarkan uji
signifikansi simultan (Uji F) disimpulkan bahwa variabel laba kotor, laba bersih
dan arus kas operasi secara bersama-sama atau simultan memiliki kemampuan
prediktif terhadap arus kas masa depan. Kemudian dilihat dari nilai t, variabel arus
kas operasi memiliki nilai t yang lebih tinggi dibandingkan laba kotor dan laba
bersih. Sehingga dapat disimpulkan bahwa arus kas operasi memiliki kemampuan
yang paling baik dibandingkan dengan laba kotor dan laba bersih dalam
memprediksi arus kas masa mendatang.
46
Baik arus kas dan laba dapat digunakan untuk memprediksi arus kas masa
mendatang. Tetapi arus kas memiliki pengaruh yang lebih baik daripada laba
dalam memprediksi arus kas masa mendatang. Hal ini dikarenakan laba sangat
rentan terhadap praktek manipulasi. Hodgson et al. (2000) dalam Dahler dan
Febrianto (2006) juga mendukung pernyataan ini. Hasil penelitian ini konsisten
dengan hasil penelitian sebelumnya yang dilakukan oleh Dahler dan Febrianto
(2006).
47
BAB V
PENUTUP
5.1 Kesimpulan
Penelitian ini menguji apakah informasi akuntansi dalam bentuk laba kotor, laba
bersih dan arus kas operasi dapat bermanfaat untuk memprediksi arus kas di masa
mendatang pada perusahaan food and beverage yang terdaftar di BEI. Populasi
dari penelitian ini adalah perusahaan food and beverage yang terdaftar di BEI
selama tahun 2006-2010. Sampel yang diperoleh diuji menggunakan analisis
regresi berganda, statistik deskriptif dan uji asumsi klasik.
Kesimpulan yang dapat diambil dari penelitian ini adalah :
1 . Hasil uji kemampuan laba kotor, laba bersih dan arus kas operasi dalam
memprediksi arus kas mendatang secara statistik menunjukkan bahwa laba dan
arus kas mempunyai peluang sebagai prediktor arus kas masa mendatang.
Namun, melalui nilai signifikasi ditunjukan bahwa arus kas operasi memiliki
pengaruh yang lebih besar terhadap perubahan arus kas masa mendatang.
Dengan demikian dapat ditarik kesimpulan hipotesis keempat yang
menyatakan bahwa arus kas operasi memiliki kemampuan yang lebih baik
dibandingkan laba kotor dan laba bersih dalam memprediksi arus kas dimasa
mendatang dapat diterima. Hasil penelitian ini konsisten dengan hasil
penelitian sebelumnya yang dilakukan oleh Dahler dan Febrianto (2006).
Namun, tidak konsisten dengan penelitian yang dilakukan oleh Febrianto dan
Widiastuty (2005).
48
2. Berdasarkan hasil uji t, variabel laba kotor mempunyai koefisien regresi yang
negatif. Sedangkan laba bersih dan arus kas operasi memiliki koefisien yang
positif. Hal ini berarti bahwa perusahaan dengan laba kotor yang tinggi akan
menghasilkan arus kas masa mendatang yang rendah. Sedangkan perusahaan
dengan laba bersih dan arus kas perusahaan yang tinggi akan menghasilkan
arus kas masa mendatang yang tinggi.
3. Berdasarkan hasil uji koefisien determinasi, nilai adjusted R2 pada variabel arus
kas operasi sebesar 0,279 lebih tinggi dibandingkan laba kotor dan laba bersih.
Hal ini menunjukkan bahwa arus kas operasi memiliki kemampuan yang lebih
baik dibandingkan laba kotor dan laba bersih dalam memprediksi arus kas
dimasa mendatang sebesar 27,9%.
5.2 Keterbatasan Penelitian
Dalam penelitian ini, peneliti mengalami keterbatasan yang mengahambat hasil
penelitian agar sesuai dengan hipotesis yang diajukan. Adapun keterbatasan
tersebut antara lain:
Penelitian ini hanya menggunakan 12 perusahaan dari satu jenis industri yang
dipilih secara acak sesuai dengan kriteria yang ditentukan dan tahun pengamatan
yang pendek, menjadikan daya komparabilitasnya sangat rendah dibandingkan
dengan penelitian-peneltian sebelumnya. Data pada penelitian ini memiliki tingkat
penyebaran yang ekstrim, dimana antara nilai minimum dan maksimun terdapat
selisih yang cukup tinggi sehingga salah satu cara yang dapat dilakukan adalah
49
dengan mentransformasikan variabel bebas kedalam bentuk logaritma agar
penelitian dapat dilanjutkan.
penelitian ini hanya menggunakan variabel laba kotor, laba bersih dan arus kas
operasi saja yang mempengaruhi variabel arus kas masa mendatang. Untuk
penelitian selanjutnya, sebaiknya digunakan variabel lain yang juga
mempengaruhi arus kas masa mendatang, misalnya saja menggunakan seluruh
komponen arus kas yaitu arus kas operasi, arus kas investasi dan pendanaan.
5.3 Saran
Suatu penelitian mempunyai arti jika dapat memberi manfaat bagi pembaca atau
peneliti berikutnya. Saran-Saran dari penelitian ini antara lain :
1. Bagi penelitian selanjutnya sebaiknya memperbanyak data amatan dengan
sampel laporan keuangan yang di perbesar dari berbagai jenis perusahaan yang
terdaftar di BEI dan memasukkan faktor lain yang berpengaruh ke dalam
variabel penelitian, misalnya arus kas dari aktivitas investasi dan arus kas
pendanaan mengingat keduanya merupakan komponen dari arus kas yang
mungkin memiliki pengaruh pula dalam memprediksi arus kas di masa
mendatang.
2. Bagi perusahaan dan pengguna akuntansi sebaiknya lebih memperhatikan
kualitas laporan keuangan karena berkaitan dengan digunakannya laporan
keuangan sebagai salah satu sumber informasi yang digunakan investor dalam
pengambilan keputusan di pasar modal.