BAB III METODE PENELITIAN
E. Analisis pembahasan
1. Kemampuan prediksi laba terhadap laba masa mendatang
Dari hasil penelitian ini menunjukkan bahwa variabel laba (t-1) mempunyai pengaruh positif signifikan terhadap laba (t) yang dapat dilihat dari nilai signifikansi yaitu 0,000 < 0,05 yang berarti secara parsial terdapat pengaruh positif signifikan antara laba (t-1) dengan laba (t). Oleh karena itu dapat disimpulkan hipotesis yang menyatakan laba berpengaruh positif terhadap laba di masa depan diterima.
Berdasarkan teori sinyal (Signaling Theory), informasi dari laporan keuangan seperti informasi laba digunakan oleh manajemen ataupun pengguna laporan keuangan sebagai sinyal untuk menilai kinerja dan prospek perusahaan dimasa mendatang.66 Hasil penelitian ini menunjukkan bahwa laba mampu memprediksi laba di masa mendatang. Dengan demikian hasil penelitian ini sesuai dengan teori sinyal dimana sinyal dari informasi laporan keuangan
66 Dena Nursya’adah, Op.cit, Hal.126
berupa laba dapat digunakan sebagai prediksi laba di masa mendatang bagi pengguna laporan keuangan terutama investor dan kreditor.
Hasil penelitian ini mendukung penelitian Ginanjar Dian Raharjo (2012) dimana penelitian tersebut menyatakan bahwa prediktor laba lebih baik dalam memprediksi laba masa mendatang. Selain itu hasil penelitian ini juga sesuai dengan hasil penelitian pada skripsi G.Ardisusilo Putro (2007) yang menyatakan bahwa laba mampu meprediksi laba masa mendatang pada perusahaan manufaktur yang terdaftar di Bursa Efek Jakarta.
2. Kemampuan prediksi arus kas operasi terhadap laba masa mendatang
Berdasarkan hasil penelitian dapat diketahui bahwa variabel arus kas operasi (t-1) mempunyai pengaruh positif signifikan terhadap laba (t) yang dapat dilihat dari nilai signifikansi yaitu 0,002 < 0,05 yang artinya secara parsial terdapat pengaruh signifikan antara arus kas operasi (t-1) dengan laba (t), maka dapat disimpulkan hipotesis yang menyatakan arus kas operasi berpengaruh positif terhadap laba di masa depan diterima.
Menurut PSAK.No.2 aktivitas operasi adalah aktivitas utama perusahaan untuk menghasilkan pendapatan, arus kas dari aktivitas operasi diperoleh dari penghasilan atau pendapatan utama suatu perusahaan yang mempengaruhi laba seperti penjualan dan pembayaran atas kewajiban. Dengan demikian semakin efesien suatu perusahaan mengalokasikan arus kas operasi maka akan berdampak pada peningkatan pendapatan atau laba yang akan
diperoleh.67 Hasil penelitian ini sesuai dengan PSAK.No.2 dimana arus kas operasi mampu untuk memprediksi laba masa mendatang. Sesuai dengan teori sinyal (Signaling Theory) para pengguna laporan keuangan dapat menggunakan sinyal berupa informasi arus kas untuk memprediksi laba masa mendatang yang akan digunakan sebagai pertimbangan dalam pengambilan keputusan ekonomi.
Hasil penelitian ini mendukung penelitian pada skripsi G.Ardisusilo Putro (2012) yang menyatakan bahwa arus kas operasi mampu meprediksi laba masa mendatang pada perusahaan manufaktur yang terdaftar di Bursa Efek Jakarta.
3. Kemampuan prediksi laba terhadap arus kas operasi masa mendatang.
Hasil penelitian ini memperlihatkan bahwa variabel laba (t-1) mempunyai pengaruh positif signifikan terhadap arus kas operasi (t) yang ditunjukkan dari nilai signifikansi yaitu sig = 0,002 < 0,05 yang berarti secara parsial mempunyai pengaruh positif signifikan antara laba (t-1) dan arus kas operasi (t) maka dapat disimpulkan hipotesis yang menyatakan laba berpengaruh positif terhadap arus kas operasi di masa depan diterima.
Hasil penelitian ini sesuai dengan teori sinyal (Signaling Theory) dimana informasi laba pada laporan laba rugi dapat digunakan oleh investor dan kreditor sebagai sinyal atau informasi yang akan digunakan untuk memprediksi ketidakpastian arus kas operasi masa mendatang. Jumlah laba
67Ibid., Hal.127
yang besar pada periode saat ini mampu mempengaruhi arus kas operasi masa mendatang, karena salah satu bentuk dari penerimaan kas adalah laba. Oleh karena itu secara tidak langsung laba mampu mempengaruhi arus kas operasi.68
Hasil penelitian ini sesuai dengan penelitian sebelumnya yang dilakukan oleh Risa Maulidia.dkk (2018) yang menyatakan bahwa secara parsial laba memiliki pengaruh positif terhadap arus kas masa depan pada perusahaan yang terdaftar dalam LQ-45 di BEI periode 2014-2016.
4. Kemampuan prediksi arus kas operasi terhadap arus kas operasi masa mendatang.
Berdasarkan hasil penelitian dapat diketahui bahwa variabel arus kas operasi (t-1) berpengaruh positif signifikan terhadap arus kas operasi (t) yang ditunjukkan dari nilai signifikansinya yaitu 0,000 < 0,05 yang artinya terdapat pengaruh antara Arus Kas Operasi (t-1) dan Arus Kas Operasi (t), sehingga dapat disimpulkan hipotesis yang menyatakan arus kas operasi berpengaruh positif terhadap arus kas operasi di masa depan diterima.
Berdasarkan PSAK.No.2 arus kas operasi dapat digunakan untuk mengukur apakah suatu perusahaan mampu menghasilkan arus kas yang cukup untuk membayarkan kewajiban-kewajiban perusahaan serta arus kas mampu untuk memprediksi arus kas masa mendatang.69 Hasil penelitian ini sesuai dengan PSAK.No.2 yaitu arus kas operasi mampu memprediksi arus kas
68Ibid., Hal.128.
69Ibid., Hal.127.
operasi masa mendatang, hal ini dikarenakan apabila jumlah arus kas yang diperoleh suatu perusahaan tinggi maka akan memberikan pengaruh terhadap arus kas masa depan yaitu menambah jumlah arus kas yang akan dialokasikan di masa mendatang.70 Dengan demikian berdasarkan teori sinyal (Signaling Theory) para pengguna laporan keuangan dapat menggunakan sinyal dari laporan keuangan berupa informasi arus kas untuk memprediksi ketidakpastian arus kas masa mendatang sebelum mengambil keputusan.
Hasil penelitian ini juga mendukung penelitian sebelumnya yaitu pada skripsi G.Ardisusilo Putro (2012) yang menyatakan bahwa arus kas operasi mampu meprediksi arus kas operasi masa mendatang pada perusahaan manufaktur yang terdaftar di Bursa Efek Jakarta. Selain itu penelitian ini juga mendukung penelitian P.D’Yan Yaniartha (2011) yang menyatakan bahwa kemampuan prediktor arus kas dalam memprediksi arus kas masa depan lebih baik dibandingkan kemampuan prediktor arus kas terhadap laba masa depan.
70 Vina Yuwana Dan Yulius Jogi Christiawan. Op.Cit, Hal.4
98 BAB V PENUTUP A. Kesimpulan
Tujuan dari penelitian ini adalah untuk mengetahui kemampuan laba dan arus kas dalam memprediksi laba dan arus kas masa mendatang. Berdasarkan hasil penelitian yang telah dilakukan dapat disimpulkan sebagai berikut :
1. Laba mempunyai kemampuan dalam memprediksi Laba masa mendatang pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.
2. Arus Kas Operasi mempunyai kemampuan dalam memprediksi Laba masa mendatang pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.
3. Laba mempunyai kemampuan dalam memprediksi Arus Kas Operasi masa mendatang pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.
4. Arus Kas Operasi mempunyai kemampuan dalam memprediksi Arus Kas Operasi masa mendatang pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.
B. Saran
Penulis menyadari bahwa penelitian ini jauh dari kata sempurna. Saran yang dapat diberikan oleh peneliti dari keterbatasan penelitian ini untuk peneliti selanjutnya yaitu :
1. Sebaiknya peneliti selanjutnya menambah periode waktu penelitian yang lebih panjang.
2. Sebaiknya peneliti selanjutnya dalam pemilihan sampel tidak hanya pada perusahaan manufaktur saja, akan tetapi lebih dikembangkan lagi dengan sampel yang memiliki cakupan yang lebih luas dari sektor lainnya yang ada pada Bursa Efek Indonesia (BEI).
DAFTAR PUSTAKA
Amin, Muhammad Al. 2018. Filsafat Teori Akuntansi. Magelang : UNNIMA PRESS.
Apriyani, Helpi Dkk. 2019. Pengaruh Laba Kotor, Laba Operasi Dan Laba Bersih Dalam Memprediksi Arus Kas Pada Masa Mendatang. Bangka Belitung : Jurnal Progresif Bisnis (JIPAB) STIE-IBEK, Vol.7, No.3.
Cahyaningrum, Ndaru Hesti. 2012. Analisis Manfaat Rasio Keuangan Dalam Memprediksi Pertumbuhan Laba. Semarang : Skripsi Fakultas Ekonomi dan Bisnis Universitas Diponegoro.
Darmawan. 2020 . Dasar-Dasar Memahami Rasio Dan Laporan Keuangan. Yogyakarta : UNY Press.
Gade, Muhammad. 2005 . Teori Akuntansi. Jakarta Timur : Penerbit Almahira.
Habibi, Roni dan Alwan Suryansah. 2020. Aplikasi Prediksi Jumlah Kebutuhan Perusahaan.
Bandung : Kreatif Industri Nusantara.
Handayani, Riri. 2014. Pengaruh Volatilitas Arus Kas, Besaran Akrual, Dan Leverage Terhadap Persistensi Laba (Suatu Studi Pada Perusahaan Perbankan Yang Listing Di BEI Periode 2008-2012). Bandung : Skripsi Fakultas Ekonomi Universitas Pasundan.
Hapsari, Denny Putri. 2018. Analisis Penjualan Bersih, Beban Umum & Administrasi Terhadap Laba Tahun Berjalan. Banten : Jurnal Akuntansi Universitas Serang Jaya, Vol.5, No.1.
Harinaldi. 2005. Prinsip-Prinsip Statistik Untuk Teknik dan Sains. Jakarta : Erlangga.
Nuraina, Elva. 2011. Laba, Arus Kas Operasi dan Akrual Sebagai Penentu Laba Operasi Masa Depan. Madiun : Jurnal Dinamika Manajemen IKIP PGRI Madiun, Vol.2, No.1.
Nursya’adah, Dena. 2020. “Analisis Kemampuan Prediktif Laba Kotor, Laba Operasi, Laba Bersih, Arus Kas Operasi, Perubahan Hutang, Perubahan Piutang, Perubahan Persediaan Dan Perubahan Beban Depresiasi Terhadap Arus Kas Operasi Masa Depan”. Subang : Platform Riset Mahasiswa Akuntansi (Prisma) Vol.1, No.1.
Putro, G.Ardisusilo. 2007. Analisis Kemampuan Laba Dan Arus Kas Operasi Dalam Memprediksi Laba Dan Arus Kas Operasi Mendatang (Studi Empiris Pada Perusahaan Manufaktur Yang Terdaftar Di Bursa Efek Jakarta). Yogyakarta : Skripsi Fakultas Ekonomi Universitas Sanata Dharma.
Ramanda, Ajeng Suci. 2018. Penerapan PSAK No.1 Tentang Penyajian Laporan Keuangan Pada PT. LMI. Bandung : Jurnal Festival Riset Ilmiah Manajemen & Akuntansi STIE STEMBI.
Ramon, Titin Kostia. 2013. Pengaruh Kemampuan Prediktif Laba dan Arus Kas Operasi Dalam Memprediksi Arus Kas Operasi Masa Depan. Padang : Artikel Fakultas Ekonomi Universitas Negeri Padang.
Rispayanto, Shofiahilmy. 2013. Pengaruh Laba Kotor, Laba Operasi, Laba Bersih dan Arus Kas Operasi Dalam Memprediksi Arus Kas Operasi Masa Mendatang. Padang: Artikel Fakultas Ekonomi Universitas Negeri Padang.
Rohmah, Fitri Nur. 2010. Kemampuan Laba dan Arus Kas Dalam Memprediksi Arus Kas Masa Depan (Studi Empiris Pada Perusahaan Manufaktur Yang Terdaftar Di BEI).
Surakarta : Skripsi Fakultas Ekonomi Universitas Muhammadiyah Surakarta.
Syafriadi, Hepi. 2000. Kemampuan Earnings dan Arus Kas Dalam Memprediksi Earnings dan Arus Kas Masa Depan : Studi Di Bursa Efek Jakarta. Yogyakarta : Jurnal Bisnis dan Akuntansi Universitas Gadjah Mada, Vol.2, No.1.
S, P. D’yan Yaniartha. 2011. Kemampuan Prediksi Laba dan Arus Kas Dalam Memprediksi Laba dan Arus Kas Pada Masa Mendatang. Bali : Jurnal Ilmiah Akuntansi dan Bisnis Universitas Udayana, Vol.6, No.2.
Tampomas, Husein. 2003 . Sukses Ulangan dan Ujian Sistem Persamaan Linear Statiska Untuk Smu dan Sederajat. Jakarta : Grasindo.
Tohardi, Ahmad. 2019. Buku Ajar Pengantar Metodologi Penelitian Sosial + Plus.
Kalimantan Barat : Tanjungpura University Press.
Yuwana ,Vina dan Yulius Jogi Christiawan. 2014. Analisa Kemampuan Laba dan Arus Kas Operasi Dalam Memprediksi Arus Kas Operasi Masa Depan. Surabaya : Jurnal Business Accounting Review, Vol.2, No.1.
Zamzami, Faiz dan Nabella Duta Nusa. 2016. Akuntansi Pengantar I. Yogyakarta : Gadjah Mada University Press.
Zulkifli dan Sulatiningsih. 1998. Rerangka Konseptual Pelaporan Keuangan Dalam Perspektif Islam. Yogyakarta : JAAI Vol.2, No.2.
Lampiran Hasil Pengolahan Data Menggunakan SPSS Tabel.1
Hasil Uji Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Laba t-1 162 38242000.00 982129000.00 331020126.5926 240394090.42528 Laba t 162 30073855.00 975980000.00 334241903.6296 248575507.98657 Arus Kas Operasi t-1 162 4592732.00 846389000.00 203374692.7778 190486208.07764 Arus kas Operasi t 162 4592732.00 889775270.00 220285528.6543 213887485.72608 Valid N (listwise) 162
Tabel.2
Hasil uji normalitas data sebelum transformasi
One-Sample Kolmogorov-Smirnov Test
LB_t_1 LB_t AKO_t_1 AKO_t
N 162 162 162 162
Normal Parametersa
Mean 3.3102E8 3.3424E8 2.0337E8 2.2029E8
Std.
Deviation 2.40394E8 2.48576E8 1.90486E8 2.13887E8 Most Extreme
Differences
Absolute .155 .168 .148 .157
Positive .155 .168 .135 .141
Negative -.112 -.111 -.148 -.157
Kolmogorov-Smirnov Z 1.970 2.140 1.888 1.993
Asymp. Sig. (2-tailed) .001 .000 .002 .001
a. Test distribution is Normal.
A. Model Regresi Kemampuan Laba Dalam Memprediksi Laba Masa Mendatang.
Tabel.3
Hasil Uji Normalitas Non-Parametik Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 162
Normal Parametersa Mean .0000000
Std. Deviation 4944.23521777
Most Extreme Differences Absolute .082
Positive .073
Negative -.082
Kolmogorov-Smirnov Z 1.039
Asymp. Sig. (2-tailed) .230
a. Test distribution is Normal.
Gambar.1
Hasil Uji Normalitas Grafik Normal P-P Plot
Gambar.2
Hasil Uji Heteroskedastisitas
Tabel.4
Hasil Uji Autokorelasi
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .671a .450 .446 4959.66189 2.163
a. Predictors: (Constant), SQRT_LB_t_1 b. Dependent Variable: SQRT_LB_t
Sumber : data yang diolah, SPSS 16.0,2021
Tabel.5
Hasil Uji Regresi Linear Sederhana
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 5319.300 1095.586 4.855 .000
SQRT_LB_t_1 .689 .060 .671 11.439 .000
a. Dependent Variable: SQRT_LB_t
Tabel.6
Hasil Koefesien Determinasi
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .671a .450 .446 4959.66189
a. Predictors: (Constant), SQRT_LB_t_1
b. Dependent Variable: SQRT_LB_t
B. Model Regresi Kemampuan Arus Kas Operasi Dalam Memprediksi Laba Masa Mendatang.
Tabel.7
Hasil Uji Normalitas Non-Parametik Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 162
Normal Parametersa Mean .0000000
Std. Deviation 6472.56896420
Most Extreme Differences Absolute .093
Positive .093
Negative -.051
Kolmogorov-Smirnov Z 1.186
Asymp. Sig. (2-tailed) .120
a. Test distribution is Normal.
Gambar.3
Hasil Uji Normalitas Grafik Normal P-P Plot
Gambar.4
Hasil Uji Heteroskedastisitas
Tabel.8
Hasil Uji Autokorelasi
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .239a .057 .051 6492.76424 1.126
a. Predictors: (Constant), SQRT_AKO_t_1
b. Dependent Variable: SQRT_LB_t
Tabel.9
Hasil Uji Regresi Linear Sederhana
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 13931.016 1118.357 12.457 .000
SQRT_AKO_t_1 .244 .078 .239 3.116 .002
a. Dependent Variable: SQRT_LB_t
Tabel.10
Hasil Koefesien Determinasi
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .239a .057 .051 6492.76424
a. Predictors: (Constant), SQRT_AKO_t_1
b. Dependent Variable: SQRT_LB_t
C. Model Regresi Kemampuan Laba Dalam Memprediksi Arus Kas Operasi Masa Mendatang.
Tabel.11
Hasil Uji Normalitas Non-Parametik Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 162
Normal Parametersa Mean .0000000
Std. Deviation 6749.44966041
Most Extreme Differences Absolute .091
Positive .091
Negative -.047
Kolmogorov-Smirnov Z 1.163
Asymp. Sig. (2-tailed) .133
a. Test distribution is Normal.
Gambar.5
Hasil Uji Normalitas Grafik Normal P-P Plot
Gambar.6
Hasil Uji Heteroskedastisitas
Tabel.12
Hasil Uji Autokorelasi
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .244a .059 .054 6770.50884 1.112
a. Predictors: (Constant), SQRT_LB_t_1 b. Dependent Variable: SQRT_AKO_t
Tabel.13
Hasil Uji Regresi Linear Sederhana
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 8675.337 1495.600 5.801 .000
SQRT_LB_t_1 .261 .082 .244 3.180 .002
a. Dependent Variable: SQRT_AKO_t
Tabel.14
Hasil Koefesien Determinasi
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .244a .059 .054 6770.50884
a. Predictors: (Constant), SQRT_LB_t_1
b. Dependent Variable: SQRT_AKO_t
D. Model Regresi Kemampuan Arus Kas Operasi Dalam Memprediksi Arus Kas Operasi Masa Mendatang.
Tabel.15
Hasil Uji Normalitas Non-Parametik Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 162
Normal Parametersa Mean .0000000
Std. Deviation 4403.76910821 Most Extreme
Differences
Absolute .046
Positive .045
Negative -.046
Kolmogorov-Smirnov Z .580
Asymp. Sig. (2-tailed) .890
a. Test distribution is Normal.
Gambar.7
Hasil Uji Normalitas Grafik Normal P-P Plot
Gambar.8
Hasil Uji Heteroskedastisitas
Tabel.16
Hasil Uji Autokorelasi
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .774a .600 .597 4417.50945 2.438
a. Predictors: (Constant), SQRT_AKO_t_1
b. Dependent Variable: SQRT_AKO_t
Tabel.17
Hasil Uji Regresi Linear Sederhana
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 2639.190 760.901 3.469 .001
SQRT_AKO_t_1 .826 .053 .774 15.479 .000
a. Dependent Variable: SQRT_AKO_t
Tabel.18
Hasil Koefesien Determinasi
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .774a .600 .597 4417.50945
a. Predictors: (Constant), SQRT_AKO_t_1 b. Dependent Variable: SQRT_AKO_t