• Tidak ada hasil yang ditemukan

BAB II LANDASAN TEORI

H. Teori Pengujian Hipotesis

Sample penelitian yang dipilih adalah perusahaan perbankan yang terdaftar di Bursa Efek Jakarta. Periode penelitian yang dipilih dimulai dari periode 2001 hingga 2005 dengan pertimbangan homogenitas kondisi perekonomian setelah masa krisis (1997)

Karena keterbatasan data dan waktu penelitian, maka penelitian ini didasari dengan asumsi adanya hubungan yang konstan antara data akuntansi dengan perubahan metode akuntansi dan lingkungan ekonomi dari perusahaan sample.

Untuk mengetahui hubungan antara variabel dependen dengan variabel independen perlu diadakan pengujian hipotesis dengan langkah-langkah berikut:

a) Pengujian asumsi klasik

Dalam pengujian dengan menggunakan metode regresi agar dihasilkan estimator linier tidak bias yang terbaik perlu dilakukan pengujian terhadap beberapa penyimpangan terhadap asumsi-asumsi model klasik yang meliputi (Algifari, 2000)

1. Otokorelasi, berarti adanya korelasi antar anggota sample yang diurutkan berdasarkan waktu. Penyimpangan asumsi ini biasanya muncul pada observasi yang menggunakan data time series.

Konsekuensinya, model regresi yang dihasilkan tidak dapat digunakan untuk mengestimasi nilai variabel dependen pada nilai variabel independen tertentu.

Salah satu pengujian yang digunakan untuk mengetahui ada tidaknya otokorelasi dari suatu variabel adalah dengan melakukan uji Durbin-Watson. Nilai uji Durbin-Watson (d) terletak antara 0 – 4. gejala otokorelasi tidak terjadi jika kondisi berikut terpenuhi:

2 < d < 4-du atau du < d < 2

Ini berarti jika nilai d hitung terletak antara du dan (4- du) maka dapat dipastikan tidak terjadi otokorelasi, tetapi jika d hitung mendekati angka 0 – 4 maka terjadi otokorelasi dalam hubungan antar nilai variabel tersebut.

2. Multikolineritas, digunakan untuk menunjukkan adanya hubungan linier antara variabel-variabel bebas dalam model regresi. Biasanya korelasinya mendekati sempurna (mendekati atau sama dengan 1).

Akibatnya, kesalahan standar estimasi akan cenderung meningkat dengan bertambahnya variabel independen. Hal ini akan dapat menyebabkan tidak validnya model regresi yang digunakan untuk menaksir nilai variabel independen.

Gejala multikolinearitas dapat dideteksi melalui nilai Eigenvalue dan Condition Indeks pada perhitungan statistic. Jika nilai Eigenvalue mendekati 0 atau nilai Condition Indeks melebihi angka 15 maka dapat dipastikan terjadi multikolinearitas dalam variabel-variabel bebas tersebut.

3. Heteroskedastisitas, menunjukkan bahwa variasi (varians) variabel tidak sama untuk semua pengamatan. Konsekuensinya, penaksir

yang diperoleh tidak efisien baik dalam sample kecil ataupun sample besar. Hal ini disebabkan karena nilai variansnya tidak minimum (tidak efisien). Heteroskedastisitas dapat dideteksi dengan menggunakan uji Glesjer. Uji ini melibatkan nilai absolute residual sebagai variabel dependen terhadap suatu variabel independen. Jika semua variabel independen signifikan secara statistic, maka berarti terjadi heterokedastisitas pada model regresi.

b) Penentuan model regresi

Untuk menguji kemampuan laba dan arus kas dalam memprediksi arus kas masa depan diperlukan model-model persamaan regresi linier yang menggunakan laba dan arus kas sebagai variabel-variabel penelitian. Dari hipotesis yang telah disebutkan sebelumnya, dikembangkan bentuk persamaan regresi linier sebagai model penelitian yang disajikan sebagai berikut:

1. Hipotesis Pertama (H1)

Pada hipotesis pertama digunakan persamaan regresi tunggal dan berganda, dengan persamaan regresi sebagai berikut:

YAko tt = α + βXAko t-1……… (a)

YAko t = α + βX L t-1……… (b)

2. Hipotesis Kedua (H2)

Pada hipotesa kedua digunakan persamaan linier berganda.

Pengujian dilakukan dengan melibatkan laba dan arus kas secara

bersamaan untuk memprediksi arus kas dimasa depan. Adapun bentuk persamaan yang digunakan sebagai berikut:

YAko t = α + βXAko t-1 + βX L t -1……… (c) Notasi:

YAko t = Cash Flow periode pengamatan XAko t-1 = Cash Flow pada tahun sebelumnya X L t-1 = Operating Profit pada tahun sebelumnya α = Konstanta

c) Melakukan pengujian statistic

Ketepatan fungsi regresi sample dalam menaksir nilai akrual dapat diukur dari goodness of fit-nya. Secara statistic yang menjadi indicator ketepatan dari suatu persamaan regresi adalah koefisien-koefisien estimasi berupa uji signifikansi parameter individual (uji statistic t), uji signifikansi simultan (uji statistic F), dan koefisien determinasi (R2).

1) Uji statistic t, pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas secara individual dalam menerangkan variasi variabel terikat. Hipotesa nol (H0) yang hendak diuji adalah apakah suatu parameter (β) sama dengan nol, atau:

H0 : β = 0, artinya suatu variabel independen merupakan penjelas yang signifikan terhadap variabel dependen.

Hipotesa alternatifnya (Ha) adalah parameter suatu variabel tidak sama dengan nol, atau:

Ha : β ≠ 0, artinya variabel tersebut merupakan bukan penjelas yang signifikan terhadap variabel dependen.

Untuk mengujikedua hipotesis tersebut digunakan statistic t yang dihitung dengan formula:

β

thitung = ; Sb = standar koefisien regresi Sb

Pengambilan keputusan terhadap uji t dilakukan sebagai berikut:

Apabila thitung < ttabel, maka Ho ditolak Apabila thitung > ttabel, maka Ho diterima

Cara lain untuk mengetahui apakah variabel independen tersebut berpengaruh secara signifikan atau tidak terhadap variabel dependen juga dapat dilihat dari nilai p-value yang dihasilkan. Jika nilai p-value yang sudah diperoleh lebih tinggi daripada tingkat signifikan yang dipilih (0,05) berarti variabel independen tersebut berpengaruh secara signifikan terhadap variabel dependen.

2) Uji Statistik F, pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel terikat. Hipotesa nol (H0) yang hendak diuji adalah apakah semua parameter dalam model sama dengan nol, atau:

H0 : β1 = β2 ………. βk = 0,

Artinya, semua variabel independen merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesa alternatifnya adalah (Ha) adalah tidak semua parameter secara simultan sama dengan nol, atau:

Ha : β1 ≠ β2 ≠…….≠ β ≠ 0

Artinya, semua variabel independen secara simultan bukan merupakan penjelas yang signifikan terhadap variabel dependen.

Untuk menguji kedua hipotesis tersebut digunakan statistic F yang dihitung dengan formula:

MSR SSR/k F = =

MSE SSE/(n-k) Dimana:

SSR = sum of squares due to regression SSE = sum of squares error

n = jumlah observasi k = jumlah parameter

MSR = mean squares due to regression MSE = mean squares due to error

Pengambilan keputusan terhadap uji F dilakukan sebagai berikut:

Apabila Fhitung < Ftabel, maka Ho ditolak Apabila Fhitung > Ftabel, maka Ho diterima

Untuk mengetahui apakah variabel independen tersebut secara simultan berpengaruh secara signifikan atau tidak terdapat variabel

dependen juga dapat dilihat dari nilai p-value yang dihasilkan. Jika nilai p-value yang diperoleh lebih tinggi daripada tingkat signifikan yang dipilih(0,05) berarti variabel independen tersebut berpengaruh secara signifikan terhadap variabel dependen.

3) Koefisien Determinasi (R2), pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi-variasi terikat.

Nilai R2 dapat dihitung dengan formula:

(TSS-SSE) SSR R2 = =

TSS TSS Dimana:

TSS = Total sum of squares

SSR = Sum of squares due to regression SSE = Sum of squares error

Besarnya koefisien determinasi adalah 0 sampai dengan 1.

Semakin mendekati 1 besarnya koefisien determinasi (R2) suatu persamaan regresi, semakin besar pula pengaruh semua variabel independen terhadap variabel dependen.

Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan kedalam model. Setiap tambahan satu variabel independen maka R2 pasti meningkat tidak peduli apakah variabel tersebut memiliki nilai t yang signifikan atau tidak (Kuncoro,2001). Oleh karena itu pada penelitian taksiran parameter yang sebaiknya digunakan

adalah Adjusted R2. dalam Adjusted R2 diperhitungkan nilai variabel bebas (k-1) dimana k adalah jumlah parameter yang ditaksir. Nilai Adjusted R2 dihitung dengan formula:

S2 n-1 Adjusted R2 = 1-(n-1) [ ] = 1 – (1- R2) [ ] TSS n-k

Secara umum, bila tambahan variabel independen merupakan predictor yang baik, maka akan menyebabkan nilai varians naik, dan nilai Adjusted R2 meningkat. Sebaliknya, bila tambahan variabel baru tidak meningkatkan varians, maka Adjusted R2 akan menurun, dan itu berarti tambahan variabel baru tersebut bukan merupakan predictor yang baik bagi variabel dependen.

BAB III

METODA PENELITIAN

A. Jenis Penelitian

Jenis penelitian ini adalah studi empiris yaitu penelitian terhadap fakta empiris berupa data-data yang telah disediakan oleh perusahaan-perusahaan perbankan yang terdaftar di Bursa Efek Jakarta.

B. Subjek dan objek Penelitian 1. Subjek Penelitian

Subjek penelitian ini adalah perusahaan-perusahaan perbankkan yang mempublikasikan laporan laba-rugi dan laporan arus kas perusahaan selama 5 tahun berturut-turut.

2. Objek Penelitian

Objek Penelitian ini adalah laporan laba-rugi dan laporan arus kas yang tercermin dalam laporan keuangan untuk periode lima tahun berturut-turut pada perusahaan perbankkan yang terdaftar di BEJ dari tahun 2001 sampai dengan 2005.

C. Waktu dan Tempat Penelitian 1. Waktu Penelitian

Penelitian ini akan dimulai pada bulan Januari 2007. Tahap pengumpulan data akan dimulai bulan Januari 2007 dengan

31

mengumpulkan data dari situs resmi BEJ (www.jsx.co.id) yang diperoleh dari Database BEJ Universitas Atmajaya Yogyakarta.

2. Tempat Penelitian

Penelitian ini menggunakas fasilitas dari berbagai pojok BEJ, Situs Resmi BEJ dan literature lain yang mendukung penelitian.

D. Populasi dan Sampel 1. Populasi

Populasi dari penelitian ini adalah perusahaan-perusahaan perbankkan yang terdaftar di Bursa Efek Jakarta sejak tahun 2001 sampai 2005 2. Sampel

Teknik yang digunakan untuk pengambilan sample dalam penelitian ini adalah purposive sampling yaitu penarikan sample dengan menggunakan pertimbangan tertentu (Purwanto, 2004:332).

Kriteria perusahaan yang digunakan sebagai sample adalah:

a. Sampel adalah perusahaan perbankan yang masih terdaftar di BEJ b. Perusahaan sample telah mempublikasikan laporan laba-rugi selama

5 tahun berturut-turut mulai tahun 2001 – 2005

c. Perusahaan sample telah mempublikasikan laporan arus kas perusahaan selama 5 tahun berturut-turut mulai tahun 2001 – 2005.

E. Data yang Diperlukan

Data yang akan digunakan dalam penelitian ini adalah data sekunder.

Data sekunder adalah data yang diperoleh dari dokumentasi maupun database dari berbagai pihak. Pihak-pihak yang memiliki data penelitian ini adalah Pojok BEJ dan publikasi dari media masa. Data yang diperlukan dalam penelitian ini adalah laporan laba-rugi dan laporan arus kas dari tahun 2001 sampai tahun 2005.

F. Metode Pengumpulan Data

Data yang diambil merupakan dokumentasi dari sumber-sumber data, yang pertama dilakukan adalah pengumpulan data yaitu mengumpulkan data mengenai perusahaan-perusahaan perbankan yang mempublikasikan laporan arus kas dan laporan laba-rugi pada tahun 2001 sampai tahun 2005.

G. Teknik Analisis Data

Analisis data dimulai dengan pengambilan sample yang akan digunakan dalam penelitian ini.

Langkah-langkah pengujian dalam penelitian ini adalah sebagai berikut:

1. Menyatakan hipotesis pertama:

Ho1: Arus kas bukan prediktor yang cukup kuat jika dibandingkan dengan laba untuk memprediksi arus kas masa depan.

Ha1: Arus kas merupakan prediktor yang cukup kuat jika dibandingkan dengan laba untuk memprediksi arus kas masa depan.

a) Melakukan pengujian asumsi klasik

1) Melakukan uji Otokorelasi dengan model Durbin-Watson 2) Melakukan uji Multikolinearitas yang dilihat melalui nilai

Eigenvalue dan Condition Indeks

3) Melakukan uji Heterokedastisitas yang dapat dideteksi dengan menggunakan uji Glesjer

b) Menentukan model regresi

Untuk menguji kemampuan laba dan arus kas dalam memprediksi arus kas masa depan diperlukan model-model persamaan regresi linier yang menggunakan laba dan arus kas sebagai variabel-variabel penelitian.

c) Melakukan pengujian statistic

Secara statistik yang menjadi indikator ketepatan dari suatu persamaan regresi adalah koefisien-koefisien estimasi berupa uji signifikansi parameter individual (uji statistic t), uji signifikansi simultan (uji statistic F), dan koefisien determinasi (R2).

d) Membandingkan hasil p-value dan adjusted R2 dari hipotesis Langkah terakhir sebelum pengujian hipotesis adalah membandingkan hasil p-value dan adjusted R2 dari hipotesis

tersebut. Untuk langkah b hingga f tidak akan ditampilkan karena sudah diolah dengan menggunakan program SPSS 11.5

e) Pembahasan

Setelah dilakukan analisis dan pengujian data pada hipotesa pertama, maka langkah selanjutnya adalah penjabaran/pembahasan dari hasil yang diperoleh setelah analisis dan pengujian data dilakukan.

f) Mengambil Keputusan

Pada penelitian ini digunakan taraf signifikansi sebesar 5% jika asymp.sig kurang dari 5% maka Ho ditolak, ini berarti arus kas merupakan predictor yang cukup kuat untuk memprediksi arus kas masa depan jika dibandingkan dengan laba. Jika Ho lebih dari 5% maka Ho tidak ditolak, ini berarti arus kas bukan merupakan prediktor yang cukup kuat jika dibandingkan dengan laba untuk memprediksi arus kas masa depan.

g) Menarik Kesimpulan 2. Menyatakan Hipotesis kedua

Ho2 : kombinasi laba dan arus kas tidak memiliki kemampuan prediksi yang lebih kuat terhadap arus kas masa depan dibandingkan jika laba dan arus kas tersebut digunakan secara individual.

Ha2 : kombinasi laba dan arus kas memiliki kemampuan prediksi yang lebih kuat terhadap arus kas masa depan dibandingkan jika laba dan arus kas tersebut digunakan secara individual.

a) Melakukan pengujian asumsi klasik

1) Melakukan uji Otokorelasi dengan model Durbin-Watson 2) Melakukan uji Multikolinearitas yang dilihat melalui nilai

Eigenvalue dan Condition Indeks

3) Melakukan uji Heterokedastisitas yang dapat dideteksi dengan menggunakan uji Glesjer

b) Menentukan model regresi

Untuk menguji kemampuan laba dan arus kas dalam memprediksi arus kas masa depan diperlukan model-model persamaan regresi linier yang menggunakan laba dan arus kas sebagai variabel-variabel penelitian.

c) Melakukan pengujian statistic

Secara statistik yang menjadi indikator ketepatan dari suatu persamaan regresi adalah koefisien-koefisien estimasi berupa uji signifikansi parameter individual (uji statistic t), uji signifikansi simultan (uji statistic F), dan koefisien determinasi (R2).

d) Pembahasan

Setelah dilakukan analisis dan pengujian data pada hipotesa kedua, maka langkah selanjutnya adalah penjabaran/pembahasan dari hasil yang diperoleh setelah analisis dan pengujian data dilakukan.

e) Mengambil Keputusan

Pada penelitian ini digunakan taraf signifikansi sebesar 5% jika asymp.sig kurang dari 5% maka Ho ditolak, ini berarti kombinasi laba dan arus kas memiliki kemampuan prediksi yang lebih kuat terhadap arus kas masa depan dibandingkan jika laba dan arus kas tersebut digunakan secara individual.. Jika Ho lebih dari 5%

maka Ho tidak ditolak, ini berarti kombinasi laba dan arus kas tidak memiliki kemampuan prediksi yang lebih kuat terhadap arus kasa masa depan dibandingkan jika laba dan arus kas tersebut digunakan secara terpisah.

f) Menarik Kesimpulan

BAB IV ANALISIS DATA

A. Pengambilan sampel

Analisis data dimulai dengan pengambilan sample yang akan digunakan dalam penelitian ini. Sampel dari penelitian ini adalah perusahaan perbankkan yang terdaftar di Bursa Efek Jakarta dan telah mempublikasikan laporan laba-rugi dan laporan arus kas selama 5 tahun berturut-turut yaitu sejak tahun 2001 dan 2005.

Tahap Pengambilan Sampel

Perusahaan Perbankan di Indonesia 114

Tidak terdaftar di Bursa Efek Jakarta (89)

Terdaftar di Bursa Efek Jakarta 25

Tidak mempublikasikan laporan laba/rugi dan arus kas Periode 2001-2005

(7)

Jumlah sampel penelitian 18

Berdasarkan kriteria pengambilan sample, diperoleh sampel sebanyak 18 perusahaan. Daftar perusahaan-perusahaan perbankkan yang digunakan sebagai sample dalam penelitian ini disajikan dalam daftar perusahaan sampel.

38

Daftar Perusahaan Sampel

Nama Perusahaan Nama Perusahaan

1. Bank Eksekutif Internasional 2.Bank Nusantara Parahiyangan 3.Bank Artha Niaga Kencana 4.Bank Buana Indonesia 5.Bank Mega

6.Bank Central Asia

7.Bank Victoria International 8.Bank Bali

9.Bank Mayapada Internasional

1.Bank CIC Internasional 2.Bank Negara Indonesia 3.Bank NISP

4.Inter Pacific Bank 5.Bank Danamon 6.Bank Niaga

7.Bank Internasional Indonesia 8.Bank Lippo

9.Pan Indonesia Bank

B. Melakukan Pengujian Hipotesis Pertama 1. Menyatakan hipotesis pertama:

Ho1: Arus kas bukan prediktor yang cukup kuat jika dibandingkan dengan laba untuk memprediksi arus kas masa depan.

Ha1: Arus kas merupakan prediktor yang cukup kuat jika dibandingkan dengan laba untuk memprediksi arus kas masa depan.

a) Melakukan pengujian asumsi klasik

1) Melakukan uji Otokorelasi dengan model Durbin-Watson

Untuk mendeteksi ada tidaknya otokorelasi digunakan uji Durbin-Watson. Nilai uji Durbin-Watson (d) terletak diantara 0 – 4. Gejala otokorelasi tidak terjadi jika kondisi berikut terpenuhi: 2 < d < 4 – du

atau du < d < 2

Dari table Durbin – Watson untuk model arus kas dan laba dapat dilihat pada tabel IV.1 dengan N = 72, K = 1, dan derajat keyakinan sebesar 0,05 diperoleh nilai du = 1,391. Hal ini berarti gejala otokorelasi tidak terjadi jika nilai uji Durbin – Watson (d) : 2 < d <

2,609 atau 1,391 < d < 2, atau dengan kata lain nilai berada diantara 1,391 – 2, 609. Dari tabel Otokorelasi dapat dilihat bahwa nilai uji Durbin-Watson untuk semua variabel berada diantara 1.391 – 2.609.

hal ini membuktikan bahwa tidak terjadi gejala otokorelasi antara variabel-variabel yang digunakan.

Tabel IV. 1

Uji Otokorelasi Variabel Arus Kas Variabel

Dependen Variabel Independen Durbin

Watson Kondisi yang dipenuhi Arus kas

2001 - 2005 Arus Kas 2001 - 2005 1.792 1.391 < 1.792 < 2.609 Sumber: Lampiran II

Tabel IV. 2

Uji Otokorelasi Variabel Laba Variabel

Dependen Variabel Independen Durbin

Watson Kondisi yang dipenuhi Arus Kas

2001 - 2005 Laba 2001 - 2005 1.790 1.391 < 1.790 < 2.609 Sumber: Lampiran II

2) Melakukan uji Multikolinearitas yang dilihat melalui nilai Eigenvaluedan Condition Indeks

Gejala Multikolinearitas dapat dideteksi melalui nilai Eigenvalue dan Condition Indeks pada perhitungan statistik. Jika nilai Eigenvalue mendekati nilai 0 atau nilai Condition Indeks melebihi angka 15 maka dapat dipastikan terjadi gejala multikolinearitas dalam

variabel-variabel bebas tersebut. Tabel hasil uji Multikolinearitas menunjukkan bahwa nilai eigenvalue dan condition index dari variabel-variabel yang digunakan dalam model regresi tidak mengindentifikasikan terjadinya gejala multikolinearitas. Hal ini terbukti dengan nilai eigenvalue yang tidak terlalu mendekati nol dan nilai condition index yang berada dibawah nilai 15

Tabel IV. 3

Uji Multikolinearitas Variabel Arus Kas

Variabel Variabel Collinearity

Dependen Independen Eigenvalue

Condition Index Arus Kas

2001- 2005 Arus Kas

2001- 2005 0.888 1.119

Sumber: Lampiran II

Tabel IV. 4

Uji Multikolinearitas Variabel Laba

Variabel Variabel Collinearity

Dependen Independen Eigenvalue Condition Index Arus Kas

2001- 2005

Laba

2001- 2005 0.582 1.560

Sumber: Lampiran II

3) Melakukan uji Heterokedastisitas yang dapat dideteksi dengan menggunakan uji Glesjer. Uji ini melibatkan nilai absolute residual sebagai variabel dependen terhadap semua variabel independen. Jika semua variabel independen signifikan secara statistic (nilai thitung lebih besar daripada ttabel) maka terjadi heteroskedastisitas pada model regresi. Pada tabel uji heteroskedastisitas terlihat bahwa secara umum variabel-variabel yang digunakan tidak mengalami gejala

heteroskedastisitas. Hal ini terlihat dari nilai nilai thitung yang lebih rendah daripada ttabel .

Tabel IV. 5

Uji Heteroskedastisitas Variabel Arus Kas

Variabel Variabel Coefficient

Dependen Independen t Significant

Arus Kas

2001 - 2005 Arus Kas 2001- 2005 -0.591 0.563 Sumber : Lampiran II

Tabel IV. 6

Uji Heteroskedastisitas Variabel Laba

Variabel Variabel Coefficient

Dependen Independen t Significant

Arus Kas

2001 - 2005 Laba 2001 - 2005 3.245 0.005

Sumber : Lampiran II

b) Menentukan model regresi

Untuk menguji kemampuan laba dan arus kas dalam memprediksi arus kas masa depan diperlukan model-model persamaan regresi linier yang menggunakan laba dan arus kas sebagai variabel-variabel penelitian.

Model Regresi pada hipotesis pertama ini adalah:

YAko t = α + βXAko t-1………(a) Arus Kas

YAko t = α + βX L t-1……… (b) Laba

c) Melakukan pengujian statistik

Dengan dipenuhinya asumsi klasik, berarti model regresi dapat digunakan dalam penelitian dan melakukan analisa data. Adapun hasil

yang diperoleh dengan menggunakan analisis persamaan regresi tunggal adalah sebagai berikut:

Pada variabel arus kas uji t diperoleh nilai thitung 0.830 lebih rendah dari ttabel yaitu 1.990 dan nilai signifikansi 0.041, lebih rendah dari derajat kepercayaan yang dipilih yaitu 0.05. Sedangkan pada variabel laba diperoleh nilai thitung 0.622 lebih rendah dari ttabel yaitu 1.990 dan nilai signifikansi 0.011, lebih rendah dari derajat kepercayaan yang dipilih yaitu 0.05 (Tabel IV.7 dan Tabel IV.8).

Tabel IV.7

YAko t = α + βXAko t -1 ………(a)

Coefficients(a) Arus Kas tahun t-1 terhadap Arus Kas tahun t

Model

Unstandardized Coefficients

Standardiz ed

Coefficients t Sig.

B

Std.

Error Beta

kas.t_1 ,099 ,119 ,099 ,830 ,041

a Dependent Variable: kas.t Sumber : Lampiran II Tabel IV.8

YAko t = α + βX L t-1t -1 ………(b)

Coefficients(a) Laba tahun t-1 terhadap Arus Kas tahun t

Model

Unstandardized Coefficients

Standardiz ed

Coefficients t Sig.

B

Std.

Error Beta

Laba.t

_1 1,093 ,417 ,299 ,622 ,011

a Dependent Variable: kas.t Sumber : Lampiran II

Besarnya pengaruh dari variabel independen yang digunakan ditunjukkan oleh nilai R. Pada hasil prediksi arus kas tahun yang akan datang, nilai R 0.099.

Tabel IV.9

a Predictors: (Constant), kas.t_1 b Dependent Variable: kas.t

Besarnya pengaruh dari variabel independen yang digunakan ditunjukkan oleh nilai R. Pada hasil prediksi arus kas tahun yang akan datang, nilai R pada variabel laba adalah 0.299.

Tabel IV.10

a Predictors: (Constant), laba.t_1 b Dependent Variable: kas.

Sumber : Lampiran II

d) Membandingkan hasil p-value dan nilai R variabel arus kas dan laba pada hipotesis pertama

Tabel IV.11

Tabel perbandingan hasil p-value dan nilai R variabel arus kas dan laba pada hipotesis pertama

Variabel p-value R

Arus Kas 0.041 0.099

Laba 0.011 0.299

Sumber Lampiran II

e) Pembahasan

Dari hasil pengujian statistik diatas maka dapat kita lihat bahwa pada variabel arus kas, hasil uji t diperoleh nilai thitung 0.830 lebih rendah dari ttabel yaitu 1.990 dan nilai signifikansi 0.041 lebih rendah dari derajat kepercayaan yang dipilih yaitu 0.05. Hal ini menunjukkan bahwa informasi arus kas tahun sebelumnya merupakan prediktor yang cukup kuat apabila digunakan untuk memprediksi arus kas tahun yang akan datang. Besarnya pengaruh variable independent yang digunakan ditunjukkan oleh nilai R. Pada variable arus kas tahun yang akan datang, diperoleh nilai R 0.099. Hal ini berarti 9.9% arus kas yang akan datang dipengaruhi oleh arus kas tahun sebelumnya.

Sedangkan pada variable laba, pada uji t diperoleh nilai thitung 0.622 lebih rendah dari ttabel yaitu 1.990 dan nilai signifikansi 0.011 lebih rendah dari derajat kepercayaan yang dipilih yaitu 0.05. Hal ini menunjukkan bahwa informasi laba tahun sebelumnya merupakan predictor yang cukup kuat apabila digunakan untuk memprediksi arus kas tahun yang akan datang.

Besarnya pengaruh variable independent yang digunakan pada variable laba ditunjukkan oleh nilai R. Pada hasil prediksi arus kas tahun yang akan datang, nilai R 0.299. Ini berarti 29.9% arus kas yang akan datang dipengaruhi oleh laba tahun sebelumnya.

f) Mengambil Keputusan

Pada penelitian ini digunakan taraf signifikansi sebesar 5% jika asymp.sig kurang dari 5% maka Ho ditolak, ini berarti arus kas merupakan predictor yang cukup kuat untuk memprediksi arus kas masa depan jika dibandingkan dengan laba. Jika Ho lebih dari 5% maka Ho tidak ditolak, ini berarti arus kas bukan merupakan prediktor yang cukup kuat jika dibandingkan dengan laba untuk memprediksi arus kas masa depan.

Pada penelitian ini digunakan taraf signifikansi sebesar 5% jika asymp.sig kurang dari 5% maka Ho ditolak, ini berarti arus kas merupakan predictor yang cukup kuat untuk memprediksi arus kas masa depan jika dibandingkan dengan laba. Jika Ho lebih dari 5% maka Ho tidak ditolak, ini berarti arus kas bukan merupakan prediktor yang cukup kuat jika dibandingkan dengan laba untuk memprediksi arus kas masa depan.

Dokumen terkait