Bab III. METODE PENELITIAN
3.2. Metode Pengumpulan Data
Data yang diperlukan dalam penelitian ini adalah data yang bersifat sekunder yang diperoleh dari Indonesian Stock Exchange, berupa laporan keuangan khususnya laporan laba dan arus kas untuk tahun buku yang berakhir
dipublikasikan di Indonesian Stock Exchange. Periodisasi data penelitian yang mencakup data tahun 2003 sampai dengan 2007, atau data laporan keuangan terbaru yang dipublikasikan oleh perusahaan go public dipandang cukup mewakili tahun-tahun dimana laporan keuangan memuat informasi keuangan yang digunakan oleh masyarakat luas maupun manajemen untuk membuat suatu prediksi terhadap laba perusahaan di masa yang akan datang.
Metode Pengambilan Sampel
Teknik penarikan sampel dalam penelitian ini adalah purposive sampling, yaitu metode penarikan sampel tidak acak dan hanya memenuhi kriteria atau syarat tertentu saja yang dapat digunakan sebagai sampel penelitian, sedangkan syarat atau kriteria tersebut adalah sebagai berikut:
a) Perusahaan manufaktur dari sektor industri barang konsumsi yang telah terdaftar di Indonesian Stock Exchange yang telah menyampaikan laporan keuangan per 31 Desember 2003 sampai dengan per 31 Desember 2007.
b) Laporan keuangan perusahaan yang digunakan sebagai data berakhir pada tanggal 31 Desember 2003 sampai dengan 31 Desember 2007 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 selama tiga tahun. Hal ini dikarenakan tujuan dari penelitian ini berkaitan dengan prediksi pertumbuhan laba pada suatu perusahaan.
d) Perusahaan dalam menyusun laporan keuangannya menggunakan mata
uang rupiah.
Berdasarkan data sekunder yang diperoleh dari website Indonesian Stock Exchange terdapat 27 perusahaan yang memenuhi kriteria dan terpilih sebagai sampel. Kemudian dari 27 sampel perusahaan tersebut dibagi menjadi 2 kelompok sampel, yaitu perusahaan yang optimis dan perusahaan yang konservatif yang akan digunakan dalam pengujian hipotesis. Pengelompokkan sampel akan ditentukan berdasarkan pengukuran tingkat konservatisma pada bagian tehnik pengolahan data.
Tehnik Pengumpulan Data
Pengumpulan data penelitian diperoleh dari :
a. Data earnings dan arus kas untuk tahun 2003 sampai dengan 2007 adalah data sekunder yang diperoleh dari website Indonesian Stock Exchange.
b. Data total aset perusahaan untuk tahun 2003 sampai dengan 2007 adalah data sekunder yang diperoleh dari website Indonesian Stock Exchange.
Metode Analisis Data Tehnik Pengolahan Data
Ada dua hal pokok yang diuji, yaitu; Pertama, melakukan pengukuran kecenderungan konservatisma dengan membuat garis trend sepanjang periode amatan untuk mengklasifikasi antara perusahaan yang cenderung optimis dan cenderung konservatif yang dipergunakan pada pengujian hipotesis; Kedua, kemampuan prediksi; dilakukan pengujian prediktor laba (perusahaan yang cenderung menerapkan akuntansi optimis dan konservatif) dan prediktor arus kas
dalam memprediksi laba. Setelah itu, mengukur daya prediksi dengan menggunakan Mean Absolut Error (MABE) seperti yang digunakan oleh Agung Suaryana (2005) dalam penelitiannya. Daya prediksi diukur dengan menghitung dispersi nilai laba prediksi dengan nilai laba sesungguhnya.
N
MABE = 1/N ∑ [ Ei,t – E(Ei,t)]
t = 1 Keterangan:
Ei,t = laba realisasi dalam periode t untuk perusahaan i
E (Ei,t)=ramalan laba pada periode ke t yang diestimasi dengan model regresi laba agregat (Febriayanti, 2004)
N = jumlah ramalan laba yang diuji
Data atau variabel diolah menggunakan Analisis Regression dengan bantuan software SPSS 14. Sebelum dilakukan regresi, variabel-variabel yang digunakan dalam penelitian ini diuji terlebih dahulu dengan uji asumsi klasik yang terdiri dari uji normalitas, multikoliniearitas, autokorelasi, dan heteroskedastisitas
Pengukuran Kecenderungan Tingkat Konservatisma Laporan Keuangan Pengukuran ini mengikuti cara yang dilakukan oleh Ratna Dewi (2004), yaitu kecenderungan perusahaan menyusun laporan keuangan yang mengarah pada laporan yang konservatif atau optimis pada periode amatan diketahui dengan membuat garis trend sepanjang periode amatan, dimana jika garis trend mempunyai slope positif, berarti selisih antara NI dan CF bernilai positif dan
cenderung terus meningkat. Garis trend yang meningkat menunjukkan perusahaan cenderung optimis dalam melaporkan labanya. Sebaliknya, garis trend dengan slope negatif menunjukkan perusahaan melaporkan laba lebih kecil dari arus kas, sehingga digolongkan sebagai perusahaan yang cenderung konservatif.
Variabel Dependen
Variabel dependen yang digunakan dalam penelitian ini adalah laba dari perusahaan yang menerapkan prinsip akuntansi optimis dan perusahaan yang menerapkan prinsip akuntansi konservatif dari perusahaan manufaktur industri barang konsumsi dari tahun 2004 sampai 2007. Laba yang digunakan merupakan laba bersih tahunan sebelum peristiwa atau pos luar biasa.
Variabel Independen
Variabel independen yang digunakan dalam penelitian adalah laba perusahaan manufaktur sektor barang konsumsi yang menerapkan prinsip akuntansi optimis dan konservatif tahun 2003 sampai 2006 dan arus kas dari perusahaan manufaktur sektor barang konsumsi yang menerapkan prinsip akuntansi optimis dan konservatif tahun 2003 sampai 2006.
Semua variabel penelitian dibagi dengan total aktiva perusahaan. Total aktiva digunakan sebagai proxy ukuran perusahaan. Hal ini sesuai dengan pernyataan Maddala (2001) dalam Sugiri (2003) yang menyarankan penggunaan size sebagai deflator untuk mengurangi heteroskedastisitas (penelitian Thiono, 2006). Variabel penelitian pada model regresi dalam penelitian Dahler dan Febrianto (2004) dan penelitian Siregar dan Siddharta Utama (2005) diskala
dengan total aktiva.
Tehnik Pengujian Hipotesis
Pengujian hipotesis dilakukan dengan mengamati nilai t pada taraf signifikansi 5% dan derajat kebebasan df = n - k, penjelasan penarikan kesimpulan juga didasarkan pada atribut statistik lain, seperti koefisien regresi dan korelasi. Asumsi yang mendasari analisis ini adalah hubungan antara data akuntansi dan perubahan metode akuntansi atau lingkungan ekonomi adalah konstan.
Model umum persamaan regresi yang digunakan adalah sebagai berikut:
(1)Yt op = a + β Yt-1 op+ U (2) Yt kon = a + β Yt-1 kon + U Keterangan:
Yt op = laba perusahaan yang cenderung menerapkan akuntansi optimis periode masa mendatang
Yt kon = laba perusahaan yang cenderung menerapkan akuntansi konservatif periode masa mendatang
a = konstanta β = koefisien regresi
Yt-1 op = laba atau arus kas perusahaan yang cenderung menerapkan akuntansi optimis periode sebelumnya
Yt-1 kon = laba atau arus kas perusahaan yang cenderung menerapkan akuntansi konservatif periode sebelumnya
U = faktor gangguan
Adapun persamaan regresi yang digunakan adalah berikut ini:
Tabel 3.1
Persamaan Regresi untuk Pengujian Variabel
Hipotesis 1 1.1 Y Laba Op 04,05,06,07 = a + β Laba Op 03,04,05,06 1.2 Y Laba Op 04,05,06,07 = a + β Arus kas Op 03,04,05,06 Hipotesis 2 2.1 Y Laba Kon. 04,05,06,07 = a + β Laba Kon. 03,04,05,06
2.2 Y Laba Kon. 04,05,06,07 = a + β Arus kas Kon. 03,04,05,06 Contoh Persamaan Regresi: Penelitian Parawiyati dan Zaki Baridwan (1998)
Dari persamaan regresi hipotesis 1 dapat digunakan untuk membuktikan hipotesis 1, yaitu apakah laba dan arus kas dapat memprediksi laba pada perusahaan yang cenderung menerapkan akuntansi optimis dengan melihat nilai p-value (tingkat signifikansi lima persen). Dari persamaan regresi hipotesis 2 dapat digunakan untuk membuktikan hipotesis 2, yaitu apakah laba dan arus kas dapat memprediksi laba pada perusahaan yang cenderung menerapkan akuntansi konservatif dengan melihat nilai p-value (tingkat signifikansi lima persen).
Dari persamaan regresi kedua hipotesis tersebut dapat digunakan untuk membuktikan hipotesis 3 dan 4, yaitu dapat diketahui perbandingan kemampuan laba dan arus kas perusahaan yang menerapkan praktik akuntansi optimis dan konservatif dalam memprediksi laba dimasa depan dengan menggunakan MABE.
Dengan menggunakan model regresi laba 1.1 dan 2.1 sebagai ramalan laba pada periode t untuk dibandingkan dengan laba realisasi dalam periode t untuk tiap perusahaan, sehingga dapat menunjukkan perbedaan kemampuan laba perusahaan yang menerapkan praktik akuntansi optimis dan konservatif dalam memprediksi laba dimasa depan.
Dengan menggunakan model regresi laba 1.2 dan 2.2 sebagai ramalan laba
pada periode t untuk dibandingkan dengan laba realisasi dalam periode t untuk tiap perusahaan, sehingga dapat menunjukkan perbedaan kemampuan arus kas perusahaan yang menerapkan praktik akuntansi optimis dan konservatif dalam memprediksi laba dimasa depan.
BAB IV
ANALISIS DAN PEMBAHASAN
4.1. Gambaran Umum Obyek Penelitian
Populasi yang digunakan dalam penelitian ini adalah perusahaan manufaktur terutama pada sektor industri barang konsumsi yang meliputi makanan dan minuman, rokok, farmasi, kosmetik dan barang keperluan rumah tangga, dan peralatan rumah tangga. Pertumbuhan penjualan pada industri barang konsumsi tergolong relatif lebih stabil dibandingkan industri lainnya. Hal ini dikarenakan jika perekonomian dalam keadaan tidak baik, biasanya masyarakat tidak akan berhenti membeli kebutuhan hidup sehari-hari, melainkan mengurangi jumlah barang yang dikonsumsi, sehingga perusahaan industri barang konsumsi lebih kuat menghadapi kondisi perekonomian yang buruk dibandingkan dengan perusahaan industri lainnya. Hal ini bukan berarti industri barang konsumsi sepenuhnya terbebas dari dampak krisis, akan tetapi industri barang konsumsi bisa tetap bertahan mengikuti laju perekonomian. Apabila pertumbuhan ekonomi lambat, pertumbuhan industri ini juga ikut lambat. Diperkirakan industri barang konsumsi akan berpeluang besar untuk berkembang tahun 2009 selain industri infrastruktur.
Obyek dalam penelitian ini adalah industri barang konsumsi yang terdaftar di BEI tahun 2003-2007. Perusahaan-perusahaan yang go public dari tahun 2003 sampai dengan tahun 2007 pada industri barang konsumsi adalah sebagai berikut:
Tabel 4.1
Daftar Populasi dan Sampel Industri Barang Konsumsi di Bursa Efek Indonesia (BEI) Tahun 2003-2007
No. Kode Emiten Nama Emiten Sampel
1 ADES Ades Waters Indonesia Tbk
2 AQUA Aqua Golden Mississipi Tbk √
3 CEKA Cahaya Kalbar Tbk √
4 DAVO Davomas Abadi Tbk √
5 DLTA Delta Djakarta Tbk √
6 INDF Indofood Sukses Makmur Tbk √
7 MYOR Mayora Indah Tbk √
8 MLBI Multi Bintang Indonesia Tbk √
9 PSDN Prasidha Aneka Niaga Tbk
10 SKLT Sekar Laut Tbk √
11 STTP Siantar Top Tbk √
12 AISA Tiga Pilar Sejahtera Food Tbk √
13 ULTJ Ultra Jaya Milk Tbk √
14 BATI BAT Indonesia Tbk √
15 RMBA Bentoel International Tbk √
16 GGRM Gudang Garam Tbk √
17 HMSP H.M. Sampoerna Tbk √
18 SQBI Brystol-Myers Squibb Indonesia Tbk √
19 DVLA Darya-Varia Laboratoria Tbk √
20 INAF Indofarma Tbk √
21 KLBF Kalbe Farma Tbk √
No. Kode Emiten Nama Emiten Sampel
22 KAEF Kimia Farma Tbk √
23 MERK Merck Tbk √
24 PYFA Pyridam Farma Tbk √
25 SCPI Schering Plough Indonesia Tbk
26 TSPC Tempo Scan Pasific Tbk √
27 TCID Mandom Indonesia Tbk √
28 MRAT Mustika Ratu Tbk √
29 UNVR Unilever Indonesia Tbk √
30 KICI Kedaung Indah Can Tbk 31 KDSI Kedawung Setia Industrial Tbk
32 LMPI Langgeng Makmur Plastik Tbk √
Sumber: Koran Seputar Indonesia, 13 Maret 2009
Tabel 4.2
Prosedur Pemilihan Sampel
Jumlah emiten barang konsumsi yang terdaftar di BEI 2003-2007 32 (-) Data laporan keuangan tidak lengkap dari tahun 2003-2007 0 (-) Memiliki rugi tiga kali berturur-turut dari tahun 2003-2007 5
(-) Menggunakan mata uang selain rupiah 0
Jumlah emiten sampel akhir 27
Sumber: Data Diolah, 2009
Jumlah perusahaan yang diteliti pada industri barang konsumsi adalah 27 perusahaan selama 5 tahun. Teknik penarikan sampel dalam penelitian ini adalah purposive sampling, yaitu metode penarikan sampel tidak acak dan hanya memenuhi kriteria atau syarat tertentu saja yang dapat digunakan sebagai sampel penelitian.
Dari 27 sampel perusahaan tersebut dibagi menjadi 2 kelompok sampel, yaitu perusahaan yang optimis dan perusahaan yang konservatif yang akan digunakan dalam pengujian hipotesis. Pengelompokkan sampel akan ditentukan berdasarkan pengukuran kecenderungan tingkat konservatisma laporan keuangan.
4.2. Deskripsi Sampel
Data yang digunakan sebagai data penelitian dalam penulisan skripsi ini adalah laporan keuangan pada industri barang konsumsi yang terdaftar di Bursa Efek Indonesia (BEI) dari tahun 2003 sampai dengan tahun 2007. Jumlah perusahaan yang memenuhi syarat kelengkapan pada laporan keuangan pada laporan keuangannya terdiri dari 27 perusahaan selama 5 tahun pada industri barang konsumsi, sehingga diperoleh data sebanyak 135 sampel. Pengujian model ini menggunakan alat analisis regresi sederhana dengan melihat uji asumsi klasik.
4.3. Hasil Pengukuran Kecenderungan Tingkat Konservatisma Laporan Keuangan
Grafik linear yang dibuat berdasarkan data masing-masing perusahaan manufaktur sektor industri barang konsumsi menunjukkan perbedaan kecenderungan konservatisma antar perusahaan. Dari 27 perusahaan yang telah
memenuhi persyaratan dalam penarikan sampel, dengan membuat grafik linear diketahui bahwa sebanyak 18 perusahaan memiliki slope negatif, menunjukkan selisih net income dan cash flow yang cenderung menurun. Bukti ini menunjukkan perusahaan-perusahaan tersebut cenderung konservatif karena memiliki nilai net income dari kegiatan operasional lebih rendah daripada nilai cash flow kegiatan operasional. Dan sebanyak 9 perusahaan memiliki slope positif. Artinya perusahaan-perusahaan tersebut cenderung optimis ketika melaporkan kegiatan operasionalnya karena nilai net income dari kegiatan operasional lebih tinggi daripada nilai cash flow kegiatan operasional.
Berikut ini adalah gambar grafik linear yang dibuat berdasarkan data masing-masing perusahaan manufaktur sektor industri barang konsumsi yang telah memenuhi persyaratan dalam penarikan sampel:
Gambar 4.1 Grafik Linear AQUA
CONACC AQUA
y = 1E+07x - 2E+07
-20000000 0 20000000 40000000 60000000
0 2 4 6
Year
CONACC
Series1 Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.2 Grafik Linear CEKA
ACC CEKA
y = -3E+07x + 8E+07
-150000000 -100000000 -50000000 0 50000000 100000000
0 2 4 6
Year
CONACC
Series1 Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.3 Grafik Linear DAVO
CONACC DAVO
y = -1E+07x + 1E+08
-200000000 -100000000 0 100000000 200000000 300000000
0 2 4 6
Year
CONACC
Series1 Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.4 Grafik Linear DLTA
CONACC DLTA
y = -1E+07x + 3E+07
-100000000 -50000000 0 50000000 100000000
0 2 4 6
Year
CONACC
Series1 Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.5 Grafik Linear INDF
CONACC INDF
y = 2E+06x + 9E+08
0 500000000 1000000000 1500000000
0 2 4 6
Year
CONACC
Series1 Linear (Series1)
Sumber: Data Diolah, 2009
GAMBAR 4.6 Grafik Linear MYOR
CONACC MYOR
y = -1E+07x + 6E+07
-100000000 -50000000 0 50000000 100000000 150000000
0 2 4 6
Year
CONACC Series1
Linear (Series1) Linear (Series1) Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.7 Grafik Linear MLBI
CONACC MLBI
y = 3E+07x - 8E+06
0 20000000 40000000 60000000 80000000 100000000 120000000 140000000 160000000
0 1 2 3 4 5 6
Year
CONACC Series1
Linear (Series1) Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.8 Grafik Linear SKLT
CONACC SKLT
y = -3E+06x - 5E+06
-100000000 -80000000 -60000000 -40000000 -20000000 0 20000000 40000000 60000000
0 2 4 6
Year
CONACC Series1
Linear (Series1) Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.9 Grafik Linear STTP
CONACC STTP
y = 1E+07x - 5E+07
-80000000 -60000000 -40000000 -20000000 0 20000000
0 2 4 6
Year
CONACC Series1
Linear (Series1) Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.10 Grafik Linear AISA
CONACC AISA
y = 4E+06x - 6E+06
-20000000 -10000000 0 10000000 20000000 30000000 40000000
0 2 4 6
Year
CONACC Series1
Linear (Series1) Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.11 Grafik Linear ULTJ
CONACC ULTJ
y = -1E+07x + 5E+07
-150000000 -100000000 -50000000 0 50000000 100000000 150000000
0 2 4 6
Year
CONACC Series1
Linear (Series1) Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.12 Grafik Linear BATI
CONACC BATI
y = -1E+07x + 1E+08
-50000000 0 50000000 100000000 150000000
0 2 4 6
Year
CONACC Series1
Linear (Series1) Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.13 Grafik Linear RMBA
CONACC RMBA
y = -2E+08x + 5E+08
-1000000000 -800000000 -600000000 -400000000 -200000000 0 200000000 400000000
0 2 4 6
Year
CONACC Series1
Linear (Series1) Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.14 Grafik Linear GGRM
CONACC GGRM
y = 1E+08x - 4E+08
-1500000000 -1000000000 -500000000 0 500000000 1000000000
0 2 4 6
Year
CONACC
Series1 Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.15 Grafik Linear HMSP
CONACC HMSP
y = -6E+08x + 2E+09 -2000000000
-1500000000 -1000000000 -500000000 0 500000000 1000000000 1500000000
0 2 4 6
Year
CONACC Series1
Linear (Series1) Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.16 Grafik Linear SQBI
CONACC SQBI
y = -3E+06x + 3E+06
-20000000 -15000000 -10000000 -5000000 0 5000000 10000000
0 2 4 6
Year
CONACC Series1
Linear (Series1) Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.17 Grafik Linear DVLA
CONACC DVLA
y = 5E+06x - 2E+06
0 10000000 20000000 30000000 40000000 50000000
0 2 4 6
Year
CONACC Series1
Linear (Series1) Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.18 Grafik Linear INAF
CONACC INAF
y = -3E+07x + 2E+08
-100000000 -50000000 0 50000000 100000000 150000000 200000000
0 2 4 6
Year
CONACC Series1
Linear (Series1) Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.19 Grafik Linear KLBF
CONACC KLBF
y = -1E+08x + 2E+08 -500000000
-400000000 -300000000 -200000000 -100000000 0 100000000 200000000
0 2 4 6
Year
CONACC Series1
Linear (Series1) Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.20 Grafik Linear KAEF
CONACC KAEF
y = -2E+07x + 9E+07
-200000000 -100000000 0 100000000 200000000 300000000
0 2 4 6
Year
CONACC Series1
Linear (Series1) Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.21 Grafik Linear MERK
CONACC MERK
y = -6E+06x + 2E+07
-30000000 -20000000 -10000000 0 10000000 20000000
0 2 4 6
Year
CONACC Series1
Linear (Series1) Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.22 Grafik Linear PYFA
CONACC PYFA
y = -1E+06x + 5E+06
-6000000 -4000000 -2000000 0 2000000 4000000
0 2 4 6
Year
CONACC Series1
Linear (Series1) Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.23 Grafik Linear TSPC
CONACC TSPC
y = -1E+07x + 3E+07
-100000000 -50000000 0 50000000 100000000
0 2 4 6
Year
CONACC Series1
Linear (Series1) Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.24 Grafik Linear TCID
CONACC TCID
y = 1E+07x - 2E+07
-20000000 0 20000000 40000000 60000000 80000000
0 2 4 6
Year
CONACC
Series1 Linear (Series1) Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.25 Grafik Linear MRAT
CONACC MRAT
y = -1E+06x + 7E+06
-10000000 -5000000 0 5000000 10000000
0 2 4 6
Year
CONACC
Series1 Linear (Series1) Linear (Series1) Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.26 Grafik Linear UNVR
CONACC UNVR
y = 1E+08x - 2E+08
-100000000 0 100000000 200000000 300000000 400000000 500000000
0 2 4 6
Year
CONACC
Series1 Linear (Series1)
Sumber: Data Diolah, 2009
Gambar 4.27 Grafik Linear LMPI
CONACC LMPI
y = -2E+07x + 7E+07 -20000000
0 20000000 40000000 60000000 80000000
0 2 4 6
Year
CONACC
Series1 Linear (Series1)
Sumber: Data Diolah, 2009
4.4. Hasil Uji Asumsi Klasik
Uji asumsi klasik dilakukan agar hasil kesimpulan yang diperoleh tidak menimbulkan nilai bias. Uji asumsi klasik dalam penelitian ini meliputi: Uji Normalitas, Uji Autokorelasi, Uji Multikolinieritas, dan.Uji Heteroskedastisitas.
4.4.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan variabel independen memiliki distribusi normal atau tidak.
Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal (Imam Ghozali, 2002). Untuk menguji apakah distribusi data normal atau tidak, dapat dilakukan beberapa cara.
Pertama, uji normalitas dapat menggunakan Uji Kolmogorov Smirnov (KS). Apabila nilai Asymp. Sig. lebih besar dari lima persen (>0,05), maka dapat dikatakan model regresi telah memenuhi asumsi normalitas. Dari pengujian KS, maka dari tampilan output terlihat bahwa semua nilai Asymp. Sig. variabel dependen dan variabel indenpenden lebih dari lima persen, sehingga dapat dikatakan semua model regresi telah memenuhi asumsi normalitas.
Kedua, dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal, dimana distribusi normal akan membentuk satu garis lurus diagonal dan ploting data akan dibandingkan dengan garis diagonal. Pada grafik normal plot di lampiran terlihat titik-titik menyebar disekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal.
Hasil pengujian normalitas terhadap beberapa model regresi linier
sederhana dapat diringkas seperti pada tabel berikut:
Tabel 4.3
Hasil Pengujian Normalitas dengan Kolmogorov Smirnov (KS) Variabel Dependen dan
Independen
Asymp. Sig. Kesimpulan
Laba Op 2003 0,834 >0,05
Laba Op 2004 0,938 >0,05
Laba Op 2005 0,793 >0,05
Laba Op 2006 0,707 >0,05
Laba Op 2007 0,662 >0,05
Arus Kas Op 2003 0,969 >0,05
Arus Kas Op 2004 0,970 >0,05
Arus Kas Op 2005 0,973 >0,05
Arus Kas Op 2006 0,384 >0,05
Laba Kon 2003 0,899 >0,05
Laba Kon 2004 0,701 >0,05
Laba Kon 2005 0,070 >0,05
Laba Kon 2006 0,135 >0,05
Laba Kon 2007 0,229 >0,05
Arus Kas Kon 2003 0,741 >0,05
Arus Kas Kon 2004 0,326 >0,05
Arus Kas Kon 2005 0,125 >0,05
Arus Kas Kon 2006 0,925 >0,05
Sumber: Data Diolah, 2009
4.4.2. Uji Autokorelasi
Autokorelasi digunakan untuk menguji adanya korelasi internal diantara variabel-variabel dan serangkaian pengamatan yang tersusun oleh rangkaian waktu dan yang tersusun dalam rangkaian ruang. Untuk memeriksa adanya autokorelasi dalam suatu model regresi dilakukan dengan pengujian terhadap nilai
uji Durbin Watson (Uji DW). Bila nilai DW terltak antara batas atas atau upper bound (du) dan (4 – du), maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi. Bila nilai DW lebih rendah daripada batas bawah atau lower bound (dl), maka koefisien autokorelasi lebih besar daripada nol, berarti ada autokorelasi positif. Bila nilai DW lebih besar daripada (4 – dl), maka koefisien autokorelasi lebih kecil daripada nol, berarti ada autokorelasi negatif. Bila nilai DW terletak diatara batas atas (du) dan batas bawah (dl) atau DW terletak antara (4 – du) dan (4 – dl), maka hasilnya tidak dapat disimpulkan.
Pada pengujian autokorelasi model regresi sederhana hipotesis 1 dan 2 penelitian ini, nilai DW akan dibandingkan dengan nilai tabel dengan menggunakan derajat kepercayaan lima persen, jumlah sample 9 untuk hipotesis 1 dan jumlah sample 18 untuk hipotesis 2, dan jumlah variabel bebas (k) 1.
Pengujian ini dilakukan untuk mencari ada atau tidaknya autokorelasi dengan melakukan uji Durbin Watson (DW), dan diperoleh hasil DWhitung secara keseluruhan terletak diantara batas atas atau upper bound (du) dan (4 – du), sehingga tidak terdapat autokorelasi, kecuali model regresi laba untuk sampel perusahaan optimis 2004 dalam memprediksi laba untuk sampel perusahaan yang optimis 2005 dan model regresi arus kas untuk sampel perusahaan yang optimis 2006 dalam memprediksi laba untuk sampel perusahaan yang optimis 2007 yang memiliki nilai DW lebih tinggi daripada batas bawah (dl), sehingga tidak ada autokorelasi positif, serta model regresi arus kas optimis 2004 dalam memprediksi laba optimis 2005 yang memiliki nilai DW lebih rendah daripada (4 - dl), sehingga dapat dikatakan tidak terdapat autokorelasi negatif.
Hasil pengujian autokorelasi terhadap beberapa model regresi linier
sederhana dapat diringkas seperti pada tabel berikut:
Tabel 4.4
Hasil Pengujian Autokorelasi dengan Durbin Watson (DW)
Hipotesis Regresi DW Kesimpulan
du <DW< (4 – du)
Ha1
YLaba Op 2004 = a + β Laba Op 2003 1,790 1,320<DW<2,680 YLaba Op 2005 = a + β Laba Op 2004 1,125 DW > dl atau
DW > 0,824 YLaba Op 2006 = a + β Laba Op 2005 2,287 1,320<DW<2,680 YLaba Op 2007 = a + β Laba Op 2006 2,726 1,320<DW<2,680 YLaba Op 2004 = a + β Arus Kas Op
2003
1,876 1,320<DW<2,680
YLaba Op 2005 = a + β Arus Kas Op 2004
1,000 DW> dl atau DW> 0,824 YLaba Op 2006 = a + β Arus Kas Op
2005
2,536 1,320<DW<2,680
YLaba Op 2007 = a + β Arus Kas Op 2006
1,295 DW< (4-dl) atau DW<2,680
Ha2
YLaba Kon 2004 = a + β Laba Kon 2003 1,856 1,118<DW<2,882 YLaba Kon 2005 = a + β Laba Kon 2004 2,314 1,118<DW<2,882 YLaba Kon 2006 = a + β Laba Kon 2005 2,289 1,118<DW<2,882 YLaba Kon 2007 = a + β Laba Kon 2006 1,972 1,118<DW<2,882 YLaba Kon 2004 = a + β Arus Kas Kon
2003
2,346 1,118<DW<2,882
YLaba Kon 2005 = a + β Arus Kas Kon 2004
2,316 1,118<DW<2,882
YLaba Kon 2006 = a + β Arus Kas Kon 2005
1,620 1,118<DW<2,882
YLaba Kon 2007 = a + β Arus Kas Kon 2006
2,611 1,118<DW<2,882
Sumber: Data Diolah, 2009
4.4.3. Uji Multikolinieritas
Multikolinieritas digunakan untuk menunjukkan adanya hubungan linier diantara variabel–variabel independen dalam model regresi. Dalam penelitian ini, variabel independen pada setiap model regresi yang digunakan hanya satu (model regresi linier sederhana), sehingga tidak perlu dilakukan uji multikolinieritas.
4.4.4. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas. Untuk mendeteksi adanya gejala heteroskedastisitas digunakan Uji Glejser yang mengusulkan untuk meregres nilai absolut residual terhadap variabel bebas. Jika variabel bebas signifikan secara statistik mempengaruhi variabel terikat, maka ada indikasi terjadi heteroskedastisitas.
Berdasarkan hasil tampilan output SPSS yang diringkas pada tabel dibawah ini, diketahui bahwa tidak ada variabel bebas model regresi hipotesis 1 dan hipotesis 2 yang signifikan secara statistik mempengaruhi variabel terikat nilai Absolut Ut (AbsUt). Hal ini terlihat dari probabilitas signifikansinya diatas tingkat kepercayaan lima persen (0,05). Dengan demikian model regresi hipotesis 1 dan hipotesis 2 terbebas dari gejala heteroskedastisitas.
Hasil pengujian heteroskedastisitas dapat diringkas seperti pada tabel