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
Laba Kotor t
Laba Bersih t
Arus Kas Operasi t
Arus Kas Masa Mendatangt+1
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 berturutturut 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 20062009. 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 N Normal Parameters
a
LK
LB
AKO
48
48
48
48
Mean
24.3704
25.2203
23.5194
23.8391
Std. Deviation
1.57718
2.33364
2.83967
1.31060
.149
.156
.149
.100
Positive
.113
.086
.101
.073
Negative
-.149
-.156
-.149
-.100
1.031
1.079
1.031
.691
.238
.195
.238
.727
Most Extreme Differences Absolute
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) 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 titiktitik 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
Tabel 4.5 Uji Autokorelasi b
Model Summary
Model 1
R .549
Adjusted R
Std. Error of the
Square
Estimate
R Square a
.302
.254
Durbin-Watson
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
b
ANOVA Model 1
Sum of Squares
Df
Mean Square
Regression
35.255
3
11.752
Residual
81.657
44
1.856
116.912
47
Total
F
Sig.
6.332
.001
a
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 Coefficients
a
Standardiz ed
Model 1
Unstandardized
Coefficient
Coefficients
s
B (Con
Std. Error
13.968
3.848
Lk
-.155
.131
Lb
.089
Ak
.648
stant)
Beta
Collinearity Statistics T
Sig.
Tolerance
VIF
2.791
.008
-230
-1.188
.241
.425
2.355
.110
.161
.812
.421
.404
2.477
.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 R2 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.
