BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Objek yang diteliti oleh dalam penelitian ini adalah perusahaan retail yang terdaftar di Bursa Efek Indonesia (BEI) selama periode 2009-2013. Perusahaan retail merupakan salah satu sub sektor Perusahaan jasa Sektor perdagangan, jasa & investasi di Bursa Efek Indonesia (BEI). Retail adalah penjualan dari sejumlah kecil komoditas kepada konsumen. Retail memecah alur atau harga, menghubungkan
langsung
antara
produsen
dengan
konsumen
akhir.
Perkembangan Perusahaan retail di Indonesia sangat pesat, dan mampu bersaing di pasar modal dengan sektor- sektor lainnya. Jumlah keseluruhan perusahaan retail di Bursa Efek indonesia adalah sebanyak 22 populasi, ada 8 perusahaan yang tidak menyediakan data laporan keuangan dengan lengkap, 2 perusahaan tidak melaporkan laporan keuangan dalam bentuk satuan mata uang Rupiah, serta 2 perusahaan mengalami kerugian selama periode pengamatan. Perusahaan yang memenuhi criteria sebanyak 10 perusahaan, maka jumlah seluruh sampel penelitian periode 2009-2013 adalah sebanyak 40 sampel.
38
39
Tabel 4.1 Sampel Penelitian No. Nama Perusahaan Retail 1
AMRT (Sumber Alfaria Trijaya Tbk)
2
CSAP (Catur Sentosa Adiprana Tbk)
3
HERO (Hero Supermarket Tbk)
4
KOIN (Kokoh Inti Arebama Tbk)
5
LPPF (Matahari Department Store Tbk)
6
MAPI (Mitra Adiperkasa Tbk)
7
MIDI (Midi Utama Indonesia Tbk)
8
MPPA (Matahari Putra Prima Tbk)
9
RALS (Ramayana Lestari Sentosa Tbk)
10 TRIO (Trikomsel Oke Tbk)
Sumber : www.sahamok.com
B. Statistik Deskriptif Analisis data yang dilakukan pada bab ini pada dasarnya dapat dikelompokkan menjadi tiga bagian. Bagian pertama merupakan analisis deskriptif sedangkan bagian kedua merupakan uji asumsi klasik, dan yang ketiga adalah analisa statistika. Analisa statistika yang digunakan untuk menguji hipotesis penelitian adalah regresi linier berganda.
40
Selanjutnya, berdasarkan data yang diperoleh maka dapat dipaparkan analisis deskriptif dari penelitian ini. Tabel 4.2 Hasil Uji Statistik Deskriptif
Descriptive Statistics N
Minimum
Maximum
Mean
Std. Deviation
LK
40
142
6319
1946.05
1444.366
LO
40
18
1814
470.78
423.915
LB
40
6
1150
309.03
245.689
AKO
40
-698
1599
361.58
492.379
AKO1
40
-1034
1670
426.45
568.235
Valid N (listwise)
40
Sumber : Hasil Olah Data SPSS
Berdasarkan tabel 4.2 diatas menunjukkan jumlah yang dianalisis adalah sebanyak 40 sampel. Penjelasan dari data tersebut adalah sebagai berikut : 1. Laba Kotor bernilai minimum Rp 142 milyar yang dimiliki oleh PT. Kokoh Inti Arebama Tbk tahun 2010. Nilai terbesar (maksimum) sebesar Rp 6.319 milyar dimiliki oleh PT Sumber Alfaria Trijaya Tbk tahun 2013. Dengan nilai rata-rata (Mean) sebesar 1946,05 dengan standar deviasi sebesar 1444,366. 2. Laba Operasi bernilai minimum Rp 18 milyar dimiliki oleh PT. Kokoh Inti Arebama Tbk tahun 2010. Sedangkan nilai maksimum sebesar Rp 1.814 milyar dimiliki oleh PT. Matahari Departement Store Tbk tahun 2012. Dengan nilai rata-rata (Mean) sebesar 470.78 dengan standar deviasi sebesar 423,915.
41
3. Laba Bersih bernilai minimum Rp 6 milyar yang dimiliki oleh PT. Midi Utama Indonesia Tbk tahun 2009. Nilai terbesar (maksimum) sebesar Rp 1.150 milyar dimiliki oleh PT Matahari Department Store Tbk tahun 2013. Dengan nilai rata-rata (Mean) sebesar 309,03
dengan standar deviasi
sebesar 245,689. 4. Arus Kas Operasi bernilai minimum Rp -698 milyar dimiliki oleh PT. Trikomsel Oke Tbk tahun 2011. Sedangkan nilai maksimum sebesar 1599 dimiliki oleh PT. Matahari Department Store Tbk tahun 2013. Dengan nilai rata-rata (Mean) sebesar 361,58 dengan standar deviasi sebesar 492,379. 5. Arus Kas Operasi masa depan bernilai minimum Rp -1034 milyar dimiliki oleh PT. Trikomsel Oke Tbk tahun 2012. Sedangkan nilai maksimum sebesar Rp 1670 milyar dimiliki oleh PT. Matahari Department Store Tbk tahun 2012. Dengan nilai rata-rata (Mean) sebesar 426,45 dengan standar deviasi sebesar 568,235.
C. Uji Asumsi dan Kualitas Instrumen Penelitian 1.
Uji Asumsi Klasik a.
Uji Normalitas Menurut Ghozali (2011:160), uji normalitas bertujuan untuk menguji
apakah dalam model regresi, variabel penganggu atau residual memiliki distribusi normal, Uji normalitas dapat dilakukan dengan menggunakan uji
42
Kolmogorov-Smirnov Test. Sebuah data akan normal jika nilai signifikansi yang dihasilkan adalah lebih besar dari alpha 0.05. Bila angka yang dihasilkan lebih kecil dari alpha 0,05 berarti data tersebut tidak berdistribusi normal. Berikut hasil uji Kolmogorov-Smirnov Test untuk keseluruhan variabel.
Tabel 4.3 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
40 a,b
Normal Parameters
Most Extreme Differences
Mean Std. Deviation
0E-7 339.23819172
Absolute
.124
Positive
.124
Negative
-.116
Kolmogorov-Smirnov Z
.781
Asymp. Sig. (2-tailed)
.575
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Olah Data SPSS
Berdasarkan uji normalitas diatas untuk keseluruhan variabel baik variabel bebas maupun terikatnya terdistribusi secara normal dengan nilai asymp signifikansinya diatas 0,05 yaitu 0,575 (57,5%). Hal ini menunjukkan bahwa data yang digunakan untuk pengujian hipotesis
43
adalah normal karena dari hasil uji tersebut memiliki nilai signifikan > 0.05 maka hal ini berarti Ho diterima dan data berdistribusi normal. Hasil uji normalitas juga di uji secara grafik Probability Plot dengan menggunakan SPSS versi 20 untuk variabel AKO1 ditunjukan dengan grafik dibawah ini :
Gambar 4.1 Gambar Normal P-P Plot
44
Berdasarkan tampilan grafik Normal P-Plot diatas, dapat disimpulkan bahwa pola grafik normal, terlihat dari titik-titik yang menyebar disekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal. Berdasarkan grafik normal plot, menunjukan bahwa model regresi layak dipakai dalam penelitian ini karena memenuhi asumsi normalitas. b.
Uji Multikolinearitas Menurut Ghozali (2011:105), uji multikolinieritas ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Multikolinieritas dapat dilihat dari nilai Tolerance dan Variance Inflation Factor (VIF). Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nillai VIF tinggi (karena VIF = 1/Tolerance). Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai Tolerance ≤ 0,10 atau sama dengan nilai VIF ≥ 10 (Ghozali, 2011:105). Hasil pengujian dengan Uji Multikolinieritas adalah sebagai berikut:
45
Tabel 4.4 Uji Multikolinearitas a
Coefficients Model
Unstandardized
Standardized
Coefficients
Coefficients
B (Constant)
1
Std. Error
43.803
104.913
LK
.067
.066
LO
.530
LB AKO
t
Sig.
Beta
Collinearity Statistics
Tolerance .418
.679
.170
1.009
.320
.358
2.791
.320
.395
1.656
.107
.179
5.599
-1.012
.648
-.437
-1.561
.128
.130
7.712
.873
.202
.756
4.311
.000
.331
3.022
a. Dependent Variable: AKO1
Sumber : Hasil olah data SPSS
Berdasarkan Tabel 4.4 dapat dilihat hasil perhitungan nilai tolerance antar variarbel independen menunjukkan tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar variabel independen. Hasil perhitungan VIF juga menunjukkan hal yang sama, tidak ada satupun variabel independen yang memiliki nilai VIF lebih dari 10. Sehingga dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel. Independen dalam model regresi, sehingga model regresi layak dan dapat dilanjutkan ke tahap berikutnya karena telah memenuhi asumsi multikolinearitas. c.
VIF
Uji Autokorelasi Menurut Ghozali (2011:110), uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan
46
pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Autokorelasi dapat diketahui melalui uji Durbin-Watson (DW test). Hasil pengujian dengan Uji Durbin-Watson adalah sebagai berikut: Tabel 4.5 Hasil Uji Autokorelasi Model Summaryb Model
R
R Square
.802a
1
Adjusted R
Std. Error of the
Square
Estimate
.644
.603
358.099
Durbin-Watson
1.857
a. Predictors: (Constant), AKO, LO, LK, LB b. Dependent Variable: AKO1
Sumber : Hasil olah data SPSS
Dari hasil tabel 4.5 dapat disimpulkan bahwa dalam kolom Durbin Watson
menunjukan angka 1,857. Nilai ini akan dibandingkan dengan
menggunakan signifikasi 5%, Jumlah pengamatan (n) sebanyak 40 dan jumlah variabel independen 4 (k = 4). Maka berdasarkan tabel Durbin Watson didapat batas atas (du) sebesar 1,7209 dan nilai batas bawah (dl) sebesar 1,2848. Yang berarti batas (du) lebih kecil dari nilai DW, dan juga lebih kecil dari 4-du ( 1,7209 ≤ 1,857 ≤ 4-1,7209). Maka dapat disimpulkan bahwa tidak ada autokorelasi positif atau negatif dan artinya terbebas dari autokorelasi. d.
Uji Heteroskedastisitas Menurut Ghozali (2011:139), uji heteroskedastisitas bertujuan untuk menguji apakah model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu
47
pengamatan
dari
pengamatan
yang
lain
tetap,
maka
disebut
Homoskedastisitas. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Salah satu cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan melihat Grafik Scatterplot antara nilai prediksi variabel terikat (dependen) yaitu ZPRED dengan residualnya SRESID. Hasil pengujian dengan uji heteroskedastisitas adalah sebagai berikut:
Gambar 4.2. Dari grafik scatterplots terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini
48
dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi ini. Oleh karena itu model regresi ini layak dipakai karena memenuhi asumsi homoskedastisitas. Selain dengan melihat grafik, dalam penelitian ini uji heteroskedastisitas juga dapat dilihat dengan menggunakan uji glejser. Menurut Gujarati (2003) dalam Ghozali (2011:142), uji glejser mengusulkan untuk meregresi nilai absolut residual terhadap variabel independen. Hasil pengujian dengan uji glejser adalah sebagai berikut: Tabel 4.6 Hasil Uji Glesjer Coefficientsa Model
Unstandardized Coefficients
Standardized
t
Sig.
Coefficients B (Constant)
1
Std. Error
151933.485
119187.103
LK
.034
.117
LO
.141
LB AKO
Beta 1.275
.211
.076
.286
.776
.358
.094
.393
.697
-.057
.743
-.021
-.077
.939
.590
.229
.542
2.582
.014
a. Dependent Variable: AbsUt
Sumber : Hasil olah data SPSS
Berdasarkan uji Heteroskedastisitas diatas untuk keseluruhan variabel terbebas dari Heteroskedastisitas dengan nilai signifikasinya diatas tingkat kepercayaan 5%. Jadi dapat disimpulkan model regresi tidak mengandung adanya Heteroskedastisitas.
49
2. Uji Kesesuaian Model a. Analisis Koefisien Determinasi (R2) Menurut Ghozali (2011:97), koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Hasil pengujian dengan koefisien determinasi (R2) adalah sebagai berikut:
Tabel 4.7 Ukuran Kesesuaian Model (Goodness of Fit) b
Model Summary Model
R
R Square
a
1
.802
Adjusted R
Std. Error of the
Square
Estimate
.644
.603
358.099
a. Predictors: (Constant), AKO, LO, LK, LB b. Dependent Variable: AKO1
Sumber : Hasil olah data SPSS
Berdasarkan tabel diatas, hasil dari nilai Adjusted R Square sebesar (0,603) yang berarti pengaruh Laba Kotor, Laba Operasi, Laba Bersih dan Arus Kas Operasi terhadap Arus Kas Operasi Masa Mendatang sebesar (60,3%)
sedangkan sisanya 39,7% dipengaruhi oleh faktor lain diluar
perusahaan.
50
a. Uji Signifikasi Simultan (Uji F) Menurut Ghozali (2011:98), uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen / terikat. Hasil pengujian dengan uji statistik F adalah sebagai berikut: Tabel 4.8 Uji Kesesuaian Model (Goodness of Fit)
a
ANOVA Model
1
Sum of Squares
df
Mean Square
Regression
8104542.422
4
2026135.605
Residual
4488219.478
35
128234.842
12592761.900
39
Total
F 15.800
Sig. b
.000
a. Dependent Variable: AKO1 b. Predictors: (Constant), AKO, LO, LK, LB
Sumber : Hasil olah data SPSS
Berdasarkan tabel diatas diperoleh nilai F hitung sebesar 15,800 dengan sig 0,000 < 0,05 dengan demikian Ho ditolak dan Ha diterima. Karena probabilitas lebih kecil dari 0.05, maka dapat disimpulkan bahwa Laba Kotor, Laba Operasi, Laba Bersih dan Arus Kas Operasi secara bersama-sama berpengaruh terhadap Arus Kas Operasi Masa Mendatang. Hal ini berarti bahwa Arus Kas Operasi Masa Mendatang dapat dipengaruhi oleh Laba Kotor, Laba Operasi, Laba Bersih dan Arus Kas Operasi. Semakin tinggi variabel – variabel independen tersebut, semakin tinggi variabel dependen yang dihasilkan.
51
D. Uji Hipotesis 1. Uji T (Uji Parsial) Untuk mengetahui apakah hipotesis diterima atau ditolak dapat dianalisis dengan cara menghitung t hitung. Apabila nilai t hitung lebih kecil dari nilai t tabel (t hitung < t tabel) maka Ho diterima atau tidak terdapat pengaruh yang signifikan dan begitu juga dengan sebaliknya. Hasil pengujian dengan uji statistik t adalah sebagai berikut: Tabel 4.9 Uji Signifikan Secara Parsial a
Coefficients
Model
Unstandardized Coefficients
Standardized
t
Sig.
Coefficients B (Constant)
1
Std. Error
43.803
104.913
LK
.067
.066
LO
.530
LB
Beta .418
.679
.170
1.009
.320
.320
.395
1.656
.107
-1.012
.648
-.437
-1.561
.128
.873
.202
.756
4.311
.000
AKO a. Dependent Variable: AKO1
Sumber : Hasil olah data SPSS
Berdasarkan Tabel 4.9, variabel Laba Kotor, Laba Operasi, Laba Bersih dan Arus Kas Operasi memiliki nilai t masing-masing sebesar 1,009; 1,656;1,561 dan 4,311 dengan nilai Sig. masing-masing sebesar 0,320; 0107; 0,128 dan 0,000, dimana hanya 1 variabel lebih kecil dari nilai signifikan (α = 0,05). Hal ini berarti variabel Laba Kotor, Laba Operasi, Laba Bersih tidak berpengaruh terhadap Arus
52
Kas Operasi Masa Mendatang, sedangkan Arus Kas Operasi berpengaruh terhadap Arus Kas Operasi Mendatang.
2.
Regresi Linier Berganda Regresi linear berganda adalah metode analisis yang tepat ketika penelitian melibatkan satu variabel terikat yang diperkirakan berhubungan dengan
satu
atau
lebih
variabel
bebas.
Tujuannya
adalah
untuk
memperkirakan perubahan respon pada variabel terikat terhadap beberapa variabel bebas. Tabel 4.10 Hasil Regresi Linear Berganda
a
Coefficients Model
Unstandardized
Standardized
Coefficients
Coefficients
B (Constant)
1
Std. Error
43.803
104.913
LK
.067
.066
LO
.530
LB AKO
t
Sig.
Beta
Collinearity Statistics
Tolerance
VIF
.418
.679
.170
1.009
.320
.358
2.791
.320
.395
1.656
.107
.179
5.599
-1.012
.648
-.437
-1.561
.128
.130
7.712
.873
.202
.756
4.311
.000
.331
3.022
a. Dependent Variable: AKO1
Sumber : data sekunder yang diolah
Berdasarkan Tabel 4.9, maka dapat diperoleh hasil persamaan regresi sebagai berikut: AKO1 = a + 0,067LK + 0,530LO + (1,012)LB + 0,873AKO+ e
53
Dari persamaan regresi tersebut dapat dilihat dan diartikan sebagai berikut: a.
Besarnya konstanta adalah 43,803. Hal ini menunjukkan bahwa jika semua variabel independen Laba Kotor, Laba Operasi, Laba Bersih dan Arus Kas Operasi berpengaruh, maka besarnya rata-rata Arus Kas Operasi Masa Mendatang adalah 43,803.
b.
Koefisien regresi Arus Kas Operasi sebesar 0,873 menyatakan bahwa setiap penambahan Arus Kas Operasi tahun berjalan sebesar 1000 rupiah akan meningkatkan Arus Kas Operasi Masa Mendatang sebesar 873 rupiah.
E. Pembahasan 1. Laba Kotor tidak berpengaruh signifikan terhadap Arus Kas Operasi Masa Mendatang. Berdasarkan hasil uji t pada table 4.6. dapat diketahui bahwa keputusan Laba Kotor mempunyai nilai signifikan sebesar 0,320. Hal ini menunjukkan bahwa 0,320 > 0,05 variabel Laba Kotor tidak berpengaruh signifikan dalam memprediksi Arus Kas Operasi Masa Mendatang. Sehingga hipotesis yang telah dirumuskan tidak sesuai dengan hasil penelitian atau H1 ditolak. Alasan penolakan hipotesis pada penelitian ini yaitu sebanyak 10 perusahaan retail yang terdaftar di Bursa Efek Indonesia periode 20092013, Laba Kotor tidak berpengaruh dalam memprediksi arus kas operasi
54
masa mendatang. Hal ini disebabkan karena Laba Kotor tidak mempertimbangkan beban operasi perusahaan atau beban-beban yang berpengaruh langsung pada aktifitas perusahaan, dimana Laba Kotor dipengaruhi oleh beban pokok penjualan yang berkaitan langsung dengan proses terbentuknya atau terjadinya penjualan itu sendiri. Selain itu, pada 10 perusahaan retail terdapat variasi Laba Kotor perusahaan yang cukup besar,hal ini disebabkan karena perbedaan dari kebijakan perusahaan dalam menilai ataupun menentukan beban pokok penjualan perusahaan. Beban pokok penjualan yang dipengaruhi oleh besarnya biaya yang dikeluarkan seperti bahan baku, barang dalam proses, ataupun jam tenaga kerja untuk menciptakan produk. Sehingga laba kotor tidak mampu dalam memprediksi arus kas operasi masa mendatang. Hasil penelitian ini tidak konsisten dengan hasil penelitian sebelumnya yang dilakukan oleh Ariani (2010) dan Khanselar (2011) yang menyatakan bahwa Laba Kotor berpengaruh signifikan terhadap Arus Kas Operasi Masa Mendatang. Hasil penelitian ini mendukung penelitian yang dilakukan oleh Widiana (2011) yang menguji kemampuan angka laba, yaitu pengaruh laba kotor, laba operasi, laba bersih dan arus kas dalam memprediksi arus kas masa mendatang pada perusahaan Food and Beverage yang terdaftar di BEI. Hasil penelitian Widiana menunjukkan bahwa berdasarkan uji
55
kesesuaian model menunjukkan bahwa Laba Kotor tidak memiliki pengaruh signifikan dalam memprediksi arus kas masa mendatang. 2. Laba Operasi tidak berpengaruh signifikan terhadap Arus Kas Operasi Masa Mendatang. Berdasarkan hasil uji t pada tabel 4.6. dapat diketahui bahwa Laba Operasi mempunyai nilai signifikan sebesar 0,107. Hal ini menunjukkan bahwa 0,107 > 0,05 yang artinya variabel Laba Operasi tidak berpengaruh signifikan terhadap arus kas operasi amsa mendatang. Sehingga hipotesis yang telah dirumuskan tidak sesuai dengan hasil penelitian atau H2 ditolak. Alasan hipotesis ditolak adalah bahwa laba operasi hanya berkaitan dengan laba yang berasal dari aktifitas operasi dan berfokus pada laba perusahaan
secara
keseluruhan.
Dimana
laba
operasi
mampu
menggambarkan operasi perusahaan dan memiliki hubungan langsung dengan proses penciptaan laba melalui biaya-biaya operasi seperti biaya gaji karyawan, biaya administrasi, biaya iklan dan lain-lain. Faktor kebijakan perusahaan dan variasi nilai laba membuat laba operasi dinilai belum mampu menggambarkan maupun menilai efisiensi perusahaan dalam menjalankan aktifitas operasi dan membantu para pemakai laporan keuangan dalam mengambil keputusan dimasa mendatang. Hasil penelitian ini konsisten dengan hasil penelitian Widiana (2011), Wartini (2013) dan Khanselar (2011) dan bertolak belakang
56
dengan penelitian Rispayanto (2013) yang menunjukkan bahwa Laba Operasi berpengaruh signifikan terhadap prediksi Arus Kas Masa Mendatang. 3. Laba Bersih tidak berpengaruh signifikan terhadap Arus Kas Operasi Masa Mendatang. Berdasarkan hasil uji t pada tabel 4.6. dapat diketahui bahwa Laba Bersih mempunyai nilai signifikan sebesar 0,128. Hal ini menunjukkan bahwa 0,128 > 0,05 yang variabel Laba Bersih tidak berpengaruh dalam memprediksi arus kas operasi masa mendatang. Sehingga hipotesis yang dirumuskan tidak sesuai dengan hasil penelitian bahwa H3 ditolak. Alasan penolakan hipotesis pada penelitian ini yaitu bisa disebabkan karena terjadinya perbedaan kebijakan perusahaan dalam menentukan atau menilai komponen yang diakui sebagai biaya baik operasional maupun non operasional sehingga menyebabkan laba bersih tidak berpengaruh dalam memprediksi arus kas operasi masa mendatang. Pada 10 perusahaan retail di BEI, banyaknya nilai laba bersih yang terkandung tidak sepenuhnya mempengaruhi atau berhubungan langsung dengan aktifitas operasi perusahaan itu sendiri. Seperti nilai laba bersih yang sebagian besar dipengaruhi oleh laba pelepasan asset tetap bersih perusahaan yang merupakan pendapatan lain-lain , diakui dan dicatat dalam laporan arus kas perusahaan dalam aktifitas investasi perusahaan,. Olek karena itu, Laba bersih tidak berpengaruh dalam memprediksi arus kas operasi masa mendatang.
57
Hasil penelitian ini bertolak belakang dengan hasil penelitian Prayoga (2011) dan Wartini (2013) yang menunjukkan bahwa laba bersih berpengaruh signifikan dalam memprediksi arus kas operasi masa mendatang. Namun konsisten dengan penelitian Widiana (2011) yang menunjukkan bahwa berdasarkan uji kesesuaian model, Laba bersih tidak memiliki pengaruh signifikan dalam memprediksi arus kas masa depan. 4.
Arus kas operasi berpengaruh signifikan dalam memprediksi Arus Kas Operasi Masa Mendatang. Berdasarkan hasil uji t pada tabel 4.6. dapat diketahui bahwa Arus Kas Operasi mempunyai nilai signifikan sebesar 0,000. Hal ini menunjukkan bahwa 0,000 < 0,05 variabel Arus Kas Operasi tahun berjalan berpengaruh signifikan terhadap arus kas operasi masa mendatang. Sehingga hipotesis yang telah dirumuskan sesuai dengan hasil penelitian bahwa H4 diterima. Informasi arus kas berguna untuk menilai kemampuan perusahaan dalam menghasilkan kas dan setara kas dan memungkinkan para pemakai mengembangkan model untuk menilai dan membandingkan nilai sekarang arus kas masa depan dari berbagai perusahaan. Informasi tersebut juga meningkatkan daya banding pelaporan kinerja operasi berbagai perusahaan karena dapat meniadakan pengaruh penggunaan perlakuan akuntansi yang berbeda terhadap transaksi dan peristiwa yang sama. Informasi yang terdapat dalam laporan arus kas khususnya arus kas dari aktivitas operasi dapat menentukan apakah perusahaan akan dapat bertahan dalam jangka panjang
58
atau tidak. Karena hal tersebut, informasi arus kas operasi saat ini sering digunakan sebagai indikator dari jumlah, waktu dan ketidakpastian dalam memprediksi arus kas operasi di masa mendatang. Hasil penelitian ini konsisten dengan penelitian Joni (2011) dan Widiana (2011), serta bertolak belakang dengan hasil penelitian Khanselar (2011) yang menyatakan bahwa Arus kas operasi tidak berpengaruh signifikan terhadap prediksi Arus kas masa mendatang.
