BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Objek yang

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.