sampai dengan 2010 dan data untuk prediksi laba dari dari laba bersih dan prediksi arus kas dari arus kas bersih tahun 2010 sampai dengan
2011. Perusahaan yang dijadikan sampel penelitian ini adalah : 1.
PT. Akasha Wira Inetrnational Tbk. 2.
PT. Cahaya Kalbar Tbk. 3.
PT. Delta Djakarta Tbk. 4.
PT. Fast Food Indonesia Tbk. 5.
PT. Indofood Sukses Makmur Tbk. 6.
PT. Mayora Indah Tbk. 7.
PT. Multi Bintang Indonesia Tbk. 8.
PT. Pioneerindo Gourmet International Tbk. 9.
PT. Prasidha Aneka Niaga Tbk. 10.
PT. Sekar Laut Tbk. 11.
PT. Siantar Top Tbk. 12.
PT. Sinar Mas Agro Resource and Technology SMART Tbk. 13.
PT. Tiga Pilar Sejahtera Food Tbk. 14.
PT. Tunas Baru Lampung Tbk. 15.
PT. Ultrajaya Milk Industri Tranding Company Tbk.
3.3. Teknik Pengumpulan Data 3.3.1. Jenis Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang berasal dari Bursa Efek Indonesia BEI periode 2009-2011 yang berupa
laporan keuangan dari tahun 2009 sampai 2010 untuk mencari prediksi laba yang akan datang pada tahun 2010 sampai 2011.
3.3.2. Sumber Data
Sumber data yang digunakan dalam penelitian ini didapatkan dari Bursa Efek Indonesia yang beralamat di Jl. Basuki Rahmat No. 46 Surabaya,
yang meliputi laporan keuangan yang telah dipublikasikan dan diperoleh dari perusahaan-perusahaan Food Beverages yang terdaftar di Bursa Efek
Indonesia selama periode 2009-2011.
3.3.3. Pengumpulan Data
Adapun teknik pengumpulan data yang digunakan ialah dengan teknik dokumentasi, yaitu dengan cara melihat, mempelajari, dan mengutip catatan-
catatan yang diperoleh berupa laporan keuangan khususnya laba rugi dari laba bersih dan arus kas dari arus kas bersih.
3.4. Uji Normalitas
Uji normalitas diperlukan untuk memastikan bahwa sebaran data yang digunakan bersifat normal. Untuk mengetahui apakah suatu data mengikuti
sebaran normal atau tidak, dapat dilakukan dengan berbagai metode Kolmograv Smirnov dan metode Shapiro Wilk.
Pedoman dalam mengambil keputusan apakah sebuah distribusi data mengikuti distribusi normal adalah :
a. Jika nilai signifikan nilai probabilitasnya lebih kecil dari 5, maka
distribusi adalah tidak normal.
b. Jika nilai signifikan nilai probabilitasnya lebih besar dari 5, maka
distribusinya adalah normal soemarsono, 2004: 43
3.5. Uji Asumsi Klasik
Persamaan regresi tersebut di atas harus bersifat BLUE Best Linier Unbiased Estimator, artinya pengambilan keputusan melalui uji F dan uji t
tidak boleh bias. Untuk menghasilkan keputusan yang BLUE maka harus dipenuhi di antaranya tiga asumsi dasar. Tiga asumsi dasar yang tidak boleh
dilanggar oleh regresi linier berganda yaitu Gujarat, 1995 : 215 : a.
Tidak boleh ada autokorelasi. b.
Tidak boleh ada multikolinieritas. c.
Tidak boleh ada heteroskedastisitas. Apabila salah satu dari ketiga asumsi dasar tersebut dilanggarkan maka
persamaan regresi yang diperoleh tidak lagi bersifat BLUE, sehingga pengambilan keputusan melalui uji F dan uji t menjadi bias. Hasil asumsi
klasik tersebut adalah sebagai berikut :
1. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara korelasi pengganggu pada periode
t dengan kesalahan pada periode t-1 sebelumnya. Untuk menguji apakah terjadi autokorelasi atau tidak, digunakan uji Durbin Watson
DW-Test. Suatu observasi dikatakan tidak terjadi autokorelasi jika nilai
Durbin Watson terletak antara batas atas atau upper bound du dan 4- du.
Pengambilan keputusan ada tidaknya autokorelasi, yaitu : a.
Bila nilai DW terletak di antara batas atas du dan 4-du, maka koefisien autokorelasi sama dengan nol, berarti tidak ada
autokorelasi. b.
Bila nilai DW lebih rendah dari batas bawah dI, maka koefisien autokorelasi lebih besar dari nol, berarti ada autokorelasi positif.
c. Bila nilai DW lebih besar dari batas atas 4-dI, maka koefisien
autokorelasi lebih kecil dari nol, berarti ada autokorelasi negatif. d.
Bila nilai DW terletak di antara batas atas du dan batas bawah 4- du atau terletak di antara 4-du dan 4-dI, maka hasilnya tidak
dapat disimpulkan Ghozali, 2006: 99.
2. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam persamaan regresi ditemukan adanya korelasi antar variabel bebas
independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas.
Multikorelasi dapat dilihat dari nilai tolerance dan nilai VIF. Tolerance mengukur variabilitas variabel bebas yang terpilih tidak dapat
dijelaskan oleh variabel bebas lainnya, jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1tolerance dan
menunjukkan adanya kolinieritas yang tinggi. Nilai cut off yang umum
dipakai adalah nilai tolerance 0,10 atau sama dengan nilai VIF dibawah 10 Ghozali, 2006 : 95.
1. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan lainnya. Salah satu cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan cara uji rank sperman yaitu dengan
membandingkan antara residual dengan seluruh variabel bebas. Jika varians dari residual berasal dari suatu pengamatan ke pengamatan lain
berbeda, maka terdapat heteroskedastisitas. Metode regresi yang baik seharusnya tidak terjadi heteroskedastisitas.
Identifikasi secara statistik ada atau tidaknya gejala heteroskedastisitas dapat dilakukan dengan menghitung korelasi rank
sperman dengan seluruh variabel independen yang menjelaskan variabel bebas. Jika nilai signifikan koefisien korelasi rank sperman untuk semua
variabel bebas terhadap nilai mutlak dari residual lebih besar dari 5 maka tidak terdapat gejala heteroskedastisitas Ghozali, 2006 : 125.
3.6. Teknik Analisis dan Uji Hipotesis 3.6.1.
