Ha ditolak dan Ho diterima. Nilai signifikansi variable gross profit margin sebesar 0,746 0,05 yang berarti variabel tersebut tidak mempengaruhi
variabel dependen secara signifikan. Hal tersebut berarti gross profit margin secara parsial tidak mempunyai pengaruh yang signifikan terhadap
arus kas masa depan. 3.
Pengaruh Laba bersih terhadap arus kas masa depan Variabel laba bersih memiliki t
hitung
2,475 dengan nilai signifikansi 0,039. Dengan menggunakan tabel uji t, diperoleh t
tabel
1,68. Hal ini menunjukkan bahwa t
hitung
sebesar 2,475 t
tabel
sebesar 1,68 maka H ditolak dan H
a
diterima. Nilai signifikansi variabel laba bersih sebesar 0,039 0,05 yang berarti variabel tersebut mempengaruhi variabel
dependen secara signifikan. Hal tersebut berarti laba bersih berpengaruh secara parsial terhadap arus kas masa depan.
4.2.3.2 Uji Signifikansi Simultan F-test
Uji F ini dilakukan untuk melihat seberapa besar pengaruh variabel independen terhadap variabel dependen secara simultan.
Hipotesis yang akan di uji adalah: H
o
: kemampuan informasi arus kas, gross profit margin, dan laba secara simultan tidak mempunyai pengaruh terhadap arus kas masa depan.
H
a
: kemampuan informasi arus kas, gross profit margin, dan laba mempunyai pengaruh secara simultan terhadap arus kas masa depan
Uji ini akan dilakukan dengan membandingkan signifikansi F
hitung
dengan ketentuan:
Universitas Sumatera Utara
- Jika F
hitung
F
tabel
pada α 0,05, maka Ho ditolak, dan -
Jika F
hitung
F
tabel
pada α 0,05, maka Ha diterima
Tabel 4.8 Hasil Uji Simultan F-test
ANOVA
b
Model Sum of
Squares df
Mean Square F
Sig. 1
Regression 83.705
3 27.902
9.909 .000
a
Residual 101.364
36 2.819
Total 185.070
39 a. Predictors: Constant, ln_LB, ln_gpm, ln_ako
b. Dependent Variable: ln_AKMD
Hasil uji F yang ditampilkan dalam tabel 4.7 menunjukkan bahwa nilai F
hitung
adalah 9,909 dengan tingkat signifikansi 0,000. Dengan menggunakan tabel uji F, nilai F
tabel
diperoleh sebesar 2,84. Hal tersebut menunjukkan bahwa F
hitung
sebesar 9,909 F
tabel
sebesar 2,84 sehingga H
a
diterima dan H
o
ditolak. Nilai signifikansi sebesar 0,000 dari signifikansi 0,05 yang berarti variabel
tersebut mempengaruhi variabel dependen secara signifikan. Hal tersebut berarti arus kas aktivitas operasi, gross profit margin dan laba bersih secara simultan
mempunyai pengaruh yang signifikan terhadap arus kas masa depan.
8.2.3.3.Koefisien Determinasi R
2
Koefisien determinasi R Square menunjukkan seberapa besar variable independen menjelaskan variabel dependennya. Nilai R Square R
2
dikatakan baik jika diatas 0,5 karena nilai R Square R
2
bekisar antara 0 sampai 1. Apabila
Universitas Sumatera Utara
nilai R Square R
2
semakin mendekati 1 maka variabel-variabel independen mendekati semua informasi yang dibutuhkan untuk memprediksi variasi variabel
dependen. Sebaliknya, semakin kecil nilai R Square maka kemampuan variabel- variabel independen untuk menjelaskan variasi variable dependen semakin
terbatas. Umumnya sampel dengan data deret waktu time series memiliki R
Square maupun Adjusted R Square cukup tinggi diatas 0,5. R Square memiliki kelemahan yaitu R Square R
2
akan meningkat setiap ada penambahan suatu variabel dependen meskipun variabel independen tersebut tidak berpengaruh
signifikan terhadap variabel dependen. Dalam kenyataanya nilai adjusted R Square dapat bernilai negatif, walaupun yang dikehendaki harus bernilai positif.
Jika dalam uji empiris didapat nilai adjusted R Square negative, maka nilai adjusted R Square dianggap Nol.
Tabel 4.9 Hasil Koefisien Determinasi
Pada tabel 4.8, output spss memiliki nilai koefisien determinasi yang sudah disesuaikan Adjusted R Square sebesar 40,7 variabel dependen arus kas masa
depan dijelaskan oleh variabel independen arus kas aktivitas operasi, gross profit
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
1 .673
a
.452 .407
1.67800 a. Predictors: Constant, ln_LB, ln_gpm, ln_ako
b. Dependent Variable: ln_AKMD
Universitas Sumatera Utara
margin dan laba bersih, dan sisanya 59,3 dijelaskan oleh variabel lain diluar variabel yang digunakan. Standar Error of Estimate SEE adalah sebesar
1.67800, yang mana semakin besar SEE akan membuat model regresi kurang tepat dalam memprediksi variabel dependen.
4.2.4 Analisis Regresi Liner Berganda
