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
Analisis regresi berganda digunakan untuk mengetahui seberapa besar pengaruh variabel arus kas yang berasal dari aktivitas operasi X
1
, gross profit margin X
2
, laba bersih X
3
, terhadap arus kas masa depan Y. Hasil analisis regresi dengan menggunakan software pengolah data ststistik
SPSS disajikan pada tabel berikut ini:
Tabel 4 Koefisien Regresi
Coefficients
a
Model Unstandardized
Coefficients Standardize
d Coefficients
t Sig.
B Std. Error
Beta 1
Constant 3.647
3.900 .935
.356 ln_ako
.390 .314
.318 2.240
.023 ln_gpm
-.231 .708
-.042 -.327
.746 ln_LB
.447 .303
.377 2.475
.039 a.
Dependent Variable: ln_AKMD Sumber : Output SPSS
Universitas Sumatera Utara
Berdasarkan hasil pengolahan regresi berganda yang ditunjukkan dalam Tabel 4.10, maka diperoleh hasil regresi berganda sebagai berikut :
Y= 3,647 + 0,390 X
1
- 0,231 X
2
+ 0,447 X
3
+ e
a. Konstanta a = 3,647, ini menunjukkan harga konstanta dimana jika arus
kas yang berasal dari aktivitas operasi X
1
, gross profit margin X
2
dan laba bersih X
3
= 0, maka prediksi arus kas masa depan adalah sebesar 3,647.
b. Koefisien X
1
b
1
= 0,390, hal ini menunjukkan bahwa variabel arus kas yang berasal dari aktivitas operasi berpengaruh secara positif untuk
memprediksi arus kas masa depan atau dengan kata lain jika variabel arus kas yang berasal dari aktivitas operasi ditingkatkan sebesar satu satuan
maka prediksi arus kas masa depan akan bertambah 0,390 dengan asumsi bahwa variabel bebas yang lain dari model regresi adalah tetap.
c. Koefisien X
2
b
2
= - 0,231 hal ini menunjukkan bahwa variabel gross profit margin berpengaruh secara negatif untuk memprediksi arus kas
masa depan. Artinya jika variabel gross profit margin ditingkatkan sebesar satu satuan makaprediksi arus kas masa depan akan turun sebesar 0,231
dengan asumsi bahwa variabel bebas yang lain dari model regresi adalah tetap.
d. Koefisien X
3
b
3
= 0,447, hal ini menunjukkan bahwa variabel laba bersih berpengaruh secara positif untuk memprediksi arus kas masa depan atau
dengan kata lain jika variabel laba bersih ditingkatkan sebesar satu satuan
Universitas Sumatera Utara
maka prediksi arus kas masa depan akan bertambah 0,447 dengan asumsi bahwa variabel bebas yang lain dari model regresi adalah tetap.
4.3. Pembahasan Hasil Penelitian
Berdasarkan hasil pengujian variabel bebas arus kas operasi, gross profit margin dan laba terhadap variabel terikat arus kas masa depan yang telah di
uraikan secara statistic dengan menggunakan SPSS, maka hipotesis dapat dijelaskan sebagai berikut:
Variabel arus kas aktivitas operasi secara parsial mempunyai pengaruh yang signifikan terhadap arus kas masa depan. Hal ini dapat dilihat dari nilai
signifikansi variabel arus kas aktivitas operasi sebesar 0,023 0,05 yang berarti variable tersebut mempengaruhi variabel dependen secara signifikan.
Penelitian ini sejalan dengan penelitian yang dilakukan Bandi dan Rahmawati 2005, Dahler dan Febrianto 2006, serta As’ad 2010, yang sama-sama
menggunakan komponen arus kas dalam memprediksi arus kas masa depan. Dalam penelitian Dahler dan Febrianto 2006 serta As’ad 2010, keduanya
sama-sama menyatakan bahwa arus kas aktivitas operasi merupakan komponen arus kas yang lebih baik dalam menganalisis arus kas.
Variabel gross profit margin secara parsial tidak mempunyai pengaruh yang signifikan terhadap arus kas masa depan. Hal ini dapat dilihat dari nilai
signifikansi variable gross profit margin sebesar 0,746 0,05 yang berarti variabel tersebut tidak mempengaruhi variabel dependen secara signifikan.
Penelitian ini bertolak belakang dengan penelitian Daniati dan Suhairi, 2006 yang membuktikan bahwa kandungan informasi pada laba, khususnya angka
Universitas Sumatera Utara
