Berdasarkan tabel
4.3 menunjukkan bahwa adanya peningkatan laba
bersih pada perusahaan Food and Beverages yang go public di Bursa Efek Indonesia mulai tahun 2008 sampai dengan tahun 2009, dimana rata-rata
laba bersih tahun 2008 sebesar Rp. 312.707.000.000 dan rata-rata laba bersih tahun 2009 sebesar Rp. 409.310.000.000.
Laba bersih
tertinggi pada tahun 2008 diperoleh PT. SMART, Tbk
sebesar Rp. 1.046.389.000.000 disebabkan oleh kenaikan laba pendapatan setiap periode dan laba bersih terendah diperoleh PT. Siantar Top, Tbk
sebesar Rp. 4.816.000.000 disebabkan oleh beban penghasilan bunga. Sedangkan laba bersih tertinggi pada tahun 2009 diperoleh PT. Indofood
Sukses Makmur, Tbk sebesar Rp.2.075.861.000.000 disebabkan oleh kenaikan laba penjualan bersih setiap periode dan terendah diperoleh dari
PT. Siantar Top, Tbk sebesar Rp. 41.072.000.000 disebabkan oleh beban penghasilan bunga.
4.3. Analisis Regresi Linier Berganda 4.3.1. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal atau tidak Sumarsono, 2004: 40. Dalam
penelitian ini uji normalitas menggunakan metode Kolmogorov Smirnov. Adapun hasil dari pengujian normalitas adalah :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.3 : Hasil Uji Normalitas No. Variabel
Penelitian Kolmogorov Smirnov
Tingkat Signifikan
1. 2.
3. Laba X
1
Arus kas X
2
Laba yang akan datang Y 1,483
1,027 1,272
0,025 0,242
0,078
Sumber : Lampiran 2 Berdasarkan tabel 4.3 dapat disimpulkan bahwa variabel laba X
1
tidak berdistribusi normal, karena nilai signifikan yang dihasilkan kurang dari 5. Sedangkan variabel arus kas X
2
dan laba yang akan datang Y berdistribusi normal, karena nilai signifikan yang dihasilkan lebih dari 5.
Regresi linier
berganda tetap terus dilanjutkan, karena menurut
Gujarati 1995 : 66-67 bahwa dalam regresi OLS Ordinary Least Square asumsi normalitas diberlakukan pada u
i
residual, apabila residual u
i
berdistribusi normal dengan sendirinya b , b
1
dan b
2
juga berdistribusi normal. Berikut ini hasil uji normalitas pada residual :
Tabel 4.4 : Hasil Uji Normalitas Pada Residual Kolmogorov
Smirnov Tingkat
Signifikan Residual
0,756 0,618
Sumber : Lampiran 2 Berdasarkan hasil uji normalitas pada tabel di atas menunjukkan
bahwa distribusi data pada residual adalah distribusi normal, karena nilai Kolmogorov-Smirnov
yang dihasilkan 0,756 dengan tingkat signifikan sebesar 0,618 diatas 5. Apabila residual u
i
berdistribusi normal dengan sendirinya variabel laba X
1
dan arus kas X
2
juga berdistribusi normal.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
1.0 0.8
0.6 0.4
0.2 0.0
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Ex pect
ed Cu m
Prob Dependent Variable: Laba yang akan datang
Normal P-P Plot of Regression Standardized Residual
Gambar 4.1 : Plot P-P Kurva P-P menunjukkan bahwa data menyebar disekitar garis
diagonal dan mengikuti arah garis diagonal, maka model regresi linier berganda yang dihasilkan memenuhi asumsi normalitas.
4.3.2. Uji Asumsi Klasik
Uji asumsi
klasik yang
digunakan adalah uji asumsi autokorelasi, uji
asumsi multikolinieritas dan uji asumsi heteroskedastisitas, yang dapat dijelaskan sebagai berikut :
1. Uji Asumsi Klasik : Autokorelasi
Variabel penelitian
dalam digunakan adalah laba X
1
dan arus kas X
2
dengan jumlah observasi sebanyak 20 observasi 10 perusahaan dalam 2 tahun. Berikut ini hasil uji autokorelasi :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
k =
2 n
= 20
d
L
= 1,10 Lampiran 4 d
U
= 1,54 Lampiran 4 d
= 2,327
Lampiran 3
Ada autokorela
si positif Daerah
keragu- raguan
Daerah keragu-
raguan Ada
autokorela si negatif
Tidak ada autokorelasi positif dan tidak ada
autokorelasi negatif
0 1,10 1,54 2,327 2,46
2,90 4
Gambar 4.2 : Distribusi Daerah Keputusan Autokorelasi Berdasarkan
gambar menunjukkan bahwa nilai d yang dihasilkan
berada diantara d
U
dengan 4-d
U
atau berada pada daerah tidak ada autokorelasi sehingga dapat disimpulkan bahwa model regresi yang
dihasilkan tidak melanggar asumsi klasik autokorelasi.
2. Uji Asumsi Klasik : Multikolinieritas
Tolerance mengukur
variabilitas variabel bebas yang terpilih yang 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 diatas 10.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
setiap peneliti harus menentukan tingkat kolonieritas yang masih dia tolerir. Adapun besaran VIF dari masing-masing variabel bebas adalah
sebagai berikut : Tabel 4.5 : Nilai VIF Variance Inflation Factor
No. Variabel Bebas
Tolerance VIF 1.
2. Laba X
1
Arus kas X
2
0,911 0,911
1,098 1,098
Sumber : Lampiran 3 Berdasarkan tabel 4.5 dapat disimpulkan bahwa model regresi yang
dihasilkan tidak melanggar asumsi multikolinearitas atau tidak terjadi multikolinearitas, karena besaran VIF pada variabel laba X
1
dan arus kas X
2
kurang dari angka 10.
3. Uji Asumsi Klasik : Heteroskedastisitas
Heteroskedastisitas dapat diidentifikasikan dengan cara menghitung koefisien korelasi Rank Spearman antara nilai residual
dengan seluruh variabel bebas. Hasil dari uji Rank Spearman adalah sebagai berikut :
Tabel 4.6
: Korelasi
Rank Spearman No. Variabel
Bebas Koefisien
korelasi Rank Spearman
Tingkat signifikansi
1. 2.
Laba X
1
Arus kas X
2
-0,150 0,223
0,527 0,346
Sumber : Lampiran 3
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Berdasarkan tabel 4.6 dapat disimpulkan bahwa model regresi yang dihasilkan tidak melanggar asumsi heteroskedastisitas atau tidak terjadi
heteroskedastisitas, karena tingkat signifikansi pada variabel laba X
1
dan arus kas X
2
lebih dari 5.
4.3.3. Persamaan Regresi Linier Berganda
Adapun hasil
pengolahan analisis
regresi linier berganda dapat dilihat pada tabel dibawah ini :
Tabel 4.7 : Persamaan Regresi Linier Berganda Model Koefisien
regresi Konstanta
Laba X
1
Arus kas X
2
93709,461 1,207
-0,540 Sumber : Lampiran 3
Persamaan Regresi Linier Berganda :
Y = 93709,461 + 1,207 X
1
- 0,540 X
2
Dari persamaan regresi di atas menjelaskan bahwa : 1. Konstanta a = 93709,461 menunjukkan apabila laba X
1
dan arus kas X
2
adalah konstan atau nol, maka nilai laba yang akan datang sebesar 93709,461.
2. Koefisien
regresi untuk variabel laba b
1
= 1,207 Nilai positif pada koefisien ini menunjukkan bahwa setiap kenaikan
Rp. 1 juta laba akan menaikkan laba yang akan datang sebesar Rp. 1,207 juta dengan asumsi variabel arus kas adalah konstan.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3. Koefisien regresi untuk variabel arus kas b
2
= -0,540 Nilai positif pada koefisien ini menunjukkan bahwa setiap kenaikan Rp.
1 juta arus kas akan menurunkan laba yang akan datang sebesar Rp. 0,540 juta dengan asumsi variabel laba adalah konstan.
4.3.4. Uji F
Uji F dapat digunakan untuk mengetahui apakah model yang dihasilkan adalah cocok atau sesuai. Adapun hasil uji F dapat dilihat pada
tabel di bawah ini : Tabel 4.8 : Uji F
Model Sum of
Squares df Mean Square
F Sig. Regression 4E+012
2 1,92E+012
27,295 0,000
Residual 1E+012 17
7,050E+012 Total 5E+012
19 Sumber : Lampiran 3
Berdasarkan hasil analisis menunjukkan bahwa nilai F
hitung
sebesar 27,295 dengan tingkat signifikan sebesar 0,000 lebih kecil dari 5 maka
dapat disimpulkan bahwa model regresi yang dihasilkan adalah cocok atau sesuai untuk mengetahui pengaruh laba X
1
dan arus kas X
2
terhadap laba yang akan datang Y.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.3.5. Nilai Koefisien Determinasi
Besarnya pengaruh
laba X
1
dan arus kas X
2
terhadap laba yang akan datang Y dapat dilihat dari koefisien determinasi R
2
, yaitu : Tabel 4.9 : Nilai Koefisien Determinasi
R 0,873
R
2
0,763 Std Error of Estimate
265.509,303 Standar deviasi Var Y
515.378,746 Sumber : Lampiran 3
Berdasarkan tabel 4.9 menyebutkan bahwa : 1. Nilai R adalah sebesar 0,873 menunjukkan adanya hubungan yang sangat
kuat antara variabel laba X
1
dan arus kas X
2
dengan laba yang akan datang Y.
2. Nilai R Square adalah sebesar 0,763 yang berarti bahwa sebesar 76,3 variansi laba yang akan datang diprediksikan oleh variabel laba X
1
dan arus kas X
2
sedangkan sisanya sebanyak 23,7 ditentukan oleh variabel lain.
3. Standar Error of Estimate
atau kesalahan prediksi yang dihasilkan sebesar 265509,303 ternyata lebih kecil dari standar deviasi dari variabel
laba yang akan datang sebesar 515378,746. Hal ini menunjukkan bahwa kemampuan laba dan arus kas dalam memprediksi laba yang akan datang
mempunyai kesalahan yang lebih kecil dari penyimpangan laba yang akan datang itu sendiri, sehingga dapat disimpulkan bahwa laba dan arus
kas dapat digunakan untuk memprediksi laba yang akan datang.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.3.6. Uji t Uji Hipotesis
Untuk menguji pengaruh secara parsial laba X
1
dan arus kas X
2
terhadap laba yang akan datang Y dilakukan uji t, yang hasilnya adalah sebagai berikut :
Tabel 4.10 : Hasil Uji t Variabel Bebas
Nilai t
hitung
Sig Laba X
1
Arus kas X
2
7,319 -1,221
0,000 0,239
Sumber : Lampiran 3 Penjelasan
tabel 4.10 di atas adalah :
1. Nilai
t
hitung
pada variabel laba X
1
adalah 7,319 dengan tingkat signifikan sebesar 0,000 lebih kecil dari 5 maka H
ditolak dan H
1
diterima yang artinya laba X
1
secara parsial berpengaruh signifikan terhadap laba yang akan datang Y, hal ini berarti laba memiliki
kemampuan dalam memprediksi laba yang akan datang. 2.
Nilai t
hitung
pada variabel arus kas X
2
adalah -1,221 dengan tingkat signifikan sebesar 0,237 lebih dari 5 maka H
diterima dan H
1
ditolak yang artinya arus kas X
2
secara parsial tidak berpengaruh signifikan terhadap laba yang akan datang Y, hal ini berarti arus kas tidak
memiliki kemampuan dalam memprediksi laba yang akan datang. Dari hasil uji t di atas dapat disimpulkan bahwa hipotesis penelitian
ini “ Diduga laba dan arus kas memiliki kemampuan dalam memprediksi laba yang akan datang”, sebagian teruji kebenarannya, karena hanya laba
yang memiliki kemampuan dalam memprediksi laba yang akan datang.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.4. Pembahasan Hasil Penelitian 4.4.1. Implikasi