BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Analisa Penelitian ini menggunakan data skunder berupa laporan keuangan audit yang diperoleh dari website resmi Bursa Efek Indonesia (BEI) yaitu www.idx.co.id. Populasi dalam penelitian ini merupakan perusahaan di bidang Textile dan Otomotif yang terdaftar di BEI periode tahun 2013-2015. Berdasarkan dengan kriteria yang telah ditetapkan pada bab sebelumnya maka diperoleh jumlah sampel sebesar 10 perusahaan yang dijadikan sampel yang terdaftar di Bursa Efek Indonesia. B. Hasil Uji Statistik Deskriptif 1. Analisa Statistik Deskriptif Variabel Penelitian Berdasarkan data variabel yang telah diperoleh, penulis menjelaskan statistic deskriptifnya untuk memberikan gambaran awal mengenai variable yang akan diteliti. Berikut ini adalah analisis deskriptif variabel-variabel penelitian yang diolah dengan SPSS 19 beserta penjelasannya. 40
Tabel 4.1 Descriptive Statistics N Minimum Maximum Mean Std. Deviation ARUS KAS MASA DEPAN 10 105.72 143495.00 17789.1720 44401.03981 KUALITAS LABA 10.89 5.07 3.0680 1.34835 RESIKO KEBANGKRUTAN 10 33.00 26290.00 2998.3000 8190.32144 Valid N (listwise) 10 Tabel 4.1 diatas menggambarkan deskriptif statistik untuk masing-masing variabel yang digunakan. Dari tabel di atas di ketahui arus kas masa depan mempunyai rata-rata sebesar 2998.30 dan standar deviasi 8190.321. Kualitas laba mempunyai rata-rata sebesar 17789.17 dan standar deviasi 44401.03. Resiko Kebangkrutan mempunyai rata-rata sebesar 3.0680 dan standar deviasi 1.3483 C. Hasil Uji Asumsi Klasik Uji asumsi klasik digunakan sebagai syarat dalam menggunakan model regresi agar hasil regresi yang diperoleh merupakan estimasi yang tepat. 1. Hasil Uji Normalitas Uji normalitas berguna untuk menguji apakah dalam model regresi, variabel dependen dan variabel independen memiliki distribusi normal atau tidak. Uji normalitas pada penelitian ini menggunakan distribusi pada grafik P-P Plot. Berikut ini hasil uji normalitas menggunakan grafik P-P Plot menggunakan bantuan aplikasi SPSS versi 19: 41
Grafik 4.1 Berdasarkan Grafik 4.1 di atas, dapat dilihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal pada grafik histogram, hal ini menunjukan bahwa pola distribusi normal. Jadi dapat disimpulkan bahwa berdasarkan grafik P-P plot, model regresi memenuhi asumsi normalitas. 42
Tabel 4.2 One-Sample Kolmogorov-Smirnov Test KUALITAS LABA RESIKO KEBANGKRUTAN N 10 10 Normal Parameters a,b Mean 17789.1720 3.0680 Std. Deviation 44401.03981 1.34835 Most Extreme Differences Absolute.464.145 Positive.464.145 Negative -.345 -.116 Kolmogorov-Smirnov Z 1.467.458 Asymp. Sig. (2-tailed).027.985 a. Test distribution is Normal. b. Calculated from data. Berdasarkan tabel 4.2 nilai K-S (Kolmogorov-Sminov Z) variabel Kualitas Laba 1.467 dengan probabilitas signifikansi 0.027 dan nilainya dibawah α=0.05 hal ini berarti hipotesis nol diterima atau variabel Kualitas Laba terdistribusi secara normal berbanding terbalik dengan nilai K-S Resiko Kebangkrutan 0.458 dengan probabilitas signifikansi 0.985 dan nilainya jauh diatas α=0.05 hal ini berarti hipotesis nol ditolak atau variabel Kualitas Laba tidak terdistribusi secara normal 43
2. Hasil Uji Multikolinearitas Uji Multikolinearitas berguna untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Cara mengetahui ada tidaknya penyimpangan uji multikolinearitas adalah dengan melihat nilai Tolerance dan VIF masing-masing variabel independen, jika nilai Tolerance >0,10 dan nilai VIF <10, maka data bebas gejala multikolinearitas Tabel 4.3 Coefficients a Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std. Error Beta t Sig. Tolerance VIF 1 (Constant) -327.606 570.138 -.575.584 KUALITAS LABA.184.006.996 32.058.000.720 1.389 RESIKO KEBANGKRUTAN 18.861 188.705.003.100.923.720 1.389 a. Dependent Variable: ARUS KAS MASA DEPAN Melihat hasil pada Tabel 4.3 di atas, hasil perhitungan nilai Tolerance dari 2 variabel bebas semuanya lebih besar dari 0,10, demikian pula nilai VIF lebih kecil dari 10. Dengan demikian dapat di simpulkan bahwa model regresi tidak mengindikasikan adanya multikolinieritas antar variabel independen dalam model regresi 44
3. Hasil Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Cara untuk mengatasi terjadi heteroskedastisitas atau tidak yaitu dengan melihat Grafik Plot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Tidak terjadi heteroskedastisitas yaitu apabila tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Grafik 4.2 Dari grafik scatterplots terlihat bahwa titik-titik menyebar secara acak dan tersebar baik di atas maupun dibawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga 45
model regresi layak dipakai untuk memprediksi Arus Kas Masa Depan berdasarkan masukan variabel independen Kualitas Laba dan Resiko Kebangkrutan. 4. Hasil Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji dalam model regresi linear ada atau tidak korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau periode sebelumnya. Uji autokorelasi pada penelitian ini menggunakan uji Durbin Watson. Berikut hasil uji autokorelasi: Tabel 4.4 Model Summary b Adjusted R Std. Error of the Durbin- Model R R Square Square Estimate Watson 1.998 a.995.994 647.68002.674 a. Predictors: (Constant), RESIKO KEBANGKRUTAN, KUALITAS LABA b. Dependent Variable: ARUS KAS MASA DEPAN Berdasarkan Tabel 4.4 di atas diketahui nilai Durbin-Watson (DW) adalah 0.674. Sehingga dari hasil tersebut dapat disimpulkan bahwa model regresi mengindikasikan tidak adanya autokorelasi atau asumsi bebas autokorelasi pada model terpenuhi. 46
D. Hasil Uji Kelayakan Model 1. Uji Koefisien Determinasi (R 2 ) Uji Koefisien Determinasi bertujuan untuk mengukur sebesar besarnya kemampuan model dalam menerangkan variasi variabel dependen. Jika nilai R 2 kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen menjadi sangat terbatas. Kelemahan penggunaan R 2 adalah bias terhadap jumlah variabel independen yang dimasukan ke dalam model. Oleh karena itu, maka dianjurkan untuk menggunakan nilai Adjusted R 2 pada saat mengevaluasi mana model regresi terbaik (Ghozali, 2013: 97) Tabel 4.5 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1.998 a.995.994 647.68002 a. Predictors: (Constant), RESIKO KEBANGKRUTAN, KUALITAS LABA b. Dependent Variable: ARUS KAS MASA DEPAN Berdasarkan tampilan output SPSS model summary besarnya adjusted R 2 adalah 0.995 hal ini berarti 99.5 % variasi Arus Kas Masa Depan dapat dijelaskan oleh variasi kedua variabel independen Kualitas Laba dan Resiko Kebangkrutan. 47
Sedangkan sisanya (100% - 99.5% = 0.5% ) dijelaskan oleh sebab-sebab diluar model. Standar Error of estimate (SEE) sebesar 647.68002. makin kecil nilai SEE akan menbuat model regresi semakin tepat dalam memprediksi variabel dependen. 2. Hasil Uji F (Uji serentak) Uji F bertujuan untuk mengetahui pengaruh variabel independen secara simultan terhadap variabel dependen. Tabel 4.6 ANOVA b Model Sum of Squares Df Mean Square F Sig. 1 Regression 6.008E8 2 3.004E8 716.104.000 a Residual 2936425.873 7 419489.410 Total 6.037E8 9 a. Predictors: (Constant), RESIKO KEBANGKRUTAN, KUALITAS LABA b. Dependent Variable: ARUS KAS MASA DEPAN Dari uji Anova atau F test didapat nilai F dihitung sebesar 716.104 dengan probabilitas 0.000. Karena probabilitas jauh lebih kecil dari 0.05 maka model regresi dapat digunakan untuk memprediksi Arus Kas Masa Depan atau dapat dikatakan Kualitas Laba dan Resiko Kebangkrutan secara bersama-sama berpengaruh terhadap Arus Kas Masa Depan. 48
E. Hasil Uji Hipotesis 1. Hasil Uji Statistik (Uji t) Uji Statistik t menunjukan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Uji t pada penelitian ini dilakukan dengan membandingkan signifikansi t Dari uji t akan diputuskan untuk menerima atau menolak hipotesa yang diajukan : 1. Bila siginifikan t hitung <0,05, maka Ho ditolak dan Ha diterima. Ini berarti jika variabel independen diuji secara partial terdapat pengaruh yang signifikan terhadap variabel dependen. 2. Bila signifikan t hitung >0,05 maka Ho gagal ditolak dan Ha gagal diterima. Ini berarti jika variabel independen diuji secara partial tidak dapat pengaruh yang signifikan terhadap variabel dependen. 49
Tabel 4.7 Coefficients a Unstandardized Coefficients Standardized Coefficients Model B Std. Error Beta t Sig. 1 (Constant) -327.606 570.138 -.575.584 KUALITAS LABA.184.006.996 32.058.000 RESIKO KEBANGKRUTAN 18.861 188.705.003.100.923 a. Dependent Variable: ARUS KAS MASA DEPAN Dari kedua variabel independen yang dimasukkan kedalam model regresi variabel Resiko Kebangkrutan tidak signifikan hal ini dapat dilihat dari probabilitas signifikansi sebesar 0.923 dan jauh di atas 0.05 sedangkan Kualitas Laba signifikansi pada 0.05. dari sini dapat disimpulkan bahwa variabel Arus Kas Masa Depan di pengaruhi oleh Kualitas Laba. 2. Analisis Regresi Analisis yang digunakan untuk menguji hipotesis dalam penelitian ini menggunakan analisis regresi linier berganda. Regresi linier berganda digunakan untuk mengetahui pengaruh variabel independen terhadap variabel dependen. Berdasarkan tabel 4.3, persamaan regresi linier berganda pada 50
penelitian ini adalah sebagai berikut : Arus Kas Masa Depan = -327.606 + 0,184 Kualitas Laba + 18.861 Resiko Kebangkrutan Persamaan regresi di atas dapat dijelaskan sebagai berikut : 1. Konstanta (α) Nilai Konstanta (α) -327.606 artinya jika Kualitas Laba dan Resiko Kebangkrutan tidak ada, maka besarnya arus kas operasi masa depan yang terjadi adalah sebesar -327.606 2. Koefisien Regresi Nilai koefisien regresi variabel kualitas laba sebesar 0,184 artinya jika variabel independen lain tetap dan kualitas laba pada periode t0 mengalami kenaikan 1% maka arus kas pada periode t+1 akan mengalami peningkatan sebesar 0,184. Nilai koefisien regresi variabel resiko kebangkrutan sebesar 18.861 artinya jika variabel independen lain tetap dan arus kas operasi pada periode t0 mengalami kenaikan 1% maka arus kas pada periode t+1 akan mengalami peningkatan sebesar 18.861. 51
F. Pembahasan Hasil Penelitian 1. Pengaruh Kualitas Laba terhadap Arus Kas Masa Depan Hasil penelitian ini menunjukan bahwa Kualitas Laba berpengaruh singnifikan terhadap arus kas masa depan. Hal ini ditunjukan dengan nilai signifikan sebesar 0,000. Nilai signifikan t lebih kecil dari (0,05) menunjukan bahwa Kualitas Laba tidak memiliki pengaruh yang signifikan terhadap arus kas masa depan sehingga Kualitas Laba tidak memiliki kemampuan untuk memprediksi arus kas masa depan. Hasil nilai K-S (Kolmogorov-Sminov Z) variabel Kualitas Laba dengan probabilitas signifikansi 0.027 dan nilainya dibawah α=0.05 hal ini berarti hipotesis nol diterima atau variabel Kualitas Laba terdistribusi secara normal. Hasil yang diperoleh dari uji Anova atau F test didapat nilai F dihitung sebesar 716.104 dengan probabilitas 0.000. Karena probabilitas jauh lebih kecil dari 0.05 maka model regresi dapat digunakan untuk memprediksi Arus Kas Masa Depan atau dapat dikatakan Kualitas Laba dan Resiko Kebangkrutan secara bersama-sama berpengaruh terhadap Arus Kas Masa Depan. Hasil model regresi Kualitas Laba signifikansi pada 0.000 hasil tersebut di bawah 0.05. dari sini dapat disimpulkan bahwa variabel Arus Kas Masa Depan di pengaruhi oleh Kualitas Laba. 52
Hasil penelitian ini sejalan dengan penelitian Al-Attar dan Hussain (2004) yang menyatakan bahwa laba saat ini tidak memiliki kemampuan untuk memprediksi arus kas masa depan. pemilahan seperti laba memberikan kekuatan penjelas tambahan yang signifikan untuk arus kas masa depan. 2. Pengaruh Resiko Kebangkrutan terhadap Arus Kas Masa Depan Hasil penelitian ini menunjukan bahwa Resiko Kebangkrutan tidak berpengaruh singnifikan terhadap arus kas masa depan. Hal ini ditunjukan dengan nilai signifikan sebesar 0,979 lebih besar tidak bisa diterima. Nilai signifikan t lebih besar dari (0,05) menunjukan bahwa Resiko Kebangkrutan tidak memiliki pengaruh yang signifikan terhadap arus kas masa depan sehingga laba bersih tidak memiliki kemampuan untuk memprediksi arus kas masa depan. Hasil nilai K-S Resiko Kebangkrutan dengan probabilitas signifikansi 0.985 dan nilainya jauh diatas α=0.05 hal ini berarti hipotesis nol ditolak atau variabel Kualitas Laba tidak terdistribusi secara normal. Hasil model regresi variabel Resiko Kebangkrutan tidak signifikan hal ini dapat dilihat dari probabilitas signifikansi sebesar 0.923 dan jauh di atas 0.05 (Frankel, 1992; Hanna, 1995) mengharapkan lereng menjadi lebih kecil sebagai risiko kebangkrutan mencapai tingkat yang lebih tinggi. Sebagai hasilnya, Peneliti berhipotesis bahwa lereng untuk variabel perkalian akan negatif. 53
54