Computer File
Memprediksi laba bersih tahunan berdasarkan klasifikasi komponen laba menggunakan analisis statistik regresi : studi kasus pada PT Telekomunikasi Indonesia TBK
Dengan adanya kondisi perekonomian yang semakin global, maka persaingan antar
perusahaan pun semakin ketat baik perusahaan yang berskala lokal maupun internasional.
Untuk itulah perusahaan-perusahaan dituntut untuk menampilkan kinerja yang terbaik secara
efisien dan efektif. Salah satu instrumen dalam laporan keuangan yang dapat digunakan
untuk mendapatkan informasi mengenai suatu perusahaan adalah laba usaha. Laporan laba
rugi adalah laporan yang memberikan informasi mengenai kemampuan (potensi) perusahaan
dalam menghasilkan laba (kinerja) dalam periode tertentu. Kinerja perusahaan dapat diukur
melalui laba yang di peroleh dalam periode waktu tertentu. Untuk itu diperlukan
pengklasifikasian komponen laba. Dengan mengklasifikasikan komponen laba dapat
memprediksi laba bersih pada masa yang akan datang.
Sehubungan dengan hal inilah, penulis menyusun skripsi dengan judul
"Memprediksi Laba Bersih Tahunan Berdasarkan Klasifikasi Komponen Laba
Menggunakan Analisis Statistik Regresi (studi kasus pada PT TELEKOMUNIKASI
INDONESIA Tbk)". Tujuan dari penelitian ini untuk mendapatkan bukti empiris bahwa
klasifikasi laba dengan komposisi yang paling rinci dapat meningkatkan kemampuan dalam
memprediksi laba.
Penelitian ini menggunakan metode hypotheses testing. Sampel yang dipilih adalah
PT. Telekomunikasi Indonesia Tbk, dengan menggunakan laporan laba rugi tahunan periode
2000 sampai dengan 2009. Data penelitian ini kemudian diolah menggunakan salah satu
software statistik, alat bantu statistik regresi dan korelasi, yaitu SPSS 17.
Hasil penelitian menunjukkan bahwa komponen laba secara simultan selama periode
yang diteliti memengaruhi laba bersih yang akan datang secara signifikan kecuali model
persamaan kelima. Hal ini dilihat dari nilai sig. F pada tabel 4.38. Nilai sig. F pada model
peramalan ke satu sampai keempat sebesar 0,002; 0,004; 0,016; 0,046 (lebih kecil dari 0,05)
yang berarti memiliki pengaruh signifikan sedangkan model persamaan kelima memiliki nilai
sig. F 0,090 (lebih besar dari 0,05) yang berarti tidak memiliki pengaruh signifikan terhadap
laba bersih yang akan datang. Selain itu didapatkan pula nilai Adjusted R Square yang
terbesar pada model peramalan kedua sebesar 74,1% Nilai tersebut menunjukkan bahwa
sebesar 74,1% laba bersih tahun yang akan datang dapat dijelaskan menggunakan variabel
bebas pada model peramalan kedua, yaitu laba bersih 1-1 dan laba kotor 1-1. Sedangkan sisanya
sebesar 25,9% dipengaruhi oleh faktor-faktor lain di luar variabel yang ditelitikan,
diantaranya kondisi pasar, tingkat inflasi, tingkat suku bunga, kondisi politik, serta faktor-faktor
eksternal lainnya. Hal ini juga menunjukkan bahwa model peramalan kedua dengan
persamaan Y= 2903655 + 0,076X1 +0,141X2, yang memberikan nilai Adjusted R Square
terbesar merupakan model peramalan yang paling akurat dibandingkan model peramalan
lainnya berarti persamaan yang secara bersamaan menggunakan komponen laba lebih
sedikitlah yang memberikan hasil prediksi yang paling akurat.
Barcode | Tipe Koleksi | Nomor Panggil | Lokasi | Status | |
---|---|---|---|---|---|
skp4241 | DIG - FE | Skripsi | AKUN MAR m/11 | Perpustakaan | Tersedia namun tidak untuk dipinjamkan - Missing |
Tidak tersedia versi lain