Laporan Keuangan Menurut PSAK

Menurut PSAK nomor 1 (revisi 2009), laporan keuangan adalah suatu pengajian terstruktur dari posisi keuangan dan kinerja keuangan suatu entitas. Tujuan laporan keuangan adalah untuk memberikan informasi mengenai posisi keuangan, kinerja keuangan, dan arus kas entitas yang bermanfaat bagi sebagian besar kalangan pengguna laporan dalam pembuatan keputusan investasi. Laporan keuangan juga menunjukkan hasil pertanggungjawaban manajemen atas penggunaan sumber daya yang dipercayakan kepada mereka. Dalam rangka mencapai tujuan tersebut, laporan keuangan menyajikan informasi mengenai entitas yang meliputi:

a.aset

b.laibilitas

c.ekuitas

d.pendapatan dan beban termasuk keuntungan dan kerugian

Informasi tersebut, beserta informasi lainnya yang terdapat dalam catatan atas laporan keuangan, membantu pengguna laporan dalam memprediksi arus kas masa depan dan khususnya dalam hal waktu dan kepastian diperolehnya kas dan setara kas.

Laporan keuangan yang lengkap terdiri dari komponen-komponen berikut ini:
a.laporan posisi keuangan pada akhir periode b.laporan laba rugi komprehensif selama periode c.laporan perubahan ekuitas selama periode d.laporan arus kas selama periode e.catatan atas laporan keuangan, berisi ringkasan f.kebijakan akuntansi penting dan informasi penjelasan lainnya
Di dalam penelitian ini peneliti hanya mengunakan lapora dari komponen laporan posisi keuangan pada akhir periode dan laporan laba rugi komprehensif selama periode perusahaan tersebut.

Macam-Macam Regresi Dalam SPSS

Uji asumsi klasik bertujuan agar nilai parameter penduga tidak biasa. Model regresi yang baik dalam melakukan peramalan adalah model dengan kesalahan peramalan yang seminimal mungkin.

a.Uji Normalitas Data

Uji normalitas dimaksudkan untuk memperlihatkan bahwa sampel diambil dari populasi yang terdistribusi normal. Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya memiliki distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi normal atau mendekati normal. Dalam penelitian ini normalitas data diuji dengan menggunakan uji kolmogorov-Smirnov test. Pengambilan kesimpulan bahwa data terdistribusi secara normal dapat diketahui dengan melihat signifikansi yang lebih besar dari 0,05.

b.Uji Asumsi Klasik

1)Uji Autokorelasi

Autokorelasi adalah korelasi yang terjadi diantara anggota observasi yang terletak berderetan. Uji autokorelasi bertujuan untuk mengetahui ada atau tidaknya korelasi yang terjadi antara residual pada satu pengamatan dengan pengamatan yang lain pada model regresi. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi.

Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu (time series) karena ‘gangguan’ pada individu atau kelompok cenderung mempengaruhi ‘gangguan’ individu atau kelompok yang sama pada periode berikutnya.

2)Uji Multikolinieritas

Menurut Ghozali (2005, hal 91), uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi atas variabel bebas (independen). Model regresi yang baik seharusnya bebas multikolinieritas atau tidak terjadi korelasi diantara variabel independen. Uji Multikolinieritas dapat dilihat dari :

a.Nilai Tolerance harus lebih besar dari 0,1 atau;

b.Nilai Variance Infaltion Factor (VIF) lebih kecil dari 10

3)Uji Heteroskedastisitas

Dengan melihat grafik plot antara nilai variabel terikat dengan residual. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit), maka mengidentifikasi telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka nol pada sumbu Y, maka tidak terjadi heteroskedastisitas

d.Uji Simultan dengan F-test

Uji simultan dengan F-test ini bertujuan untuk mengetahui pengaruh bersama – sama variabel independen terhadap variabel dependen. Hasil F-test menunjukkan variabel independen secara bersama – sama berpengaruh terhadap variabel dependen jika p-value (pada kolom sig.) lebih kecil dari level of significant yang ditentukan atau F hitung (pada kolom F) lebih besar dari F tabel. F tabel dihitung dengan cara df1 = k-1dan df2 = n – k, k adalah jumlah variabel dependen dan independen.

e.Uji Parsial dengan t-test

T-test ini bertujuan untuk mengetahui besarnya pengaruh masing – masing variabel independen secara individual (parsial) terhadap variabel independen. Nilai uji t-test dapat dilihat dari p-value (pada kolom sig.) pada variabel masing – masing independen, jika p-value (pada kolom sig.) lebih kecil dari level of significant yang ditentukan atau t hitung ( kolom t) lebih besar dari t tabel (dihitung dari two-tailed α = 5% df – k, k merupakan jumlah variabel independen)

daftar pustaka

Duwi, Priyatno. 2009. 5 Jam Belajar Olah Data dengan SPSS 17. Yogyakarta : C.V Andi Offset.

SPSS

Teknologi sekarang sudah canggih, sehingga sekarang ini dalam mengolah data statistik cenderung diselesaikan dengan komputer melalui program-program statistik. Keberadaan program statistik semacam itu memberikan banyak manfaat dan keuntungan buat para peneliti, seperti pengerjaaan yang lebih singkat, akurasi hasil perhitungan yang tinggi dan sebagainya. Salah satu program untuk pengolahan data adalah SPSS.

Sampai saat ini SPSS merupakan program statistik yang paling populer dan paling banyak dipakai di seluruh dunia. Para peneliti menggunakannya untuk berbagai keperluan seperti riset pasar maupun untuk menyelesaikan tugas penelitian seperti skripsi, tesis, disertasi, dan sebagainya.

SPSS pertama kali dibuat pada tahun 1968 oleh tiga orang mahasiswa dari Stanford University. Awalnya, SPSS merupakan kependekan dari Statistical Package for the Sosial Sciences karena program ini mula-mula dipakai untuk meneliti ilmu-ilmu sosial.

Namun, seiring perkembangannya dari waktu ke waktu SPSS penggunaannya semakin luas untuk bidang ilmu seperti bisnis, pertanian, industri, ekonomi, psikologi dan lain-lain sehingga sampai sekarang kepanjangan SPSS adalah Statistical Product and Service Solution (Duwi Priyatno, 2008). Dalam penelitian saya SPSS sangat berguna sekali.

Namun sebelum dilakukan Uji Regresi linear berganda tersebut harus dilakukan uji normalitas kemudian dilanjutkan kedalam uji asumsi klasik yang terdiri dari autokorelasi, multikolinieritas, dan heteroskedastisitas. Uji asumsi klasik bertujuan agar nilai parameter penduga tidak biasa. Model regresi yang baik dalam melakukan peramalan adalah model dengan kesalahan peramalan yang seminimal mungkin.

Materi Disribusi Sampling

Pengertian disribusi sampling

Untuk mengetahui untuk membantu memahami distribusi dari suatu karakteristik populasi yang tidak diketahui, ilmuwan dan insinyur sering menggunakan data sampel teknik sampling berguna dalam penarikan kesimpulan (inference) yg valid dan dapat dipercaya teknik pengambilan sampling yang baik dan benar dapat menghemat biaya dan waktu tanpa mengurangi keakuratan hasil.

Nah , yang dimadsud dengan disribusi sampling adalah distribusi nilai statistic sampel-sampel.

Jika statistik yang ditinjau adalah mean dari masing masing sampel, maka distribusi yang terbentuk disebut distribusi mean-mean sampling (sampling distribution of the means).

Dengan demikian dapat juga diperoleh distribusi deviasi standard, varians, median dari sampling.

Masing-masing jenis distribusi sampling dapat dihitung ukuran-ukuran statistik deskriptifnya (mean, range, deviasi standard, da lain-lain).

Sampling distribution tergantung dari ukuran populasi, ukuran sampel, metode memililih sampel.

Distribusi sampling dari X dengan dengan ukuran sampel n adalah suatu distribusi yang bila percobaan dilakukan secara berulang (selalu dengan jumlah sampel n) akan menghasilkan banyak nilai sampel dengan rata-rata X .

Distribusi sampling ini menggambarkan variabilitas (perubahan) rata-rata sampel terhadap rata-rata populasi μ.

Uji Hipotesis

1.Pengertian

Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. Pengujian hipotesis berhubungan dengan penerimaan atau penolakan suatu hipotesis. Kebenaran (benar atau salahnya ) suatu hipotesis tidak akan pernah diketahui dengan pasti, kecuali kita memeriksa seluruh populasi.

(Memeriksa seluruh populasi? Apa mungkin?). Lalu apa yang kita lakukan, jika kita tidak mungkin memeriksa seluruh populasi untuk memastikan kebenaran suatu hipotesis? Kita dapat mengambil sampel acak, dan menggunakan informasi (atau bukti) dari sampel itu untuk menerima atau menolak suatu hipotesis.

Nilai yang diasumsikan dinyatakan dalam :

•Ho atau null hypothesis

•H1 atau alternative hypothesis

Null hypothesis diuji berhadapan dengan alternative hypothesis. Teori pengujian hipotesis akan memutuskan apakah apakah Ho ditolak atau diterima. Keputusan menolak atau menerima didasarkan pada test statistik yang diperoleh dari sampel, setelah dibandingkan dengan nilai kritis dari distribusi statistik yang bersangkutan dalam tabel.

Hipotesis di golongkan menjadi 2 :

1.Hipotesis nol adalah hipotesis yang di rumuskan dengan harapan akan di tolak yang di lambangkan dengan Ho. Nilai Hipotesis Nol ( ) harus menyatakan dengan pasti nilai parameter. Ho mengandung suatu tanda =, ≤, dan ≥.

2.Hipotesis alternatif adalah hipotesis yang merupakan lawan dari hipotesis nol yang di lambangkan dengan Ha atau . Nilai Hipotesis Alternatif ( ) dapat memiliki beberapa kemungkinan. Ha atau mengandung tanda >, <, dan ≠.

Pengerjaan Uji Hipotesis

Terdapat 7 langkah pengerjaan hipotesis :

1.Tentukan Ho dan Ha

2*Tentukan statistik uji [ z atau t]

3*Tentukan arah pengujian [1 atau 2]

4*Taraf Nyata Pengujian [ atau /2]

5.Tentukan nilai titik kritis atau daerah penerimaan-penolakan

6.Cari nilai Statistik Hitung

7.Tentukan kesimpulan terima atau tolak

*) Urutan pengerjaan langkah ke2, 3 dan 4 dapat saling dipertukarkan!

Statiska non parametik

1.Landasan teori

Pada uji statiska non parametik diterapkan / dipakai sebagai uji statistic apabila skala data/pengukurannya sekurang-kurangnya berskala interval dan data yang dimiliki berdisribusi normal. Namun apabila salah satu atau kedua syarat tersebut pada uji parametik tidak terpenuhi maka uji ini tidak dapat digunakan/diterapkan, sehingga diperlukan uji-uji lain, pada statiska parametik yakni uji-uji pada statiska paramatik.

Kelebihan statistic ini adalah :

a.Karena kebanyakan uji-uji pada statistika non parametik memerlukan asumsi dalam jumlah yang minimum/sedikit, maka kemungkinan digunakan secara salahpun kecil.

b.Untuk beberapa uji-uji pada statistika non-parametik, perhitungan-perhitungan dapat dengan cepat dan mudah, terutama bila terpaksa dikerjakan secara manual. Jadi penggunaan uji ini menghemat waktu yang diperlukan untuk diperhitungan. Ini bisa dijadikan bahan pertimbangan yang bisa hasil pengkajian harus segera tersaji atau bila mesin hitung berkemampuan tinggi tidak disediakan.

c.Para peneliti dengan dasar matekmatika serta statistika yan kurang biasanya menemukan bahwa konsep-konsep dan metode uji pada statistika non parametik mudah dipahami.

d.Uji pada statistika non parametik bisa diterapkan jika data telah diukur mengunakan skala penggukuran yang lemah , sebagaimana bila hanya data hitung dan data peringkat yag tersedia untuk dianalis.

Sedangkan kelemahan dari uji parametik adalah :

a.Kerena perhitungan-perhitungan yang dibutuhkan untuk kebanyakan uji-uji pada statistic non parametik cepat dan sederhana, uji-uji ini kadang digunakan untuk kasus-kasus yang lebih tepat bila ditangani dengan uji-uji pada statistic non parametik. Cara seperti ini sering menyebabkan pemborosan informasi.

b.Kendatipun uji-uji pada statistic no parametik terkenal prinsip perhitungan yang sederhana, pekerjaan hitung-menghitungnya sendiri acap kali membutuhkan banyak tenaga dan menjemukan.

Kapan uji parametik digunakan ?

a.Bila hipotesisi yang diuji tidak melibatkan suatu parameter populasi

b.Bila data telah diukur dengan skala yang lebih lemah disbanding dengan uang dipersyaratkan oleh uji-uji statistic non parametik yang semestinya digunakan.

c.Bila asumsi-asumsi yang diperlukan agar penggunaan suatu uji pada statistic parametik.

d.Bila hasil riset harus segera disajikan dan perhitungan terpaksa dikerjakan secara manual

Uji statistik non-parametrik dapat dikelompokkan menjadi 3 kategori, yaitu:

1.Uji sebuah sampel yang dibandingkan dengan menggunakan suatu distribusi tertentu, misalnya, distribusi chi-kuadrat, binomial, normal dan distribusi lainnya.

Untuk membandingkan frekuensi observasi dari variabel kategori dengan frekuensi harapan, digunakan uji Chi-kuadrat.

Untuk membandingkan frekuensi observasi dari variabel dikotomi dengan frekuensi harapan digunakan uji Binomial.

Untuk membandingkan distribusi kumulatif observasi suatu variabel dengan distribusi normal, uniform atau Poisson, digunakan uji Kolmogorov-Smirnov satu sampel.

Uji Runs digunakan untuk mengetahui apakah urutan suatu barisan pengamatan berubah-ubah secara random.

2.Uji untuk dua grup independen (bebas) atau lebih.

Perbandingan lokasi pemusatan dua buah distribusi yang diasumsikan mempunyai bentuk yang sama, digunakan uji 2 sampel independen U Mann Whitney yang merupakan versi non-parametrik uji T beda rata-rata. 2 sampel. Kelompok uji 2 sampel independen meliputi Uji Z Kolgomorov-Smirnov, Reaksi Ekstrem Moses dan Uji Runs Wald Wolfowitz. Untuk lebih dari 2 grup independen, digunakan Uji H Kruskal-Wallis.

3.Uji variabel-variabel berpasangan (paired) atau berhubungan (related)

Untuk membandingkan 2 variabel untuk masing-masing subyek, digunakan uji Wilcxon yang merupakan versi non-parametrik uji T berpasangan atau dependen. Kelompok uji ini meliputi uji Tanda (Sign) dan uji McNemar. Uji McNemar sangat cocok untuk membandingan 2 variabel kategori yang dikodekan dengan 2 nilai (biner). Untuk membandingkan lebih dari 2 pengukuran untuk masing-masing subyek, digunakan Uji Friedman (untuk variabel kategori tidak biner) atau uji W Kendall dan uji Q Cochran.