Kemampuan Laba Dan Arus Kas Operasi Masa Lalu Dalam Memprediksi Arus Kas Operasi Tahun Berjalan

Ramdan, Zidan Fachri and Dr. Sari Atmini, SE., Ak., M.Si. (2024) Kemampuan Laba Dan Arus Kas Operasi Masa Lalu Dalam Memprediksi Arus Kas Operasi Tahun Berjalan. Sarjana thesis, Universitas Brawijaya.

Abstract

Penelitian ini bertujuan untuk menguji dan menemukan bukti laba masa lalu memiliki kemampuan lebih unggul dibandingkan arus kas operasi masa lalu dalam memprediksi arus kas operasi tahun berjalan. Selain itu, penelitian ini bertujuan untuk menganalisis peran kualitas laba masa lalu dalam memperkuat pengaruh positif laba masa lalu terhadap arus kas operasi tahun berjalan. Penelitian ini menggunakan lag model selama tiga tahun untuk memberikan pandangan yang lebih komprehensif tentang tren jangka panjang karena dapat membuat model proyeksi yang lebih akurat dalam memprediksi arus kas operasi. Populasi penelitian ini adalah perusahaan yang masuk dalam indeks saham LQ45 selama tahun 2020-2022 sebanyak 60 perusahaan. Sampel yang diambil menggunakan purposive sampling dengan total perusahaan yang memenuhi kriteria sebanyak 29 perusahaan. Berdasarkan hasil pengujian analisis regresi data panel, penelitian ini menemukan bukti bahwa laba masa lalu memiliki kemampuan lebih unggul dibandingkan arus kas operasi masa lalu dalam memprediksi arus kas operasi tahun berjalan. Namun, penelitian ini tidak berhasil menemukan bukti bahwa kualitas laba masa lalu memperkuat pengaruh positif laba masa lalu dalam memprediksi arus kas operasi tahun berjalan. Dengan penggunaan lag model selama tiga tahun, penelitian ini menemukan bukti bahwa kemampuan prediktif masing-masing laba dan arus kas operasi masa lalu cenderung terbatas pada satu tahun sebelumnya, dengan kecenderungan penurunan seiring berlalunya waktu dalam memprediksi arus kas tahun berjalan Selain itu, penelitian ini menemukan bukti bahwa tren jangka panjang meningkatkan model kemampuan prediksi laba masa lalu dan arus kas operasi masa lalu terhadap arus kas operasi tahun berjalan sehingga dapat membuat proyeksi yang lebih akurat.

English Abstract

This research aims to examine and determine the evidence that past earnings have a more superior ability than past operating cash flows to predict the current year’s operating cash flows; and to analyze the role of past earnings quality in reinforcing the positive effect of past earnings on the current year’s operating cash flows. This research applies a lag model for three years to provide a more comprehensive view of long-term trends as it enables a more accurate projection model in predicting operating cash flows. The population includes 60 companies listed on the LQ45 stock index between 2020 and 2022, from which the samples of 29 companies according to established criteria are selected through purposive sampling. Based on the results of panel data regression analysis, this research proves that past earnings have a more superior ability than past operating cash flows to predict the current year’s operating cash flows, yet unable to prove that past earnings quality reinforces the positive effect of past earnings in predicting the current year’s operating cash flows. Through lag model for three years, this research finds that the predictive ability of both earnings and past operating cash flows tends to be limited to the preceding year, with a tendency to decline over time in predicting the current year's cash flows. Additionally, the study finds that a long-term trend enhances the model's predictive ability of past earnings and past operating cash flows on the current year's operating cash flows to enable more accurate projections.

Item Type:	Thesis (Sarjana)
Identification Number:	0524020135
Uncontrolled Keywords:	laba; arus kas operasi; kualitas laba; prediksi arus kas operasi
Divisions:	Fakultas Ekonomi dan Bisnis > Akuntansi
Depositing User:	Unnamed user with username nova
Date Deposited:	26 Jul 2024 05:49
Last Modified:	26 Jul 2024 05:49
URI:	http://repository.ub.ac.id/id/eprint/221979

Text (DALAM MASA EMBARGO) Zidan Fachri Ramdan.pdf Restricted to Registered users only Download (3MB)

Actions (login required)

View Item