Isi Resume

download Isi Resume

of 36

  • date post

    29-Oct-2015
  • Category

    Documents

  • view

    46
  • download

    0

Embed Size (px)

Transcript of Isi Resume

A. HAKIKAT DARI PENDEKATAN PREDIKTIFPendekatan prediktif muncul karena adanya kebutuhan untuk pemecahan masalah yang rumit dalam mengevaluasi metode-metode dari beberapa alternatif pengukuran akuntansi. Pendekatan prediktif terhadap beberapa formulasi suatu teori akuntansi menggunakan kriteria kemampuan prediktif. Hasil dari kemampuan prediktif tersebut yang digunakan sebagai pertimbangan dalam menentukan atau memilih mana metode terbaik diantara beberapa metode-metode yang ada. Dalam menentukan metode terbaik dengan memperhatikan besarnya kekuatan prediktif dari hasil prediksi tersebut. Kriteria dari kemampuan prediktif menekankan pada relevansi sebagai kriteria utama dari pelaporan keuangan. Relevansi diartikan sebagai suatu perhatian akan informasi mengenai peristiwa-peristiwa di masa yang akan datang. Oleh karena itu, data yang relevan ditandai dengan adanya kemampuan untuk memprediksikan peristiwa-peristiwa di masa datang. Menurut Beaver, dkk., dengan menunujukkan bahwa alternatif ukuran akuntansi memiliki sifat-sifat dari hipotesis yang saling bertentangan, telah merasionalisasikan penggunaan kemampuan prediktif dalam akuntansi. Keunggulan dari pendekatan prediktif ini adalah memungkinkan kita untuk mengevaluasi alternatif pengukuran akuntansi secara empiris dan membuat suatu pilihan yang nyata berdasar atas suatu kriteria diskriminator.Kemampuan prediktif juga disebut sebagai suatu kriteria purposif (bertujuan tertentu) yang dapat dihubungkan dengan salah satu tujuan dari pengumpulan data akuntansi dan fasilitasi pengambilan keputusan. Beberapa literatur akuntansi selalu beranggapan bahwa data akuntansi harus memfasilitasi pengambilan keputusan. Setelah adanya pengambilan keputusan muncullah dua masalah. Pertama, sulit untuk mengidentifikasi dan mendefinisikan semua model keputusan yang diterapkan oleh para pengguna informasi akuntansi, karena kebanyakan dari model tersebut bersifat deskriptif, bukan normatif. Kedua, jika model keputusan telah terdefinisikan dengan baik, suatu pemilihan informasi yang relevan dapat saja hilang. Dengan maksud untuk mendapatkan pemilihan informasi yang relevan untuk pengambilan keputusanlah dibutuhkan adanya kemampuan prediktif untuk menentukan ukuran akuntansi yang memberikan keputusan yang lebih baik. Dan perlu digaris bawahi mengenai pembedaan fundamental antara prediksi dan keputusan, yakni :

Memprediksi belum tentu perlu membuat keputusan.Namun membuat suatu keputusan perlu adanya suatu prediksi.

Kemudian terlihat bahwa metode prediktif mungkin dapat mengalami kegagalan karena gagal untuk mengidentifikasi dan mendefinisikan model keputusan dari pengguna dan jenis-jenis peristiwa yang seharusnya diprediksikan. Hal ini mengakibatkan adanya perubahan menjadi 2 aliran. Pertama, aliran yang berkaitan dengan kemampuan dari data akuntansi untuk menjelaskan dan meramalkan peristiwa-peristiwa ekonomi. Kedua, aliran yang berkaitan dengan kemampuan dari data akuntansi untuk menjelaskan dan memprediksikan reaksi pasar terhadap pengungkapan. Kedua aliran tersebut akan dibahas lebih lanjut di bawah ini.

B. PREDIKSI DARI SUATU PERISTIWA EKONOMIDalam sudut pandang pendekatan prediktif dalam formulasi suatu teori akuntansi, alternatif pengukuran hendaknya dievaluasi berdasarkan kemampuan pengguna untuk meramalkan peristiwa-peristiwa ekonomi atau bisnis. Secara umum kriteria nilai prediktif adalah suatu hubungan probabilitas antara peristiwa-peristiwa ekonomi yang menjadi perhatian dari pengambilan keputusan dan variabel-variabel pembuat prediksi yang relevan yang diperoleh dari informasi akuntansi. Di bawah ini adalah aliran yang pertama atau aliran yang berkaitan dengan kemampuan dari data akuntansi untuk menjelaskan dan meramalkan peristiwa-peristiwa ekonomi.1. Analisis time seriesAnalisis rangkaian waktu (time-series) adalah suatu pendekatan metodologis structural dimana ketergantungan statistical sementara dalam suatu kumpulan data dapat diperiksa. Nilai-nilai masa lalu dari suatu kumpulan data digunakan untuk memberikan petunjuk sehubungan dengan kemungkinan realisasi kumpulan data yang sama di masa depan. Penelitian analisis time-series berfokus pada :a. Sifat-sifat time-series dari laba yang dilaporkanPengetahuan tentang sifat-sifat dari laba yang dilaporkan dapat meningkatkan kemampuan prediktif dan umpan balik dari kandungan informasi. Penerapan prosedur statistik pada studi mengenai sifat-sifat time-series dari variabel-variabel akuntansi tumbuh dari tesis, yang menyatakan bahwa variabel tersebut paling tepat diuraikan sebagai variabel acak. Penelitian yang telah memeriksa perilaku dari laba yang dilaporkan dan model-model yang menggambarkan laba kuartal :1) Rangkaian laba tahunan : temuan menyajikan proses rata-rata bergerak, suatu sub martingale (satu dari dua proses rata-rata bergerak regresif). Yang perlu dilakukan dalam penelitian ini adalah membuat model dari time-seriesyang diamati dan menguji kecocokan dari model yang didapatkan. Jenis penelitian ini cocok digunakan untuk menentuka dampak dari perubahan kebijakan akuntansi pada model-model probabilistik dari perilaku laba. 2) Rangkaian laba triwulan : temuan yang ada mengungkapkan bahwa proses laba triwulanan tidaklah sepenuhnya memiliki sifat acak. Namun mengikuti suatu proses autoregresif (rata-rata bergerak) yang ditandai oleh komponen-komponen musiman dan triwulan ke triwulan.b. Isu-isu prediksi dalam analisis time-seriesJumlah laba yang dilaporkan adalah suatu angka yang agregat dalam dua dimensi yaitu : 1) Dimensi temporer : laba tahunan adalah suatu kumpulan dari laba masing-masing empat triwulanan2) Dimensi komposisional : laba tahunan adalah suatu kumpulan dari subseri-subseri ekuivalen waktu seperti penjualan dan harga pokok penjualan.Penelitian yang didasarkan pada time-series akuntansi telah memperhitungkan kemampuan prediktif dari laba tahunan yang lalu, laba triwulanan yang lalu, dan komponen-komponen laba. Yang akan dijelaskan lebih lanjut, sebagai berikut :1) Penggunaan laba tahunan yang lalu, untuk memprediksi laba di masa depan. Beberapa studi menunjukkan adanya proses autoregresif yang rumit, yang telah dikembangkan dengan menggunakan prosedur Box dan Jenkins. Hasil prediksi tidak lebih baik daripada model berjalan secara acak.2) Penggunaan laba triwulanan yang lalu untuk meramalkan laba di masa depan. Beberapa studi menunjukkan adanya suatu kemampuan prediktif yang baik dari model laba triwulanan, jika dibandingkan dengan model tahunan dan model-model teridentifikasi secara individual dari Box dan Jenkins yang lebih komprehensif.3) Penggunaan komponen-komponen laba, untuk memprediksi laba di masa depan. Bukti-bukti yang ada mendukung kemampuan prediksi yang lebih baik dari data penjualan dan laba yang terpilah-pilah. Namun hal ini tidak ditunjukkan bagi model-model yang didasarkan pada komponen-komponen seperti : beban bunga, beban penyusutan dan laba operasi sebelum depresiasi.2. Prediksi KesulitanAplikasi-aplikasi yang paling relevan dari pendekatan prediktif adalah usaha-usaha untuk mecari karakteristik yang telah divalidasi secara empiris yang membedakan perusahaan-perusahaan yang mengalami kesulitan keuangan dengan yang tidak. Baik menggunakan model univariate maupun multiivariate telah digunakan untuk membantu seorang auditor menentukan kapan suatu perusahaan mendekati pailit.Dalam studi univariate Beaver, yang menguji seperangkat akuntansi untuk memprediksi kegagalan perusahaan. Hasilnya ialah kemampuan prediktif unggul dari rasio arus kas dibandingkan total utang, diikuti oleh laba bersih dibandingkan dengan total aktiva. Dalam studi multivariate, Altman menggunakan suatu analisis multi diskriminan yang memuat 5 variabel yaitu

X = jaringan modal/ total aktivaX = laba ditahan/ total aktivaX = laba sebelum beban bunga dan pajak/ total aktivaX = niai pasar dari ekuitas/nilai buku dari total kewajibanX = penjualan/total aktiva

Z = 0,12 X1 + 0,14 X2 + 0,33 X3 + 0,006 X4 + 0,999 X5Fungsi diskriminan dari Altman yaitu :

Dengan beberapa temuan yaitu : Perusahaan dengan nilai Z > dari 2,99 tergolong kelompok non-bangkrut, sedangkan perusahaan dengan nilai Z < 1,81 akan bangkrut pada tahun berikutnya. Nilai Z sebesar 2,675 meminimalisasi jumlah total perusahaan-perusahaan yang salah diklasifikasikan oleh model.Selain itu, Ohlson mengusulkan sebuah model logit, yang menguji dampak dari 4 faktor dasar probabilitas kebangkrutan yaitu ukuran :a. Perusahaanb. Struktur keuangan perusahaanc. Kinerjad. LikuiditasDengan memilih 9 rasio keuangan sebagai variabel independen untuk mempresentasikan 4 faktor diatas.

Z = Total aktiva/indeks tingkat harga Produk Nasional BrutoTLTA = Total Liabities/Total AssetsWCTA = Work Capital/Total AssetsCLCA = Current Liability/Current AssetOENEG = satu jika total kewajiban melebihi total aktiva, selain itu nolNITA = Net Income(Laba Bersih)/Total AssetsFUTL = Pendanaan yang diberikan oleh operasi/Total LiabilitiesINTWO = satu jika laba bersih adalah negatif selama 2 tahun terakhir, selain itu nolCHIN = (NIt NIt-1) atau (| NIt |+ |NIt-1|), dimana NI=Laba bersih tahun yang paling akhir. CHIN= Change of Net Income (Ukuran perubahan dalam laba bersih).

Menyajikan 3 model yaitu :

a. = - 1,32 0,407 SIZE + 6,03 TLTA 1,43 WCTA + 0,0757 CLCA 2,37 NITA 1,83 FUTL + 0,285 INTWO +1,72 OENEG 5,21 CHIN Model 1 : Memprediksi kebangkrutan dalam satu tahun.

b. = - 1,84 0,519 SIZE + 4,76 TLTA + 1,7