0 penilaian0% menganggap dokumen ini bermanfaat (0 suara)
21 tayangan3 halaman
Dokumen tersebut membahas tentang pentingnya memahami distribusi angka laporan keuangan dalam pengambilan keputusan, dengan fokus pada asumsi normalitas distribusi. Disebutkan beberapa penelitian yang menunjukkan bahwa distribusi rasio keuangan seringkali tidak normal dan perlu diidentifikasi jenis distribusinya.
Dokumen tersebut membahas tentang pentingnya memahami distribusi angka laporan keuangan dalam pengambilan keputusan, dengan fokus pada asumsi normalitas distribusi. Disebutkan beberapa penelitian yang menunjukkan bahwa distribusi rasio keuangan seringkali tidak normal dan perlu diidentifikasi jenis distribusinya.
Dokumen tersebut membahas tentang pentingnya memahami distribusi angka laporan keuangan dalam pengambilan keputusan, dengan fokus pada asumsi normalitas distribusi. Disebutkan beberapa penelitian yang menunjukkan bahwa distribusi rasio keuangan seringkali tidak normal dan perlu diidentifikasi jenis distribusinya.
Beberapa contoh mengenai pentingnya pendistribusian angka-angka pelaporan keuangan meliputi: Dalam memutuskan meminjam uang di bank seorang analis akan mempertimbangkan distribusi rasio keuangan peminjam. Suatu keputusan strategi perusahaan, yang memfokuskan kepada pergerakan rasio earning to sales dari 10% terbawah menjadi 10% teratas. Keputusan dalam perjanjian audit tentang disain dari pendekatan sampling untuk mengestimasi karakteristik keuangan dari populasi. (Contoh dari beberapa sampel pengujian dan menggunakan pendekatan sampel acak atau pendekatan sampel garis). Suatu keputusan untuk menggunakan alat-alat statistik dalam menganalisis data laporan keuangan, misalnya menggunakan t-test. Bukti dari pendistribusian angka laporan keuangan juga bisa menjadi stimulus untuk penelitian selanjutnya yang dapat meningkatkan pemahaman yang lebih baik dari sifat data laporan keuangan. B. Fokus Pada Normalitas Alasan untuk fokus pada normalitas adalah: 1) distribusi yang normal memiliki sifat menarik dengan mengetahui hanya dua statistik (mean dan deviasi standar) sudah cukup untuk menggambarkan distribusi normal secara keseluruhan; 2) bahwa banyak alat statistik tersedia untuk menganalisis data laporan keuangan berdasarkan asumsi data berdistribusi normal. Bila normalitas ditolak maka asumsikan bahwa analis memutuskan distribusi normal tidak digambarkan valid bagi data untuk diperiksa. Pilihan yang tersedia adalah sebagai berikut: 1. Tentukan normalitas data, caranya adalah dengan me-ranking pengamatan pada data yang diteliti dan mengkonversi ranking ini pada angka distribusi normal yang terstandarisasi. 2. Transformasi/ubah data menjadi sedemikian rupa sehingga asumsi distribusi normal adalah deskriptif 3. Tentukan normalitas dengan cara menghimpun kembali (resetting) pengamatan- pengamatan ekstrim menjadi lebih sedikit atau disebut juga winsorizing data. 4. Tentukan normalitas dengan cara menghapus sebagian besar pengamatan yang menyimpang (pemangkasan sampel) 5. Mengakui nonnormality tanpa mencoba untuk mengindentifikasi distribusi tidak normal yang khusus, contohnya : a) Analisis data - memeriksa fractiles atau percentiles dari distribusi daripada hanya berfokus pada rata-rata dan deviasi standar. Dalam beberapa konteks, pencacahan lengkap dari distribusi mungkin dapat diadopsi. b) Pilihan alat statistik - menggunakan non parametrik statistik yang disebut "distribusi bebas". c) Gambaran kesimpulan - jika perangkat seperti kuadrat terkecil (OLS) regresi digunakan, jangan menarik kesimpulan dari hasil yang bergantung pada asumsi normalitas. 6. Identifikasi bentuk spesifik distribusi tidak normal, yang mencirikan data yang menarik. Identifikasi ini didasarkan pada : a) suatu analisis dari bukti sampel. b) ketersediaan bukti sebelumnya. c) suatu analisis ekonomi dari distribusi rasio. C. Aspek-aspek Distribusi Meliputi: 1. Central Tendency - diukur dengan beberapa statistik, salah satunya adalah median (nilai tengah) yaitu dihitung dengan meranking pengamatan yang tertinggi ke pengamatan yang terendah dan memilih rasio nilai tengah dari distribusi tersebut. 2. Dispersi - standar deviasi dan varian adalah suatu contoh dispersi. 3. Skewness – a skewed distribution bertolak dari kurva berbentuk lonceng yang memiliki distribusi normal baik di bagian atas atau bawah dari distribusi. 4. Kurtosis – koefisien kurtosis memberikan bukti apakah lebih atau kurang fat-tailed dari apa yang telah diharapkan dari suatu distribusi normal. 5. Studentized Range – statistik ini merupakan rasio rentang sampel dari standar deviasi sampel. 6. Fractiles of the Distribution – pemahaman yang lebih mendalam dalam pendistribusian variabel akan di dapat dari statistik ini. D. Bukti yang Diterbitkan untuk Pendistribusian Terdapat beberapa penelitian, antara lain:
PENELITI TAHUN OBJEK PENELITIAN HASIL
muncul asumsi-asumsi distribusi 11 rasio keuangan normality untuk rasio perushaan manufaktur di Deakin 1976 akuntansi keuangan, kecuali Amerika Serikat periode dalam kasus debt ratio 1953-1973 terhadap total asset. distribusi 11 rasio keuangan asumsi normality menolak Rickett dan 1978 Bank-bank di Amerika sebagian besar rasio bank Stover Serikat periode 1965-1974 komersial. distribusi 11 rasio keuangan dengan menghilangkan perushaan manufaktur di outlier, maka taksiran Frecka dan Amerika Serikat periode normality dapat diperoleh 1983 Hopwood 1953-1973 (fokusnya untuk populasi industri pengaruh outlier pada manufaktur dan industri distribusi rasio keuangan) yang khusus distribusi dari 7 rasio non-normality disebabkan Bougen dan keuangan di Inggris pada oleh tingkat variasi skewness 1980 Druy lebih dari 700 perusahaan dan keberadaan dari outlier- tahun 1975 outlier yang ekstrim. rasio-rasio yang sifat-sifat distribusi dari 11 menunjukkan adanya Buijink dan rasio keuangan sampel besar keadaan persistensi yang 1984 Jegers perusahaan-perusahaan di terus menerus terjadi dalam Belgia periode 1977-1981 aspek pendistribusian pada periode 1977-1981.
E. Beberapa Bukti Tambahan
Untuk mendapatkan wawasan tambahan ke dalam distribusi variabel keuangan, desil dari distribusi dihitung. Database terdiri dari semua perusahaan dengan 1983 data pada Compustat tape industri tahunan. Beberapa pendekatan tersedia untuk mengurangi penyimpangan dari normalitas, yaitu: pemangkasan sampel dan mengubah rasio keuangan. Dua transformasi yang umum digunakan untuk distribusi asimetris positif adalah nature logarithmic transformation dan transformasi akar kuadrat. Ilustrasi pendekatan yang digunakan dapat dilihat pada buku literatur halaman 112-113