1.

Pendahuluan
Pada dasarnya penggunaan angka-angka dalam laporan keuangan, ada hal-hal penting yang
perlu diperhatikan seperti berikut:
1.      Asumsi yang mendasari ukuran-ukuran ringkasan alternatif (seperti rasio).
2.      Sifat-sifat empiris yang mendasari angka dan ukuran ringkasan.
Kegagalan untuk mempertimbangkan masalah ini dapat menghasilkan gambar dari kesimpulan
yang salah, penggunaan alat statistik yang tidak sesuai, atau pengumpulan data yang berlebihan.

2. Asumsi Analisa Rasio

Hal-hal ini yang menjadi motivasi pentingnya penggunaan rasio dalam laporan keuangan:
a. Mengontrol dampak perbedaan ukuran antar perusahaan dari waktu ke waktu.
b. Membuat data lebih memuaskan dalam memenuhi asumsi-asumsi yang melandasi alat-
alat statistik seperti analisis regresi.
c. Untuk menyelidiki sebuah teori dimana rasio merupakan variabel kepentingan.
d. Untuk mengeksploitasi penelitian empiris yang diamati antara rasio keuangan dengan
estimasi atau peramalan dari variabel kepentingan (contohnya risiko dari sebuah saham
atau perusahaan yang menyatakan kebangkrutan).
Asumsi-asumsi yang terpenting dalam penggunaan rasio sebagai alat kontrol terhadap
perbedaan yakni karena proporsi di dalamnya tetap. Penjualan hanyalah salah satu ukuran yang
dapat digunakan untuk mengontrol dampak perbedaan ukuran antar perusahaan. Ukuran lain
termasuk total aset, modal pemegang saham, kapitalisasi pasar dan jumlah karyawan.
2.1 Alasan Untuk Analisa Non Rasio
Sebelumnya fokus terhadap asumsi relasional tersirat dalam pendekatan rasio untuk
mengendalikan efek terhadap perbedaan ukuran pada seluruh perusahaan atau dari waktu ke
waktu. Asumsi proporsionalitas tidak deskriptif, seperti dalam penerapan alat statistik analisis
regresi linier atau nonlinier sehingga dapat menjadi acuan dalam menganalisis data.
Terdapat juga alasan rasionalitas ekonomis untuk tidak membatasi analisis data dalam
bentuk rasio. Karena asumsi proporsionalitas dianggap sebagai asumsi paling tepat dalam
mengendalikan perbedaan ukuran perusahaan melalui penggunaan rasio yang dapat
menyebabkan hilangnya suatu informasi penting. Temuan pada penelitian yang ada adalah
bahwa frekuensi dari kegagalan akan lebih tinggi pada perusahaan kecil dibandingkan dengan
1
perusahaan besar. Jika yang diuji hanya data dalam bentuk rasio, ukuran perusahaan akan
dikeluarkan dari variabel dalam mode tersebut.

3. Isu-isu komputasi dan menghitung rasio

Masalah penginterpretasian dapat muncul berkaitan dengan penggunaan rasio dalam
berbagai konteks, antara lain:
3.1 Denominator negatif
Dapat diasumsikan bahwa analisis dalam pemeriksaan profitabilitas dari suatu perusahaan
dalam sebuah industri yang menemukan bahwa perusahaan memiliki ekuitas pemegang saham
negatif. Penggunaan pengamatan ini sebagai denominator dalam rasio earning to shareholder’s
equity akan menghasilkan rasio yang tidak dapat diartikan. Ada beberapa cara untuk mengatasi
rasio yang tidak dapat diartikan antara lain:
1) Menghapus pengamatan tersebut dari sampel,
2) Memeriksa alasan penyebab adanya denominator negatif dan membuat penyesuaian
selanjutnya,
3) Menggunakan alternatif rasio yang menggunakan  beberapa aspek profitabilitas,
misalnya:  ROA atau earnings to sales.
3.2 Pengamatan outlier
Outlier adalah sebuah pengamatan yang tampaknya tidak konsisten diantara data lainnya.
Ada beberapa langkah untuk menentukan apakah observasi merupakan outlier atau tidak. Ada
beberapa langkah untuk menentukan apakah pengamatan merupakan outlier atau tidak yaitu
pertama, dengan cara memastikan nilai ekstrim pada kesalahan pencatatan dan apakah nilai
ekstrim tersebut menyebabkan denominator dari rasio pada tahun tertentu, , kemudian yang
kedua mengklasifikasikan kebijakan akuntansi, metode akuntansi, kondisi ekonomis dan
perubahan struktural.
Pilihan alternatif yang tersedia bagi para analis ketika menghadapi observasi yang ekstrim
adalah:
1. Menghapus observasi ekstrim,
2. Mempertahankan observasi ekstrim sebagai kondisi ekstrim dari karakteristik yang
mendasari,

2
 3. Menyesuaiakan kebijakan akuntansi atau kondisi ekonomis yang dianggap
menyebabkan pengamatan ekstrim,
4. Winsorizing sampel
5. Trimming sampel.
Alternatif-alternatif ini mengakui bahwa penyebab nilai ekstrim tersebut bervariasi dan
dengan mempertimbangkan perhitungan, akuntansi, ekonomi dan faktor perubahan struktural
memberikan pertimbangan yang lebih beralasan dalam menangani aplikasi laporan keuangan.

4. Distribusi angka-angka dalam laporan keuangan

4.1 Pentingnya Pendistribusian Bukti
Pentingnya distribusi sebagai contoh adalah dalam keputusan memberikan pinjaman bank,
dimana analis ingin mengetahui dimana letak rasio perusahaan peminjam dalam distribusi
industri. Contoh  tentang area keputusan di mana bukti mengenai distribusi angka-angka laporan
keuangan ini penting meliputi:
1)   Sebuah keputusan pinjaman bank di mana keinginan seorang analis untuk menentukan di
mana pada distribusi industri, rasio keuangan dari pemohon pinjaman yang sebenarnya.
2)   Sebuah keputusan strategi perusahaan di mana fokusnya adalah pada potensi dari
penghasilan untuk menggerakkan rasio penjualan unit bisnis dari dasar 10% bawah
industri ke 10% teratas.
3)   Keputusan dalam keterlibatan audit tentang desain sebuah pendekatan pengambilan
sampel untuk memperkirakan karakteristik keuangan suatu populasi.
4)   Keputusan tentang alat statistik apa yang digunakan ketika menganalisis data laporan
keuangan. Statistik dan ekonometrik memberikan variasi yang luas dengan asumsi yang
berbeda untuk pendistribusian data yang dianalisis
Bukti pendistribusian angka-angka laporan keuangan bisa menjadi sebuah rangsangan
untuk melakukan penelitian lanjutan yang akan memberikan pemahaman lebih baik atas data
pada laporan keuangan.
4.2 Fokus pada normalitas
Kebanyakan analisa dari distribusi angka-angka dalam laporan keuangan mencoba
menentukan apakah distribusi normal dapat digunakan untuk menjelaskan angka-angka tersebut.
Alasan pertama mengapa berfokus pada normalitas data adalah karena distribusi normal
3
memiliki properti menarik dimana hanya dua statistik yang memenuhi karakteristik untuk
seluruh distribusi normal. Alasan kedua adalah banyak alat statistik yang tersedia untuk
menganalisa data laporan keuangan menggunakan asumsi bahwa data tersebut berdistribusi
normal. Jika normalitas ditolak maka hal ini dapat diatasi dengan:
1) Memaksakan  kewajaran atau normalitas pada data
2) Mencoba untuk mentransform data sehingga asumsi data normal dapat dicapai
3) Mencoba untuk memaksa normalitas dengan mereset observasi yang ekstrim
4) Memaksakan data menjadi normal dengan menghapus pengamatan yang menyimpang
5) Mengakui ketidaknormalan tanpa mencoba mengidentifikasi distribusi normal tertentu
6) Mengidentifikasikan bentuk distribusi tidak normal  yang mengkarakteristikan data yang
hendak diamati. Identifikasi ini dapat didasarkan, pada (a) analisis bukti sampel, (b)
sebelum bukti yang tersedia, atau (c) analisis ekonomi dari distribusi rasio.
4.3 Aspek Distribusi
1) Central tendency dapat dihitung dengan statistik yaitu median
2) Dispersion. Standar deviasi merupakan alat ukur yang umum untuk mengukur dispersion
3) Skewnees Distribusi skewnees berbeda dengan distribusi berbentuk bel dari distribusi
normal. Alat ukur yang biasanya digunakan untuk mengukur skewnees adalah keofisiean
skewnees.
4) Kurtosis merupakan test yang umum digunakan untuk mengukur normalitas adalah
membandingkan distribusi sampel dengan distribusi normal menurut teori.
5) Studentized Range merupakan pengukur lain dari dispersision.
6) Fractiles of the distribution. Kegunaan dari distribusi suatu variabel terkadang diperoleh
dari fractiles of the distribution.
4.4 Bukti Pendistribusian yang Dipublikasikan
Beberapa studi melaporkan bukti-bukti distribusi dalam rasio keuangan, yaitu :
1) Deakin tahun 1976 menguji distribusi 11 rasio keuangan pada perusahaan manufaktur di
Amerika Serikat pada periode 1953-1973 . Studi ini menyimpulkan bahwa normalitas pada
rasio laporan keuangan tidak dapat dipertahankan kecuali jika rasio total hutang dengan
total aset. Normalitas dapat dicapai dengan transformasi data.

4
 2) Ricketts dan Stover tahun 1978 menguji distribusi 11 rasio keuangan pada bank di
Amerika Serikat pada periode 1965-1974. Studi ini menyimpulkan bahwa asumsi
normalitas tidak dapat ditolak pada rasio bank yang diuji.
3) Frecka dan Hopwood tahun 1983 melakukan pengujian serupa dengan Deakin tahun 1976
dengan periode 1950-1979, menyimpulkan bahwa dengan menghapus outlier, normalitas
atau setidaknya mendekati normalitas, dapat tercapai untuk populasi perusahaan
manufaktur dan untuk industri spesifik lainnya.
4) Bougen dan Drudy tahun 1980 menguji distribusi dari 7 rasio keuangan pada lebih dari 700
perusahaan di Inggris pada tahun 1975, kemudian disimpulkan bahwa bukti-bukti di
Inggris mengindikasikan non-normalitas yang disebabkan oleh beragamnya tingkat
skewness dan adanya outlier yang ekstrim.
5) Buijink dan Jegers tahun 1984 yang menguji distribusi 11 rasio keuangan pada perusahaan
Belgia pada periode 1977-1981 menyimpulkan bahwa rasio-rasio yang diuji menyajikan
kekonsistenan dalam aspek distribusi tersebut.
4.5 Pendekatan-pendekatan untuk mengurangi penyimpangan normalitas
Beberapa pendekatan yang dapat mengurangi penyimpangan dari normalitas. Untuk
mengilustrasikan hal tersebut, efek dari menggunakan dua pendekatan alternatif untuk tiga rasio
keuangan berikut ini disajikan:
1) Aktiva lancar / kewajiban lancar
2) (kewajiban lancer - kewajiban jangka panjang) / pemegang saham ekuitas
3) Penjualan / piutang
4) Trimming pada sampel yang secara substansial dapat mengurangi penyimpangan
normalitas saat seluruh sampel diperiksa.
5) Transforming rasio keuangan dengan menggunakan transformasi logaritma dan akar
kuadrat.

5. Hubungan dan pergerakan diantara angka-angka laporan keuangan

5.1 Hubungan Cross-Section
Hubungan Cross-section antara rasio keuangan menjadi penting ketika menggunakan rasio
dalam model statistik Bukti menunjukan distribusi dari banyak rasio financial tidak
normal .Bukti ini memiliki implikasi ketika memeriksa hubungan antara rasio keuangan pada
5
suatu titik. Dua alat statistik utama yang digunakan untuk menganalisa hubungan antaradua
variabel adalah (1) Pearson moment correlation statistic yang digunakan pada saat distribusi
diperkirakan normal dan (2) Spearman rank correlation statistic apabila tidak dipertimbangkan
distribusi dari variabel.
5.2 Pergerakan Time series
Rasio keuangan juga digunakan untuk menilai perubahan likuiditas, profitabilitas, dan
sebagainya. Permasalahan muncul ketika pertanyaan berapa banyak rasio harus diperiksa dalam
penilaiana time-series. Satu pendakatan adalah dengan memeriksa sejauh mana rasio keuangan
nergerak bersama-sama dalam periode waktu.
5.3 Beberapa Bukti Tambahan
Secara umum, korelasi dan pergerakan rasio pada setiap kategori lebih tinggi dibandingkan
korelasi dan pergerakan dari rasio yang direpesentasikan antar kategori berbeda. Kategori
perputaran dan pasar modal merupakan yang terendah diantara kategori korelasi antara rasio
individual. Dua kategori ini juga telah dilaporkan relatif heterogen pada studi sebelumnya.
5.4 Beberapa Komentar Umum
1) Lev dan Sunder (1979) dan Whittington (1980) menyatakan bahwa terdapat peningkatan
kesadaran atas ketatnya asumsi implisit proporsional saat menggunakan rasio sebagai
kontrol untuk perbedaan ukuran antar perusahaan.
2) McDonald dan Morris (1984) menyelidiki asumsi dengan empat rasio keuangan :
aset/penjualan lancar, aset lancar/kewajiban lancar, arus kas/total hutang, dan total
hutang/total aset.
3) studi empiris dari distribusi rasio keuangan telah diuji dengan dua cara : a) rasio
didistribusikan dengan normal, b) rasio didistribusikan tidak normal. Sebuah pendekatan
yang lebih menarik untuk mengembangkan distribusi diuji lebih lanjut. McLeay (1984)
mendiskusikan penggunaan pendekatan maksimum untuk hubungan distribusi deskriptif
dan non deskriptif.
4) Bukti penelitian menunjukkan bahwa rasio laporan keuangan dan variabel lain bergerak
secara bersama-sama dari waktu ke waktu karena adanya pengaruh ekonomi dan faktor-
faktor yang terkait dengan industri. Bukti ini menyarankan bahwa pengujian untuk
normalitas atau bentuk distribusi lain harus dilakukan pada pada sumber-sumber yang
sama pada lintas waktu yang berbeda.
6
5) Gambola dan Ketz (1983) melakukan studi terhadap 58 rasio keuangan pada 783
perusahaan manufaktur selama periode 1971-1980. Lalu untuk setiap tahun, analisis faktor
diaplikasikan pada 58 rasio keuangan tersebut. Gambola dan Ketz (1983) mengembangkan
delapan faktor yang memiliki korelasi tertinggi, yaitu :
a. Posisi Kas : Hutang/Kas Lancar
b. Arus Kas : Arus kas/Aset
c. Pengeluaran Kas : Kas/Pengeluaran Kas.
d. Keuntungan Keuangan : Total Utang/modal.
e. Tingkat Pengembalian Investasi : Laba/Modal.
f. Persediaan : HPP/Persediaan.
g. Return on Sales : Modal kerja dari operasi/penjualan.
h. Capital Intensiveness : Aset Lancar/Total Utang.

7
 Daftar Referensi

Ball, Ray, S.P Kothari. 1994. Financial Statement Analysis. USA: McGRAW-Hill Inc