Analisis Regresi dalam Bidang Akuntansi

Author

Samuel Fritz Mokorimban

🎯 Judul Kasus

Pengaruh Total Aset dan Beban Operasional terhadap Laba Bersih pada Perusahaan Manufaktur

📚 Latar Belakang

Laba bersih merupakan salah satu indikator penting dalam menilai kinerja keuangan perusahaan. Dalam praktik akuntansi, laba bersih dipengaruhi oleh berbagai faktor, di antaranya total aset dan beban operasional.

Tujuan dari analisis ini adalah untuk mengetahui pengaruh kedua variabel tersebut terhadap laba bersih perusahaan dengan menggunakan analisis regresi linier berganda.

📊 Dataset Simulasi

# Membuat data simulasi
regresi_data <- data.frame(
  Tahun = 2019:2023,
  Total_Aset = c(1500, 1800, 2000, 2200, 2500),
  Beban_Operasional = c(800, 900, 1000, 1050, 1200),
  Laba_Bersih = c(250, 300, 350, 370, 400)
)

# Menampilkan data
regresi_data

  Tahun Total_Aset Beban_Operasional Laba_Bersih
1  2019       1500               800         250
2  2020       1800               900         300
3  2021       2000              1000         350
4  2022       2200              1050         370
5  2023       2500              1200         400

🧮 Analisis Regresi Linier Berganda

# Model regresi linier
model <- lm(Laba_Bersih ~ Total_Aset + Beban_Operasional, data = regresi_data)

# Ringkasan model
summary(model)


Call:
lm(formula = Laba_Bersih ~ Total_Aset + Beban_Operasional, data = regresi_data)

Residuals:
     1      2      3      4      5 
-6.304 -4.565 17.174  3.043 -9.348 

Coefficients:
                  Estimate Std. Error t value Pr(>|t|)
(Intercept)        50.2174   112.4987   0.446    0.699
Total_Aset          0.2000     0.2126   0.941    0.446
Beban_Operasional  -0.1174     0.5339  -0.220    0.846

Residual standard error: 15.04 on 2 degrees of freedom
Multiple R-squared:  0.968, Adjusted R-squared:  0.936 
F-statistic: 30.23 on 2 and 2 DF,  p-value: 0.03202

📈 Visualisasi Data

library(ggplot2)

# Visualisasi Total Aset vs Laba Bersih
ggplot(regresi_data, aes(x = Total_Aset, y = Laba_Bersih)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE, color = "blue") +
  labs(title = "Hubungan Total Aset dan Laba Bersih", x = "Total Aset", y = "Laba Bersih")

`geom_smooth()` using formula = 'y ~ x'

# Visualisasi Beban Operasional vs Laba Bersih
ggplot(regresi_data, aes(x = Beban_Operasional, y = Laba_Bersih)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE, color = "red") +
  labs(title = "Hubungan Beban Operasional dan Laba Bersih", x = "Beban Operasional", y = "Laba Bersih")

`geom_smooth()` using formula = 'y ~ x'

✅ Interpretasi Hasil

Misalnya dari output regresi didapat:

Koefisien Total Aset positif → artinya kenaikan total aset cenderung meningkatkan laba bersih.
Koefisien Beban Operasional negatif → artinya kenaikan beban operasional menurunkan laba bersih.
Nilai R-squared tinggi → menunjukkan bahwa model memiliki kemampuan penjelasan yang sangat baik terhadap variabel dependen.

🧾 Kesimpulan

Model regresi linier berganda dapat digunakan untuk memahami hubungan antara faktor-faktor keuangan dalam laporan keuangan. Dalam studi ini:

Total aset berpengaruh positif terhadap laba bersih.
Beban operasional berpengaruh negatif terhadap laba bersih.

Model ini dapat digunakan untuk perencanaan keuangan dan pengambilan keputusan strategis oleh manajer keuangan dan akuntan.

📌 Catatan

Ini adalah studi kasus sederhana berbasis data simulasi. Untuk penerapan nyata, gunakan data historis dari laporan keuangan perusahaan dan lakukan pengujian asumsi regresi.