UNIVERSITAS SEBELAS MARET

perpustakaan.uns.ac.id

digilib.uns.ac.id

Analisis Komparatif dan Pengaruh Kinerja Intellectual Capital (IC) Terhadap Kinerja Keuangan Perusahaaan Antara Industri Farmasi dan Tekstil Pada Tahun 2008-2011

SKRIPSI

Diajukan Untuk Melengkapi Tugas-Tugas Dan Memenuhi Persyaratan Guna Memperoleh Gelar S-1 Pada Jurusan Manajemen Fakultas Ekonomi Universitas Sebelas Maret Surakarta

DISUSUN OLEH: OFAN JANUARTA F0208100

FAKULTAS EKONOMI UNIVERSITAS SEBELAS MARET SURAKARTA 2013 commit to user

i


digilib.uns.ac.id

commit to user

ii


digilib.uns.ac.id

commit to user

iii


digilib.uns.ac.id

HALAMAN MOTTO

· Hai orang-orang yang beriman, jika kamu menolong (agama) Allah, niscaya Dia akan menolongmu dan meneguhkan kedudukanmu. (QS.Muhammad:7) · Keluarga,sahabat dan teman adalah segalanya. (Penulis) · Manfaatkan waktu sebaik mungkin sebelum menyesal di kemudian hari. (Penulis) · Allah tahu apa yang kita butuhkan, jadi percayalah akan KebesaranNya. (Penulis) · Saat kau terjatuh, segeralah bangkit dan jangan pernah menyerah, yakinlah kau bisa. (Penulis) · “Barang siapa bertakwa kepada Allah niscaya Dia akan mengadakan baginya jalan keluar (solusi).” (QS. Ath Thalaq : 2) · Bercita-citalah setinggi langit, karena jika kau jatuh, kau akan terjatuh diantara bintang-bintang. ( Ir. Soekarno)

commit to user

iv


digilib.uns.ac.id

PERSEMBAHAN

Karya ini kupersembahakan kepada : Allah S.W.T. Ibuku dan Bapakku tercinta Kakakku yang aku sayangi Keluarga besarku Teman-teman dan sahabatku Istriku dan keturunanku kelak

Almamaterku

commit to user

v


digilib.uns.ac.id

KATA PENGANTAR

Assalamualaikum Wr. Wb. Segala puji hanya bagi Allah SWT atas segala limpahan rahmat dan kemudahan-Nya sehingga penulis bisa menyelesaikan skripsi yang berjudul “Analisis Komparatif dan Pengaruh Kinerja Intellectual Capital (IC) Terhadap Kinerja Keuangan Perusahaaan Antara Industri Farmasi dan Tekstil Pada Tahun 2008-2011”. Skripsi ini disusun untuk memenuhi salah satu syarat memperoleh gelar Sarjana Ekonomi Fakultas Ekonomi Universitas Sebelas Maret Surakarta. Dalam penyusunan skripsi ini, penulis sadar bahwa karya ini tidak akan dapat terselesaikan tanpa bantuan dan dukungan dari berbagai pihak, baik berupa bantuan, bimbingan serta saran dan kritik yang membangun. Oleh karena itulah penulis ingin mengucapkan terima kasih kepada : 1. Bapak Dr. Wisnu Untoro, M.S., selaku Dekan Fakultas Ekonomi Universitas Sebelas Maret Surakarta. 2. Ibu Dr. Hunik Sri Runing S., Msi., selaku Ketua Jurusan Manajeman. 3. Bapak Heru Agustanto, S.E., M.E., selaku pembimbing skripsi yang telah meluangkan waktu, tenaga, dan pikiran dalam memberikan bimbingan, pengarahan dan motivasi kepada penulis. 4. Bapak Drs. Suseno, M.M., selaku pembimbing akademik yang telah memberikan bimbingan serta saran yang sangat berharga. 5. Bapak-Ibu dosen serta seluruh staf karyawan Fakultas Ekonomi Universitas commit to user Sebelas Maret Surakarta.

vi


digilib.uns.ac.id

6. Kepada Unit Pelayanan Pendidikan, Ibu Sarti dan Ibu Tetri yang telah membantu aktivitas akademis selama masa perkuliahan. 7. Kepada Mbak Emi di IPOT perpus FE, terima kasih atas informasi dan datanya. 8. Kepada kedua orang tua saya tercinta, Bapak Edi Haryono dan Ibu Tri Joto, terima kasih atas semuanya Pak, Buk..maaf selalu merepotkan. Aku sayang kalian. 9. Kepada kakak saya tercinta, Afip Agrianto, terima kasih atas saran dan bimbingannya, walaupun kita jarang bertemu tapi doaku selalu ada agar kau dan keluarga dapat hidup bahagia di perantauan. 10. Kepada kakakku Khusnul Khotimah dan keponakanku yang lucu Alvara Kayyasha, terima kasih atas do’a dan sarannya selama ini. Kehadiran kalian membuat keluarga kami menjadi lebih bahagia. 11. Kepada Pakde dan Mbak Devi serta Bulik Mus, terima kasih atas doanya. 12. Keluarga besar saya, terima kasih atas doa restunya dengan tulus ikhlas yang senantiasa diberikan serta selalu memberi semangat dan motivasi dalam perjalanan hidupku. 13. Kepada Candra Nata, terima kasih atas tumpangan kos nya, maaf ya kalau sering merepotkan. 14. Kepada teman-teman di LIA, Vita, Mas Agung, Erwin, Ines, Vera, Irwan, Eka. Ayo kumpul-kumpul lagi. 15. Teman-teman yang banyak membantu penulisan skripsi ini, Awan, Fatamoya, Reza, Arya, Mbak Anin dan Eko Prasetyo. commit to user

vii


digilib.uns.ac.id

16. Teman-teman manajemen keuangan angkatan 2008, Reza, Temon, Bayeg, Hans, Dhermaga, Moya, Heppi & Awan dkk.. terima kasih sudah berjuang bersama menghadapi makul keuangan saat kuliah. Sukses buat kita semua, kenangan bersama kalian takkan terlupakan. Khusus buat Reza, Temon, dan Bayeg,..ayo Binggo meneh , hehehe. 17. Teman-teman Dele-dele kopong, Anton, Bani, Anjas, Reza,Aditya Gilang, Nafis, Farih, Suroto, Awan, Viktor, Temon, Bayeg, kuliah menjadi tak membosankan karena kalian. Ayo futsaaaalll lagii . 18. Teman-teman manajemen angkatan 2008, terima kasih sudah berjuang bersama, saling mengisi ketika kuliah. Sukses buat kita semua. 19. Semua pihak yang telah membantu dan tidak dapat disebutkan satu persatu. Penulis menyadari bahwa dalam penyusunan skripsi ini masih banyak kekurangan, oleh karena itu kritik dan saran yang membangun sangat penulis harapkan demi perbaikan skripsi ini. Akhirnya penulis mengucapkan syukur alhamdulillah dan berharap semoga skripsi ini dapat bermanfaat bagi kita semua. Aamiin. Wassalamualaikum Wr. Wb.

Surakarta, 17 Desember 2012

Penulis

commit to user

viii


digilib.uns.ac.id


Ofan Januarta F0208100 ABSTRAKSI Tujuan dari penelitian ini adalah untuk mengetahui pengaruh serta membandingkan kinerja intellectual capital terhadap kinerja keuangan perusahaan antara industri farmasi dan tekstil di Indonesia. Kinerja intellectual capital diukur dengan menggunakan Value Added Intellectual Capital (VAIC) sedangkan kinerja keuangan diukur dengan asset turnover ratio (ATO), return on asset (ROA), return on equity (ROE) dan market to book value (MB). Sampel dalam penelitian ini adalah 9 perusahaan farmasi dan 9 perusahaan tekstil yang terdaftar di BEI selama 2008-2011. Teknik analisis data dalam penelitian ini menggunakan metode regresi linier berganda dimana hasil dari regresi masing-masing industri dipisahkan untuk menguji hipotesis. Hasil menunjukkan bahwa (VAIC) pada industri farmasi dan tekstil tidak berpengaruh secara signifikan terhadap ATO, ROE dan MB sehingga tidak dapat dijadikan tolok ukur untuk membandingkan kinerja intellectual capital di kedua industri tersebut. Akan tetapi VAIC berpengaruh signifikan terhadap Retun on Asset (ROA) dimana VAIC pada farmasi menghasilkan ROA yang lebih tinggi dibandingkan dengan tekstil. Hasil dalam penelitian ini melibatkan physical capacity (PC), debt equity ratio (DER) dan natural log sales (SALES) sebagai variabel kontrol.

Kata kunci : Intellectual Capital, ATO, ROA, ROE dan MB

commit to user

ix


digilib.uns.ac.id

Comparative Analysis and Impact Performance of Intellectual Capital (IC) Against Firms Financial Performance Between the Pharmaceutical and Textiles Industry In The Year 2008-2011 Ofan Januarta F0208100

ABSTRACT The purpose of this study was to determine the effect of intellectual capital as well as to compare the performance of the company's financial performance between pharmaceutical and textile industries in Indonesia. Intellectual capital performance is measured using Value Added Intellectual Capital (VAIC) while financial performance is measured by the asset turnover ratio (ATO), return on assets (ROA), return on equity (ROE) and market to book value (MB). The sample in this study was 9 pharmaceutical companies and 9 of textile companies listed on the Indonesia Stock Exchange (IDX) during 2008-2011. Data analysis techniques in this study using multiple linear regression methods where the results of the regression of each industry is separated to test the hypothesis. The results show that (VAIC) in the pharmaceutical industry and the textile are not significantly influence the ATO, MB ROE and so can not be used as benchmarks to compare the performance of intellectual capital in the two industries. However, a significant effect VAIC retun on assets (ROA) which produces pharmaceutical VAIC on ROA higher than textiles. The results of this research involves the physical capacity (PC), debt equity ratio (DER) and the natural log sales (SALES) as control variables. Keyword: Intellectual Capital, ATO, ROA, ROE and MB

commit to user

x


digilib.uns.ac.id

DAFTAR ISI

HALAMAN JUDUL ................................................................................................. i HALAMAN PERSETUJUAN PEMBIMBING .....................................................ii HALAMAN PENGESAHAN ................................................................................iii HALAMAN MOTTO ............................................................................................. iv HALAMAN PERSEMBAHAN .............................................................................. v KATA PENGANTAR............................................................................................. vi ABSTRAKSI ........................................................................................................... ix ABSTRACT ................................................................................................................ x DAFTAR ISI............................................................................................................ xi DAFTAR TABEL ................................................................................................. xvi DAFTAR GAMBAR ......................................................................................... xviii

BAB I PENDAHULUAN A. Latar Belakang Masalah....................................................................................1 B. Perumusan Masalah…………………………………………………………...6 C. Tujuan Penelitian……………………………………………………………...7 D. Manfaat Penelitian…………………………………………………………….8 BAB II KAJIAN PUSTAKA A. Landasan Teori .................................................................................................... 9 1. Intellectual Capital ................................................................................. 9 2. Value Added Intellectual Capital (VAIC) ........................................... 11 commit to user

xi


digilib.uns.ac.id

3. Kinerja Keuangan .................................................................................. 13 B. Penelitian Terdahulu .......................................................................................... 15 C. Kerangka Pemikiran .......................................................................................... 18 D. Hipotesis............................................................................................................. 19 BAB III METODOLOGI PENELITIAN A. Variabel Penelitian ............................................................................................ 25 1. Variabel Independen .............................................................................. 25 2. Variabel Dependen ................................................................................ 28 3. Variabel Kontrol………………………………………….………….29 B. Populasi, Sampel, Teknik Pengambilan Sampel dan Data………………….30 1. Populasi dan Sampel………………………………………………....30 2. Teknik Pengambilan Sampel………………………………………....31 3. Jenis dan Sumber Data…………………….…………………………31 4. Metode Pengumpulan Data……………………………….………….32 C. Metode Analisis……………………………………………………………...32 1. Analisis Deskriptif Data…………………………………………….32 2. Uji Asumsi Klasik…………………………………………………...32 a. Uji Normalitas…………………………………………………...33 b. Uji Multikolonieritas…………………………………………….33 c. Uji Autokorelasi…………………………………………………34 d. Uji Heterokedastisitas…………………………………………...35 3. Uji Model (Goodness of Fit)………………………………………...36 commit to user a. Analisis Regresi………………………………………………….36

xii


digilib.uns.ac.id

b. Uji Hipotesis………………………………………………...….37 1) Koefisien Determinasi…………………………………...…..37 2) Uji Signifikansi Simultan (Uji Statistik F) .............................. 37 3) Uji Signifikansi Parameter Individual (Uji Statistik t) ........... 38 BAB IV HASIL DAN ANALISIS DATA A. Deskripsi Objek Penelitian………………………………………………….39 B. Analisis Deskriptif Data…………………………………………………….40 C. Analisis Data………………………………………………….......................43 1. Model 1……………………………………………………………...44 a. Uji Asumsi Klasik .................................................................................. 44 1) Uji Normalitas ...................................................................................... 44 2) Uji Multikolonieritas……………………………………………..…46 3) Uji Autokorelasi ................................................................................... 48 4) Uji Heterokedastisitas .......................................................................... 49 b. Uji Model (Goodness of Fit)…………………………………………50 1) Koefisien Determinasi .......................................................................... 50 2) Uji Signifikansi Simultan ( Uji F)…………………………………..51 3) Uji Signifikansi Parameter Individual ( Uji Statistik t)…………….52 2. Model 2…………..…………………………………………………..55 a.Uji Asumsi Klasik .................................................................................. 55 1) Uji Normalitas ..................................................................................... 55 2) Uji Multikolonieritas…………………………………..……………57 commit to user 3) Uji Autokorelasi .................................................................................. 58

xiii


digilib.uns.ac.id

4) Uji Heterokedastisitas ......................................................................... 60 b. Uji Model (Goodness of Fit)…………………………………………61 1) Koefisien Determinasi .......................................................................... 61 2) Uji Signifikansi Simultan ( Uji F)…………………………………..62 3) Uji Signifikansi Parameter Individual ( Uji Statistik t)……………..63 3. Model 3……………..………………………………………………..66 a. Uji Asumsi Klasik ................................................................................. 66 1) Uji Normalitas ...................................................................................... 66 2) Uji Multikolonieritas……………………………………...…………68 3) Uji Autokorelasi ................................................................................... 69 4) Uji Heterokedastisitas .......................................................................... 71 b. Uji Model (Goodness of Fit)…………………………...……………72 1) Koefisien Determinasi………………………………………………72 2) Uji Signifikansi Simultan ( Uji F)…………………………………..73 3) Uji Signifikansi Parameter Individual ( Uji Statistik t)……….........74 4. Model 4……………………………………………………………...76 a. Uji Asumsi Klasik ................................................................................. 76 1) Uji Normalitas ...................................................................................... 76 2) Uji Multikolonieritas……………………...…………………………78 3) Uji Autokorelasi ................................................................................... 79 4) Uji Heterokedastisitas .......................................................................... 81 b. Uji Model (Goodness of Fit)………………………...………………82 commit to user 1) Koefisien Determinasi .......................................................................... 82

xiv


digilib.uns.ac.id

2) Uji Signifikansi Simultan ( Uji F)…………………………..............83 3) Uji Signifikansi Parameter Individual ( Uji Statistik t)………….....84 D. Interpretasi Hasil……………………………………………………………87 BAB V PENUTUP A. Kesimpulan ........................................................................................................ 90 B. Keterbatasan…………….…………………………………………………..91 C. Saran…………………………….………………………………………..…92 DAFTAR PUSTAKA.......................................................................................93 LAMPIRAN......................................................................................................95

commit to user

xv


digilib.uns.ac.id

DAFTAR TABEL

Tabel 3.1 Sampel perusahaan farmasi dan tekstil...............................................30 Tabel 4.1 Sampel perusahaan farmasi dan tekstil................................................. 40 Tabel 4.2 Hasil Uji Statistik Deskriptif Farmasi .................................................. 41 Tabel 4.3 Hasil Uji Statistik Deskriptif Tekstil .................................................... 41 Tabel 4.4 Hasil Uji Multikolonieritas Model 1Farmasi ....................................... 46 Tabel 4.5 Hasil Uji Multikolonieritas Model 1 Tekstil ........................................ 47 Tabel 4.6 Hasil Uji Autokolerasi Model 1 Farmasi ............................................. 48 Tabel 4.7 Hasil Uji Autokolerasi Model 1 Tekstil ............................................... 49 Tabel 4.8 Hasil Uji Koefisien Determinasi Model 1 Farmasi ............................. 50 Tabel 4.9 Hasil Uji Koefisien Determinasi Model 1 Tekstil ............................... 51 Tabel 4.10 Hasil Uji Signifikansi Simultan (Uji F) Model 1 Farmasi ................ 51 Tabel 4.11 Hasil Uji Signifikansi Simultan (Uji F) Model 1 Tekstil .................. 52 Tabel 4.12 Hasil Uji Regresi Linier (Uji t) Model 1 Farmasi.............................. 53 Tabel 4.13 Hasil Uji Regresi Linier (Uji t) Model 1 Tekstil ............................... 53 Tabel 4.14 Hasil Uji Multikolonieritas Model 2 Farmasi .................................... 57 Tabel 4.15 Hasil Uji Multikolonieritas Model 2 Tekstil ...................................... 58 Tabel 4.16 Hasil Uji Autokolerasi Model 2 Farmasi ........................................... 59 Tabel 4.17 Hasil Uji Autokolerasi Model 2 Tekstil ............................................. 59 Tabel 4.18 Hasil Uji Koefisien Determinasi Model 2 Farmasi ........................... 61 Tabel 4.19 Hasil Uji Koefisien Determinasi Model 2 Tekstil ............................. 61 Tabel 4.20 Hasil Uji Signifikansi Simultan (Uji F) Model 2 Farmasi ................ 62 userF) Model 2 Tekstil .................. 62 Tabel 4.21 Hasil Uji Signifikansi commit Simultanto(Uji

xvi


digilib.uns.ac.id

Tabel 4.22 Hasil Uji Regresi Linier (Uji t) Model 2 Farmasi.............................. 64 Tabel 4.23 Hasil Uji Regresi Linier (Uji t) Model 2 Tekstil ............................... 64 Tabel 4.24 Hasil Uji Multikolonieritas Model 3 Farmasi .................................... 68 Tabel 4.25 Hasil Uji Multikolonieritas Model 3 Tekstil ...................................... 69 Tabel 4.26 Hasil Uji Autokolerasi Model 3 Farmasi ........................................... 70 Tabel 4.27 Hasil Uji Autokolerasi Model 3 Tekstil ............................................. 70 Tabel 4.28 Hasil Uji Koefisien Determinasi Model 3 Farmasi ........................... 72 Tabel 4.29 Hasil Uji Koefisien Determinasi Model 3 Tekstil ............................. 72 Tabel 4.30 Hasil Uji Signifikansi Simultan (Uji F) Model 3 Farmasi ................ 73 Tabel 4.31 Hasil Uji Signifikansi Simultan (Uji F) Model 3 Tekstil .................. 73 Tabel 4.32 Hasil Uji Regresi Linier (Uji t) Model 3 Tekstil ............................... 75 Tabel 4.33 Hasil Uji Multikolonieritas Model 4 Farmasi .................................... 78 Tabel 4.34 Hasil Uji Multikolonieritas Model 4 Tekstil ...................................... 79 Tabel 4.35 Hasil Uji Autokolerasi Model 4 Farmasi ........................................... 80 Tabel 4.36 Hasil Uji Autokolerasi Model 4 Tekstil ............................................. 80 Tabel 4.37 Hasil Uji Koefisien Determinasi Model 4 Farmasi ........................... 82 Tabel 4.38 Hasil Uji Koefisien Determinasi Model 4 Tekstil ............................. 82 Tabel 4.39 Hasil Uji Signifikansi Simultan (Uji F) Model 4 Farmasi ................ 83 Tabel 4.40 Hasil Uji Signifikansi Simultan (Uji F) Model 4 Tekstil .................. 84 Tabel 4.41 Hasil Uji Regresi Linier (Uji t) Model 4 Farmasi.............................. 85 Tabel 4.42 Hasil Uji Regresi Linier (Uji t) Model 4 Tekstil ............................... 86 Tabel 4.43 Ringkasan Hasil Uji Hipotesis…………………………………...…89 commit to user

xvii


digilib.uns.ac.id

DAFTAR GAMBAR

Gambar 2.1 Kerangka Pemikiran........................................................................18 Gambar 4.1 Hasil Uji Normalitas Model 1Farmasi.............................................44 Gambar 4.2 Hasil Uji Normalitas Model 1Tekstil ............................................... 45 Gambar 4.3 Hasil Pengujian Heteroskedastisitas Farmasi - Model 1….............49 Gambar 4.4 Hasil Pengujian Heteroskedastisitas Tekstil - Model 1…...............50 Gambar 4.5 Hasil Uji Normalitas Model 2 Farmasi...........................….............55 Gambar 4.6 Hasil Uji Normalitas Model 2 Tekstil.............................….............56 Gambar 4.7 Hasil Pengujian Heteroskedastisitas Farmasi - Model 2….............60 Gambar 4.8 Hasil Pengujian Heteroskedastisitas Tekstil - Model 2…...............60 Gambar 4.9 Hasil Uji Normalitas Model 3 Farmasi...........................….............66 Gambar 4.10 Hasil Uji Normalitas Model 3 Tekstil...........................….............67 Gambar 4.11 Hasil Pengujian Heteroskedastisitas Farmasi - Model 3…............71 Gambar 4.12 Hasil Pengujian Heteroskedastisitas Tekstil - Model 3…..............71 Gambar 4.13 Hasil Uji Normalitas Model 4 Farmasi...........................…............76 Gambar 4.14 Hasil Uji Normalitas Model 4 Tekstil...........................…..............77 Gambar 4.15 Hasil Pengujian Heteroskedastisitas Farmasi - Model 4…............81 Gambar 4.16 Hasil Pengujian Heteroskedastisitas Tekstil - Model 4…..............81

commit to user

xviii


digilib.uns.ac.id


Ofan Januarta F0208100

ABSTRAKSI Tujuan dari penelitian ini adalah untuk mengetahui pengaruh serta membandingkan kinerja intellectual capital terhadap kinerja keuangan perusahaan antara industri farmasi dan tekstil di Indonesia. Kinerja intellectual capital diukur dengan menggunakan Value Added Intellectual Capital (VAIC) sedangkan kinerja keuangan diukur dengan asset turnover ratio (ATO), return on asset (ROA), return on equity (ROE) dan market to book value (MB). Sampel dalam penelitian ini adalah 9 perusahaan farmasi dan 9 perusahaan tekstil yang terdaftar di BEI selama 2008-2011. Teknik analisis data dalam penelitian ini menggunakan metode regresi linier berganda dimana hasil dari regresi masingmasing industri dipisahkan untuk menguji hipotesis. Hasil menunjukkan bahwa (VAIC) pada industri farmasi dan tekstil tidak berpengaruh secara signifikan terhadap ATO, ROE dan MB sehingga tidak dapat dijadikan tolok ukur untuk membandingkan kinerja intellectual capital di kedua industri tersebut. Akan tetapi VAIC berpengaruh signifikan terhadap Retun on Asset (ROA) dimana VAIC pada farmasi menghasilkan ROA yang lebih tinggi dibandingkan dengan tekstil. Hasil dalam penelitian ini melibatkan physical capacity (PC), debt equity ratio (DER) dan natural log sales (SALES) sebagai variabel kontrol.

Kata kunci : Intellectual Capital, ATO, ROA, ROE dan MB

commit to user i


digilib.uns.ac.id

Comparative Analysis and Impact Performance of Intellectual Capital (IC) Against Firms Financial Performance Between the Pharmaceutical and Textiles Industry In The Year 2008-2011 Ofan Januarta F0208100

ABSTRACT The purpose of this study was to determine the effect of intellectual capital as well as to compare the performance of the company's financial performance between pharmaceutical and textile industries in Indonesia. Intellectual capital performance is measured using Value Added Intellectual Capital (VAIC) while financial performance is measured by the asset turnover ratio (ATO), return on assets (ROA), return on equity (ROE) and market to book value (MB). The sample in this study was 9 pharmaceutical companies and 9 of textile companies listed on the Indonesia Stock Exchange (IDX) during 2008-2011. Data analysis techniques in this study using multiple linear regression methods where the results of the regression of each industry is separated to test the hypothesis. The results show that (VAIC) in the pharmaceutical industry and the textile are not significantly influence the ATO, MB ROE and so can not be used as benchmarks to compare the performance of intellectual capital in the two industries. However, a significant effect VAIC retun on assets (ROA) which produces pharmaceutical VAIC on ROA higher than textiles. The results of this research involves the physical capacity (PC), debt equity ratio (DER) and the natural log sales (SALES) as control variables. Keyword: Intellectual Capital, ATO, ROA, ROE and MB

commit to user ii


digilib.uns.ac.id

BAB I PENDAHULUAN

A. Latar Belakang Masalah Karam Pal dan Sushila (2012) menganalisis bahwa pertumbuhan pengetahuan intensif perusahaan dalam perekonomian dunia serta sistem pengukuran dan pelaporan modal intelektual perusahaan telah memperoleh momentum. Laporan keuangan tradisional perusahaan selalu mencakup sebagian

besar

aset

berwujud

sehingga

mengabaikan

aset

tak

berwujud. Kesenjangan yang meningkat antara nilai pasar dan nilai buku perusahaan membuat para peneliti ingin menguji kebenaran dibalik itu semua. Kesenjangan ini sebagian besar hanya dapat dibenarkan dengan adanya aktiva tidak berwujud (intangible asset) dari laporan keuangan perusahaan. Kaufmann dan Schneider (2004) dalam Karam Pal dan Sushila (2012) mengatakan bahwa tidak ada definisi standar untuk modal intelektual seperti itu dan pembagian menjadi tiga kategori juga tidak cukup. Para peneliti telah berusaha untuk mengkategorikan modal intelektual atas dasar kriteria yang berbeda sehingga pengukurannya dapat dengan mudah dilakukan. Sawarjuwono dan Kadir (2003) menjelaskan lebih lanjut bahwa implementasi modal intelektual merupakan sesuatu yang masih baru, bukan saja di Indonesia tetapi juga dilingkungan bisnis global, hanya beberapa negara maju saja yang telah mulai untuk menerapkan konsep ini, contohnya Australia, Amerika dan negaranegara Skandinavia.

commit to user

1


digilib.uns.ac.id

Miller et al (1999) dalam Karam Pal dan Sushila (2012), mengkategorikan modal intelektual menjadi tiga komponen utama yaitu modal manusia, modal struktural dan modal pelanggan. Dalam teori berbasis sumber daya, Villalonga (2004)

melakukan

mempertahankan

studi untuk keunggulan

menilai kompetitif

peran aset

berwujud dalam

perusahaan. Hasil

penelitian

menunjukkan bahwa meskipun memainkan peran penting, aset tidak berwujud juga bisa mengunci perusahaan menjadi kelemahan persisten. Menurut Bayu (2012), Di luar negeri sejak dulu intellectual capital (IC) telah menjadi fokus utama manajemen perusahaan dalam mencapai misi dan tujuan perusahaan. Sebagai contoh adalah negara Swiss dimana merupakan negara yang terkenal dengan perusahaan-perusahaan penghasil coklat terbaik di dunia, uniknya di negara ini tidak ada satupun laha pohon kakao penghasil coklat, tetapi mereka mendatangkannya dari negara lain seperti Pantai Gading, dan Ghana. Hal ini membuktikan bahwa sumber daya tidak berwujud dalam pengertian intellectual capital (IC) adalah salah satu penentu keberhasilan suatu perusahaan. Menurut pengertian dari masing-masing karakteristik industri, industri padat modal adalah industri yang menggunakan mesin-mesin produksi dalam jumlah yang lebih besar dibandingkan dengan jumlah tenaga kerja, sedangkan industri padat karya lebih banyak menggunakan atau memanfaatkan tenaga manusia dibandingkan dengan tenaga mesin. Sektor farmasi, industri pengetahuan dan padat modal ini merupakan salah satu sektor yang paling disukai para peneliti dan sarjana untuk commit to user

2


digilib.uns.ac.id

mempelajari kinerja modal intelektual (Sharabati et al.,2010; Bollen et al.,2005 dalam Karam Pal dan Sushila Soriya ,2012). Sektor farmasi merupakan sektor industri pengetahuan dan padat modal, oleh karena itu farmasi merupakan salah satu sektor yang disukai peneliti untuk mempelajari efisiensi modal intelektual di dalamnya. Di Indonesia, farmasi merupakan industri yang berkembang pesat. Pertumbuhan pasar untuk famasi di Indonesia juga berkembang pesat dan termasuk pasar terbesar di kawasan ASEAN. Keadaan ini tentu akan memiliki dampak postif dengan pertumbuhan industri farmasi Indonesia di masa yang akan datang. Industri tekstil di Indonesia merupakan Industri yang berkembang pesat di Indonesia. Banyak pengusaha baru yang bermunculan untuk berkiprah di dunia tekstil ini. Industri tekstil di Indonesia setiap tahunnya mengalami kemajuan yang pesat. Oleh karena itu Indonesia merupakan salah satu negara tekstil terbaik. Hal ini dapat dilihat dengan munculnya produk-produk tekstil yang beraneka ragam, salah satunya yang paling populer adalah kain batik. Studi ini merupakan upaya untuk membandingkan dan menganalisis efisiensi modal intelektual dalam industri farmasi dan tekstil. Industri farmasi merupakan ekonomi baru dan Industri tekstil menandakan ekonomi lama di India. Sektor-sektor

ini

membagi

beberapa

persamaan

dan

perbedaan. Keduanya mewakili sektor manufaktur di India tetapi memiliki berbagai jenis modal intelektual yang hadir di dalamnya. India dan Indonesia memiliki persamaan yaitu sama-sama negara yang berkembang dalam sektor ekonomi ,oleh karena itu peneliti ingin meneliti kinerja IC di Indonesia commit to user

3


digilib.uns.ac.id

khususnya pada industri farmasi dan tekstil. Sektor farmasi biasanya dianggap sebagai sektor yang inovatif dan berpengetahuan yang intensif sedangkan sektor tekstil dianggap sebagai sektor padat karya. Sangat menarik untuk menilai dan membandingkan kedua sektor terkait kinerja modal intelektual di dalamnya. Pengukuran modal intelektual sangat penting untuk mengetahui posisi keuangan perusahaan (Karam Pal dan Sushila Soriya ,2012). Ada berbagai model yang dikembangkan untuk mengukur Intellectual Capital (IC), antara lain : 1. Tobin’s Q oleh Tobin (1969). 2. EVA and MVA oleh Stewart (1991). 3. Skandia Navigator dikembangkan oleh Skandia (1994). 4. Calculated Intangible Value oleh Stewart (1995). 5. Balanced Scorecard oleh Kaplan dan Norton (1996). 6. The Intangible Asset Score Sheet oleh Sveiby (1997). 7. VAIC™ oleh Pulic (1998, 2000). 8. The Value Chain Scorecard oleh Lev (2001). Perbandingan dari dua sektor farmasi dan tekstil untuk kinerja modal intelektual dilakukan dengan menggunakan VAIC™ dan asosiasi modal intelektual dengan indikator keuangan seperti turnover aset, pengembalian aset, imbal hasil ekuitas dan nilai buku pasar dari perusahaan itu dinilai. Model VAIC™ dipilih karena mudah untuk dihitung dan perbandingan efisiensi modal intelektual antara perusahaan yang berbeda dalam industri yang berbeda dapat dilakukan. Perhitungan didasarkan pada informasi yang dikumpulkan dari laporan commit to user

4


digilib.uns.ac.id

keuangan perusahaan, yang mudah tersedia bagi siapa saja untuk pihak eksternal perusahaan (Karam Pal dan Sushila Soriya ,2012). Penelitian ini adalah replikasi dari penelitian sebelumnya yang dilakukan oleh Karam Pal dan Sushila Soriya (2012) dengan judul “IC Performace of Indian pharmaceutical and textile industry.” Penelitian tersebut merupakan studi komparatif antara industri farmasi dan tekstil India sebagai pengganti kinerja modal intelektual dan hubungannya dengan empat indikator keuangan untuk jangka waktu sepuluh tahun yaitu dari 2000-2001 ke 2009-2010. Sampel yang digunakan dalam penelitian ini adalah 105 perusahaan farmasi dan 102 perusahaan tekstil selama sepuluh tahun, yaitu pada periode tahun 2000-2010. Penelitian ini membuat perbandingan kinerja modal intelektual (IC) antara industri farmasi dan tekstil di India. Selanjutnya, penelitian ini mencoba menginvestigasi hubungan antara efisiensi modal intelektual dengan kinerja keuangan dan penilaian pasar. Berdasarkan penelitian sebelumnya yang telah dilakukan oleh Karam Pal dan Sushila Soriya (2012) maka penelitian ini mengambil empat indikator keuangan yaitu ATO, ROA, ROE dan MB sebagai variabel yang akan di teliti. Produktivitas (ATO) didapat dari pendapatan (penjualan) dibagi dengan total aset yang menunjukkan semakin tinggi perputaran berarti semakin efisien dalam penggunaan aktiva perusahaan. Hal ini mempengaruhi laba bersih yang berdampak pada profitabilitas dan return on equity perusahaaan, yaitu semakin tinggi produktivitas perusahaan maka profitabilitas dan return on equity juga akan commit to user

5


digilib.uns.ac.id

meningkat, begitu pula sebaliknya jika produktivitas turun maka profitabilitas dan return on equity juga akan menurun. Imaningati (2007) menjelaskan bahwa Market to Book Value (MB) bertujuan untuk mengukur seberapa jauh selisih antara nilai pasar perusahaan dengan nilai bukunya. Jika selisih antara nilai pasar dengan nilai buku perusahaan terlalu jauh (cukup signifikan), maka menandakan bahwa terdapat “hidden asset” yang tidak tercantum dalam laporan keuangan perusahaan. Nilai buku perusahaan dapat ditingkatkan dengan melakukan berbagai efisiensi yang dapat meningkatkan pendapatan dan menurunkan biaya perusahaan dengan pemanfaatan sumber daya yang dimiliki perusahaan seefisien dan semaksimal mungkin (Imaningati, 2007). Hal ini menunjukkan bahwa produktivitas, profitabilitas dan return on equity yang semakin tinggi akan meningkatkan nilai MB. Dengan demikian judul dari penelitian ini adalah “Analisis Komparatif dan Pengaruh Kinerja Intellectual Capital (IC) Terhadap Kinerja Keuangan Perusahaaan Antara Industri Farmasi dan Tekstil Pada Tahun 2008-2011.”

B. Perumusan Masalah Berdasarkan uraian di atas maka peneliti memiliki perumusan masalah sebagai berikut: 1. Apakah

kinerja intellectual capital (IC) di perusahaan farmasi

menghasilkan produktivitas yang lebih tinggi dibandingkan dengan perusahaan tekstil. commit to user

6


digilib.uns.ac.id

2. Apakah kinerja intellectual capital (IC) di perusahaan farmasi menghasilkan profitabilitas yang lebih tinggi dibandingkan dengan perusahaan tekstil. 3. Apakah kinerja intellectual capital (IC) di perusahaan farmasi menghasilkan return on equity yang lebih tinggi dibandingkan dengan perusahaan tekstil. 4. Apakah kinerja intellectual capital (IC) di perusahaan farmasi menghasilkan nilai pasar yang lebih tinggi dibandingkan dengan perusahaan tekstil.

C. Tujuan Penelitian Berdasarkan perumusan masalah di atas maka penelitian ini memliki tujuan sebagai berikut: 1. Untuk membuktikan secara empiris bahwa kinerja intellectual capital (IC) di perusahaan farmasi menghasilkan produktivitas yang lebih tinggi dibandingkan dengan perusahaan tekstil. 2. Untuk membuktikan secara empiris bahwa kinerja intellectual capital (IC) di perusahaan farmasi menghasilkan profitabilitas yang lebih tinggi dibandingkan dengan perusahaan tekstil. 3. Untuk membuktikan secara empiris bahwa kinerja intellectual capital (IC) di perusahaan farmasi menghasilkan return on equity yang lebih tinggi dibandingkan dengan perusahaan tekstil. commit to user

7


digilib.uns.ac.id

4. Untuk membuktikan secara empiris bahwa kinerja intellectual capital (IC) di perusahaan farmasi menghasilkan nilai pasar yang lebih tinggi dibandingkan dengan perusahaan tekstil.

D. Manfaat Penelitian Dari penelitian yang dilakukan maka diharapkan dapat bermanfaat bagi berbagai pihak, antara lain : 1. Bagi akademisi, penelitian ini dapat menjadi referensi bagi akademisi terkait konsep atau teori yang dapat mendorong berkembangnya ilmu pengetahuan tentang intellectual capital yang dapat bermanfaat di masa mendatang khususnya yang berkaitan dengan pengaruh intellectual capital terhadap kinerja keuangan perusahaan. 2. Bagi perusahaan, dapat memperluas pengetahuan manajer tentang kinerja modal intelektual serta dampaknya terhadap kinerja keuangan dan pasar dari perusahaan. Sehingga perusahaan dapat meningkatkan produktivitas, profitabilitas, return on equity, serta nilai pasar dengan pemanfaatan yang tepat dari modal intelektual tersebut.

commit to user

8


digilib.uns.ac.id

BAB II KAJIAN PUSTAKA

A. Landasan Teori 1. Intellectual Capital (IC) Intellectual Capital (IC) atau modal intelektual memiliki peran yang sangat penting dan strategis di dalam perusahaan. Intellectual Capital, oleh Nahapiet dan Ghoshal (1998) dalam Karam Pal dan Sushila Soriya (2012), mengacu kepada pengetahuan dan kemampuan yang dimiliki oleh suatu kolektivitas sosial, seperti sebuah organisasi, komunitas intelektual, atau praktek profesional. Intellectual capital mewakili sumber daya yang bernilai dan kemampuan untuk bertindak yang didasarkan pada pengetahuan. Menurut Sawarjuwono dan Kadir (2003), Intellectual capital dapat pula didefinisikan sebagai jumlah dari apa yang dihasilkan oleh tiga elemen utama organisasi (human capital, structural capital, customer capital) yang berkaitan dengan pengetahuan dan teknologi yang dapat memberikan nilai lebih bagi perusahaan, yaitu berupa keunggulan bersaing organisasi. Banyak para praktisi yang menyatakan bahwa intellectual capital terdiri dari tiga elemen utama (Stewart 1998, Sveiby 1997, Saint-onge 1996, Bontis 2000 dalam Sawarjuwono dan Kadir 2003) yaitu : a. Human Capital (modal manusia) Menurut Sawarjuwono dan Kadir (2003), Human capital merupakan lifeblood dalam modal intelektual. Disinilah sumber commit to user

9


digilib.uns.ac.id

innovation dan improvement, tetapi merupakan komponen yang sulit untuk diukur. Human capital juga merupakan tempat bersumbernya pengetahuan yang sangat berguna, keterampilan, dan kompetensi dalam suatu organisasi atau perusahaan. Human capital mencerminkan kemampuan kolektif perusahaan untuk menghasilkan solusi terbaik berdasarkan pengetahuan yang dimiliki oleh orang-orang yang ada dalam perusahaan tersebut. Human capital akan meningkat jika perusahaan mampu menggunakan pengetahuan yang dimiliki oleh karyawannya. Brinker (2000) dalam Sawarjuwono dan Kadir (2003), memberikan beberapa karakteristik dasar yang dapat diukur dari modal ini, yaitu training programs, credential, experience, competence, recruitment, mentoring, learning programs, individual potential and personality. b. Structural Capital atau Organizational Capital (modal organisasi) Sawarjuwono dan Kadir (2003) menjelaskan lebih lanjut bahwa Structural capital merupakan kemampuan organisasi atau perusahaan dalam memenuhi proses rutinitas perusahaan dan strukturnya yang mendukung usaha karyawan untuk menghasilkan kinerja intelektual yang optimal serta kinerja bisnis secara keseluruhan, misalnya: sistem operasional perusahaan, proses manufakturing, budaya organisasi, filosofi manajemen dan semua bentuk intellectual property yang dimiliki perusahaan. Seorang individu dapat memiliki tingkat intelektualitas yang tinggi, tetapi jika organisasi memiliki sistem dan commit to user

10


digilib.uns.ac.id

prosedur yang buruk maka intellectual capital tidak dapat mencapai kinerja secara optimal dan potensi yang ada tidak dapat dimanfaatkan secara maksimal. c. Relational Capital atau Customer Capital (modal pelanggan) Sawarjuwono dan Kadir (2003) menjelaskan bahwa elemen ini merupakan komponen modal intelektual yang memberikan nilai secara nyata.

Relational

capital

merupakan

hubungan

yang

harmonis/association network yang dimiliki oleh perusahaan dengan para mitranya, baik yang berasal dari para pemasok yang andal dan berkualitas, berasal dari pelanggan yang loyal dan merasa puas akan pelayanan perusahaan yang bersangkutan, berasal dari hubungan perusahaan dengan pemerintah maupun dengan masyarakat sekitar. Relational capital dapat muncul dari berbagai bagian diluar lingkungan perusahaan yang dapat menambah nilai bagi perusahaan tersebut. 2. Value Added Intellectual Coefficient (VAIC™) Value Added Intellectual Coefficient (VAIC™) dikembangkan oleh Pulic Ante (1998,2000) sebagai indikator untuk mengukur efisiensi modal intelektual. Hal ini dianggap sebagai model yang lebih baik dan sederhana dibandingkan dengan yang lain untuk mengukur efisiensi modal intelektual dan hasilnya berdasarkan laporan keuangan yang telah diaudit. Menurut nilai total model VAIC™ organisasi adalah penjumlahan dari modal, modal commit to user

11


digilib.uns.ac.id

struktural dan modal manusia. Total nilai tambah adalah selisih dari output dan input dalam organisasi dinyatakan dalam formula sebagai berikut: Value Added = Output – Input dimana output adalah produk dan jasa organisasi, sementara input adalah semua biaya yang dikeluarkan dalam memproduksi produk atau jasa. Menurut Ulum (2009) dalam Dhani (2012), pendekatan VAIC ini relatif mudah dan sangat mungkin untuk dilakukan, karena dikonstruksi dari akun-akun dalam laporan keuangan perusahaan (neraca, dan laba rugi). Metode VAIC mengukur efisiensi tiga jenis input perusahaan yaitu: a. Human Capital Efficiency (HCE) adalah indikator efisiensi nilai tambah modal manusia. HCE merupakan rasio dari Value Added (VA) terhadap Human Capital (HC). Hubungan ini mengindikasikan kemampuan modal manusia membuat nilai pada sebuah perusahaan. HCE

dapat

diartikan

juga

sebagai

kemampuan

perusahaan

menghasilkan nilai tambah setiap rupiah yang dikeluarkan pada modal manusia. HCE menunjukkan berapa banyak Value Added (VA) yang dapat dihasilkan dengan dana yang dikeluarkan untuk tenaga kerja (Ulum, 2009). b. Structural Capital Efficiency (SCE) adalah indikator efisiensi nilai tambah modal struktural. SCE merupakan rasio dari SC terhadap VA. Rasio ini mengukur jumlah SC yang dibutuhkan untuk menghasilkan 1 rupiah dari VA dan merupakan indikasi bagaimana keberhasilan SC dalam penciptaan nilai (Ulum, 2009). commit to user

12


digilib.uns.ac.id

c. Capital Employed Efficiency (CEE) adalah indikator efisiensi nilai tambah modal yang digunakan. CEE merupakan rasio dari VA terhadap CE. CEE menggambarkan berapa banyak nilai tambah perusahaan yang dihasilkan dari modal yang digunakan. Rasio ini menunjukkan kontribusi yang dibuat oleh setiap unit dari CE terhadap value added perusahaan (Ulum, 2009). 3. Kinerja Keuangan Kinerja keuangan perusahaan dapat dilihat dari data-data yang diperolah dari laporan keuangan perusahaan. Di dalam pengukuran kinerja keuangan bermanfaat untuk memberikan informasi mengenai kondisi financial perusahaan selama periode tertentu. Sumber informasi keuangan yang utama adalah laporan keuangan tahunan yang terdiri dari neraca, laporan laba rugi, laporan arus kas, dan penjelasan yang merupakan bagian integral dari laporan keuangan tersebut (Munawir, 2008). Informasi yang ada di dalam laporan keuangan dapat digunakan oleh investor untuk memperoleh perkiraan tentang laba dan dividen di masa mendatang dan risiko atas penilaian tersebut (Brighamm and Houston, 2006). Analisis rasio sangat bermanfaat bagi manajemen untuk perusahaannya dan pengevaluasian prestasi atau kinerja (performance) perusahaannya bila dibandingkan dengan ratarata industri (Munawir,2008). Berikut adalah rasio-rasio keuangan yang akan diteliti di penelitian ini : a. Return On Assets (ROA) : Merefleksikan seberapa banyak perusahaan telah memperoleh hasil atas seluruh sumberdaya keuangan yang commit to user

13


digilib.uns.ac.id

ditanamkan pada perusahaan. ROA digunakan untuk mengukur profitabilitas perusahaan. b. Asset Turnover Ratio (ATO) : ATO digunakan untuk mengukur produktivitas perusahaan dan penggunaan aset dalam menghasilkan penjualan. c. Return On Equity (ROE) : ROE merefleksikan seberapa banyak perusahaan telah memperoleh hasil atas dana yang telah diinvestasikan oleh pemegang saham (baik secara langsung atau laba yang ditahan). Rasio ROE sangat menarik bagi pemegang saham maupun para calon pemegang saham, dan juga bagi manajemen. d. Market Book Value (MB) : MB adalah proksi yang digunakan untuk mengukur nilai pasar perusahaan. merupakan rasio harga pasar suatu saham terhadap nilai bukunya. Rata-rata 365 hari diambil, untuk mewakili tahun tertentu dan menghindari efek hari tertentu terhadap harga saham perusahaan. Rasio ini memberikan indikasi yang lain tentang bagaimana investor memandang perusahaan. Investor akan lebih tertarik untuk berinvestasi pada perusahaan dengan tingkat pengembalian ekuitas yang relatif tinggi dibandingkan dengan perusahaan yang tingkat pengembaliaannya rendah (Brigham, 2009). IC menjadi suatu metode untuk mengungkapkan asset tersembunyi pada suatu perusahaan apabila terdapat kesenjangan yang signifikan antara nilai pasar saham perusahaan dengan nilai bukunya. (Fatamoya,2012). commit to user

14


digilib.uns.ac.id

e. Debt Equity Ratio (DER) : Ini adalah proksi yang digunakan untuk leverage perusahaan. Hal ini menunjukkan berapa proporsi ekuitas dan utang perusahaan yang digunakan untuk membiayai aktiva. f. Physical Capacity (PC) : Mengukur intensitas fisik dari perusahaan yaitu seberapa banyak aktiva tetap yang ada secara proporsional dengan total aktiva. g. Natural log (Sales) : Hal ini digunakan sebagai proksi untuk ukuran perusahaan (firm size). Penjualan = Log Penjualan = Ukuran Perusahaan (logaritma natural total aset perusahaan)

B. Penelitian Terdahulu Usaha yang berbeda telah dilakukan untuk mendefinisikan dan mengukur modal intelektual tetapi sulit untuk diukur dengan sukses dalam hal ekonomi. Selanjutnya, berbagai penelitian telah menerapkan model VAIC™ untuk menilai hubungan antara modal intelektual dan kinerja keuangan serta kinerja ekonomi dan bisnis perusahaan.Berikut adalah tinjauan literatur tentang intellectual capital. 1. Yosi Metta Pamelasari (2010) melakukan penelitian empiris tentang pengaruh intellectual capital terhadap nilai pasar dan kinerja perusahaan yang terdaftar di BEI pada tahun 2004-2008. Analisis regresi berganda digunakan dan hasil penelitian menunjukkan bahwa intellectual capital (VAIC) tidak berpengaruh secara signifikan terhadap nilai pasar (MB) dan kinerja keuangan perusahaan (ROA, ROE, EP dan GR). VACA dan VAHU yang berpengaruh signifikan positif terhadap nilai pasar perusahaan (MB), commit to user

15


digilib.uns.ac.id

serta kinerja keuangan perusahaan (ROA dan ROE). RD hanya berpengaruh terhadap ROA.

2. Firer dan William (2003) melakukan penelitian empiris mengenai hubungan

intellectual

capital

terhadap

kinerja

perusahaan

pada

perusahaan di Afrika selatan. Penelitian ini menggunakan tiga dasar ukuran kinerja perusahaan yaitu profitabilitas (ROA),

produktivitas

(ATO) dan juga nilai pasar (MB). Hasil dari penelitian menunjukkan bahwa

intellectual capital

tidak berpengaruh terhadap profitablitas

(ROA) perusahaan. Dalam penelitian ini VAIC berpengaruh positif dan signifikan terhadap produktivitas (ATO) dan berpengaruh negatif dan signifikan nilai pasar MB. CEE berpengaruh negatif dan signifikan terhadap ATO, positif dan signifikan terhadap MB, serta tidak berpengaruh signifikan terhadap ROA. HCE hanya berpengaruh negatif dan signifikan terhadap ATO. SCE hanya berpengaruh positif dan signifikan terhadap ROA. 3. Zeghal dan Maaloul (2010) melakukan studi pada 300 perusahaan Inggris untuk menguji dampak dari modal intelektual terhadap kinerja pasar ekonomi, keuangan dan saham perusahaan. Hasil menemukan bahwa modal intelektual berpengaruh positif terhadap kinerja ekonomi dan keuangan. Hubungan antara modal intelektual dan kinerja pasar saham hanya signifikan dalam hal industri teknologi tinggi. Modal fisik ditemukan memiliki pengaruh kinerja keuangan dan pasar saham yang signifikan dari perusahaan. commit to user

16


digilib.uns.ac.id

4. Penelitian yang dilakukan Imaningati (2007) terhadap perusahaan real estate & property yang terdaftar di BEJ 2001-2006 menunjukkan bahwa tidak terdapat pengaruh antara IC dengan nilai pasar perusahaan. Selain itu, dengan menggunakan model VAIC secara simultan IC berpengaruh terhadap ROE dan EP. Sedangkan secara parsial IC berpengaruh terhadap ROE, EP dan ATO. 5. Chen et al. (2005) melakukan penelitian empiris pada 4.254 perusahaan yang go public di Taiwan Stock Exchange yang membuktikan bahwa intellectual capital berpengaruh positif terhadap market value dan kinerja keuangan, serta dapat digunakan sebagai indikator kinerja keuangan masa depan. Penelitian Chen et. al. (2005) menunjukkan bahwa biaya research & development berhubungan positif dengan nilai pasar perusahaan dan juga profitabilitas perusahaan. 6. Adriant Prabani Yogidanarinto (2011) melakukan penelitian empiris tentang analisis nilai tambah sebagai indikator modal intelektual dan pengaruhnya pada kinerja perusahaan farmasi di Indonesia. Data yang digunakan adalah 32 data laporan keuangan perusahaan farmasi yang terdaftar di Bursa Efek Indonesia pada tahun 2006-2009 dengan menggunakan regresi linier berganda. Hasil penelitian menunjukkan bahwa intellectual capital berpengaruh positif pada produktifitas (OI/S) dan profitabilitas perusahaan (ROA) namun tidak berpengaruh terhadap nilai pasar (MB) perusahaan farmasi yang listing di Indonesia. Hasil commit to user

17


digilib.uns.ac.id

penelitian ini juga menunjukkan bahwa modal usaha perusahaan (VACA) hanya berpengaruh positf pada profitabilitas perusahaan 7. Karam Pal dan Sushila (2012) melakukan penelitian empiris dalam mengukur dan membandingkan kinerja modal intelektual di kedua industri farmasi dan tekstil di India. Metode VAIC diterapkan pada sampel dari 105 farmasi dan 102 perusahaan tekstil. Kinerja keuangan perusahaan diukur melalui ATO, ROA, ROE dan MB. Hasil menunjukkan bahwa VAIC hanya berpengaruh secara signifikan terhadap ROA.

C. Kerangka Pemikiran Gambar 2.1 INDUSTRI FARMASI

INDUSTRI TEKSTIL

Kinerja Keu

Kinerja Keu

VAIC™

VAIC™ - MB

(CEE,HCE ,SCE )

(CEE,HCE ,SCE )

- ROA

- MB - ROA

- ATO

- ATO

- ROE

- ROE

t Var. Kontrol

Var. Kontrol

- PC

- PC

- DER

- DER

- Sales

- Sales

commit to user

18


digilib.uns.ac.id

Berdasarkan kerangka pemikiran diatas, yang menjadi variabel independen diproksikan oleh VAIC™ yang merupakan gabungan dari HCE, SCE, dan CEE. Variabel dependen adalah kinerja keuangan perusahaan yang diproksikan oleh ATO, ROA, ROE dan MB. Penelitian ini juga melibatkan variabel kontrol yang diproksikan oleh PC, DER, dan SALES. Pada gambar di atas dapat dijelaskan bahwa variabel independen VAIC™ yang dikontrol oleh PC, DER, dan SALES mempengaruhi variabel dependen ATO, ROA,ROE dan MB pada masing-masing industri.

D. Hipotesis Tujuan dari penelitian ini adalah untuk mengetahui pengaruh serta membandingkan kinerja Value Added Intellectual Coefficient (VAIC) terhadap kinerja keuangan perusahaan pada industri farmasi dan tekstil di Indonesia. Peneliti terlebih dahulu meneliti apakah terdapat hubungan yang signifikan antara kinerja VAIC terhadap kinerja keuangan perusahaan, selanjutnya peneliti membandingkannya di kedua industri tersebut. Peneliti memiliki asumsi apabila VAIC berpengaruh secara signifikan terhadap kinerja keuangan, maka kinerja VAIC di kedua industri dapat dibandingkan, sebaliknya jika VAIC sudah tidak berpengaruh secara tignifikan terhadap kinerja keuangan maka tidak dapat dijadikan tolok ukur untuk membandingkan kinerja VAIC terhadap kinerja keuangan pada kedua industri tersebut. commit to user

19


digilib.uns.ac.id

1. VAIC Terhadap Produktivitas Perusahaan Asset turnover ratio (ATO) digunakan untuk menghitung produktivitas perusahaan, yang merupakan rasio antara total penjualan dengan total aset yang digunakan perusahaan dalam satu periode tertentu. Firer dan Stainbank (2003) melakukan penelitian pada 75 perusahaan publik di Afrika Selatan untuk menguji pengaruh intellectual capital pada profitabilitas, produktifitas dan market valuation. Hasil penelitian menunjukkan bahwa intellectual capital memiliki pengaruh

yang signifikan

pada profitabilitas

dan

produktivitas perusahaan. Penelitian lain dilakukan oleh Karam Pal dan Sushila Soriya (2012) di Industri farmasi dan tekstil di India, dimana produktivitas (ATO) pada industri farmasi menunjukkan hasil yang lebih tinggi dibandingkan dengan tekstil. Peneliti memiliki asumsi apabila VAIC berpengaruh secara signifikan terhadap kinerja keuangan perusahaan, maka VAIC dapat dijadikan tolok ukur untuk membandingkan kinerja VAIC di industri farmasi dan tekstil. Berdasarkan penelitian tersebut maka peneliti akan menguji hipotesis yang pertama yaitu : H1 : Kinerja intellectual capital (IC) di perusahaan farmasi menghasilkan produktivitas yang lebih tinggi dibandingkan dengan perusahaan tekstil.

commit to user

20


digilib.uns.ac.id

2. VAIC Terhadap Profitabilitas Perusahaan Return on asset (ROA) menunjukkan kemampuan perusahaan dalam melakukan efisisensi penggunaan total aset untuk kegiatan operasional perusahaan. ROA merupakan indikator profitabilitas perusahaan dalam menggunakan asetnya untuk menghasilkan laba bersih. Semakin tinggi nilai ROA, maka perusahaan tersebut semakin efisien dalam menggunakan asetnya (Yossi, 2010). Hasil penelitian yang dilakukan oleh Firer dan Stainbank (2003) pada perusahaan di Afrika selatan menunjukkan bahwa VAIC memilki pengaruh yang signifikan terhadap profitabilitas dan produktivitas perusahaan. Chen et al. (2005) membuktikan bahwa intellectual capital berpengaruh positif terhadap market value dan kinerja keuangan, serta dapat digunakan sebagai indikator kinerja keuangan masa depan. Penelitian lain dilakukan oleh Yossi (2010) yang menunjukkan bahwa intellectual capital (VAIC) tidak berpengaruh secara signifikan terhadap nilai pasar (MB) dan kinerja keuangan perusahaan (ROA, ROE, EP dan GR) . Karam Pal dan Sushila (2012) melakukan penelitian berupa analisis komparatif pengaruh IC terhadap kinerja keuangan pada 105 farmasi dan 102 perusahaan tekstil di India. Hasil menunjukkan

bahwa VAIC berpengaruh secara positif signifikan terhadap ROA, dimana profitabilitas (ROA) pada industri farmasi menunjukkan hasil yang lebih tinggi dibandingkan dengan tekstil. Peneliti memiliki asumsi apabila VAIC berpengaruh secara signifikan terhadap kinerja keuangan perusahaan, maka VAIC dapat dijadikan tolok ukur untuk membandingkan kinerja VAIC di industri farmasi dan tekstil.

commit to user

21


digilib.uns.ac.id

Berdasarkan penelitian tersebut maka peneliti akan menguji hipotesis yang kedua yaitu : H2 : Kinerja intellectual capital (IC) di perusahaan farmasi menghasilkan profitabilitas yang lebih tinggi dibandingkan dengan perusahaan tekstil. 3. VAIC Terhadap Return On Equity ROE dilihat oleh investor sebagai salah satu rasio keuangan yang penting. ROE mengukur efisiensi perusahaan dalam menghasilkan profit dari setiap uang yang diinvestasikan oleh pemegang saham. Perhitungannya adalah dengan membagi laba bersih dengan jumlah ekuitas stakeholder (Yossi,2010). Hasil penelitian yang dilakukan oleh Yossi (2010) menunjukkan bahwa intellectual capital (VAIC) tidak berpengaruh secara signifikan terhadap nilai pasar (MB) dan kinerja keuangan perusahaan (ROA, ROE, EP dan GR). Hasil yang berbeda ditunjukkan oleh penelitian yang dilakukan oleh Imaningati (2007), dimana IC secara simultan berpengaruh secara signifikan terhadap ROE. Penelitian lain dilakukan oleh Karam

Pal dan Sushila Soriya (2012) di Industri farmasi dan tekstil di India, dimana return on equity (ROE) pada industri farmasi menunjukkan hasil yang lebih tinggi dibandingkan dengan tekstil. Peneliti memiliki asumsi apabila VAIC berpengaruh secara signifikan terhadap kinerja keuangan perusahaan, maka VAIC dapat dijadikan tolok ukur untuk membandingkan kinerja VAIC di industri farmasi dan tekstil. commit to user

22


digilib.uns.ac.id

Berdasarkan penelitian tersebut maka peneliti akan menguji hipotesis yang ketiga yaitu : H3 : Kinerja intellectual capital (IC) di perusahaan farmasi menghasilkan return on equity yang lebih tinggi dibandingkan dengan perusahaan tekstil. 4. VAIC Terhadap Nilai Pasar Imaningati (2007) dalam Yossi (2010) menjelaskan bahwa nilai pasar (MB) bertujuan untuk mengukur seberapa jauh selisih antara nilai pasar perusahaan dengan nilai bukunya. Jika ternyata selisih antara nilai pasar dengan nilai buku perusahaan terlalu jauh (cukup signifikan), maka menandakan bahwa terdapat “hidden asset” yang tidak tercantum dalam laporan keuangan perusahaan. Hal ini berati bahwa nilai yang dilaporkan dalam laporan keuangan sudah tidak berarti lagi. Apabila digunakan sebagai dasar pengambilan keputusan maka dapat menyesatkan, karena nilai perusahaan yang tercantum dalam laporan keuangan bukan nilai perusahaan yang sebenarnya (Imaningati,2007 dalam Yossi,2010). Adriant Prabani Yogidanarinto (2011) melakukan penelitian empiris tentang analisis nilai tambah sebagai indikator modal intelektual dan pengaruhnya pada kinerja perusahaan farmasi di Indonesia. Hasil penelitian menunjukkan bahwa intellectual capital berpengaruh signifikan terhadap produktivitas dan profitabilitas tetapi tidak berpengaruh signifikan terhadap nilai pasar (MB). Hasil penelitian ini sejalan dengan penelitian Firer dan Stainbank (2003) dimana hasil penelitian menunjukkan bahwa Intellectual commit to user capital memiliki pengaruh signifikan pada profitabilitas perusahaan ( 23


digilib.uns.ac.id

signifikan positif), dan produktivitas ( signifikan negatif) namun tidak memiliki pengaruh yang signifikan pada penilaian pasar. Akan tetapi hasil berbeda ditunjukkan oleh Chen et al. (2005) dengan melakukan penelitian di Taiwan yang membuktikan bahwa intellectual capital berpengaruh positif signifikan terhadap market value dan kinerja keuangan, serta dapat digunakan sebagai indikator kinerja keuangan masa depan. Penelitian lain dilakukan oleh Karam Pal dan Sushila Soriya (2012) di Industri farmasi dan tekstil di India, dimana nilai pasar (MB) pada industri farmasi menunjukkan hasil yang lebih tinggi dibandingkan dengan tekstil. Peneliti memiliki asumsi apabila VAIC berpengaruh secara signifikan terhadap kinerja keuangan perusahaan, maka VAIC dapat dijadikan tolok ukur untuk membandingkan kinerja VAIC di industri farmasi dan tekstil. Berdasarkan penelitian tersebut maka peneliti akan menguji hipotesis yang keempat yaitu : H4 : Kinerja intellectual capital (IC) di perusahaan farmasi menghasilkan nilai pasar yang lebih tinggi dibandingkan dengan perusahaan tekstil.

commit to user

24


digilib.uns.ac.id

BAB III METODOLOGI PENELITIAN

A. Variabel Penelitian 1. Variabel Independen Modal Intelektual atau Intellectual capital (IC) merupakan variabel independen di dalam penelitian ini. Intellectual Capital dilambangkan dengan VAIC™ dikembangkan oleh Pulic Ante (1998,2000) untuk mengukur efisiensi modal intelektual. Hal ini dianggap sebagai model yang lebih baik dibandingkan dengan yang lain karena metodenya yang sederhana untuk mengukur dan hasilnya berdasarkan audit rekening perusahaan yang mudah tersedia dari situs web perusahaan. Menurut model nilai total VAIC™, organisasi adalah penjumlahan dari modal usaha, modal struktural dan modal manusia. Total nilai tambah adalah selisih dari output dan input dalam organisasi. Fatamoya (2012) menjelaskan lebih lanjut bahwa perhitungan metode VAICTM mengikuti beberapa langkah yang berbeda. Langkah pertama adalah menghitung kemampuan perusahaan untuk menciptakan VA. Sesuai dengan teori stakeholder (Riahi-Belkaoui, 2003 dalam Fatamoya 2012), VA dihitung sebagai berikut: Value Added ( VA ) = OUT – IN

commit to user

25


digilib.uns.ac.id

Dimana: VA = Value Added ,yaitu pendapatan perusahaan dikurangi biaya untuk operasi perusahaan. OUT = Output , yaitu pendapatan terdiri dari produk dan jasa organisasi yang dijual di pasar. IN

= Input,yaitu semua biaya yang dikeluarkan dalam memproduksi produk atau jasa, kecuali gaji dan tunjangan karyawan. Hal ini dinyatakan sebagai: VA = P + C + D + A

Dimana: P = operating profit (laba operasi) C = employed costs (gaji dan tunjangan karyawan) D = depreciation (depresiasi) A = amortization (amortisasi) Lebih lanjut: VAIC ™ = CEE + HCE + SCE VAIC™ merupakan penjumlahan dari tiga komponen dan dengan perhitungan sebagai berikut: a. Capital Employed Efficiency (CEE) mengukur efisiensi modal usaha yang meliputi kekayaan bersih perusahaan yang mewakili modal fisik dan keuangan. Mengindikasikan kontribusi yang dibuat oleh setiap unit CE terhadap VA. commit to user

26


digilib.uns.ac.id

dimana: CEE

= Capital Employed Efficiency

VA

= Value Added

CE

= Capital Employed = ekuitas dan laba bersih

b. Human Capital Efficiency (HCE) mengukur nilai tambah yang dihasilkan per unit moneter diinvestasikan dalam tenaga kerja. Di sini, di upah model dan jumlah penghasilan karyawan di dianggap sebagai modal manusia. Menunjukkan kontribusi yang dibuat setiap unit HC terhadap VA.

dimana: HCE

= Human Capital Efficiency

VA

= Value Added

HC

= Human Capital (Gaji dan upah karyawan)

c. Structural Capital Efficiency (SCE) mengukur nilai tambah dalam organisasi dengan pemanfaatan modal struktural. Menunjukkan kontribusi yang dibuat setiap unit HC terhadap VA. Mengindikasikan bagaimana keberhasilan SC dalam penciptaan nilai. Hal ini dihitung sebagai SC = VA– HC kemudian,

Dimana : SCE

= Structural commit toCapital user Efficiency

27


digilib.uns.ac.id

VA

= Value Added.

SC

= Structural Capital

2. Variabel Dependen Kinerja keuangan merupakan variabel dependen pada penelitian ini. Variabel-variabel tersebut diproksikan dalam rasio-rasio keuangan dibawah ini. a. Market to Book Value (MB) : Market to Book Value diukur dengan membagi nilai pasar dengan nilai buku saham biasa (Chen et al., 2005). Ini adalah proksi yang digunakan untuk mengukur nilai pasar perusahaan. Rata-rata 365 hari diambil, untuk mewakili tahun tertentu dan menghindari efek hari tertentu terhadap harga saham perusahaan.

b. Return On Asset (ROA) Rasio ini berfungsi untuk mengukur profitabilitas perusahaan. ROA merefleksikan keuntungan bisnis dan efisiensi perusahaan dalam pemanfaatan total aset (Chen et al., 2005). Rumus untuk menghitung ROA yaitu:

c. Asset Turnover (ATO) Rasio antara total pendapatan (penjualan) dengan keseluruhan aktiva commit to user yang digunakan oleh perusahaan dalam satu periode tertentu. Rasio ini

28


digilib.uns.ac.id

mengukur produktivitas perusahaan dan penggunaan aset di dalam menghasilkan pendapatan (penjualan), dimana semakin tinggi perputaran berarti semakin efisien dalam penggunaan aktiva.. Rumus untuk menghitung ATO yaitu :

d. Return on Equity (ROE) Rasio ini merupakan perbandingan antara laba bersih dengan modal sendiri. Rasio ROE mengukur seberapa besar manajemen dapat memberikan hasil investasi kepada para pemegang saham (pemilik) perusahaan. Dengan rasio ini para pemegang saham dapat mengukur tingkat pengembalian investasinya. Rumus untuk menghitung ROE yaitu :

3. Variabel Kontrol Variabel kontrol dikendalikan atau dibuat konstan sehingga pengaruh variabel independen terhadap variabel dependen tidak dipengaruhi oleh faktor lain yang tidak diteliti (Ghozali,2006). Variabel kontrol pada penelitian ini adalah: a. Debt Equity Ratio (DER) : Ini adalah proksi yang digunakan untuk leverage perusahaan. Hal ini menunjukkan berapa proporsi ekuitas dan utang perusahaan yang menggunakan untuk membiayai aktiva. commit to user

29


digilib.uns.ac.id

b. Physical Capacity (PC) : Mengukur intensitas fisik dari perusahaan yaitu seberapa banyak aktiva tetap yang ada secara proporsional dengan total aktiva.

c. Natural log (Sales) : Digunakan sebagai proksi untuk ukuran perusahaan. Sales = Log Sales = Firm Size.

B. Populasi, Sampel, Teknik Pengambilan Sampel, dan Data 1. Populasi dan Sampel Populasi di dalam penelitian ini merupakan seluruh perusahaan farmasi, tekstil dan garment yang terdaftar pada Bursa Efek Indonesia (BEI) pada tahun 2008-2011. Sampel dipilih berdasarkan kriteria pada saat teknik pengambilan sampel yaitu purposive sampling, berdasarkan teknik tersebut maka sampel pada penelitian ini adalah sembilan perusahaan farmasi dan sembilan perusahaan tekstil yang terdaftar di Bursa Efek Indonesia pada tahun 2008-2011. Tabel 3.1 di bawah ini adalah daftar sampel dari perusahaan farmasi dan tekstil yang akan diteliti. TABEL 3.1 SAMPEL PERUSAHAAN FARMASI DAN TEKSTIL PERUSAHAAN FARMASI

PERUSAHAAN TEKSTIL 1

PT Argo Pantes Tbk (ARGO)

2

Darya-Varia Laboratoria Tbk (DVLA) Indofarma (Persero) Tbk (INAF)

2

3

Kalbe Farma Tbk (KLBF)

3

PT Century Textile Industry (Centex) Tbk (CNTX) PT Eratex Djaja Tbk (ERTX)

1

commit to user

30


digilib.uns.ac.id

4

Kimia Farma (Persero) Tbk (KAEF)

4

5

Merck Tbk (MERK)

5

6

Pyridam Farma Tbk (PYFA)

6

7

Schering Plough Indonesia Tbk (SCPI) Taisho Pharmaceutical Indonesia Tbk (d/h Bristol-Myers Squibb Indonesia Tbk) (SQBI) Tempo Scan Pacific Tbk (TSPC)

7

8 9

8 9

PT Panasia Filament Inti Tbk (PAFI) PT Panasia Indosyntec Tbk (HDTX) PT Roda Vivatex Tbk (RDTX) PT Sunson Textile Manufacturer Tbk (SSTM) PT Tilico Fiber Indonesia Tbk (d/h Teijin Indonesia Fiber Tbk) (TFCO) PT Unitex Tbk (UNTX)

2. Teknik Pengambilan Sampel Teknik pengambilan sampel pada penelitian ini menggunakan Purposive sampling, yaitu teknik pengambilan sampel yang didasarkan pada tujuan tertentu yang sesuai dengan maksud penelitian. Dimana sampel tersebut diambil berdasarkan beberapa kriteria yaitu : a. Perusahaan Farmasi yang terdaftar di Bursa Efek Indonesia periode tahun 2008-2011. b. Perusahaan Tekstil yang terdaftar di Bursa Efek Indonesia periode tahun 2008-2011. c. Perusahaan tersebut secara konsisten menerbitkan laporan keuangan yang akan digunakan sebagai variabel penelitian selama periode 20082011 yang telah dipublikasikan di Bursa Efek Indonesia. 3. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder. Yaitu berupa laporan keuangan yang didapat melalui laporan keuangan tahunan perusahaan farmasi dan tekstil yang terdaftar di Bursa Efek Indonesia periode commit tahun 2008 sampai dengan tahun 2011.to user

31


digilib.uns.ac.id

4. Metode Pengumpulan Data Metode pengumpulan data yang digunakan dalam penelitian ini adalah studi dokumentasi yang dilakukan dengan mengumpulkan, mencatat dan menghitung data-data yang berhubungan dengan penelitian dimana data-data tersebut telah tersedia di BEI terhitung dari tahun 2008-2011. Data diperoleh dari laporan keuangan perusahaan tahunan dan laporan keuangan yang teraudit yang tersedia di situs www.idx.co.id ,serta melalui Indonesian Capital Market Directory (ICMD) yaitu buku yang memuat laporan keuangan perusahaan yang telah terdaftar di Bursa Efek Indonesia. C. Metode Analisis 1. Analisis Deskriptif Data Analisis statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), minimum, maksimum dan standar deviasi (Ghozali, 2006). Gambaran data tersebut menghasilkan informasi yang jelas sehingga data tersebut mudah dipahami. Dalam penelitian ini, denganc melihat gambaran dari data-data yang ada, maka akan diperoleh informasi yang jelas mengenai pengaruh modal intelektual terhadap kinerja keuangan perusahaan. 2.

Uji Asumsi Klasik Penelitian ini menggunakan metode Ordinary Least Square (OLS)

dalam menghitung persamaan regresi. Uji asumsi klasik digunakan untuk memenuhi agar persamaan regresi tersebut valid digunakan dalam penelitian. commit to user

32


digilib.uns.ac.id

a. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Cara untuk megetahui apakah data tersebut terdistribusi secara normal atau tidak yaitu dengan uji statistik non-parametrik Kolmogorov-Smirnov (K-S). Data berdistribusi normal apabila hasil Kolmogorov-Smirnov menunjukkan nilai signifikan di atas 0,05 (Ghozali, 2006). b. Uji Multikolonieritas Uji Multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol. Cara untuk mendeteksi apakah terjadi multikolonieritas atau tidak yaitu dengan melihat nilai Tolerance dan Variance Inflation Factor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen (terikat) dan diregres terhadap variabel independen lainnya. commit to user

33


digilib.uns.ac.id

Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai Tolerance yang rendah sama dengan nilai VIF tinggi (karena VIF = 1/Tolerance). Nilai

cutoff

yang

umum

dipakai

untuk

menunjukkan

adanya

multikolinearitas adalah nilai Tolerance ≤ 0,10 atau sama dengan nilai VIF ≥10 (Ghozali, 2006). c. Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (periode sebelumnya). Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena ada observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu (time series) karena “gangguan” pada individu / kelompok cenderung mempengaruhi “gangguan” pada individu/kelompok yang sama pada periode berikutnya. Cara untuk mengetahui apakah terjadi autokorelasi atau tidak yaitu dengan menggunakan Uji Durbin-Watson (DW test). Menurut Ghozali (2006) dasar pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:

commit to user

34


digilib.uns.ac.id

1) Bila nilai DW terletak diantara batas atas atau upper bound (du) dan (4–du) maka koefisien autokorelasi = 0, berarti tidak ada autokorelasi. 2) Bila nilai DW lebih rendah daripada batas bawah atau lower bound (dl) maka koefisien autokorelasi > 0, berarti ada autokorelasi positif. 3) Bila nilai DW lebih besar dari (4-dl) maka koefisien autokorelasi < 4, berarti ada autokorelasi negatif. 4) Bila nilai DW terletak antara du dan dl atau DW terletak antara (4du) dan (4-dl), maka hasilnya tidak dapat disimpulkan. Akan tetapi uji Durbin-Watson memiliki kelemahan jika jumlah datanya besar. d. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Cara untuk mengetahui apakah terjadi heteroskedastisitas atau tidak yaitu dengan melihat Grafik Plot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Apabila tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas (Ghozali, 2006). commit to user

35


digilib.uns.ac.id

3. Uji Model (Goodness of Fit) a. Analisis Regresi Model yang digunakan adalah : Model 1 : ATOit = αit + β1VAICit + β2DERit + β3PCit + β4Salesit + eit Model 2 : ROAit = αit + β1VAICit + β2DERit + β3PCit + β4ATOit + β5Salesit + eit Model 3 : ROEit = αit + β1VAICit + β2DERit + β3PCit + β4ATOit + β5Salesit + eit Model 4 : MBit = αit + β1VAICit + β2DERit + β3PCit + β4ATOit + β5ROEit + β6ROAit + β7Salesit + eit Keterangan : α

= Konstanta

β1, β2, β3, β4

= Koefisien Regresi masing–masing variabel independen

ATO

= Asset Turnover Ratio

ROA

= Return on Asset

ROE

= Return on Equity

MB

= Market to Book Value

VAIC

= Value Added Intellectual Capital

DER

= Debt Equity Ratio

PC

= Physical Capacity

Sales

= Firm Size (Ukuran Perusahaan=logaritma natural) commit to user

36


e

digilib.uns.ac.id

= Error Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat

diukur dari Goodness of Fit. Secara statistik, setidaknya ini dapat diukur dari nilai koefisien determinasi, nilai statistik F dan nilai statistik t. Perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah kritis (daerah dimana Ho ditolak). Sebaliknya disebut tidak signifikan bila nilai uji statistiknya berada dalam daerah di mana Ho diterima (Ghozali, 2006). b. Uji Hipotesis 1) Koefisien Determinasi Koefisien determinasi (R2) pada intinya digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Nilai koefisien determinasi yaitu antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variabel-variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel-variabel dependen (Ghozali, 2006). 2) Uji Signifikansi Simultan (Uji Statistik F) Uji Statistik F digunanakn untuk menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen, yaitu dengan membandingkan nilai F hasil perhitungan dengan nilai F commit to user

37


digilib.uns.ac.id

menurut tabel. Apabila nilai F hitung lebih besar daripada nilai F tabel, maka hipotesis alternatif diterima artinya semua variabel independen secara simultan dan signifikan mempengaruhi variabel dependen. Selain itu juga dapat dilihat berdasarkan probabilitas. Jika probabilitas (signifikansi) lebih kecil dari 0,05 (α) maka variabel independen secara bersama-sama (simultan) berpengaruh terhadap variabel dependen (Ghozali, 2006). 3) Uji Signifikansi Parameter Individual (Uji Statistik t) Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas / independen secara individual dalam menerangkan variasi variabel dependen. Cara untuk mengetahuinya yaitu dengan membandingkan nilai t hitung dengan nilai t tabel. Apabila nilai t hitung lebih besar dibandingkan dengan nilai t tabel maka berarti t hitung tersebut signifikan artinya hipotesis alternatif diterima yaitu variabel independen secara individual mempengaruhi variabel dependen. Selain itu, bisa juga dilakukan dengan melihat p-value dari masing-masing variabel. Hipotesis diterima apabila p-value < 5 % yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel dependen (Ghozali, 2006).

commit to user

38


digilib.uns.ac.id

BAB IV HASIL DAN ANALISIS DATA

A. Deskripsi Objek Penelitian Pada bagian sebelumnya telah dijelaskan bahwa objek di dalam penelitian ini melibatkan beberapa variabel independen, dependen dan kontrol. Untuk variabel independen adalah VAIC™ yang merupakan penjumlahan dari HCE, SCE, dan CEE. Sedangkan variabel dependen adalah kinerja keuangan perusahaan yaitu MB, ROA, ATO dan ROE dengan melibatkan variabel kontrol yaitu PC, DER, dan SALES. Populasi pada penelitian ini adalah perusahaan farmasi, tekstil dan garment yang terdaftar di Bursa Efek Indonesia pada tahun 2008-2011 yaitu sebanyak 29 perusahaan. Penelitian ini menggunakan metode purposive sampling dalam menentukan sampel, yaitu teknik pengambilan sampel yang didasarkan pada tujuan tertentu yang sesuai dengan maksud penelitian. Berdasarkan kriteria tersebut maka perusahaan yang tidak terpilih menjadi sampel dalam penelitian ini adalah sebanyak 11 perusahaan, sedangkan sampel yang terpilih adalah sembilan perusahaan farmasi dan sembilan perusahaan tekstil yang terdaftar di Bursa Efek Indonesia yang secara konsisten melaporkan laporan keuangan perusahaan selama tahun 2008-2011.

commit to user

39


digilib.uns.ac.id

TABEL 4.1 SAMPEL PERUSAHAAN FARMASI DAN TEKSTIL PERUSAHAAN FARMASI

PERUSAHAAN TEKSTIL

1 Darya-Varia Laboratoria Tbk (DVLA) 2 Indofarma (Persero) Tbk (INAF)

1

PT Argo Pantes Tbk (ARGO)

2

3 Kalbe Farma Tbk (KLBF)

3

PT Century Textile Industry (Centex) Tbk (CNTX) PT Eratex Djaja Tbk (ERTX)

4 Kimia Farma (Persero) Tbk (KAEF) 5 Merck Tbk (MERK)

4

6 Pyridam Farma Tbk (PYFA)

6

7 Schering Plough Indonesia Tbk (SCPI) Taisho Pharmaceutical Indonesia 8 Tbk (d/h Bristol-Myers Squibb Indonesia Tbk) (SQBI) 9 Tempo Scan Pacific Tbk (TSPC)

7

5

8 9

PT Panasia Filament Inti Tbk (PAFI) PT Panasia Indosyntec Tbk (HDTX) PT Roda Vivatex Tbk (RDTX) PT Sunson Textile Manufacturer Tbk (SSTM) PT Tilico Fiber Indonesia Tbk (d/h Teijin Indonesia Fiber Tbk) (TFCO) PT Unitex Tbk (UNTX)

Sumber : Bursa Efek Indonesia B. Analisis Deskriptif Data Analisis Statistik deskriptif berfungsi untuk mengetahui karakteristik sampel yang akan digunakan pada penelitian ini. Analisis Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai ratarata (mean), minimum, maksimum dan standar deviasi (Ghozali, 2006). Untuk penjelasan lebih lanjut mengenai gambaran karakteristik sampel masingmasing industri dapat dilihat pada tabel 4.2 dan 4.3 . Dari tabel tersebut dapat diketahui hasil dari nilai mean, minimum, maksimum, dan standar deviasi dari masing-masing variabel.

commit to user

40


digilib.uns.ac.id

Tabel 4.2 Analisis Deskriptif Farmasi Descriptive Statistics N VAIC MB ROA ATO ROE PC DER SALES Valid N (listwise)

36

Minimum -5.4664

Maximum 24.9750

Mean 5.120216

Std. Deviation 5.8830291

36 36

.3200 -.0813

11.2500 .4116

2.460833 .128765

2.5179985 .1239177

36 36 36

.8745 -1.1770 .0924

1.9402 .7930 .5745

1.364264 .154634 .236344

.2963529 .3235669 .1155820

36 36

.1458 11.6917

22.9011 16.2054

2.200983 13.836777

5.2611922 1.3505027

36

Sumber : Data sekunder yang diolah, 2012 Tabel 4.3 Analisis Deskriptif Tekstil Descriptive Statistics N VAIC MB ROA ATO ROE PC DER SALES Valid N (listwise)

36

Minimum -20.8678

Maximum 31.0698

Mean 2.988502

Std. Deviation 11.1152155

36 36 36

-16.7800 -.6519 .0772

24.7900 .4925 2.5273

.618333 -.059878 .881754

5.9551805 .2066110 .5464785

36 36

-2.0626 .1957

6.0782 .8505

.103397 .539400

1.2364330 .1716584

36 36

-25.2454 10.2111

38.7869 15.1205

1.197014 12.951530

9.6996680 1.0213143

36

Sumber : Data sekunder yang diolah, 2012 Analisis deskriptif data pada kedua industri menggambarkan keadaan yang berbeda. Terdapat perbedaan yang cukup signifikan di kedua industri dimana ratarata nilai VAIC™ dari industri farmasi menunjukkan angka 5.1202 lebih besar commit to user daripada industri tekstil sebesar 2.9885. Hal ini menunjukkan bahwa industri

41


digilib.uns.ac.id

farmasi telah menggunakan modal intelektualnya dengan lebih baik daripada tekstil. Nilai MB pada kedua industri menunjukkan perbedaan yang signifikan, dimana nilai rata-rata pada industri farmasi menunjukkan angka 2.4608 lebih besar daripada industri tekstil yaitu 0.618. Hasil tersebut menunjukkan perbedaan tinggi antara nilai buku dan nilai pasar perusahaan farmasi dibandingkan dengan perusahaan tekstil Data tersebut menunjukkan modal intelektual yang berupa tenaga terampil pada bidang research and development di industri farmasi telah membuat perbedaan yang signifikan dalam hal ini. Nilai ROA pada kedua industri memiliki perbedaan yang cukup signifikan dimana nilai rata-rata pada industri farmasi menunjukkan angka 0.1287 sedangkan pada tekstil sebesar -0.0598. Hal ini menunjukkan industri farmasi dapat memperoleh laba sebesar 12,8% dari total aset perusahaan, sedangkan tekstil mengalami kerugian sebesar 5,9% dari total aset perusahaan. Nilai ATO pada kedua industri memiliki perbedaan yang cukup signifikan dimana nilai rata-rata pada industri farmasi menunjukkan nilai 1.364 sedangkan pada industri tekstil sebesar 0.8817. Hal ini menunjukkan perputaran aktiva dari farmasi lebih baik dibandingkan dengan tekstil. Nilai ROE pada kedua industri memiliki perbedaan yang tidak terlalu signifikan dimana nilai rata-rata pada industri farmasi menunjukkan nilai 0.1546 sedangkan pada industri tekstil sebesar 0.1033. Hal ini menunjukkan investor mendapat pengembalian investasi lebih tinggi pada industri farmasi dibandingkan dengan tekstil.

commit to user

42


digilib.uns.ac.id

C. Analisis Data Penelitian serta pengujian hipotesis dalam penelitian ini dilakukan dengan menggunakan empat buah model regresi linier berganda. dimana model pertama merupakan pengujian pengaruh modal intelektual terhadap kinerja keuangan ATO dengan memasukkan PC,DER dan SALES sebagai variabel kontrol. Model kedua merupakan pengaruh modal intelektual terhadap kinerja keuangan ROA dengan memasukkan PC, DER, dan SALES sebagai variabel kontrol serta kembali memasukkan ATO ke dalam model. Model ketiga merupakan pengaruh modal intelektual terhadap kinerja keuangan ROE dengan memasukkan PC, DER, SALES sebagai variabel kontrol serta memasukkan kembali ATO ke dalam model. Model keempat adalah pengaruh modal intelektul terhadap kinerja keuangan MB dengan memasukkan PC, DER, dan SALES sebagai variabel kontrol serta kembali memasukkan ATO, ROA, dan ROE ke dalam model. Akan tetapi, untuk menghasilkan model regresi yang baik, harus diuji terlebih dahulu terhadap ada atau tidaknya penyimpangan asumsi klasik, oleh karena itu setiap pengujian terhadap masing-masing model akan dilakukan uji asumsi klasik terlebih dahulu.

commit to user

43


digilib.uns.ac.id

1. Model 1 a. Uji Asumsi Klasik 1) Uji Normalitas Gambar 4.1 Uji Normalitas Residual – Model 1 FARMASI

One-Sample Kolmogorov-Smirnov Test Unstandardi zed Residual N

36 Mean

Normal Parametersa

Std. Deviation Most Extreme Differences

.0000000 .25285021

Absolute

.072

Positive

.063

Negative

-.072

Kolmogorov-Smirnov Z

.434

Asymp. Sig. (2-tailed)

.992

Sumber : Data sekunder yang diolah , 2012

commit to user

44


digilib.uns.ac.id

Gambar 4.2 Uji Normalitas Residual – Model 1 TEKSTIL

One-Sample Kolmogorov-Smirnov Test Unstandardi zed Residual N

36 a

Normal Parameters Mean Std. Deviation Most Extreme Differences

.0000000 .40902590

Absolute

.168

Positive

.168

Negative

-.121


1.008

Asymp. Sig. (2-tailed) .262 Sumber : Data sekunder yang diolah, 2012 Pengujian normalitas residual diatas telah menunjukan bahwa model regresi 1 ATO pada industri farmasi memiliki nilai residual berdistribusi normal. Hal ini ditunjukan dengan nilai probabilitas uji commit to user Kolmogorov-Smirnov sebesar 0.992 yang berada diatas 0.05. Demikian

45


digilib.uns.ac.id

pula pengujian normalitas residual model regresi 1 ATO pada industri tekstil memiliki nilai residual berdistribusi normal. Hal ini ditunjukan dengan nilai probabilitas uji Kolmogorov-Smirnov sebesar 0.262 yang berada diatas 0.05. 2) Uji Multikolinieritas Nilai Tolerance dan nilai VIF (Variance Inflation Factor) digunakan untuk menguji multikolonieritas. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance ≤ 0,10 atau sama dengan nilai VIF ≥10 (Ghozali, 2006). Jadi model

regresi

tidak

memiliki

kecenderungan

adanya

gejala

multikolinieritas apabila memiliki nilai Tolerance lebih besar dari 0,10 dan nilai VIF lebih kecil dari 10. TABEL 4.4 Hasil Uji Multikolonieritas Farmasi Model 1 Coefficientsa

Model 1(Constant)

Unstandardized

Standardized

Collinearity

Coefficients

Coefficients

Statistics

B

Std. Error

Beta

T

Sig.

1.328

.194

Tolerance

VIF

.943

.710

VAIC

-.014

.008

-.287

-1.737

.092

.860

1.163

PC

-.298

.488

-.116

-.610

.546

.647

1.544

DER

-.016

.010

-.275

-1.486

.147

.684

1.462

.043

.044

.197

.983

.333

.582

1.718

SALES

Dependent variable ATO

Sumber : Data yang diolah, 2012 commit to user

46


digilib.uns.ac.id

Dari data uji multikolonieritas model 1 pada industri farmasi di atas menunjukkan bahwa nilai tolerance semua variabel independen berada di atas 0.10 dan memiliki nilai VIF lebih kecil dari 10. Hal ini menunjukkan bahwa tidak terjadi multikolonieritas dalam model regresi. Jadi semua variabel tersebut layak digunakan sebagai predictor. TABEL 4.5 Hasil Uji Multikolonieritas Tekstil Model 1 Coefficientsa

Model 1

Unstandardized

Standardized

Collinearity

Coefficients

Coefficients

Statistics

B

Std. Error

(Constant)

-.675

.947

VAIC

.004

.007

-2.196

DER SALES

PC

Beta

t

Sig.

Tolerance

VIF

-.713

.481

.074

.496

.624

.800

1.250

.516

-.690

-4.253

.000

.687

1.455

.003

.008

.049

.326

.747

.813

1.230

.211

.075

.394

2.825

.008

.932

1.073

a. Dependent Variable: ATO

Sumber : Data sekunder yang diolah, 2012 Dari data uji multikolonieritas model 1 pada industri farmasi di atas menunjukkan bahwa nilai tolerance semua variabel independen berada di atas 0.10 dan memiliki nilai VIF lebih kecil dari 10. Hal ini menunjukkan bahwa tidak terjadi multikolonieritas dalam model regresi. Jadi semua variabel tersebut layak digunakan sebagai predictor.

commit to user

47


digilib.uns.ac.id

3) Uji Autokolerasi Pengujian autokorelasi dalam penelitian ini dilakukan dengan menggunakan uji Durbin Watson, yaitu dengan cara membandingkan nilai DW dengan nilai tabel

. Jika DW berada pada rentang

dan 4 –

,

maka hal ini menunjukkan tidak ada masalah autokorelasi dalam model regresi. Tabel 4.6 Hasil Pengujian Autokolerasi Farmasi Model 1 Model Summaryb

Model 1

R

R Square

.522a

.272

Adjusted R

Std. Error of the

Square

Estimate .178

.2686683

Durbin-Watson 1.917

a. Predictors: (Constant), SALES, VAIC, DER, PC b. Dependent Variable: ATO

Sumber : Data sekunder yang diolah, 2012 Nilai DW pada tabel diatas akan dibandingkan nilai tabel DurbinWatson pada industri farmasi dengan menggunakan signifikansi 0.05 , jumlah sampel (n=36) dan jumlah variabel independen (k=4) , maka pada tabel Durbin-Watson menunjukkan nilai du=1.724. Pada tabel di atas didapatkan nilai DW pada farmasi 1.917 lebih besar dari batas atas (du) 1.724 dan kurang dari 2.276 (4-du), maka dapat disimpulkan bahwa tidak terdapat masalah autokorelasi dalam model regresi.

commit to user

48


digilib.uns.ac.id

Tabel 4.7 Hasil Pengujian Autokolerasi Tekstil Model 1 Model Summaryb Model 1

R

Adjusted R Square

R Square

.663a

.440

Std. Error of the Estimate

.368

.4346143

Durbin-Watson 1.785


Sumber : Data sekunder yang diolah, 2012 Nilai DW pada tabel diatas akan dibandingkan nilai tabel DurbinWatson dengan menggunakan signifikansi 0.05 , jumlah sampel (n=36) dan jumlah variabel independen (k=4) , maka pada tabel Durbin-Watson menunjukkan nilai du=1.724. Pada tabel di atas didapatkan nilai DW pada tekstil 1.785 lebih besar dari batas atas (du) 1.724 dan kurang dari 2.276 (4-du), maka dapat disimpulkan bahwa tidak terdapat masalah autokorelasi dalam model regresi. 4) Uji Heteroskedastisitas Pengujian heteroskedastisitas dilakukan dengan menggunakan metode Scatterplot. Gambar 4.3 Hasil Pengujian Heteroskedastisitas Farmasi - Model 1

commit to user

49


digilib.uns.ac.id

Gambar 4.4 Hasil Pengujian Heteroskedastisitas Tekstil - Model 1

Sumber : Data sekunder yang diolah,2012

Hasil pengujian pada masing-masing industri farmasi dan tekstil di atas menunjukkan pola scatterplot pada regresi menyebar. Hal ini menunjukkan bahwa model regresi pada kedua industri tidak memiliki gejala adanya heteroskdastisitas. b. Uji Model (Goodness of Fit) 1) Koefisien Determinasi Pengujian goodness of fit dari model regresi yang diperoleh dari nilai adjusted R2 adalah sebagai berikut: TABEL 4.8 Koefisien Determinasi Industri Farmasi – Model 1 Model Summaryb Model 1

R

R Square a

.522

.272

Adjusted R Square .178

Std. Error of the Estimate .2686683

Durbin-Watson 1.917


Sumber: Data sekunder yang diolah,2012

commit to user

50


digilib.uns.ac.id

TABEL 4.9 Koefisien Determinasi Industri Tekstil – Model 1 Model Summaryb

Model

R .663a

1

Adjusted R Square

R Square .440


.368

Durbin-Watson

.4346143

1.785


Sumber : Data sekunder yang diolah, 2012 Nilai adjusted R2 pada industri farmasi diperoleh sebesar 0,178. Hal ini menunjukkan bahwa hanya 17,8% variasi kinerja ATO pada farmasi dapat dijelaskan oleh intellectual capital, sedangkan 82,2% lainnya dapat dijelaskan oleh variabel lainnya. Sedangkan nilai adjusted R2 pada industri tekstil diperoleh sebesar 0.368 menunjukkan bahwa 36.8% variasi kinerja ATO pada tekstil dapat dijelaskan oleh intellectual capital, sedangkan 63.2% lainnya dapat dijelaskan oleh variabel lainnya. 2) Uji Signifikansi Simultan (Uji Statistik F) Hasil pengujian uji model (Goodness of Fit) dengan menggunakan uji F diperoleh hasil sebagai berikut : Tabel 4.10 Uji Model (Goodness of Fit) Industri Farmasi – Model 1 ANOVAb Model 1

Sum of Squares Regression

Df

Mean Square

.836

4

.209

Residual

2.238

31

.072

Total

3.074

35

F 2.896

Sig. .038a


Sumber : Data sekunder yang diolah, 2012

commit to user

51


digilib.uns.ac.id

Tabel menunjukan hasil perhitungan statistik uji F pada industri farmasi sebesar 2.896 dengan probabilitas 0.038. Karena probabilitas ATO lebih kecil dari 0,05 (p<0,05) yang berarti secara bersamaan (simultan) seluruh variabel independen VAIC, SALES, DER, dan PC berpengaruh signifikan terhadap variabel ATO. Tabel 4.11 Uji Model (Goodness of Fit) Industri Tekstil – Model 1 ANOVAb Model 1

Sum of Squares

Df

Mean Square

F

Regression

4.597

4

1.149

Residual

5.856

31

.189

10.453

35

Total

6.084

Sig. .001a


Sumber : Data sekunder yang diolah,2012 Tabel menunjukan hasil perhitungan statistik uji F pada industri tekstil sebesar 6.084 dengan probabilitas 0.001. Karena probabilitas ATO lebih kecil dari 0,05 (p<0,05) yang berarti secara bersamaan (simultan) seluruh variabel independen VAIC, SALES, DER, dan PC berpengaruh signifikan terhadap variabel ATO. 3) Uji Hipotesis (Signifikansi Parameter Individual/Uji Statistik t) Dari hasil pengujian terhadap asumsi klasik pada kedua industri, diperoleh model regresi tersebut telah memenuhi asumsi normalitas, multikolinieritas, autokorelasi dan heteroskedastisitas. Pengujian hipotesis dilakukan dengan menguji model persamaan regresi secara individual terhadap masing-masing variabel

independen

setelah

itu

hasil tersebut

dapat

commit to user

52


digilib.uns.ac.id

dibandingkan untuk menjawab hipotesis yang ada. Hasil pengujian model regresi pada kedua industri secara individual diperoleh sebagai berikut. Tabel 4.12 Hasil pengujian Regresi Linier Farmasi – Model 1 coefficients Unstandardized Coefficients Model

B

1(Constant)

Standardized Coefficients

Std. Error

Beta

T

Sig.

1.328

.194

.943

.710

VAIC

-.014

.008

-.287

-1.737

.092

PC

-.298

.488

-.116

-.610

.546

DER

-.016

.010

-.275

-1.486

.147

.043

.044

.197

.983

.333

SALES Dependent variable ATO

Sumber : Data yang diolah, 2012 Persamaan regresi ATO pada industri farmasi dapat ditulis sebagai berikut.

Tabel 4.13 Hasil pengujian Regresi Linier Tekstil – Model 1 coefficients Unstandardized Coefficients Model 1

(Constant) VAIC

B

Std. Error

-.675

.947

Standardized Coefficients Beta

T

Sig.

-.713

.481

.004

.007

.074

.496

.624

-2.196

.516

-.690

-4.253

.000

DER

.003

.008

.049

.326

.747

SALES

.211

.075

.394

2.825

.008

PC

a. Dependent Variable: ATO

Sumber : Data yang diolah, 2012 Persamaan regresi ATO pada industri tekstil dapat ditulis sebagai berikut.

commit to user

53


digilib.uns.ac.id

Dari data di atas diperoleh bahwa variabel VAIC,PC dan DER pada industri farmasi memiliki koefisien dengan tanda negatif. Hal ini berarti bahwa industri farmasi dengan intellectual capital yang besar akan menurunkan ATO. Akan tetapi hal ini tidak bisa dikatakan jika intellectual capital di farmasi berpengaruh negatif terhadap ATO karena VAIC tidak signifikan. Hal berbeda ditunjukkan pada industri tekstil dimana variabel PC memiliki koefisien negatif sedangkan VAIC,DER dan SALES memiliki koefisien positif. Hal ini menunjukkan PC yang besar akan menurunkan nilai ATO pada industri tekstil. Hasil pengujian signifikansi variabel independen secara individual akan dibahas sebagai berikut : 1) Variabel VAIC Variabel VAIC pada perusahaan farmasi menunjukkan nilai t hitung 1.737 dengan signifikansi sebesar 0.092 (p>0.05), sedangkan pada tekstil nilai t hitung 0.496 dengan signifikansi sebesar 0.624 (p>0.05). Hal ini berarti bahwa VAIC di kedua industri tidak berpengaruh secara signifikan terhadap ATO. Dengan kata lain intellectual capital tidak berpengaruh secara signifikan pada ATO di kedua industri, jadi H1 ditolak karena VAIC di kedua industri tidak berpengaruh secara signifikan dan tidak dapat dijadikan tolok ukur untuk membandingkan kinerja intellectual capital terhadap ATO di kedua industri tersebut.

commit to user

54


digilib.uns.ac.id

2. model 2 a. Uji Asumsi Klasik 1) Uji Normalitas Gambar 4.5 Uji Normalitas Residual – Model 2 FARMASI

One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N Normal Parametersa

Mean Std. Deviation Absolute Positive Negative

Most Extreme Differences

Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)

36 .0000000 .07891655 .113 .113 -.081 .676 .751

a. Test distribution is Normal.

Sumber : Data sekunder yang diolah, 2012 Pengujian normalitas residual diatas telah menunjukan bahwa model regresi 2 ROA pada industri farmasi memiliki nilai residual commit to user

55


digilib.uns.ac.id

berdistribusi normal. Hal ini ditunjukan dengan nilai probabilitas uji Kolmogorov-Smirnov sebesar 0.751 yang berada diatas 0.05. Gambar 4.6 Uji Normalitas Residual – Model 2 TEKSTIL

One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N

36

Normal Parameters

a

Mean

Std. Deviation Most Extreme Differences Absolute Positive Negative

.0000000 .17232057 .175 .175 -.132


1.049

Asymp. Sig. (2-tailed)

.221


Sumber : Data sekunder yang diolah, 2012 Pengujian normalitas residual diatas telah menunjukan bahwa model regresi 2 ROA pada industri tekstil memiliki nilai residual commit to user

56


digilib.uns.ac.id

berdistribusi normal. Hal ini ditunjukan dengan nilai probabilitas uji Kolmogorov-Smirnov sebesar 0.221 yang berada diatas 0.05. 2) Uji Multikolinieritas Nilai Tolerance dan nilai VIF (Variance Inflation Factor) digunakan untuk menguji multikolonieritas. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance ≤ 0,10 atau sama dengan nilai VIF ≥10 (Ghozali, 2006). Jadi model

regresi

tidak

memiliki

kecenderungan

adanya

gejala

multikolinieritas apabila memiliki nilai Tolerance lebih besar dari 0,10 dan nilai VIF lebih kecil dari 10. Tabel 4.14 Hasil Uji Multikolonieritas Farmasi Model 2 Coefficientsa Unstandardized Coefficients Model 1

B


Std. Error

(Constant)

.377

.232

VAIC

.011

.003

PC

-.400

DER SALES ATO

Beta

Collinearity Statistics T

Sig.

Tolerance

VIF

1.630

.114

.510

3.886

.001

.784

1.276

.156

-.373

-2.569

.015

.640

1.563

-.013

.003

-.552

-3.796

.001

.639

1.566

-.019

.014

-.202

-1.306

.201

.564

1.772

.056

.057

.134

.980

.335

.728

1.374

a. Dependent Variable: ROA


commit to user

57


digilib.uns.ac.id

Tabel 4.15 Hasil Uji Multikolonieritas Tekstil Model 2 Coefficientsa Standardize d Coefficients

Unstandardized Coefficients Model 1

B (Constant )

Std. Error -.431

.409

.008

.003

-.396

DER SALES

VAIC PC

ATO

Beta


Sig.

Toleranc e

VIF

-1.055

.300

.428

2.505

.018

.794

1.260

.278

-.329

-1.422

.165

.434

2.305

.000

.004

.019

.111

.912

.810

1.234

.056

.036

.276

1.561

.129

.741

1.350

-.185

.077

-.489

-2.404

.023

.560

1.785



Dari data uji multikolonieritas model 2 pada industri farmasi dan tekstil di atas menunjukkan bahwa nilai tolerance semua variabel independen berada di atas 0.10 dan memiliki nilai VIF lebih kecil dari 10. Hal ini menunjukkan bahwa tidak terjadi multikolonieritas dalam model regresi. Jadi semua variabel tersebut layak digunakan sebagai predictor. 3) Uji Autokolerasi Pengujian autokorelasi dalam penelitian ini dilakukan dengan menggunakan uji Durbin Watson, yaitu dengan cara membandingkan nilai DW dengan nilai tabel


dan 4 –

,

maka hal ini menunjukkan tidak ada masalah autokorelasi dalam model regresi.

commit to user

58


digilib.uns.ac.id

Tabel 4.16 Hasil Pengujian Autokolerasi Farmasi Model 2 Model Summaryb

Model

R

R Square

.771a

1

Adjusted R

Std. Error of the

Square

Estimate

.594

.527

Durbin-Watson

.0852396

1.355

a. Predictors: (Constant), ATO, PC, VAIC, DER, SALES b. Dependent Variable: ROA

Sumber : Data sekunder yang diolah, 2012. Tabel 4.17 Hasil Pengujian Autokolerasi Tekstil Model 2 Model Summaryb

Model

R

R Square

.552a

1

.304

Adjusted R

Std. Error of the

Square

Estimate .188

.1861275

Durbin-Watson 1.768

a. Predictors: (Constant), ATO, DER, SALES, VAIC, PC b. Dependent Variable: ROA

Sumber : Data sekunder yang diolah, 2012. Nilai DW pada tabel diatas akan dibandingkan nilai tabel DurbinWatson pada kedua industri dengan menggunakan signifikansi 0.05 , jumlah sampel (n=36) dan jumlah variabel independen (k=5) , maka pada tabel Durbin-Watson menunjukkan nilai du=1.799 dan dl=1.175. Pada tabel di atas didapatkan nilai DW pada farmasi 1.355 dan DW pada tekstil 1.768 berada di antara batas atas (du) 1.799 dan batas bawah (dl) 1.175 maka tidak dapat disimpulkan bahwa terdapat masalah autokorelasi dalam model regresi.

commit to user

59


digilib.uns.ac.id

4) Uji Heteroskedastisitas Pengujian heteroskedastisitas dilakukan dengan menggunakan metode Scatterplot. Gambar 4.7 Hasil Pengujian Heteroskedastisitas Farmasi - Model 2


commit to user

60


digilib.uns.ac.id

Hasil pengujian pada masing-masing industri farmasi dan tekstil di atas menunjukkan pola scatterplot pada regresi menyebar. Hal ini menunjukkan bahwa model regresi pada kedua industri tidak memiliki gejala adanya heteroskdastisitas. b. Uji Model (Goodness of Fit) 1) Koefisien Determinasi Pengujian goodness of fit dari model regresi yang diperoleh dari nilai adjusted R2 adalah sebagai berikut: Tabel 4.18 Koefisien Determinasi Industri Farmasi – Model 2 Model Summaryb

Model

R

R Square a

1

.771

.594

Adjusted R Square


.527

Durbin-Watson

.0852396

1.355


Sumber : Data sekunder yang diolah, 2012 Tabel 4.19 Koefisien Determinasi Industri Tekstil – Model 2 Model Summaryb

Model 1

R

R Square a

.552

.304

Adjusted R Square


.188

.1861275

Durbin-Watson 1.768



commit to user

61


digilib.uns.ac.id

Nilai adjusted R2 pada industri farmasi diperoleh sebesar 0.527. Hal ini menunjukkan bahwa hanya 52.7% variasi kinerja ROA pada farmasi dapat dijelaskan oleh intellectual capital, sedangkan 47.3% lainnya dapat dijelaskan oleh variabel lainnya. Sedangkan nilai adjusted R2 pada industri tekstil diperoleh sebesar 0.188 menunjukkan bahwa 18.8% variasi kinerja ROA pada tekstil dapat dijelaskan oleh intellectual capital, sedangkan 81.2% lainnya dapat dijelaskan oleh variabel lainnya. 2) Uji Signifikansi Simultan (Uji Statistik F) Hasil pengujian uji model (Goodness of Fit) dengan menggunakan uji F diperoleh hasil sebagai berikut : Tabel 4.20 Uji Model (Goodness of Fit) Industri Farmasi – Model 2 ANOVAb Model

Sum of Squares

1

Df

Mean Square

Regression

.319

5

.064

Residual

.218

30

.007

Total

.537

35

F

Sig. .000a

8.794


Tabel 4.21 Uji Model (Goodness of Fit) Industri Tekstil – Model 2 ANOVAb Model 1


Df

Mean Square

.455

5

.091

Residual

1.039

30

.035

Total

1.494

35

F

Sig. .044a

2.625


Sumber : Data sekunder yang diolah, 2012 commit to user

62


digilib.uns.ac.id

Tabel menunjukan hasil perhitungan statistik uji F pada industri farmasi dan tekstil, dimana farmasi menunjukkan nilai sebesar 8.794 dengan probabilitas 0.000 sedangkan tekstil menunjukkan nilai sebesar 2.625 dengan probabilitas 0.044. Karena probabilitas ROA kedua industri lebih kecil dari 0,05 (p<0,05) maka secara bersamaan (simultan) seluruh variabel independen VAIC, SALES, DER,ATO dan PC berpengaruh signifikan terhadap variabel ROA. 3) Uji Hipotesis (Signifikansi Parameter Individual/Uji Statistik t) Dari hasil pengujian terhadap asumsi klasik pada kedua industri, diperoleh model regresi tersebut telah memenuhi asumsi normalitas, multikolinieritas, autokorelasi dan heteroskedastisitas. Pengujian hipotesis dilakukan dengan menguji model persamaan regresi secara individual terhadap masing-masing variabel independen setelah itu hasil tersebut dapat dibandingkan untuk menjawab hipotesis yang ada. Hasil pengujian model regresi pada kedua industri secara individual diperoleh sebagai berikut.

commit to user

63


digilib.uns.ac.id

Tabel 4.22 Hasil Pengujian Regresi Linier Farmasi – Model 2 coefficient


B

Std. Error

Beta

(Constant)

.377

.232

VAIC

.011

.003

PC

-.400

DER SALES ATO a. Dependent Variable: ROA

Standardized Coefficients T

Sig.

1.630

.114

.510

3.886

.001

.156

-.373

-2.569

.015

-.013

.003

-.552

-3.796

.001

-.019

.014

-.202

-1.306

.201

.056

.057

.134

.980

.335

Tabel 4.23 Hasil Pengujian Regresi Linier Tekstil – Model 2 coefficient Unstandardized Coefficients Model 1

B (Constant) VAIC PC


Std. Error -.431

.409

.008

.003

Beta

Sig. T -1.055

.300

.428

2.505

.018

-.396

.278

-.329

-1.422

.165

DER

.000

.004

.019

.111

.912

SALES

.056

.036

.276

1.561

.129

-.185

.077

-.489

-2.404

.023

ATO


Sumber :Data sekunder yang diolah,2012

Persamaan regresi ROA pada industri farmasi dapat ditulis sebagai berikut.

Persamaan regresi ROA pada industri tekstil dapat ditulis sebagai berikut.

commit to user

64


digilib.uns.ac.id

Dari data di atas diperoleh bahwa variabel PC, DER, dan SALES pada industri farmasi memiliki koefisien dengan tanda negatif, sedangkan VAIC dan ATO memiliki koefisien positif. Hal ini berarti bahwa perusahaan dengan intellectual capital yang besar akan menaikkan ROA pada farmasi. Hal berbeda ditunjukkan pada industri tekstil dimana variabel PC, DER, ATO memiliki koefisien negatif sedangkan VAIC,dan SALES memiliki koefisien positif. Hal ini menunjukkan VAIC yang besar akan menaikkan nilai ROA pada industri tekstil. Hasil pengujian signifikansi variabel independen secara individual akan dibahas sebagai berikut : 1) Variabel VAIC Variabel VAIC pada perusahaan farmasi menunjukkan nilai t hitung 3.886 dengan signifikansi sebesar 0.001 (p<0.05), sedangkan pada tekstil nilai t hitung 2.505 dengan signifikansi sebesar 0.018 (p<0.05). Hal ini berarti bahwa VAIC di kedua industri berpengaruh secara signifikan terhadap ROA. Dengan kata lain intellectual capital berpengaruh secara signifikan pada profitabilitas di kedua industri. H2 diterima karena hasil regresi menunjukkan kinerja intellectual capital pada perusahaan farmasi menghasilkan profitabilitas yang lebih tinggi dibandingkan dengan perusahaan tekstil.

commit to user

65


digilib.uns.ac.id

3. Model 3 a. Uji Asumsi Klasik 1) Uji Normalitas Gambar 4.9 Uji Normalitas Residual – Model 3 FARMASI

One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N Normal Parametersa Most Extreme Differences


Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a.

36 .0000000 .28130678 .189 .189 -.189 1.136 .151

Test distribution is Normal.


Pengujian normalitas residual diatas telah menunjukan bahwa model regresi 3 ROE pada industri farmasi memiliki nilai residual commit to user

66


digilib.uns.ac.id

berdistribusi normal. Hal ini ditunjukan dengan nilai probabilitas uji Kolmogorov-Smirnov sebesar 0.151 yang berada diatas 0.05.

Gambar 4.10 Uji Normalitas Residual Tekstil – Model 3

One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N Normal Parametersa

Mean Std. Deviation Most Extreme Differences Absolute Positive Negative Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a.

36 .0000000 .70847033 .166 .166 -.085 .997 .273

Test distribution is Normal.

Sumber : Data yang diolah, 2012 Pengujian normalitas residual diatas telah menunjukan bahwa model regresi 3 ROE pada industri tekstil memiliki nilai residual berdistribusi normal. Hal ini ditunjukan dengan nilai probabilitas uji Kolmogorov-Smirnov sebesar 0.273 yang berada diatas 0.05. commit to user

67


digilib.uns.ac.id

2) Uji Multikolinieritas Nilai Tolerance dan nilai VIF (Variance Inflation Factor) digunakan untuk menguji multikolonieritas. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance ≤ 0,10 atau sama dengan nilai VIF ≥10 (Ghozali, 2006). Jadi model

regresi

tidak

memiliki

kecenderungan

adanya

gejala

multikolinieritas apabila memiliki nilai Tolerance lebih besar dari 0,10 dan nilai VIF lebih kecil dari 10.

Tabel 4.24 Hasil Uji Multikolonieritas Farmasi Model 3 Coefficientsa Standardize d Coefficients


B (Constant )

Std. Error -.434

.826

VAIC

.024

.010

PC

.045

Beta


Sig.

Toleranc e

VIF

-.525

.603

.445

2.482

.019

.784

1.276

.556

.016

.080

.936

.640

1.563

-.011

.012

-.171

-.860

.397

.639

1.566

SALES

.007

.051

.028

.134

.894

.564

1.772

ATO

.280

.203

.256

1.377

.179

.728

1.374

DER

a. Dependent Variable: ROE

Sumber : Data yang diolah, 2012

commit to user

68


digilib.uns.ac.id

Tabel 4.25 Hasil Uji Multikolonieritas Tekstil Model 3 Coefficientsa Standardize d Coefficients


B

Std. Error

(Constant )

-.550

1.681

VAIC

-.011

.013

PC

2.399

1.144

DER

-.112

.015

SALES

-.049

.147

ATO .187 a. Dependent Variable: ROE

.316

Beta


Sig.

Tolerance

VIF

-.327

.746

-.816

.421

.794

1.260

.333

2.097

.045

.434

2.305

-.876

-7.538

.000

.810

1.234

-.041

-.336

.739

.741

1.350

.083

.591

.559

.560

1.785

-.096

Sumber : Data sekunder yang diolah, 2012 Dari data uji multikolonieritas model 3 pada industri farmasi dan tekstil di atas menunjukkan bahwa nilai tolerance semua variabel independen berada di atas 0.10 dan memiliki nilai VIF lebih kecil dari 10. Hal ini menunjukkan bahwa tidak terjadi multikolonieritas dalam model regresi. Jadi semua variabel tersebut layak digunakan sebagai predictor. 3) Uji Autokolerasi Pengujian autokorelasi dalam penelitian ini dilakukan dengan menggunakan uji Durbin Watson, yaitu dengan cara membandingkan nilai DW dengan nilai tabel


dan 4 –

,


commit to user

69


digilib.uns.ac.id


Model

R

R Square

.494a

1

Adjusted R

Std. Error of the

Square

Estimate

.244

.118

Durbin-Watson

.3038460

1.624

a. Predictors: (Constant), ATO, PC, VAIC, DER, SALES b. Dependent Variable: ROE

Sumber : Data sekunder yang diolah,2012 Tabel 4.27 Hasil Pengujian Autokolerasi Tekstil Model 3 Model Summaryb

Model 1

R

R Square

.820a

.672

Adjusted R

Std. Error of the

Square

Estimate .617

.7652354

Durbin-Watson 2.302

a. Predictors: (Constant), ATO, DER, SALES, VAIC, PC b. Dependent Variable: ROE


Nilai DW pada tabel diatas akan dibandingkan nilai tabel DurbinWatson pada kedua industri dengan menggunakan signifikansi 0.05 , jumlah sampel (n=36) dan jumlah variabel independen (k=5) , maka pada tabel Durbin-Watson menunjukkan nilai du=1.799 dan dl=1.175. Pada tabel di atas didapatkan nilai DW pada farmasi 1.624 berada di antara batas atas (du) 1.799 dan batas bawah (dl) 1.175 untuk maka tidak dapat disimpulkan bahwa terdapat masalah autokorelasi dalam model regresi. DW pada tekstil 2.302 berada di atas batas atas (du) 1.799, maka dapat disimpulkan tidak commit to user terdapat masalah autokorelasi dalam model regresi.

70


digilib.uns.ac.id



commit to user

71


digilib.uns.ac.id

Hasil pengujian pada masing-masing industri farmasi dan tekstil di atas menunjukkan pola scatterplot pada regresi menyebar. Hal ini menunjukkan bahwa model regresi pada kedua industri tidak memiliki gejala adanya heteroskdastisitas. b. Uji Model (Goodness of Fit) 1) Koefisien Determinasi Pengujian goodness of fit dari model regresi yang diperoleh dari nilai adjusted R2 adalah sebagai berikut: Tabel 4.28 Koefisien Determinasi Industri Farmasi – Model 3 Model Summaryb

Model

R

R Square

.494a

1

Adjusted R

Std. Error of the

Square

Estimate

.244

.118

Durbin-Watson

.3038460

1.624


Tabel 4.29 Koefisien Determinasi Industri Tekstil – Model 3 Model Summaryb

Model 1

R

R Square

.820a

.672

Adjusted R

Std. Error of the

Square

Estimate .617

.7652354

Durbin-Watson 2.302



72


digilib.uns.ac.id

Nilai adjusted R2 pada industri farmasi diperoleh sebesar 0.118. Hal ini menunjukkan bahwa hanya 11.8% variasi kinerja ROE pada farmasi dapat dijelaskan oleh intellectual capital, sedangkan 88.2% lainnya dapat dijelaskan oleh variabel lainnya. Sedangkan nilai adjusted R2 pada industri tekstil diperoleh sebesar 0.617 menunjukkan bahwa 61.7% variasi kinerja ROE pada tekstil dapat dijelaskan oleh intellectual capital, sedangkan 38.3% lainnya dapat dijelaskan oleh variabel lainnya. 2 ) Uji Signifikansi Simultan (Uji Statistik F) Tabel 4.30 Uji Model (Goodness of Fit) Industri Farmasi – Model 3 ANOVAb Model 1


Df

Mean Square

.895

5

.179

Residual

2.770

30

.092

Total

3.664

35

F

Sig. 1.938

.117a


Sumber : Data sekunder yang diolah, 2012 Tabel 4.31 Uji Model (Goodness of Fit) Industri Tekstil – Model 3 ANOVAb Model 1

Sum of Squares

Df

Mean Square

Regression

35.939

5

7.188

Residual

17.568

30

.586

Total

53.507

35

F 12.275

Sig. .000a



73


digilib.uns.ac.id

Tabel menunjukan hasil perhitungan statistik uji F pada industri farmasi dan tekstil, dimana farmasi menunjukkan nilai sebesar 1.938 dengan probabilitas 0.117 sedangkan tekstil menunjukkan nilai sebesar 12.275 dengan probabilitas 0.000. Karena probabilitas ROE industri farmasi lebih besar dari 0,05 (p>0,05), maka secara bersamaan (simultan) seluruh variabel independen VAIC, SALES, DER,ATO dan PC tidak berpengaruh secara signifikan terhadap variabel ROE. Namun pada industri tekstil nilai probabilitas ROE lebih kecil dari 0.05 (p<0.05), maka secara bersamaan (simultan) seluruh variabel independen VAIC, SALES, DER,ATO dan PC berpengaruh secara signifikan terhadap variabel ROE 3) Uji Hipotesis (Signifikansi Parameter Individual/Uji Statistik t) Dari hasil pengujian terhadap asumsi klasik pada kedua industri, diperoleh model regresi tersebut telah memenuhi asumsi normalitas, multikolinieritas, autokorelasi dan heteroskedastisitas. Pengujian hipotesis dilakukan dengan menguji model persamaan regresi secara individual terhadap masing-masing variabel independen setelah itu hasil tersebut dapat dibandingkan untuk menjawab hipotesis yang ada. Hasil pengujian model regresi pada kedua industri secara individual diperoleh sebagai berikut.

commit to user

74


digilib.uns.ac.id

Tabel 4.32 Hasil Pengujian Regresi Linier Tekstil – Model 3 Coefficientsa Unstandardized Coefficients Model 1

B


Std. Error

(Constant)

-.550

1.681

VAIC

-.011

.013

PC

2.399

DER SALES ATO

Beta

T

Sig.

-.327

.746

-.096

-.816

.421

1.144

.333

2.097

.045

-.112

.015

-.876

-7.538

.000

-.049

.147

-.041

-.336

.739

.187

.316

.083

.591

.559

a. Dependent Variable: ROE

Sumber : Data sekunder yang diolah, 2012 Persamaan regresi ROE pada industri tekstil dapat ditulis sebagai berikut.

Dari data di atas diperoleh bahwa variabel VAIC, DER, ATO, SALES pada industri tekstil memiliki koefisien dengan tanda negatif dan PC memiliki tanda positif. Hal ini berarti bahwa perusahaan dengan intellectual capital yang besar akan menurunkan ROE. Hasil pengujian signifikansi variabel independen secara individual akan dibahas sebagai berikut : .1) Variabel VAIC Variabel VAIC di industri farmasi pada uji F diatas secara simultan tidak signifikan, maka dapat dikatakan bahwa VAIC tidak berpengaruh terhadap ROE pada industri farmasi, sedangkan variabel VAIC pada tekstil memiliki nilai t hitung -0.816 dengan signifikansi sebesar 0.421 (p>0.05). Hal ini berarti intellectual capital tidak berpengaruh secara signifikan pada ROE di kedua commit to user

75


digilib.uns.ac.id

industri sehingga tidak dapat membandingkan kinerja intellectual capital di dalamnya. jadi H3 ditolak karena VAIC di kedua industri tidak berpengaruh secara signifikan dan tidak dapat dijadikan tolok ukur untuk membandingkan kinerja intellectual capital terhadap ROE di kedua industri tersebut. 4. Model 4 a. Uji Asumsi Klasik 1) Uji Normalitas Gambar 4.13 Uji Normalitas Residual FARMASI – Model 4

One-Sample Kolmogorov-Smirnov Test Unstandardize d Residual N Normal Parametersa Most Extreme Differences



36 .0000000 1.71611902 .091 .091 -.050 .546 .927


commit to user

76


digilib.uns.ac.id

Gambar 4.14 Uji Normalitas Residual – Model 4 TEKSTIL Normal P-P Plot of Regression Standardized Residual Dependent Variable: MB 1.00

Expected Cum Prob

.75

.50

.25

0.00 0.00

.25

.50

.75

1.00

Observed Cum Prob

One-Sample Kolmogorov-Smirnov Test Unstandardize d Residual N Normal Parameters(a,b) Most Extreme Differences



25 .0000000 .85319123 .147 .072 -.147 .736 .651

a Test distribution is Normal. b Calcul ated from data.

Sumber : Data sekunder yang diolah, 2012 Pengujian normalitas residual diatas telah menunjukan bahwa model regresi 4 MB pada industri farmasi memiliki nilai residual berdistribusi normal. Hal ini ditunjukan dengan nilai probabilitas uji Kolmogorov-Smirnov sebesar 0.927 yang berada diatas 0.05. Pengujian normalitas residual pada industri tekstil juga memiliki nilai residual commit to user

77


digilib.uns.ac.id

berdistribusi normal. . Hal ini ditunjukan dengan nilai probabilitas uji Kolmogorov-Smirnov sebesar 0.651 yang berada diatas 0.05. 2) Uji Multikolinieritas Nilai Tolerance dan nilai VIF (Variance Inflation Factor) digunakan untuk menguji multikolonieritas. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance ≤ 0,10 atau sama dengan nilai VIF ≥10 (Ghozali, 2006). Jadi model

regresi

tidak

memiliki

kecenderungan

adanya

gejala

multikolinieritas apabila memiliki nilai Tolerance lebih besar dari 0,10 dan nilai VIF lebih kecil dari 10. Tabel 4.33 Hasil Uji Multikolonieritas Farmasi Model 4 Coefficientsa Unstandardized Coefficients Model 1

B (Constant)


Std. Error

Beta

Collinearity Statistics t

Sig.

Tolerance

VIF

-8.182

5.640

-1.451

.158

VAIC

-.070

.077

-.164

-.914

.368

.517

1.933

PC

1.426

4.008

.065

.356

.725

.490

2.040

DER

.435

.095

.910

4.563

.000

.417

2.397

SALES

.483

.333

.259

1.450

.158

.520

1.922

ATO

1.237

1.325

.146

.934

.358

.682

1.465

ROA

12.978

4.764

.639

2.724

.011

.302

3.313

ROE

-2.144

1.336

-.275

-1.604

.120

.563

1.778

a. Dependent Variable: MB


commit to user

78


digilib.uns.ac.id

Tabel 4.34 Hasil Uji Multikolonieritas Tekstil Model 4 Coefficients(a)

Unstandardized Coefficients Std. B Error

Model 1

(Consta -6.638 nt) VAIC .033 ROA -3.531 ATO .263 PC 1.399 DER .653 SALES .429 LNROE -.058 a Dependent Variable: MB

Standardize d Coefficients Beta

2.849 .023 1.770 .586 2.181 .044 .255 .153

.100 -.177 .038 .051 .960 .118 -.025

t

Sig.

-2.330

.032

1.437 -1.995 .449 .642 14.773 1.685 -.379

.169 .062 .659 .530 .000 .110 .709

Collinearity Statistics Toleranc e VIF

.490 .303 .325 .373 .565 .486 .545

2.039 3.298 3.076 2.679 1.771 2.059 1.834


Dari data uji multikolonieritas model 4 pada industri farmasi dan tekstil di atas menunjukkan bahwa nilai tolerance semua variabel independen berada di atas 0.10 dan memiliki nilai VIF lebih kecil dari 10. Hal ini menunjukkan bahwa tidak terjadi multikolonieritas dalam model regresi. Jadi semua variabel tersebut layak digunakan sebagai predictor. 3) Uji Autokolerasi Pengujian autokorelasi dalam penelitian ini dilakukan dengan menggunakan uji Durbin Watson, yaitu dengan cara membandingkan nilai DW dengan nilai tabel


dan 4 –

,


commit to user

79


digilib.uns.ac.id


Model

R

Std. Error of the

Square

Estimate

R Square

.732a

1

Adjusted R

.536

.419

Durbin-Watson

1.9186794

1.820

a. Predictors: (Constant), ROE, PC, ATO, DER, VAIC, SALES, ROA b. Dependent Variable: MB

Sumber: Data sekunder yang diolah, 2012 Tabel 4.36 Hasil Pengujian Autokolerasi Tekstil Model 4 Model Summary(b)

Model 1

R .980(a)

R Square .959


Std. Error of the Estimate 1.0137422

DurbinWatson 1.881

a Predictors: (Constant), LNROE, PC, SALES, DER, VAIC, ATO, ROA b Dependent Variable: MB

Sumber: Data sekunder yang diolah, 2012 Nilai DW pada tabel diatas akan dibandingkan nilai tabel DurbinWatson pada kedua industri dengan menggunakan signifikansi 0.05 , jumlah sampel (n=36) dan jumlah variabel independen (k=7) , maka pada tabel Durbin-Watson menunjukkan nilai du=1.957 dan dl=1.053. Pada tabel di atas didapatkan nilai DW pada farmasi 1.820 dan tekstil 1.881 berada di antara batas atas (du) 1.957 dan batas bawah (dl) 1.053 untuk maka tidak dapat disimpulkan bahwa terdapat masalah autokorelasi dalam model regresi.

commit to user

80


digilib.uns.ac.id


Gambar 4.16 Hasil Pengujian Heteroskedastisitas Tekstil - Model 4 Scatterplot

Regression Studentized Residual

Dependent Variable: MB 2

1

0

-1

-2

-3 -4 -4

-3

-2

-1

0

1

2

Regression Standardized Predicted V alue

Hasil pengujian pada masing-masing industri farmasi dan tekstil di commit to user atas menunjukkan pola scatterplot pada regresi menyebar. Hal ini

81


digilib.uns.ac.id

menunjukkan bahwa model regresi pada kedua industri tidak memiliki gejala adanya heteroskdastisitas. b. Uji Model (Goodness of Fit) 1 ) Koefisien Determinasi Pengujian goodness of fit dari model regresi yang diperoleh dari nilai adjusted R2 adalah sebagai berikut: Tabel 4.37 Koefisien Determinasi Industri Farmasi – Model 4 Model Summaryb

Model

R

Std. Error of the

Square

Estimate

R Square

.732a

1

Adjusted R

.536

.419

Durbin-Watson

1.9186794

1.820



Tabel 4.38 Koefisien Determinasi Industri Tekstil – Model 4 Model Summary(b)

Model 1

R .980(a)

R Square .959


Std. Error of the Estimate 1.0137422

DurbinWatson 1.881

a Predictors: (Constant), LNROE, PC, SALES, DER, VAIC, ATO, ROA b Dependent Variable: MB

Sumber : Data sekunder yang diolah,2012 Nilai adjusted R2 pada industri farmasi diperoleh sebesar 0.419. Hal ini menunjukkan bahwa hanya 41.9% variasi kinerja MB pada farmasi dapat commit to user dijelaskan oleh intellectual capital, sedangkan 58.1% lainnya dapat dijelaskan 82


digilib.uns.ac.id

oleh variabel lainnya. Sedangkan nilai adjusted R2 pada industri tekstil diperoleh sebesar 0.943 menunjukkan bahwa 94.3% variasi kinerja MB pada tekstil dapat dijelaskan oleh intellectual capital, sedangkan 5.7% lainnya dapat dijelaskan oleh variabel lainnya. 2) Uji Signifikansi Simultan (Uji Statistik F) Hasil pengujian uji model (Goodness of Fit) dengan menggunakan uji F diperoleh hasil sebagai berikut : Tabel 4.39 Uji Model (Goodness of Fit) Industri Farmasi – Model 4 ANOVAb Model 1

Sum of Squares

Df

Mean Square

Regression

118.834

7

16.976

Residual

103.077

28

3.681

Total

221.911

35

F

Sig.

4.611

.002a


Sumber : Data sekunder yang diolah,2012 Tabel menunjukan hasil perhitungan statistik uji F pada industri farmasi menunjukkan nilai sebesar 4.611 dengan probabilitas 0.002. Karena probabilitas MB lebih kecil dari 0,05 (p<0,05) maka secara bersamaan (simultan) seluruh variabel independen VAIC, SALES, DER, PC, ATO, ROE dan ROA berpengaruh signifikan terhadap variabel MB.

commit to user

83


digilib.uns.ac.id

Tabel 4.40 Uji Model (Goodness of Fit) Industri Tekstil – Model 4 ANOVA(b) Sum of Squares

Model 1

Regressio n Residual Total

Df

Mean Square

413.293

7

59.042

17.470

17

1.028

F 57.452

Sig. .000(a)

430.763 24 a Predictors: (Constant), LNROE, PC, SALES, DER, VAIC, ATO, ROA b Dependent Variable: MB

Sumber : Data sekunder yang diolah,2012

Tabel menunjukan hasil perhitungan statistik uji F pada industri tekstil menunjukkan nilai sebesar 57.452 dengan probabilitas 0.000. Karena probabilitas MB lebih kecil dari 0,05 (p<0,05) maka secara bersamaan (simultan) seluruh variabel independen VAIC, SALES, DER, PC, ATO, LNROE dan ROA berpengaruh signifikan terhadap variabel MB. 3) Uji Hipotesis (Signifikansi Parameter Individual/Uji Statistik t) Dari hasil pengujian terhadap asumsi klasik pada kedua industri, diperoleh model regresi tersebut telah memenuhi asumsi normalitas, multikolinieritas, autokorelasi dan heteroskedastisitas. Pengujian hipotesis dilakukan dengan menguji model persamaan regresi secara individual terhadap masing-masing variabel independen setelah itu hasil tersebut dapat dibandingkan untuk menjawab hipotesis yang ada. Hasil pengujian model regresi pada kedua industri secara individual diperoleh sebagai berikut. commit to user

84


digilib.uns.ac.id

Tabel 4.41 Hasil Pengujian Regresi Linier Farmasi – Model 4 Coefficientsa Unstandardized Coefficients Model 1

B (Constant)


Std. Error

-8.182

5.640

VAIC

-.070

.077

PC

1.426

DER SALES

Beta

T

Sig.

-1.451

.158

-.164

-.914

.368

4.008

.065

.356

.725

.435

.095

.910

4.563

.000

.483

.333

.259

1.450

.158

ATO

1.237

1.325

.146

.934

.358

ROA

12.978

4.764

.639

2.724

.011

ROE

-2.144

1.336

-.275

-1.604

.120

a. Dependent Variable: MB

Sumber : Data sekunder yang diolah, 2012 Persamaan regresi MB pada industri farmasi dapat ditulis sebagai berikut.

Dari data di atas diperoleh bahwa variabel VAIC dan ROE pada industri farmasi memiliki koefisien dengan tanda negatif sedangkan DER,PC, ATO,ROA dan SALES memiliki tanda positif. Hal ini berarti bahwa perusahaan dengan intellectual capital yang besar akan menurunkan MB.

commit to user

85


digilib.uns.ac.id

Tabel 4.42 Hasil Pengujian Regresi Linier Tekstil – Model 4 Coefficientsa Unstandardized Coefficients

Model

B 1

(Constan t) VAIC ROA ATO PC DER SALES LNROE

Std. Error

-6.638

2.849

.033 -3.531 .263 1.399 .653 .429 -.058 a Dependent Variable: MB

.023 1.770 .586 2.181 .044 .255 .153


T

Sig.

Beta

.100 -.177 .038 .051 .960 .118 -.025

-2.330

.032

1.437 -1.995 .449 .642 14.773 1.685 -.379

.169 .062 .659 .530 .000 .110 .709

Sumber : Data sekunder yang diolah, 2012 Persamaan regresi MB pada industri tekstil dapat ditulis sebagai berikut.

Dari data di atas diperoleh bahwa variabel ROA dan LNROE pada industri tekstil memiliki koefisien dengan tanda negatif sedangkan VAIC,DER,PC, ATO, dan SALES memiliki tanda positif. Hal ini berarti bahwa perusahaan dengan intellectual capital yang besar akan menaikkan MB. Hasil pengujian signifikansi variabel independen secara individual akan dibahas sebagai berikut : 1) Variabel VAIC Variabel VAIC pada perusahaan farmasi menunjukkan nilai t hitung 0.914 dengan signifikansi sebesar 0.368 (p>0.05), sedangkan pada tekstil nilai t hitung 1.437 dengan signifikansi sebesar 0.169 (p>0.05). Hal ini berarti bahwa commit to user

86


digilib.uns.ac.id

VAIC di kedua industri tidak berpengaruh secara signifikan terhadap MB. Dengan kata lain intellectual capital tidak berpengaruh secara signifikan pada nilai pasar di kedua industri, jadi H4 ditolak karena VAIC di kedua industri tidak berpengaruh secara signifikan dan tidak dapat dijadikan tolok ukur untuk membandingkan kinerja intellectual capital di kedua industri tersebut.

D. Interpretasi Hasil 1. Kinerja intellectual capital (IC) terhadap produktivitas Pada penjelasan hipotesis pertama menjelaskan bahwa kinerja intellectual capital (IC) di perusahaan farmasi menghasilkan produktivitas yang lebih tinggi dibandingkan dengan perusahaan tekstil. Hasil pengujian statistik menunjukkan bahwa Value Added Intellectual Capital (VAIC) pada industri farmasi dan tekstil tidak berpengaruh secara signifikan terhadap Asset Turnover (ATO), sehingga tidak dapat dijadikan tolok ukur untuk membandingkan kinerja intellectual capital di kedua industri tersebut. Hal ini sejalan dengan penelitian yang dilakukan oleh Karam Pal dan Sushila (2012) yang menyatakan bahwa VAIC tidak berpengaruh terhadap ATO. 2. Kinerja intellectual capital (IC) terhadap profitabilitas Pada penjelasan hipotesis kedua menjelaskan bahwa Kinerja intellectual capital (IC) di perusahaan farmasi menghasilkan profitabilitas yang lebih tinggi dibandingkan dengan perusahaan tekstil. Hasil pengujian secara statistik Value Added Intellectual Capital (VAIC) pada industri farmasi dan tekstil berpengaruh secara signifikan terhadap Retun on Asset (ROA) dimana VAIC commit to user

87


digilib.uns.ac.id

pada farmasi menghasilkan ROA yang lebih tinggi dibandingkan dengan tekstil. Dengan demikian kinerja intellectual capital pada perusahaan farmasi menghasilkan profitabilitas yang lebih tinggi dibandingkan dengan perusahaan tekstil. Hal ini berarti industri farmasi merupakan industri yang padat modal dan modal intektual di dalamnya berpengaruh terhadap efisiensi biaya sehingga profitabilitas perusahaan meningkat. Hal ini sejalan dengan penelitian yang dilakukan oleh Karam Pal dan Sushila (2012), dimana VAIC berpengaruh secara signifikan terhadap ROA. 3. Kinerja intellectual capital (IC) terhadap return on equity Pada penjelasan hipotesis ketiga menjelaskan bahwa kinerja intellectual capital (IC) di perusahaan farmasi menghasilkan return on equity yang lebih tinggi dibandingkan dengan perusahaan tekstil. Hasil pengujian secara statistic menunjukkan bahwa Value Added Intellectual Capital (VAIC) pada industri farmasi dan tekstil tidak berpengaruh secara signifikan terhadap Return on Equity

(ROE),

sehingga

tidak

dapat

dijadikan

tolok

ukur

untuk

membandingkan kinerja intellectual capital di kedua industri tersebut. Hal ini sejalan dengan penelitian yang dilakukan oleh Yossi (2010), dimana VAIC tidak berpengaruh secara signifkan terhadap nilai pasar (MB) dan kinerja keuangan perusahaan (ROA, ROE, EP dan GR). 4. Kinerja intellectual capital (IC) terhadap nilai pasar Pada penjelasan hipotesis keempat menjelaskan bahwa kinerja intellectual capital (IC) di perusahaan farmasi menghasilkan nilai pasar yang lebih tinggi dibandingkan dengan perusahaan tekstil. Value Added Intellectual Capital commit to user

88


digilib.uns.ac.id

(VAIC) pada industri farmasi dan tekstil tidak berpengaruh secara signifikan terhadap Market to Book Value (MB) sehingga VAIC tidak dapat dijadikan tolok ukur untuk membandingkan kinerja intellectual capital terhadap MB di kedua industri tersebut. Hal ini sejalan dengan penelitian yang dilakukan oleh Adriant Prabani Yogidanarinto (2011) dimana hasil penelitian menunjukkan bahwa intellectual capital berpengaruh positif pada produktifitas (OI/S) dan profitabilitas perusahaan (ROA) namun tidak berpengaruh terhadap nilai pasar (MB) perusahaan farmasi yang listing di Indonesia. Tabel 4.43 Ringkasan Hasil Pengujian Hipotesis No. 1.

Hipotesis

Kesimpulan

Kinerja intellectual capital (IC) di perusahaan farmasi

Ditolak

menghasilkan

produktivitas

yang

lebih

tinggi

dibandingkan dengan perusahaan tekstil. 2.

Kinerja intellectual capital (IC) di perusahaan farmasi menghasilkan

profitabilitas

yang

lebih

Diterima

tinggi

dibandingkan dengan perusahaan tekstil. 3.

Kinerja intellectual capital (IC) di perusahaan farmasi

Ditolak

menghasilkan return on equity yang lebih tinggi dibandingkan dengan perusahaan tekstil. 4.

Kinerja intellectual capital (IC) di perusahaan farmasi menghasilkan

nilai

pasar

yang

lebih

Ditolak

tinggi

dibandingkan dengan perusahaan tekstil.

Sumber : Hasil analisis dan pembahasan, 2012

commit to user

89


digilib.uns.ac.id

BAB V PENUTUP

A. Kesimpulan Hasil pengujian analisis regresi linier menunjukan bahwa secara secara statistik Value Added Intellectual Capital (VAIC) pada industri farmasi dan tekstil tidak berpengaruh secara signifikan terhadap Asset Turnover (ATO), sehingga tidak dapat dijadikan tolok ukur untuk membandingkan kinerja intellectual capital di kedua industri tersebut. Dengan demikian hipotesis H1 ditolak. Hasil pengujian analisis regresi linier menunjukan bahwa secara statistik Value Added Intellectual Capital (VAIC) pada industri farmasi dan tekstil berpengaruh secara signifikan terhadap Retun on Asset (ROA) dimana VAIC pada farmasi menghasilkan ROA yang lebih tinggi dibandingkan dengan tekstil. Dengan demikian kinerja intellectual capital pada perusahaan farmasi menghasilkan profitabilitas yang lebih tinggi dibandingkan dengan perusahaan tekstil, maka hipotesis H2 diterima. Hasil pengujian analisis regresi linier menunjukan bahwa secara secara statistik Value Added Intellectual Capital (VAIC) pada industri farmasi dan tekstil tidak berpengaruh secara signifikan terhadap Return on Equity (ROE) sehingga VAIC tidak dapat dijadikan tolok ukur untuk membandingkan kinerja intellectual capital di kedua industri tersebut. Dengan demikian hipotesis H3 ditolak. commit to user

90


digilib.uns.ac.id

Hasil pengujian analisis regresi linier menunjukan bahwa secara statistik Value Added Intellectual Capital (VAIC) pada industri farmasi dan tekstil tidak berpengaruh secara signifikan terhadap Market to Book Value (MB)

sehingga

VAIC

tidak

dapat

dijadikan

tolok

ukur

untuk

membandingkan kinerja intellectual capital terhadap MB di kedua industri tersebut. Dengan demikian hipotesis H4 ditolak.

B. Keterbatasan Berdasarkan temuan hasil penelitian yang telah dilakukan, maka selanjutnya diperoleh keterbatasan penelitian sebagai berikut : 1. Jumlah sampel yang relatif kecil hanya mengambil sampel selama empat tahun yaitu selama periode tahun 2008-2011 yang terdaftar di Bursa Efek Indonesia (BEI), yang menjadikan pengujian tentang pengaruh modal intelektual menjadi kurang kuat. Karena modal intelektual terbentuk melalui jangka waktu yang lama. Sampel dalam penelitian ini hanya terbatas pada 18 perusahaan saja ,masing masing 9 perusahaan farmasi dan 9 perusahaan tekstil. 2. Penelitian ini hanya melihat dari penilaian terhadap pertumbuhan profitabilitas, produktifitas, pengembalian investasi dan nilai pasar untuk mengetahui kinerja keuangan perusahaan. C. Saran Berdasarkan dari hasil kesimpulan dan keterbatasan yang didapat dalam penelitian ini, maka penulis memberikan saran sebagai berikut. commit to user

91


digilib.uns.ac.id

1. Penelitian yang akan datang menggunakan sampel yang lebih besar dengan mengambil sampel lebih dari empat (4) tahun sehingga akan memberikan hasil yang lebih kuat terhadap pengaruh modal intelektual. Hal ini dilakukan karena modal intelektual ini terbentuk melalui jangka waktu yang panjang. 2. Menambah variabel kinerja keuangan perusahaan yang lebih lengkap (selain ATO, ROA, ROE, dan MB) yang dapat menggambarkan dampak modal intelektual terhadap kinerja keuangan perusahaan. Sehingga dapat diketahui seberapa besar dan seberapa jauh modal intelektual itu berpengaruh terhadap kinerja keuangan perusahaan. 3. Membandingkan kinerja modal intelektual pada industri lain seperti real estate dan perbankan di Indonesia, sehingga penelitian tentang pengaruh modal intelektual pada kinerja keuangan perusahaan akan semakin bervariasi. 4. Perusahaan hendaknya mulai membangun serta memanfaatkan konsep modal intelektual, karena modal intelektual ini terbentuk melalui proses yang panjang sehingga ke depan diharapkan perusahaan dapat meningkatkan produktivitas, profitabilitas, return on equity serta nilai pasar yang lebih baik.

commit to user

92

UNIVERSITAS SEBELAS MARET

Recommend Documents