BAB III OBYEK & METODE PENELITIAN 3.1. Obyek Penelitian Obyek penelitian merupakan variabel - variabel yang menjadi perhatian oleh peneliti. Penelitian di bidang ekonomi, manajemen, sosial, dan lain sebagainya sering melibatkan variabel yang tidak dapat diukur secara langsung, disebut variabel konstruks, laten, atau unobservable. Pengukuran variabel laten menggunakan data dari setiap indikator. Oleh karena itu, indikator sering disamakan dengan variabel manifest atau variabel observable. Dalam penelitian ini, digunakan dua variabel laten yaitu Intellectual Capital dengan indikator VACA, VAHU, STVA dan kinerja keuangan perusahaan dengan indikator ROE, EPS, ASR. Obyek penelitian ini adalah perusahaan-perusahaan yang terdaftar di Bursa Efek Indonesia (BEI). Penelitian dilakukan dengan menggunakan data sekunder, yaitu laporan keuangan tahunan perusahaan (annual report). 3.2. Metode Penelitian 3.2.1. Desain Penelitian `Suatu penelitian yang ilmiah dikatakan efektif apabila memenuhi kriteriakriteria mutu penelitian ilmiah yang logis, sistematis, dan dapat dipertanggung 37
jawabkan secara ilmiah. Untuk memenuhi syarat-syarat tersebut maka suatu penelitian memerlukan suatu metode penelitian. Metode merupakan cara utama yang dipergunakan untuk mencapai tujuan. Misalnya untuk menguji serangkaian hipotesis, dengan mempergunakan teknik serta alat-alat tertentu. Cara utama ini dipergunakan setelah penyelidik memperhitungkan kewajaran dari tujuan penyelidikan serta dari situasi penyelidikan. Desain penelitian menyangkut metode dan alasan metode tersebut digunakan dalam penelitian. Dalam penelitian ini, digunakan dua variabel laten yaitu Intellectual Capital dengan indikator VACA, VAHU, STVA dan kinerja keuangan perusahaan dengan indikator ROE, EPS, ASR. Kedua variabel ini tidak dapat diukur secara langsung, oleh karena itu pengukuran kedua variabel ini menggunakan data dari tiap indikatornya. Pemilihan sampel dalam penelitian ini menggunakan metode purposive sampling yaitu teknik penentuan sampel dengan pertimbangan tertentu. Puposive sampling lebih cocok digunakan untuk penelitian kualitatif, atau penelitianpenelitian yang tidak melakukan generalisasi (Sugiyono, 2007: 122) Untuk menguji kebenaran hubungan antar variabel dalam penelitian ini, lebih lanjut analisis akan menggunakan Partial Least Square (PLS). Model itu memperlakukan intellectual capital dan kinerja perusahaaan sebagai variabel laten dengan tiga indikator tiap variabelnya karena regresi berganda tidak dapat menyediakan alat uji untuk tipe analisis ini.
3.2.2. Definisi dan Operasionalisasi Variabel 3.2.2.1 Definisi Variabel Sugiyono (2007: 32) menyatakan bahwa Variabel penelitian adalah suatu atribut atau sifat atau nilai dari orang, obyek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya. Berdasarkan judul yang diambil penulis, yaitu Pengaruh Intellectual Capital terhadap Kinerja keuangan perusahaan pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia (BEI), maka variabel yang digunakan adalah sebagai berikut : a. Variabel Laten Eksogen Variabel laten eksogen adalah variabel laten yang dianggap memiliki pengaruh terhadap variabel yang lain, namun tidak dipengaruhi oleh variabel lain dalam model. Dalam penelitian ini adalah intellectual capital dengan indikator pengukuran menggunakan model VAIC yang dipopulerkan oleh Pulic sebagai variabel karakteristik. Uraian setiap variabel karakteristik ini adalah menggunakan model VAIC dengan rincian pengukurannya sebagai berikut: 1. VACA 2. VAHU
3. STVA b. Variabel Laten Endogen Variabel laten endogen adalah variabel laten yang dianggap dipengaruhi oleh variabel lain dalam model. Yang menjadi variabel laten endogen dalam penelitian ini adalah Kinerja keuangan perusahaan dengan tolak ukur dari profitabilitasnya, yaitu dengan rincian pengukurannya sebagai berikut: 1. ROE 2. EPS 3. ASR 3.2.2.2 Operasionalisasi Variabel Operasional variabel yang digunakan untuk memberikan gambaran mengenai variabel-variabel yang digunakan dalam penelitian agar dapat diukur dan dianalisa sesuai dengan tujuan penelitian. Penarikan batasan yang lebih menjelaskan ciri-ciri spesifik yang lebih substantive dari suatu konsep, agar peneliti dapat mencapai suatu alat ukur yang yang sesuai dengan hakikat variabel yang sudah di definisikan konsepnya, maka peneliti harus memasukkan proses atau operasionalnya alat ukur yang akan digunakan untuk kuantifikasi gejala atau variabel yang ditelitinya.
Sesuai dengan judul Pengaruh Intellectual Capital Terhadap Kinerja keuangan perusahaan pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia (BEI), variabel variabel yang terkait ini adalah sebagai berikut : 1. Intellectual Capital (variabel laten eksogen) 2. Kinerja keuangan perusahaan (variabel laten endogen) Tabel 3.1 Operasional Variabel Variabel Definisi Indikator Skala Intellectual Capital/ Modal Intelektual (Variabel Laten Eksogen) Company s Performance/ Kinerja Keungan Perusahaan (Variabel Laten Endogen) Jumlah dari apa yang dihasilkan oleh tiga elemen utama organisasi (human capital, structural capital, costumer capital) yang berkaitan dengan pengetahuan dan teknologi yang dapat memberikan nilai lebih bagi perusahaan berupa keunggulan bersaing organisasi. (Kadir: 2003). Penentuan ukuran-ukuran tertentu yang dapat mengukur keberhasilan suatu perusahaan dalam menghasilkan laba. (Sucipto: 2003). 1. VACA = VA CE 2. VAHU = VA HC 3. STVA = SC VA 1. ROE ROE = Laba pemegang saham Jumlah dana pemegang saham 2. EPS Rasio Rasio EPS = Laba pemegang saham WANS 3. ASR ASR = (Po (tahun x + 1) Po tahun x) + D Po tahun x
Sumber : Pedoman Penulisan Skripsi 3.2.3. Populasi dan Sample Penelitian Populasi merupakan obyek atau subyek yang berada pada suatu wilayah dan memenuhi syarat tertentu yang berkaitan dengan masalah dalam penelitian. Menurut Sugiyono (2006: 115) pengertian populasi adalah Wilayah generalisasi yang terdiri atas: obyek/subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Populasi yang ditetapkan dalam penelitian ini adalah seluruh perusahaan manufaktur (manufacture) yang terdaftar dan go public di BEI. Alasan pemilihan populasi pada perusahan manufaktur dikarenakan kecukupan akan sampel yang dibutuhkan sesuai alat uji yang digunakan, selain itu dengan kecukupan sampel tersebut diharapkan hasil dari penelitian ini mampu bervariasi. Sementara itu, sampel merupakan bagian dari populasi yang digunakan sebagai obyek penelitian. Seperti yang sudah dijelaskan bahwa pemilihan sampel dalam penelitian ini menggunakan metode purposive sampling. Adapun kriteria pemilihan sampel adalah sebagai berikut: 1. Perusahaan telah terdaftar di Bursa Efek Indonesia hingga 31 Desember 2010 secara terus menerus. 2. Sampel lebih dipusatkan pada perusahaan/industri manufaktur menurut klasifikasi Indonesian Capital Market Directory 2010. Hal ini bertujuan untuk menghindari bias yang biasanya terjadi karena perbedaan industri.
3. Perusahaan menerbitkan laporan keuangannya selama periode penelitian dan laporan keuangan berakhir 31 Desember dan dinyatakan dalam rupiah. Dari 391 jumlah perusahaan yang listing di Bursa Efek Indonesia, terdapat sekitar 139 perusahaan manufaktur atau sekitar 35 % dari jumlah perusahaan yang terdaftar di Bursa Efek Indonesia. Berdasarkan dimensi waktu dan urutan waktu, penelitian ini bersifat crosssectional dan time series atau biasa disebut dengan data panel (data pooled), karena selain mengambil sampel waktu dan kejadian pada suatu waktu tertentu juga mengambil sampel berdasarkan urutan waktu. 3.2.4. Teknik Pengumpulan Data Pengumpulan data adalah pencatatan peristiwa-peristiwa atau hal-hal atau keterangan-keterangan atau karakteristik-karakteristik sebagian atau seluruh elemen populasi yang akan menunjang atau mendukung penelitian. Data yang digunakan dalam penelitian ini adalah data sekunder. Data diperoleh dari laporan keuangan akhir tahun (annual report) perusahaan sektor manufaktur yang terdaftar di BEI yang dimulai dari tahun 2008 sampai tahun 2010 pada semua perusahaan yang terdaftar di BEI. Dalam penelitian ini data sekunder dikumpulkan dengan cara melakukan metode dokumentasi. Data diperoleh dari internet (www.idx.go.id, dan website setiap perusahaan). Dari sumber tersebut diperoleh data kuantitatif berupa data laporan keuangan tahunan (annual report) yang telah diterbitkan oleh perusahaan-perusahaan yang telah go public dan terdaftar di Bursa Efek Indonesia (BEI).
Data sekunder merupakan struktur data historis mengenai variabelvariabel yang telah dikumpulkan dan dihimpun sebelumnya oleh pihak lain. Data yang digunakan adalah data sekunder berupa VACA, VAHU, STVA, ROE, EPS, APS yang terdapat di laporan tahunan (annual report) perusahaan-perusahaan sektor manufaktur yang telah go public di Bursa Efek Indonesia (BEI) periode 2010. Menurut Umar (2004: 108) penentuan jumlah sampel dari populasi tersebut menggunakan rumus Slovin : N n = 1 + N (e)² Dimana : n = jumlah sampel N = jumlah populasi e = sampling error yaitu sebesar 10% Maka jumlah sampel yang digunakan dalam penelitian ini adalah : N n = 1 + N (e)² 139 n = 1 + 139 (0,1)² n = 139 2,39 n = 58.15 58 sampel perusahaan sudah memenuhi. Untuk sampel perusahaan manufaktur yaitu sebanyak 60 sampel perusahaan, hal ini berdasarkan teori yang terdapat dalam buku Kerlinger (1978)
yang mengatakan bahwa jumlah sampel minimal adalah sebanyak 30 sampel dan jumlah tersebut sudah layak untuk dijadikan sampel penelitian. Kriteria dalam analisis Partial Least Square (PLS) pun mensyaratkan ukuran sampel dari 30 hingga 50 sampel, sehingga jumlah tersebut sudah layak pula untuk dijadikan sampel penelitian Jadi keseluruhan analisis sampel untuk penelitian ini adalah sebanyak 60 sampel perusahaan. 3.2.5. Teknik Analisis Data Teknik analisis data merupakan rancangan untuk menganalisis data yang telah diperoleh dari berbagai sumber-sumber baik secara kualitatif maupun kuantitatif, statistik atau non statistik, deskriptif atau inferensial. Analisis data disini merupakan perhitungan untuk menjawab rumusan masalah dari penelitian ini yaitu bagaimana pengaruh intellectual capital terhadap kinerja keuangan perusahaan pada perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia. Langkah dalam menganalisis data yang telah diperoleh, yaitu melalui analisis atas perhitungan model Pulic VAIC (VACA, VAHU, STVA) dengan kinerja keuangan perusahaan dari tingkat profitabilitasnya (ROE, EPS, APS). Adapun langkah-langkah dalam pengujian hipotesis sebagai berikut: 3.2.5.1 Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk memberikan deskripsi atas variabel-variabel penelitian secara statistik. Statistik deskriptif yang digunakan dalam penelitian ini adalah nilai rata-rata (mean), maksimum, minimum, dan standar deviasi. 3.2.5.2 Analisis ANOVA Prosedur yang digunakan dalam analisis ANOVA ini adalah prosedur One Way ANOVA atau sering disebut dengan perancangan sebuah faktor, yang merupakan salah satu alat analisis statistik ANOVA yang bersifat satu arah (satu jalur). ANOVA merupakan metode untuk menguji hubungan antara satu variabel endogen (skala metrik) dengan satu atau lebih variabel eksogen (skala non metrik atau kategorikal dengan kategori lebih dari dua). (Ghozali, 2009 dalam Murti, 2010: 49). Nilai VAIC dari semua perusahaan diperingkatkan dari yang tertinggi hingga yang terendah. Seperti yang telah dijelaskan pada bab sebelumnya, VAIC = VACA + VAHU + STVA. Perusahaan-perusahaan tersebut kemudian dibagi menjadi tiga kelompok yang berbeda: Grup 1: 20 perusahaan dengan nilai VAIC tertinggi Grup 2: 20 perusahaan dengan nilai tengah dari VAIC Grup 3: 20 perusahaan dengan nilai VAIC terendah One Way between groups ANOVA dilakukan pada ketiga kelompok perusahaan untuk menentukan apakah kinerja keuangan perusahaan dengan intellectual capital yang lebih tinggi secara statistik berbeda dengan intellectual
capital yang lebih rendah untuk setiap tahun 2008 sampai 2010. Hasil yang signifikan akan menunjukkan mean populasi secara statistik tidak sama antara perusahaan dengan intellectual capital yang lebih tinggi memiliki ukuran kinerja yang berbeda dibandingkan dengan intellectual capital perusahaan yang lebih rendah. Jika tes ANOVA tidak memberikan satu atau beberapa hasil yang signifikan untuk semua variabel, maka set data harus dibuang. 3.2.5.3 Analisis Korelasi Variabel Independen Analisis korelasi merupakan pengujian validitas yang penting untuk mengetahui apakah variabel independen (eksogen) yang berasal dari metode Pulic cukup independen satu sama lain atau ada multikolinearitas antara variabelvariabel ini. Jika variabel-variabel independen sangat berkorelasi satu sama lain, maka mereka tidak lagi independen satu sama lain. (Tan et al., 2007: 85). Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas. (Ghozali, 2009 dalam Murti, 2010: 53). 3.2.5.4 Rancangan Uji Hipotesis Untuk menguji kebenaran dari hipotesis, maka dilakukan uji hipotesis yang diuji dan dibuktikan pengaruh intellectual capital terhadap kinerja keuangan perusahaan pada perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia. Hipotesis yang diuji adalah hipotesis nol (H 0 ). Sedangkan (H a ) merupakan hipotesis alternatif penelitian ini. Hasil penelitian Tan et al. (2007: 83) dengan menggunakan regresi berganda tidak meyakinkan. Dari 21 uji regresi berganda yang dilakukan, hanya 9
yang memberikan hasil yang signifikan. Hasil itu signifikan secara statistik untuk beberapa tahun tetapi tidak untuk tahun yang lain. Jadi regresi berganda dianggap tidak memadai untuk penelitian ini dan lebih lanjut analisis akan menggunakan Partial Least Square (PLS). Model ini memperlakukan intellectual capital dan kinerja perusahaaan sebagai variabel laten dengan tiga indikator tiap variabelnya karena regresi berganda tidak dapat menyediakan alat uji untuk tipe analisis ini, PLS merupakan sebuah metode untuk melaksanakan Structural Equation Modelling (SEM), untuk tujuan saat ini dianggap lebih baik daripada teknik SEM (software AMOS, LISREL) yang lain. Model ini dikembangkan sebagai alternatif untuk situasi dimana dasar teori pada perancangan model lemah dan atau indikator yang tersedia tidak memenuhi model pengukuran reflektif. PLS merupakan metode analisis yang sangat baik karena dapat diterapkan pada semua skala data, tidak membutuhkan banyak asumsi dan ukuran sampel tidak harus besar (Ghozali, 2006: 4). Pemodelan komplek seringkali menggunakan structural equation modelling (SEM) dengan berbagai syarat yang harus dipenuhi. Pada sebagian pemodelan syarat-syarat tersebut kadang sulit terpenuhi. Alternatif yang bisa dipilih dengan tetap mengaplikasikan pemodelan komplek adalah dengan Partial Least Square (PLS). SEM dirancang dengan syarat adanya dukungan teori yang kuat, sedangkan pada pemodelan PLS bisa berbasis (1) teori, (2) hasil-hasil penelitian empiris, (3) analogi, hubungan antar variabel pada bidang ilmu yang lain, (4) hal-hal normatif, misalnya peraturan pemerintah, undang-undang dan sebagiannya, (5) hubungan rasional lainnya. Sehingga landasan teori pada PLS
bisa bersifat kuat, lemah bahkan eksploratif. Begitu pula dengan model pengukuran, dalam PLS biasa dikenal dengan nama outer model, dalam SEM hubungan indikator dengan variabelnya adalah refleksif saja, sedangkan pada PLS bisa bersifat refleksif atau formatif. Menentukan indikator bisa berbasis teori atau mengadaptasi indikator yang pernah dipakai oleh peneliti sebelumnya. Asumsi tentang distribusi juga menjadi syarat penting dalam SEM. Data dalam pemodelan harus memenuhi distribusi multinormal, apabila syarat ini tidak terpenuhi maka estimasi akan dialihkan pada pendekatan resampling atau bootstrapping. Pada PLS, asumsi distribusi multinormal tidak diperlukan karena estimasi langsung menggunakan teknik bootstrapping. Ukuran sampel yang dibutuhkan dalam SEM cukup besar, pada banyak referensi disarankan berjumlah 100 hingga 200 sampel. Sedangkan pada PLS sampel berukuran kecil (minimal 30 hingga 50) sudah bisa diaplikasikan. Modifikasi model untuk bisa mencapai kelayakan model yang lebih baik dibutuhkan pada SEM, sedangkan di PLS hal ini tidak perlu dilakukan. Pendekatan PLS adalah distribution free (tidak mengasumsikan data berdistribusi tertentu, dapat berupa nominal, kategori, ordinal, interval, dan rasio). Metode analisisnya yang powerful tidak mengasumsikan data harus dengan pengukuran skala tertentu, dan jumlah sampel kecil. PLS selain dapat digunakan sebagai konfirmasi teori juga dapat digunakan sebagai pendekatan yang lebih tepat untuk tujuan prediksi, hal ini terutama pada kondisi dimana indikator bersifat formatif, atau ketika penelitian ini masih tidak pasti karena variabel seharusnya termasuk pada sebuah model atau berhubungan diantara variabel dengan model miss-specified akan menghasilkan perkiraan inferior varians sesuai
yang dijelaskan PLS. Missing variables dan miss-specification lain hanya memiliki sedikit efek estimasi yang dibuat oleh PLS (Tan et al., 2007; Ghozali, 2006). Dengan pendekatan PLS diasumsikan bahwa semua ukuran variance yang berguna untuk dijelaskan. Oleh karena itu pendekatan untuk mengestimasi variabel laten dianggap sebagai kombinasi linear dari indikator maka menghindarkan masalah indeterminacy dan memberikan definisi yang pasti dari komponen skor (Wold, 1982). Selanjutnya model pengujian hipotesis dengan PLS, akan ditunjukkan oleh gambar berikut: Gambar 3.2 Kerangka Pemikiran Penelitian VACA VAHU Intellectual Capital Company s Performance ROE EPS STVA ASR Sesuai dengan metode analisis dan model konseptual diatas, maka dapat dibuat model analisis jalur semua variabel laten dalam PLS. Model analisis jalur semua variabel laten dalam PLS terdiri dari (Ghozali, 2006: 23): 1. Inner model, yang menspesifikasi hubungan antar variabel laten (structural model). Model persamaannya sebagai berikut: ε = β 0 + βε + γξ + δ 2. Outer model, yang menspesifikasi hubungan antara variabel laten dengan indikatornya (measurement model). Model persamaannya: - Untuk variabel laten eksogen: ξ = λ x1 X 1 + λ x2 X 2 + λ x3 X 3 + δ ξ - Untuk variabel laten endogen: ε = λ y1 Y 1 + λ y2 Y 2 + λ y3 Y 3 + ε ε
Keterangan: - X 1 = VACA - X 2 = VAHU - X 3 = STVA - Y 1 = ROE - Y 2 = EPS - Y 3 = ASR - ξ = (ksi) VAIC /variabel laten eksogen - ε = (eta) Company s Performance/variabel laten endogen - λ x = (lambda kecil), loading faktor variabel laten eksogen - λ y = (lambda kecil), loading faktor variabel laten endogen - β = (beta) koefisien pengaruh variabel endogen terhadap endogen - γ = (gamma) koefisien pengaruh variabel eksogen terhadap endogen - δ = (zeta) vektor varibel residual - δ = residual dari regresi pada variabel laten eksogen - ε = residual dari regresi pada variabel laten endogen