BAB III METODE PENELITIAN 3.1 Jenis Penelitian Jenis penelitian skripsi ini merupakan penelitian yang menggunakan jenis pengujian hipotesis yang menjelaskan tentang sifat hubungan serta menentukan perbedaan antar kelompok atau kebebasan (independensi) dua atau lebih faktor dalam suatu situasi (Sekaran, 2006). Penelitian ini menguji pengaruh intellectual capital terhadap nilai pasar dan kinerja keuangan perusahaan pada industri perbankan di Indonesia. 3.2 Data dan Metode Pengumpulan Data Penelitian ini menggunakan data sekunder yaitu data yang diperoleh secara tidak langsung dari objek penelitian yang bersumber dari laporan tahunan yang diterbitkan oleh perusahaan di Bursa Efek Indonesia (BEI) atau di website perusahaan. Metode pengumpulan data yang digunakan adalah metode dokumentasi. Metode dokumentasi dilakukan dengan cara mengumpulkan data dari berbagai literatur dan juga data dari leporan tahunan yang dipublikasikan oleh perusahaan. Data yang digunakan penelitian ini diperoleh dari: 1. Bursa Efek Indonesia (BEI) dalam www.idx.co.id, dan 2. Website perusahaan. 3.3 Populasi, Sampel, dan Teknik Pengambilan Sampel Populasi adalah keseluruhan jumlah dari obyek yang akan diteliti. Sampel adalah sebagian atau beberapa anggota dari populasi (Sekaran, 2006). Populasi dari penelitian ini adalah perusahaan perbankan yang terdaftar di Bursa Efek
Indonesia (BEI) dan menerbitkan laporan keuangan pada periode 2010 hingga 2014. Industri perbankan dipilih karena tinggi tingkat intensitas IC nya. Menurut Firer dan Williams (2003) ada empat industri yang berbasis pengetahuan dengan high intensivity IC yaitu: 1) Industri perbankan, 2) Industri elektronik, 3) Industri informasi teknologi, dan 4) Industri jasa. Metode pengambilan sampel yang digunakan adalah metode purposive sampling. Metode purposive sampling adalah sebuah metode yang menggunakan seluruh populasi yang memenuhi kriteria sebagai sampel penelitian yang sudah ditentukan (Sekaran, 2006). Kriteria yang dibutuhkan adalah perusahaan perbankan yang beroperasi di Indonesia serta mempublikasikan laporan tahunan lengkap selama periode 2010-2014. 3.4 Definisi Operasional Variabel dan Pengukuran Variabel Variabel yang digunakan dalam penelitian ini berjumlah delapan variabel. Terdiri dari dua variabel dependen dan lima variabel independen. Variabel dependen terdiri dari market to book value ratio (MB) dan return on assets (ROA). Variabel independen terdiri dari value added capital employed (VACA), value added human capital (VAHU), structural capital value added (STVA), research and development expenditures (RD) dan advertising expenditures (AD).
3.4.1 Variabel Dependen Variabel dependen yang digunakan dalam penelitian ini adalah kinerja keuangan perusahaan dan nilai pasar. Kinerja keuangan diproksikan oleh ROA (Firer dan Williams, 2003; Chen et al., 2005; Mondal dan Ghosh, 2012) dan nilai pasar diproksikan oleh MB (Chen et al., 2005; Nimtrakoon, 2015). 1) Market to Book Value (MB) Market to book value (MB) menggambarkan nilai pasar perusahaan. MB dihitung dengan membagi nilai pasar dengan nilai buku. MV merepresentasikan nilai pasar saham perusahaan sedang BV merepresentasikan (Najibullah, 2005). Sebelum menghitung MB, harus dihitung terlebih dahulu BV. Perhitungannya adalah sebagai berikut. Nilai Buku (BV) =????????????????????????????????????????????????????? Setelah didapatkan hasil dari nilai buku, maka dapat menghitung market to book value dengan perhitungan sebagai berikut. Market to Book Value Ratio =?????????????????????????????????????????????????????????????? 2) Return on Assets (ROA) ROA merefleksikan keuntungan bisnis dan efisiensi perusahaan dalam pemanfaatan total aset. (Chen et. al., 2005). ROA dihitung dengan cara: 3.4.2 Variabel Independen ROA = Laba bersih total asset Variabel independen yang digunakan adalah ketiga komponen intellectual capital dan juga tambahan dua variabel untuk mewakili relational value dan innovative value. Intellectual capital diukur menggunakan value added
intellectual capital (VAIC), yang terdiri dari value added capital employee (VACA), value added human capital (VAHU) dan structural capital value added (STVA) yang dikembangkan oleh Pulic (1998). Penelitian ini merupakan adopsi dari penelitian Chen et al. (2005), selain VAIC terdapat variabel tambahan yaitu biaya riset dan pengembangan (RD) yang mewakili modal inovatif serta biaya iklan (AD) yang mewakili modal relasional. Penghitungan VAIC juga melalui beberapa tahap seperti berikut: 1) Value Added (VA) VA = OUT IN OUT IN = output: total penjualan dan pendapatan lain-lain, dan = input: beban dan biaya-biaya (selain beban karyawan). 2) Value Added Capital Employee (VACA) VACA merefleksikan kontribusi setiap physical capital/capital employed (CE) terhadap nilai tambah (value added) perusahaan. Kinerja perusahaan yang baik adalah apabila perusahaan mampu memanfaatkan 1 unit CE untuk menghasilkan return yang lebih besar dari perusahaan yang lain. Kemampuan dalam mengelola CE merupakan bagian dari IC. VACA = VA/CE VACA VA CE = Value Added Capital Employed: Rasio dari VA terhadap CE, = Value Added, dan = Capital Employed: dana yang tersedia (ekuitas, laba bersih).
3) Value Added Human Capital (VAHU) VAHU menggambarkan bagaimana perusahaan mengelola sumber daya manusianya untuk menghasilan nilai tambah dari biaya yang dikeluarkan untuk tenaga kerja tersebut. Semakin tinggi VA yang dihasilkan, menandakan perusahaan telah bekerja dengan baik dalam mengelola sumber daya manusia untuk keberhasilan kinerja perusahaan. VAHU = VA/HC VAHU HC =Value Added Human Capital: rasio dari VA terhadap HC, dan = Human Capital: beban karyawan. 4) Structural Capital Value Added (STVA) STVA menggambarkan kontribusi structural capital dalam penciptaan value added. STVA mengukur jumlah SC yang dibutuhkan untuk menciptakan 1 rupiah dari VA dan merupakan indikasi bagaimana keberhasilan SC dalam penciptaan nilai. SC merupakan ukuran yang independen sebagaimana HC, SC yang dependen terhadap value creation (Pulic, 1998). Hal tersebut menandakan bahwa semakin besar kontribusi HC, maka semakin kecil kontribusi SC dalam penciptaan nilai. STVA = SC/VA STVA SC = Structural Capital Value Added: rasio SC terhadap VA, dan = Structual Capital: selisih value added dengan human capital.
5) Research and Development Expenditures (RD) Biaya riset dan pengembangan merupakan proksi dari modal inovatif. Biaya RD ini merupakan biaya yang dikeluarkan perusahaan untuk kemajuan teknologi dan juga pertumbuhan perusahaan. Dengan adanya pengeluaran seperti ini maka perusahaan diharapkan dapat meningkatkan kinerjanya. RD = pengeluaran RD nilai buku saham biasa RD Pengeluaran RD = research and development, dan = biaya untuk riset dan pengembangan perusahaan. 6) Advertising Expenditures (AD) Biaya iklan merupakan proksi dari modal relasional. Pengeluaran AD diharapkan dapat meningkatkan kinerja perusahaan karena tujuan utama dari mempromosikan produk lewat iklan adalah bertambahnya pelanggan dan peningkatan produktivitas perusahaan, sehingga AD dapat mengingkatkan kinerja perusahaan. AD = pengeluaran iklan nilai buku saham biasa Pengeluaran iklan = biaya yang dikeluarkan untuk iklan. 7) Value Added Intellectual Coeficient (VAIC) VAIC merupakan salah satu model untuk mengukur intellectual capital secara tidak langsung menggunakan informasi yang ada di laporan tahunan. VAIC mengukur efisiensi modal intelektual yang diciptakan dari nilai tambah yang terdiri dari capital employed, human capital dan structural capital. Chen et al.
(2005) menambahkan dua komponen yaitu RD dan AD. Perhitungannya adalah sebagai berikut. VAIC = VACA + VAHU + STVA + RD + AD 3.4.3 Variabel Kontrol 1) Firm s Size Firm s size merupakan gambaran keseluruhan aktiva yang dimiliki oleh perusahaan. Firm s size direpresentasikan oleh total aset perusahaan pada periode tertentu. SIZE = Total aset perusahaan pada 1 periode 3.5 Analisis Data dan Pengujian Hipotesis 3.5.1 Statistik Deskriptif Uji deskriptif memberikan gambaran atau deskripsi tentang suatu data yang dilihat dari rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness (kemencengan distribusi) (Ghozali, 2012). 3.5.2 Uji Asumsi Klasik Penelitian ini menggunakan teknik analisis regresi. Menurut Ghozali (2012) analisis regresi menguji tentang ketergantungan variabel dependen (terikat) dengan salah satu atau lebih variabel independen (variabel penjelas atau bebas), untuk tujuan mengestimasi atau memprediksi rata-rata populasi atau nilai rata-rata nilai variabel berdasarkan nilai variabel independen yang diketahui. Sebelum melakukan analisis data maka perlu dilakukan uji asumsi klasik guna mendapatkan hasil terbaik. Uji asumsi klasik ini dilakukan agar variabel bebas
sebagai estimator atas variabel terikat tidak bias. Uji asumsi klasik terdiri dari uji normalitas, uji mutikolonieritas, uji autokorelasi dan uji heteroskedasitas. 3.5.2.1 Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terkait dan variabel bebas keduanya memiliki distribusi normal. Terdapat dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik (Ghozali, 2012). Uji normalitas yang digunakan adalah Kolomogrov-Sminov. Ghozali (2012) menyatakan bahwa pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasr pengambilan keputusannya adalah berikut ini: 1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas, dan 2. Jika data menyebar jauh dari diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. Dasar untuk pengambilan keputusan uji Kolmogorov-Smirnov (K-S) adalah sebagai berikut. 1. Jika nilai Asymp. Sig. (2-tailed) kurang dari 0,05, maka H0 ditolak. Hal itu berarti data residual terdistribusi tidak normal, dan 2. Jika nilai Asymp. Sig. (2-tailed) lebih dari 0,05, maka H0 diterima. Hal itu berarti data residual terdistribusi normal.
3.5.2.2 Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu periode (t-1) sebelumnya (Ghozali, 2012). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Hal itu muncul karena observasi berurutan sepanjang waktu berkaitan satu sama lain. Model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Cara yang digunakan untuk mendeteksi ada atau tidaknya autokorelasi dengan metode Run Test. Jika sig >? (0,05) dapat disimpulkan bahwa tidak terjadi autokorelasi dalam model regresi tersebut. 3.5.2.3 Uji Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen (Ghozali, 2012). Untuk mendeteksi ada atau tidaknya multikolinearitas dapat dilihat dari nilai tolerance dan variance inflation factor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai tolerane yang rendah sama dengan nilai VIF yang tinggi (karena VIF = 1/Tolerance). Nilai cut off yang umumnya dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance 0,10 atau sama dengan nilai VIF 0,10.
3.5.2.4 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 yang lain tetap maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Salah satu untuk mendeteksi ada tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel terikat (ZPRED) dengan residualnya (SRESID). Dasar analisis dalam pengujian tersebut adalah dengan melihat pola pada grafik scatterplot antara SRESID dan ZPRED. Jika titik titik dalam grafik membentuk pola tertentu, seperti pola gelombang atau melebar kemudian menyempit, maka mengindikasikan bahwa terjadi heteroskedastisitas. Jika tidak ada pola yang jelas dan titik-titik dalam grafik menyebar di atas dan di bawah angka 0, maka tidak terjadi heteroskedastisitas (Ghozali, 2012). Cara lain untuk mendeteksi bahwa tidak terjadinya heterokedastisitas adalah dengan uji Glesjer. Metode uji Glejser meregresikan nilai absolute residual dengan variabel bebas (Ghozali, 2011). Dasar untuk pengambilan keputusan terjadi atau tidaknya heterokedastisitas adalah sebagai berikut: 1. Nilai signifikansi > 0,05 menunjukkan tidak terjadinya heterokedastisitas, dan 2. Nilai signifikansi < 0,05 menunjukkan terjadinya heterokedastisitas.
3.5.3 Uji Regresi Berganda Model regresi berganda digunakan untuk mengukur pengaruh antara variabel dependen dan variabel independen. Penelitian ini menggunakan pengembangan dari penelitian Chen et al. (2005). MODEL 1, MB = 0 + 1 VACA + 2 VAHU - 3 STVA + 4 RD + 5 AD + 6 SIZE MODEL 2, ROA = 0 + 1 VACA + 2 VAHU - 3 STVA + 4 RD + 5 AD + 6 SIZE VACA = Value added capital employed, VAHU = Value added human capital, STVA = Structural capital value added, RD AD MB ROA SIZE = Research and development expenditures, = Advertising expenditures, = Market to book value ratio, = Return on assets, dan = Firm s size. Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari goodnes of fit-nya. Secara statistik, setidaknya ini dapat diukur dari nilai koefisien determinasi, nilai statistik F, dan nilai statistik t.
3.5.3.1 Uji Koefisien Determinasi (R 2 ) Koefisien determinasi (R 2 ) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R 2 yang kecil menunjukkan kemampuan variabel independen dalam menjelaskan varabel dependen amat terbatas. Nilai yang mendekati satu menandakan variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel independen. Penggunaan koefisiensi ini mempunyai kelemahan yaitu bias terhadap jumlah variabel independen yang dimasukkan ke daam model (Ghozali, 2012). Nilai R 2 akan meningkat jika terdapat tambahan variabel independen, tidak melihat apakah ada pengaruh yang signifikan terhadap variabel dependen atau tidak. Berbeda dengan R 2, adjusted R 2 dapat menyesuaikan apabila ada tambahan variabel independen. Di dalam penelitian ini terdapat lebih dari dua variabel independen, maka akan menggunakan adjusted R 2. 3.5.3.2 Uji F Uji simultan dengan F-test bertujuan untuk mengetahui pengaruh variabel independen dan variabel dependen secara keseluruhan. Hasil uji F menunjukkan variabel independen berpengaruh terhadap variabel dependen secara keseluruhan apabila p-value lebih kecil dari level of significant yang ditentukan. Analisis dalam pengujian regresi adalah sebagai berikut: a. Ho diterima dan Ha tidak diterima apabila signifikansi > 0,05, dan b. Ho tidak diterima dan Ha diterima apabila signifikansi < 0,05.
3.5.3.3 Uji t Uji statistik t digunakan untuk menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variabel dependen. Pengujian ini menguji signifikansi koefisien variabel independen dalam memprediksi variabel dependen. Tingkat signifikansi yang digunakan dalam penelitian ini adalah 0,05 ( =5%). Penerimaan dan penolakan hipotesis akan dilakukan dengan kriteria sebagai berikut: a. Jika nilai signifikansi (sig) lebih besar dari 0,05 maka hipotesis ditolak, dan b. Jika nilai signifikansi (sig) lebih kecil atau sama dengan 0,05 maka hipotesis diterima.