Perusahaan dalam penelitian ini adalah perusahaan yang masuk index Kompas 100 sebanyak 80 perusahaan. Perusahaan yang masuk kategori adalah perusahaan non financial dan memiliki data yang lengkap untuk penelitian. Jumlah sampel dengan kriteria di atas adalah sebagai berikut :
Tabel 4.1 Distribusi Sampel
No. Keterangan Jumlah Perusahaan
1. Perusahaan masuk dalam index Kompas 100
100 Perusahaan
2. Perusahaan kategori Financial (15 perusahaan) 3. Perusahaan tidak memiliki data lengkap
untuk penelitian
(5 perusahaan)
4. Perusahaan sampel 80 perusahaan
28
Dari tabel di atas dapat dilihat bahwa terdapat 5 perusahaan yg dikeluarkan dari sampel. perusahaan yang termasuk dalam kategori ini merupakan perusahaan yang file laporan tahunannya mengalami kerusakan.
Berikut ini adalah statistika deskriptif dari variabel-variabel penelitian (pengungkapan komponen intellectual capital, kinerja pasar perusahaan dan jenis industri). Secara lebih jelas statistik deskriptif dalam penelitian ini adalah :
Tabel 4.2 Statistika Deskriptif Descriptive Statistics 80 9 24 14,63 3,095 80 ,131 50,530 3,04256 7,415262 80 IC Tobin'Q Valid N (listwise)
N Minimum Maximum Mean Std. Deviation
Berdasarkan tabel 4.2 dapat diketahui bahwa rata-rata jumlah intellectual capital yang diungkapkan oleh perusahaan sampel adalah 14,63 dari 27 item yang seharusnya diungkapkan atau sebesar 54,18 persen. Nilai terendah item pengungkapan intellectual capital adalah sebesar 9 item atau hanya 33%, yang diungkapkan oleh PT. Nusantara Infrastruktur dan PT. Suprama, sedangkan nilai tertinggi dari item pengungkapan intellectual capital adalah sebesar 24 item atau 89% yang diungkapkan oleh PT. Telekomunikasi Indonesia.
Berdasarkan tabel 4.2 dapat diketahui pula bahwa rata-rata kinerja pasar perusahaan yang diukur dengan Tobins‟Q perusahaan sampel adalah 3,04 artinya
29
bahwa rata-rata perusahaan sampel memiliki nilai Equity market value 3,04 kali dari nilai buku total aktiva dan hutang perusahaan,. Nilai terrendah kinerja pasar perusahaan adalah sebesar 0,131 yang dimiliki oleh PT. Indocement Tunggal Perkasa, sedangkan nilai tertinggi dari kinerja pasar perusahaan adalah sebesar 50,530 yang dimiliki oleh PT. Gozco Plantation. Nilai standar deviasi sebesar 7,415 lebih besar dibandingkan dengan rata-rata sebesar 3,0425, hal ini mengindikasikan bahwa penyebaran data untuk kinerja pasar perusahaan adalah tidak merata, artinya perbedaan data satu dengan data yang lainnya tinggi.
Selain itu, ditinjau dari jenis industry, perusahaan yang termasuk kategori high tech industries (Internet Providers, Biotechnology, Entrainment, Internet, IT Distribution, High Tech Manufacturing, Media, Retail, Sofware, System Integration and Telecomunication, Web Service) sebanyak 14 perusahaan atau 17,50 persen dari total sampel yang dipergunakan. Sedangkan kategori perusahaan traditional industries (Food and Beverage, Automobile, Chemical, Building, Electronics, Manufacturing Oil, Utilities, Clothing and Textile, Tourism and Leisure) adalah sebanyak 66 perusahaan atau 82,50 persen dari total sampel yang dipergunakan. Dengan demikian sampel dalam penelitian ini banyak kategori perusahaan traditional industries
30 4.1 Pembahasan
Perbandingan Pengungkapan Komponen Intellectual Capital Dalam Laporan Tahunan High-Tech Industries Lebih Banyak Dibandingkan
Tradisional Industries
Pengujian Data
Langkah pertama yang akan dilakukan dalam pengujian data yaitu dengan melakukan uji normalitas menggunakan uji Kolmogorov Smirnov, untuk melihat apakah data dalam penelitian ini berdistribusi normal atau tidak. Uji normalitas dilakukan terhadap dua kategori sampel yaitu perusahaan-perusahaan yang
termasuk dalam “High-tech industries” dan perusahaan-perusahaan yang termasuk
dalam kelompok “Traditional Industries”. Pada kategori High-tech Industries diperoleh nilai signifikansi Kolmogorov-Smirnov 0,988 > 0,05 dapat dilihat pada lampiran 1. Nilai signifikansi tersebut lebih besar dari 0,05, hal ini membuktikan bahwa data tersebut terdistribusi normal. Begitu juga dengan data perusahaan pada kategori Traditional Industries diperoleh nilai signifikansi kolmogorov-Smirnov 0,497 > 0,05. Nilai tersebut lebih besar dari 0,05 yang membuktikan bahwa data terdistribusi normal, maka alat analisis yang digunakan adalah uji beda rata-rata untuk dua populasi independen dengan metode parametrik.
31 Tabel 4.3
Hasil Uji Beda Rata-Rata Pengungkapan Komponen Intellectual Capital
Variabel Mean Levene’s Test t-test
IC High-tech 16,79 F Sig t Sig (2-tailed)
IC Traditional 14,17 11,234 ,001 -2,112 ,005
Sumber : Lampiran 1
Terlihat dari tabel 4.3 bahwa F hitung levene test sebesar 11,234 dengan probabilitas 0,001, karena probabilitas lebih kecil 0,05 maka dapat disimpulkan bahwa H0 atau memiliki variance berbeda. Dengan demikian analisis uji beda rata-rata harus menggunakan equal variance not assumed. Dari output SPSS terlihat bahwa nilai t pada equal variance not assumed adalah -2, 112 dengan probabilitas 0,005 (two tail), namun dalam penelitian ini, menggunakan uji satu sisi (one tail) sehingga nilai probabilitasnya adalah 0,0025. Dengan demikian hipotesis yang menyatakan item pengungkapan komponen IC high lebih besar dibandingkan dengan item komponen pengungkapan IC traditional industries adalah diterima.
Perusahaan yang termasuk dalam kelompok high-tech industries selain pengungkapan terhadap aset fisik dan financial, juga terbukti lebih banyak mengungkapkan asset tidak berwujud dalam hal ini Intellectual Capital dalam
32
laporan tahunan. Berdasarkan hasil pengujian, diperoleh nilai rata-rata item pengungkapan komponen IC high tech industries sebesar 16,79 yang berarti lebih besar dibandingkan dengan item komponen pengungkapan IC traditional industries yang memiliki nilai rata-rata sebesar 14,17. Pengungkapan 27 item Intellectual Capital yang dikelompokkan ke dalam 3 kategori umum yaitu internal capital, eksternal capital, dan employee competence oleh perusahaan high-tech industries memiliki rata-rata pengungkapan item Intellectual Capital lebih banyak daripada perusahaan traditional industries pada setiap pengelompokkan kategori di atas. Pada kategori internal capital, Management philosophy, Corporate Culture, Management Process, Corporate Know-how merupakan item-item yang selalu diungkapkan oleh perusahaan high-tech industries maupun Traditional Industry. Sedangkan information system, networking system, RnD activities merupakan item Intellectual Capital yang dominan lebih banyak diungkapkan oleh perusahaan-perusahaan yang termasuk dalam kategori high-tech industries. Hal tersebut karena perusahaan yang masuk kategori kelompok ini merupakan perusahaan yang bergerak dalam bidang teknologi, sehingga perusahaan lebih memfokuskan pada pengembangan teknologi tinggi terhadap sistem jaringan dan informasi serta kegiatan riset dan pengembangan. Sedangkan pada kategori eksternal capital item Company Name merupakan item Intellectual Capital yang lebih banyak diungkapkan oleh perusahaan yg masuk kategori high-tech industries selain itu customer, financial contract juga diungkapkan oleh seluruh perusahaan kategori high-tech industries. Sedangkan distribution chanel diungkapkan oleh 10 perusahaan, dan pada Kategori employee competence item
33
know-how dan work-related knowledge merupakan item yang diungkapkan oleh seluruh perusahaan sampel high-tech industries. Perusahaan high-tech industries memerlukan karyawan yang memiliki pengetahuan dan keahlian tentang teknologi, dan hal tersebut perlu diungkapkan untuk menambah keyakinan investor bahwa kegiatam operasional perusahaan dilakukan oleh orang-orang yang berkompeten dibidangnya. Sehingga kegiatan operasional perusahaan dapat berjalan secara maksimal.
Pengaruh Jumlah Komponen Pengungkapan Intellectual Capital Dalam Laporan Keuangan Tahunan Terhadap Kinerja Pasar Perusahaan
Model Persamaan Regresi Sederhana
Sebelum melakukan analisis regresi, terlebih dahulu dilakukan pengujian asumsi klasik. Model regresi yang baik adalah model yang dapat memenuhi asumsi klasik yang disyaratkan. Adapun pengujian terhadap asumsi klasik dengan program SPSS yang dilakukan pada penelitian ini meliputi uji normalitas dan uji heterokedastisitas.
Hasil pengujian dengan menggunakan Kolmogorov Smirnov untuk menguji normalitas residual adalah sebagai berikut :
34 Tabel 4.4
Hasil Uji Normalitas Residual
One-Sample Kolmogorov-Smirnov Test
80 ,0000000 7,36630181 ,321 ,321 -,302 2,868 ,000 N Mean Std. Deviation Normal Parametersa,b
Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Sumber : data sekunder yang diolah, 2012
Berdasarkan hasil nilai signifikasi Kolmogorov Smirnov sebesar 0,000 < 0,05, nilai tersebut lebih kecil dari 0,05 sehingga bisa diasumsikan data tidak normal. Data yang tidak normal dapat dinormalkan dengan menghilangkan data outlier atau data yang ekstrim.Dalam penelitian ini terdapat 17 perusahaan yang memilki data ekstrim. Oleh karena itu, 17 data perusahaan ini dihilangkan. Hasil pengujian normalitas setelah menghilangkan outlier adalah sebagai berikut :
35 Tabel 4.5 Hasil Uji Nomalitas
Setelah Menghilangkan Data Ekstrim
One-Sample Kolmogorov-Smirnov Test
63 ,0000000 1,06960757 ,146 ,146 -,111 1,162 ,134 N Mean Std. Deviation Normal Parametersa,b
Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Sumber : data sekunder yang diolah, 2011
Berdasarkan hasil nilai signifikasi Kolmogorov Smirnov sebesar 0,134 < 0,05, hasil tersebut lebih kecil dari 0,05, maka residual dari model regresi yang baru sudah berdistribusi normal. Langkah selanjutnya setelah dilakukan uji normalitas adalah melakukan uji heterokedastisitas. Hasil pengujian heterokedastisitasadalah sebagai berikut :
36 Gambar 4.1
Grafik Hasil Uji Heterokedastisitas
3 2 1 0 -1 -2
Regression Studentized Residual
3 2 1 0 -1 -2 Re gres sio n S tan dard iz ed Pre dic ted Va lue
Dependent Variable: Tobin'Q Scatterplot
Sumber : Data sekunder yang diolah, 2012
Dari grafik scatterplot, terlihat titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Dari pengamatan pada grafik di atas maka disimpulkan bahwa dalam model regresi ini tidak terjadi heteroskedastisitas.
Setelah dilakukan pengujian asumsi klasik yang terdiri dari uji normalitas dan uji heterokedastisitas , dapat disimpulkan bahwa data penelitian telah memenuhi asumsi tersebut. Langkah selanjutnya adalah dilakukannya pengujian model regresi. Berikut adalah model regresi yang dihasilkan :
37 Tabel 4.6 Hasil Regresi Coefficientsa -,286 ,646 -,442 ,660 ,123 ,043 ,343 2,854 ,006 (Constant) IC Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig.
Dependent Variable: Tobin'Q a.
Sumber : Data sekunder yang diolah, 2011
Dari Tabel 4.6 hasil pengolahan data dengan bantuan program SPSS 13, maka didapatkan model persamaan regresi akhir sebagai berikut :
Tobins’Q = -0,286 + 0,123 IC + e
Konstanta sebesar -0,286 menyatakan bahwa jika pengungkapan komponen intellectual capital sama dengan nol atau tidak ada pengungkapan, maka kinerja pasar perusahaan adalah sebesar -0,286. Sedangkan nilai koefisien regresi 0,123, menyatakan setiap peningkatan sebesar 1 item pengungkapan komponen intellectual capital, maka akan meningkatkan variabel kinerja pasar perusahaan sebesar 0,123.
Hasil pengujian Intellectual Capital Disclosure terhadap kinerja pasar diperoleh nilai koefisien 0,123 dengan nilai uji t hitung sebesar 2,854 dan nilai tingkat signifikansi sebesar 0,006. Nilai tingkat signifikansi tersebut lebih kecil dari α
38
disimpulkan bahwa Intellectual Capital Disclosure berpengaruh positif dan signifikan terhadap kinerja pasar perusahaan.
Tabel 4.7 Koefisien Determinasi Model Summaryb ,343a ,118 ,103 1,078339 2,133 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson Predictors: (Constant), IC a.
Dependent Variable: Tobin'Q b.
Nilai koefisien determinasi ditunjukkan dengan nilai R square sebesar 0,118, dapat diartikan bahwa variabel independen (intellectual capital) dapat menjelaskan variabel dependen (kinerja pasar perusahaan) sebesar 11,80 % sedangkan sisanya diterangkan oleh faktor lain yang tidak diamati dalam penelitian ini seperti ROA, Book Value, dan DER.
Pengujian hipotesis kedua dalam model regresi ini dapat membuktikan secara statistik bahwa terdapat pengaruh positif jumlah komponen pengungkapan Intellectual Capital dalam laporan keuangan tahunan terhadap kinerja pasar perusahaan. Terdapat 3 kategori Intellectual Capital yaitu internal capital, eksternal capital dan employee competence. Perusahaan yang memiliki internal capital yang lengkap menunjukkan bahwa terdapat struktur intern yang baik pada perusahaan tersebut. Keadaan tersebut akan menciptakan iklim kondusif yang dapat meningkatkan produktivitas perusahaan tersebut. Hal tersebut juga akan berpengaruh
39
terhadap citra serta nama baik perusahaan dimata kompetitor maupun investor. Perusahaan-perusahaan yang memiliki nama baik tentunya akan menggunakan tenaga yang berkompeten dibidangnya untuk mendukung kegiatan operasional perusahaan. Jadi dapat disimpulkan bahwa pengungkapan terhadap ketiga kategori Intellectual Capital dapat membantu investor dalam menilai kinerja perusahaan tersebut. Jika IC dapat memberi gambaran kepada investor mengenai prospek kinerja yang baik di masa yang akan datang, hal tersebut akan meningkatkan permintaan saham perusahaan sehingga harga saham dan kinerja pasar juga akan ikut meningkat.
Intellectual Capital Disclosure berpengaruh positif terhadap kinerja perusahaan pasar perusahaan. Hal ini mengindikasikan bahwa Intellectual Capital lebih luas dari sekedar sumber daya manusia, dan bukan pada hanya property intelektual, bukan pula sekedar aktiva tidak berwujud, tidak hanya terjadi di dalam perusahaan, tetapi merupakan sinergi dari unsure manusia sebagai pengelola perusahaan dengan segala atribut yang melekat padanya (seperti pengetahuan, keterampilan, pengalaman), teknologi (berwujud maupun tidak) dengan segala kecanggihannya untuk memudahkan pengelolaan informasi dan terciptanya inovasi, serta interaksinya dengan pihak-pihak di dalam maupun dengan pelanggan yang ada di luar perusahaan sehingga memberikan nilai lebih bagi perusahaan. Intellectual Capital Disclosure tidak hanya berguna pada pada saat sekarang akan tetapi juga bisa digunakan untuk jangka panjang.
40 5. KESIMPULAN
Kesimpulan yang bisa diambil dari hasil penelitian ini adalah:
1. Pengujian hipotesis pertama dalam model regresi ini dapat membuktikan secara statistik dengan toleransi kesalahan 5%, bahwa item pengungkapan komponen IC high tech industries lebih besar dibandingkan dengan item komponen pengungkapan IC traditional industries.
2. Pengujian hipotesis kedua dalam model regresi ini dapat membuktikan secara statistik bahwa terdapat pengaruh positif jumlah komponen pengungkapan Intellectual Capital dalam laporan tahunan terhadap kinerja pasar perusahaan.
Implikasi dari penelitian ini, diharapkan investor lebih memperhatikan Intellectual capital dari setiap perusahaan di BEI, yaitu dengan memperhatikan komponen item pengungkapannya agar investasinya menguntungkan. Investor juga dapat bisa menganalisis Intellectual capital sebagai bahan perbandingan dengan perusahaan yang kurang memperhatikan Intellectual capital.
Keterbatasan dalam penelitian ini adalah belum adanya aturan pasti terhadap penetapan penilaian modal intelektual sehingga menyebabkan subjektifitas penilaian dalam mengkategorikan informasi yang terkandung dalam laporan tahunan, serta jumlah sampel yang berbeda jauh antara kelompok high-tech industries dan traditional industries untuk uji beda rata-rata yang dapat mempengaruhi hasil dari pengujian data. Untuk itu saran yang diberikan adalah :
41
Mencari ukuran baku yang lebih objektif dalam penilaian pengungkapan Intellectual Capital yang dilakukan perusahaan, agar mengurangi subjektifitas penelitian, serta mencari kategori penggolongan yang lebih efektif agar jumlah sampel yang didapat tidak berbeda jauh satu sama lain.
42
