LAMPIRAN
Lampiran 1 (Data Penelitian Tahun 2012-2014)
NO. KODE BANK
HCE = VA HC
SCE = SC VA
CEE = VA
CE ROA
TAHUN 2012
1 AGRO 1.3360988451 0.2515523805 0.2598202309 0.0163 2 BACA 1.8167434131 0.4546528691 0.1595438044 0.0132 3 BAEK 1.3304885303 0.2483963768 0.2667520653 0.0102 4 BBCA 2.9331582010 0.6590705542 0.3478652198 0.0360 5 BBKP 2.1638572010 0.5378622954 0.3120069037 0.0183 6 BBNI 2.2912828506 0.5635632677 0.2936332120 0.0290 7 BBNP 1.5583579454 0.2528989050 0.3605720310 0.0157 8 BBRI 2.9448501996 0.6604241533 0.4359759772 0.0515 9 BBTN 1.9131779536 0.4773094692 0.2767596753 0.0194 10 BDMN 1.7905570013 0.4415145682 0.3217634055 0.0270 11 BJBR 2.2336593152 0.5522908910 0.3595775557 0.0246 12 BMRI 3.0205263273 0.6689318709 0.3175407043 0.0355 13 BNBA 1.7763937468 0.4371995260 0.2500261200 0.0247 14 BNII 1.7635539981 0.4330769145 0.4093706610 0.0162 15 BSIM 2.0277018070 0.5068308385 0.2521965285 0.0174 16 BTPN 2.0667344278 0.5161448967 0.4953290870 0.0470 17 BVIC 3.2366353512 0.6909801980 0.2476307890 0.0217 18 MAYA 2.0227016597 0.5056117173 0.2846282786 0.0066 19 MEGA 2.1909248259 0.5435717428 0.4072602426 0.0274 20 PNBN 3.1131435544 0.6787812761 0.1940044533 0.0153
TAHUN 2013
29 BBTN 1.8945573635 0.4721722238 0.2644522211 0.0179 30 BDMN 1.7136059484 0.4164352657 0.3102604911 0.0250 31 BJBR 2.0872424746 0.5208989793 0.3933054144 0.0261 32 BMRI 2.9080100732 0.6561586978 0.3088888265 0.0366 33 BNBA 1.6418662239 0.3909369805 0.2546950593 0.0205 34 BNII 1.5283411928 0.3456958402 0.2901845290 0.0171 35 BSIM 1.7843746453 0.4395795734 0.1826653938 0.0101 36 BTPN 1.9777318871 0.4943702903 0.4350698157 0.0450 37 BVIC 2.0009453169 0.5003235002 0.1901809646 0.0197 38 MAYA 2.2070769898 0.5469120449 0.2771104700 0.0139 39 MEGA 1.4887072182 0.3282762468 0.6768259570 0.0114 40 PNBN 2.7012895773 0.6298064419 0.1862926313 0.0149
TAHUN 2014
Lampiran 2 (Hasil Analisis Statistik Deskriptif)
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
HCE 60 1.1003856308 3.2366353512 2.026709464399 .5535777869502
SCE 60 .0912276824 .6909801980 .474148052238 .1375438312535
CEE 60 .1304415693 .6768259570 .286553924815 .0958938349162
ROA 60 .0020 .0515 .021513 .0124123
Valid N (listwise) 60
One-Sample Kolmogorov-Smirnov Test
HCE SCE CEE ROA
N 60 60 60 60
Normal Parametersa,b
Mean 2.026709464399 .474148052238 .286553924815 .021557
Std. Deviation
.5535777869502 .1375438312535 .0958938349162 .012302 5
Most Extreme Differences
Absolute .133 .088 .107 .170
Positive .133 .057 .107 .170
Negative -.100 -.088 -.066 -.093
Kolmogorov-Smirnov Z 1.027 .682 .827 1.319
Asymp. Sig. (2-tailed) .242 .741 .501 .062
Lampiran 4 (Hasil Uji Multikolinearitas)
Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -.019 .005 -3.934 .000
HCE .010 .005 .470 1.967 .054 .132 7.549
SCE .007 .021 .078 .328 .744 .134 7.489
CEE .055 .011 .426 4.778 .000 .954 1.049
a. Dependent Variable: ROA
Lampiran 5 (Hasil Uji Autokorelasi)
Model Summaryb Model R R Square Adjusted R
Square
Std. Error of the Estimate
Durbin-Watson
1 .759a .576 .553 .0082226 1.871
a. Predictors: (Constant), CEE, SCE, HCE b. Dependent Variable: ROA
Lampiran 7 (Hasil Uji Analisis Regresi Linier Berganda)
Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -.019 .005 -3.934 .000
HCE .010 .005 .470 1.967 .054 .132 7.549
SCE .007 .021 .078 .328 .744 .134 7.489
CEE .055 .011 .426 4.778 .000 .954 1.049
a. Dependent Variable: ROA
Lampiran 8 (Hasil Uji t)
Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -.019 .005 -3.934 .000
HCE .010 .005 .470 1.967 .054 .132 7.549
SCE .007 .021 .078 .328 .744 .134 7.489
CEE .055 .011 .426 4.778 .000 .954 1.049
Lampiran 9 (Hasil Uji F)
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1
Regression .005 3 .002 25.359 .000b
Residual .004 56 .000
Total .009 59
a. Dependent Variable: ROA
b. Predictors: (Constant), CEE, SCE, HCE
Lampiran 10 (Hasil Uji Koefisien Determinasi R2)
Model Summaryb Model R R Square Adjusted R
Square
Std. Error of the Estimate
Durbin-Watson
1 .759a .576 .553 .0082226 1.871
DAFTAR PUSTAKA
Astuti, Partiwi Dwi dan Arifin Sabeni. 2005. “Hubungan Intellectual Capital dan Business Performance dengan Diamond Specification: Sebuah Perspektif Akuntansi”, Simposium Nasional Akuntansi VIII Solo,
halaman 694-707.
Biserka Komnenic and Dragana Pokrajcic. 2012. “Intellectual Capital and
Corporate Performance of MNCs in Serbia”. Journal of Intellectual Capital. Vol.13, No. 1.
Bontis, N. 2000. “Intellectual Capital and Business Performance in Malaysian
Industries”. Journal of Intellectual Capital. Vol. 1 No. 1, pp. 85-100. Bornemann, M. and K.H. Leitner. 2002. “Measuring and reporting intellectual
capital: the case of a research technology organization”. Singapore Management Review. Vol. 24 No. 3, pp. 7-19.
Brooking, A. 1996. Intellectual Capital: Core Assets for the Third Millennium, Enterprise Thomson Business Press, London, United Kingdom.
Deegan, C. 2004. Financial Accounting Theory. McGraw-Hill Book Company. Sydney.
Dimaz, Ramanada dan Yeterina Widi Nugrahanti. 2014. “Analisis
Pengungkapan Intellectual Capital Berdasarkan Profitabilitas, Leverage, dan Size Perusahaan (Perbandingan Antara Perusahaan Perbankan Di Indonesia Dan Thailand)”. Dinamika Akuntansi, Keuangan dan Perbankan, ISSN: 1979-4878.
Erlina, 2011. Metodologi Penelitian. Medan: Badan Penerbit USU Press.
Fakultas Ekonomi Universitas Sumatera Utara, 2015. Buku Pedoman Penulisan
Skripsi dan Ujian Komprehensif Program Strata Satu (S1). Fakultas
Ekonomi USU, Medan.
Fatima, Hasna. 2012. “Analisis Pengaruh Modal Intektual Terhadap Kinerja
Perusahaan di Indonesia”. Skripsi Akuntansi. Universitas Indonesia.
Firer, S., and S.M. Williams, 2003. “Intellectual capital and traditional
measures of corporate performance”. Journal of Intellectual Capital.
Fontaine, C., A. Haarman, S. Schmid, 2006. “The Stakeholder Theory”.
www.martonomily.com/sites/default/files/attach/Stakeholders%20theory. pdf (31 Oktober 2015).
Gan, K. dan Z. Saleh. 2008. “Intellectual Capital and Corporate
Performance of Technology - Intensive Companies: Malaysia
Evidence”, Asian Journal of Business and Accounting. Vol. 1 No. 1, pp.
113 - 130.
Ghozali, Imam, 2012. Aplikasi Analisis Multivariate dengan Program IBM
SPSS 21. Edisi Ketujuh. Semarang: Badan Penerbit Universitas
Diponegoro.
Guthrie, J., R. Petty, K. Yongvanich, F. Ricceri, 2004. “Using Content
Analysis as a Research Method to Inquire into Intellectual Capital
Reporting”. Journal of Intellectual Capital. Vol. 5 No. 2, pp. 282 - 293. _______, _______, and F. Ricceri. 2006. “The voluntary reporting of
intellectual capital; comparing evidence from Hong Kong and
Australia”. Journal of Intellectual Capital. Vol. 7 No. 2, pp. 254-271. Harrison, S., and P.H. Sullivan. 2000. “Profitting form intellectual capital;
Learning from leading companies”. Journal of Intellectual Capital. Vol.1
No. 1, pp. 33-46.
Ichmawan, Arly. 2014. “Pengaruh Intellectual Capital terhadap Kinerja
Keuangan Bank Umum Syariah di Indonesia (Studi Empiris bank umum syariah yang terdaftar di Bank Indonesia tahun 2010-2012)”. Skripsi Akuntansi. Universitas Diponegoro.
Ikatan Akuntan Indonesia. 2009. Pernyataan Standar Akuntansi Keuangan
(PSAK) No.19. Salemba Empat. Jakarta.
Indonesia Capital Market Directory (ICMD) tahun 2014. Bursa Efek Indonesia.
International Accounting Standards Board, 2004. “Summary of IAS 38”. available online at: www.iasplus.com (Oktober 2015).
International Federation of Accountants (IFAC). 1998. “The Measurement and
Management of Intellectual Capital”. Available at: www.ifac.org.
(Oktober 2015).
Kamiyama, S., C. Martinez, J. Sheehan. 2006. “Business Performance and Intellectual Assets: Background and Issues”. www.oecd.org/dataoecd/ 51/58/33848005.pdf (31 Oktober 2015).
Kasmir. 2012. Analisis Laporan Keuangan. Jakarta: Penerbit Rajawali Pers.
Kuncoro, Mudrajat. 2003. Metode Riset untuk Bisnis & Ekonomi. Jakarta: Penerbit Erlangga.
Organization for Economic Cooperation and Development (OECD). 1999.
International Symposium on Measuring and Reporting Intellectual Capital. Vol. 1 No. 2. pp. 155-75.
Petty, P. and J. Guthrie. 2000. “Intellectual capital literature review:
measurement, reporting and managemet”. Journal of Intellectual Capital.
Vol.1 No. 2. pp. 155-75.
Pramelasari, Yossi Meta. 2010. “Pengaruh Intellectual Capital terhadap Nilai Pasar dan Kinerja Keuangan Perusahaan”. Skripsi Akuntansi. Universitas Diponegoro.
Pulic, A, 1998. “Measuring the performance of intellectual potential in
knowledge economy”. Paper presented 2nd McMaster Word Congress on Measuring and Managing Intellectual Capital by the Austrian Team for Intellectual Potential.
Riahi-Belkaoui, A. 2003. “Intellectual Capital and Firm Performance of US Multinational Firms: A Study of The Resource-Based and Stakeholder
Views”. Journal of Intellectual Capital, Vol. 4 No. 2, pp.215 - 226.
Shofa, Fierda. 2014. “Pengaruh Intellectual Capital terhadap Kinerja Keuangan B.U.S di Indonesia”. Skripsi Akuntansi. Universitas Diponegoro.
Stice, E. K., J. D. Stice, dan K. F. Skousen. 2009. Akuntansi Keuangan
Intermediate Accounting, Edisi 16, Jakarta : Penerbit Salemba Empat.
Stewart, T. A. 1997. Intellectual Capital: The New Wealth of Organization,
Doubleday/Currency. New York, United States of America.
Suntoso, Setyarini. 2011. “Pengaruh Modal Intelektual dan Pengungkapannya
Terhadap Kinerja Perusahaan”. Jurnal Akuntansi Dan Keuangan, Vol. 14, No. 1.
dan Keuangan. Vol. 5 No. 1. pp. 35-57.
Sveiby, K.E, 2001. “Method for measuring intangible assets”. available online
at: www.sveiby.com/articles/CompanyMonitor.html (31 Oktober 2015).
Tan, H.P., D. Plowman, P. Hancock, 2007. “Intellectual capital and
financial returns of companies. Journal of Intellectual Capital. Vol. 8 No. 1. pp. 76-95.
Ulum, Ihyaul, 2008. Intellectual Capital performance Sektor Perbankan di
Indonesia. Jurnal Akuntansi dan Keuangan. Vol. 10, No. 2, November,
halaman 77-84.
______, 2009. Intellectual Capital: Konsep dan Kajian Empiris. Yogyakarta: Graha Ilmu.
Undang-Undang Republik Indonesia No. 10 Tahun 1998. Undang-Undang Perbankan.
Wahdikorin, Ayu. 2010. “Pengaruh Intellectual Capital terhadap Kinerja Keuangan Perusahaan Perbankan yang terdaftar di Bursa Efek Indonesia”. Skripsi Akuntansi. Universitas Diponegoro.
Waatts, R. L. Zimmerman. 1986. Positive Accounting Theory. Prentice-Hall. Englewood Cliffs. NJ.
Zulmiati, R. 2012. “Pengaruh Intellectual Capital terhadap Kinerja Perusahaan (Studi pada Perusahaan Consumer Good Industry yang Terdaftar di BEI)”. Skripsi Akuntansi. Universitas Diponegoro.
Zurnali, Cut. 2008. “Modal Intellektual”. Http://id.wikipedia.org (31 Oktober 2015).
www.idx.co.id
BAB III
METODE PENELITIAN
3.1 Jenis Penelitian
Berdasarkan karakteristik masalah, jenis penelitian ini merupakan
penelitian sebab akibat (causal research), yang merupakan tipe
penelitian dengan karakteristik masalah berupa sebab akibat antara
berbagai variabel (Erlina, 2011). Penelitian ini bertujan untuk menguji
hipotesis dan merupakan penelitian yang menjelaskan fenomena dalam
bentuk hubungan antara variabel independen dan variabel dependen.
3.2 Tempat dan Waktu Penelitian
Penelitian ini dilakukan pada perusahaan sektor perbankan (bank
umum konvensional) di Indonesia yang terdaftar di BEI. Pengamatan
dilakukan selama tiga tahun berturut-turut, yaitu tahun 2012, 2013, dan
2014. Pemilihan periode penelitian dengan pertimbangan ketersediaan
data yang paling mutakhir selama tiga tahun berakhir. Waktu penelitian
mulai dilakukan pada bulan September 2015 - Februari 2016.
3.3 Populasi dan Sampel penelitian
“Populasi adalah wilayah generalisasi yang terdiri dari objek atau
subjek yang menjadi kuantitas dan karakteristik tertentu yang ditetapkan
oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya
keuangan akhir tahun dari perusahaan perbankan yang terdaftar di BEI
tahun 2012-2014, dan berjumlah 40 perusahaan perbankan.
Sampel adalah bagian dari populasi yang digunakan untuk
memperkirakan karakteristik populasi yang bersangkutan, dan berjumlah
20 perusahaan perbankan selama 3 tahun (total sampel 60). Teknik
pengumpulan sampel yang digunakan adalah Purposive Sampling, yang
merupakan teknik penentuan sampel anggota populasi dengan
pertimbangan atau kriteria tertentu.
“Oleh karena itu, sampel yang diambil dari populasi harus
benar-benar mewakili agar nilai yang dihitung dari sampel dapat
menggambarkan dengan tepat nilai populasi yang sesungguhnya (Erlina,
2011)”.
Adapun kriteria dalam pengumpulan sampel dalam penelitian ini,
yaitu sebagai berikut:
1) Perusahaan perbankan yang telah go public dan terdaftar di Bursa
Efek Indonesia (BEI) pada kurun waktu 2012, 2013, 2014 dan tidak
mengalami delisting selama periode pengamatan.
2) Perusahaan perbankan yang memiliki laba bersih (net income).
3) Menerbitkan dan mempublikasikan laporan keuangan tahunan pada
kurun waktu 2012, 2013, 2014.
4) Perusahaan perbankan tidak melakukan merger ataupun perubahan
Tabel 3.1
Daftar Populasi Penelitian Bank yang Terdaftar Di BEI Tahun 2012-2014
No KODE Perusahaan Emiten Tanggal Listing/IPO 1 AGRO Bank Agroniaga Tbk 08 Agustus 2003
2 AGRS Bank Agris 22 Desember 2014
3 BABP Bank Bumiputera Indonesia Tbk 15 Juli 2002 4 BACA Bank Capital Indonesia Tbk 08 Oktober 2007 5 BAEK Bank Ekonomi RaharjaTbk 08 Januari 2008 6 BBCA Bank Central Asia Tbk 31 Mei 2000 7 BBKP Bank Bukopin Tbk 10 Juli 2006 8 BBMD Bank Mestika Dharma Tbk 08 Juli 2013 9 BBNI Bank Negara Indonesia Tbk 25 November 1996 10 BBNP Bank Nusantara ParahyanganTbk 10 Januari 2001 11 BBRI Bank Rakyat Indonesia (Persero) Tbk 10 November 2003 12 BBTN Bank Tabungan Negara (Persero) Tbk 17 Desember 2009
Tabel 3.2
Daftar Sampel Penelitian Bank Yang Terdaftar Di BEI Tahun 2012-2014
No KODE Perusahaan Emiten Kriteria Sample 1 2 3 4
1 AGRO Bank Agroniaga Tbk √ √ √ √ 1 2 AGRS Bank Agris √ √ − √
3 BABP Bank Bumiputera Indonesia Tbk √ − √ √
4 BACA Bank Capital Indonesia Tbk √ √ √ √ 2 5 BAEK Bank Ekonomi RaharjaTbk √ √ √ √ 3 6 BBCA Bank Central Asia Tbk √ √ √ √ 4 7 BBKP Bank Bukopin Tbk √ √ √ √ 5 8 BBMD Bank Mestika Dharma Tbk √ √ − √
9 BBNI Bank Negara Indonesia Tbk √ √ √ √ 6 10 BBNP Bank Nusantara ParahyanganTbk √ √ √ √ 7 11 BBRI Bank Rakyat Indonesia (Persero) Tbk √ √ √ √ 8 12 BBTN Bank Tabungan Negara (Persero) Tbk √ √ √ √ 9 13 BBYB Bank Yudha Bhakti Tbk √ √ − √
14 BCIC Bank Mutiara Tbk √ − √ √
15 BDMN Bank Danamon Indonesia Tbk √ √ √ √ 10 16 BEKS Bank Pundi Indonesia Tbk √ − √ √
17 BINA Bank Ina Perdana Tbk √ √ − √
18 BJBR Bank Jabar Banten Tbk √ √ √ √ 11 19 BJTM Bank Pembangunan Daerah Jawa
Timur Tbk
√ √ − √
20 BKSW Bank Kesawan Tbk √ − √ √ 21 BMAS Bank Maspion Indonesia Tbk √ √ − √
22 BMRI Bank Mandiri (Persero) Tbk √ √ √ √ 12 23 BNBA Bank Bumi Artha Tbk √ √ √ √ 13 24 BNGA Bank CIMB Niaga Tbk √ √ √ −
25 BNII Bank Internasional Indonesia Tbk √ √ √ √ 14
26 BNLI Bank Permata Tbk √ √ √ −
27 BSIM Bank Sinar Mas Tbk √ √ √ √ 15
28 BSWD Bank Swadesi Tbk √ √ √ −
29 BTPN Bank Tabungan Pensiun Tbk √ √ √ √ 16 30 BVIC Bank Victoria Internasional Tbk √ √ √ √ 17 31 DNAR Bank Dinar International Tbk √ √ − √
32 INPC Bank Artha Graha Internasional Tbk √ √ √ −
33 MAYA Bank Mayapada Internasional Tbk √ √ √ √ 18 34 MCOR Bank Windu Kentjna International Tbk √ √ √ −
35 MEGA Bank Mega Tbk √ √ √ √ 19 36 NAGA Bank Mitraniaga Tbk √ √ − √
37 NISP Bank NISPOCBC Tbk √ √ √ − 38 NOBU Bank Nationalnobu Tbk √ √ − √
39 PNBN Bank Pan Indonesia Tbk √ √ √ √ 20 40 SDRA Bank Himpunan Saudara 1906 Tbk √ √ √ −
3.4 Variabel Penelitian
3.4.1 Variabel Independen
Variabel independen pada penelitian ini adalah komponen
dari modal intelektual yaitu, sebagai jumlah dari apa yang
dihasilkan oleh tiga jenis input perusahaan (modal manusia atau
human capital, modal struktural atau structural capital, dan modal
yang digunakan atau capital employed) yang dapat memberi nilai
tambah (value added) bagi perusahaan dan keunggulan bersaing
organisasi yang diukur dengan, Koefisien Nilai Tambah Intelektual
(Value Added Intellectual Coeffisient / VAICTM) yang terdiri dari
tiga komponen variabel yaitu :
1. HCE
2. SCE
3. CEE
VAICTMyang diajukan oleh Ante Pulic ini, diawali dengan
menghitung nilai tambah atau value added (VA), yaitu selisih
antara total penjualan dan pendapatan lain-lain / output (OUT) dan
total beban penjualan dan beban lain-lain, selain beban karyawan /
input (IN). Rumus untuk menghitung VA yaitu:
Keterangan:
VA : nilai yang diciptakan organisasi selama tahun tertentu.
OUT : total penjualan dan pendapatan lain-lain.
IN : beban penjualan dan beban lain-lain (kecuali beban
karyawan)
A.Menghitung variabel Human Capital Efficiency (HCE).
“Modal manusia (Human Capital/HC) mengacu pada
nilai kolektif dari modal intelektual perusahaan yaitu
kompetensi, pengetahuan, dan keterampilan (Pulic, 1998; Firer
dan Williams, 2003)”. Diukur dengan Human Capital Efficiency
(HCE) yang merupakan indikator efisiensi nilai tambah (Value
Added/VA) modal manusia.
Rumus untuk menghitung HCE yaitu :
HCE = VA HC
Keterangan:
HCE : rasio value added terhadap human capital.
VA : nilai yang diciptakan organisasi selama tahun tertentu.
HC : beban karyawan (terdiri dari salaries, wages, allowances,
B.Menghitung variabel Structural Capital Efficiency (SCE).
“Modal struktural (Structural Capital/SC) adalah
competitive intelligence, formula, sistem informasi, hak paten,
kebijakan, proses, dan sebagainya, hasil dari produk atau sistem
perusahaan yang telah diciptakan dari waktu ke waktu (Pulic,
1998; Firer dan Williams, 2003)”.
Diukur dengan Structural Capital Efficiency (SCE) yang
merupakan indikator efisiensi nilai tambah (Value Added/VA)
modal struktural. Rumus untuk menghitung SCE:
SCE = SC VA
Dimana : SC = VA – HC
Keterangan:
SCE : rasio structural capital terhadap value added.
SC : pengetahuan yang tinggal di dalam perusahaan saat hari
kerja selesai (VA-HC).
VA : nilai yang diciptakan organisasi selama tahun tertentu.
HC : beban karyawan (terdiri dari salaries, wages, allowances,
employee benefit, training).
C.Menghitung variabel Capital Employed Efficiency (CEE).
“Modal yang digunakan (Capital Employed/CE)
tetap dan lancar suatu perusahaan (Pulic, 1998; Firer dan
Williams, 2003)”. Diukur dengan Capital Employed Efficiency
(CEE) yang merupakan indikator efisiensi nilai tambah (Value
Added/VA) modal yang digunakan. Rumus untuk menghitung
CEE yaitu:
CEE = VA CE
Keterangan:
CEE : rasio value added terhadap capital employed.
VA : nilai yang diciptakan organisasi selama tahun tertentu.
CE : dana yang tersedia atau nilai buku aset bersih perusahaan
(ekuitas).
Nilai buku (Book Value) adalah nilai kekayaan bersih,
selisih antara total aktiva dengan total kewajiban suatu
perusahaan. Nilai modal intelektual (VAICTM) dapat diperoleh
dengan menjumlahkan ketiga komponen variabelnya yaitu,
HCE, SCE, dan CEE. Rumus untuk menghitung VAICTM :
3.4.2 Variabel Dependen
Variabel dependen yang digunakan dalam penelitian ini
yaitu, kinerja keuangan perusahaan dengan menggunakan Return
on Asset (ROA) yang merupakan salah satu bentuk dari rasio
profitabilitas untuk mengukur kemampuan kinerja perusahaan
dalam menghasilkan laba. Menurut Kasmir (2012), “ROA adalah
rasio yang menunjukkan hasil atas jumlah aktiva yang digunakan
dalam perusahaan”. Semakin besar (tinggi) rasio ini menunjukkan
semakin baik efektivitas kinerja perusahaan, maupun sebaliknya.
Rumus untuk menghitung ROA, yaitu :
Tabel 3.3
Definisi dan Indikator Pengukuran Variabel Independen dan Dependen
Jenis Variabel
Nama Variabel
Definisi Indikator Pengukuran Skala
Independen HCE Indikator untuk mengukur dan menilai apakah gaji dan tunjangan yang diberikan kepada karyawan
berpengaruh pada peningkatan kinerja perusahaan.
HCE = VA HC
Dimana: VA = OUT – IN
(total pendapatan - total beban)
HC = Beban karyawan
Rasio IC
Independen SCE Indikator untuk mengukur bagaimana sistem dan kebijakan manajemen
berpengaruh pada peningkatan kinerja perusahaan .
SCE = SC VA
Dimana: SC=VA – HC
Rasio IC
Independen CEE Indikator untuk mengukur apakah modal yang digunakan dalam asset tetap atau asset lancar perusahaan berpengaruh pada peningkatan kinerja perusahaan.
CEE = VA CE
Dimana: CE = Ekuitas
Rasio IC
Dependen ROA Indikator keuangan yang mengukur tingkat efektivitas kinerja perusahaan dalam menghasilkan keuntungan dengan memanfaatkan aktiva yang dimiliki. ROA =
Laba Bersih Setelah Pajak Total Aktiva
Rasio Profitabilitas
3.5 Jenis Data
Data yang digunakan dalam penelitian ini adalah data sekunder.
Data sekunder adalah data yang diperoleh secara tidak langsung baik
dari buku literature, arsip-arsip dan dokumen-dokumen yang dimiliki
oleh instansi bersangkutan atau media lain. Penelitian ini juga
menggunakan data kuantitatif. Data kuantitatif menekankan pada
pengujian teori melalui pengukuran variabel penelitian dengan angka dan
melakukan analisis data dengan prosedur statistik menurut (Erlina, 2011).
3.6 Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini
adalah studi dokumentasi (data sekunder), yang dikumpulkan, dicatat,
dan dihitung dari sumber-sumber tercetak misalnya buku, laporan
keuangan perusahaan, jurnal, internet dan sebagainya. Data laporan
keuangan tahunan perusahaan perbankan diperoleh dari website resmi
Bursa Efek Indonesia (BEI), yaitu www.idx.co.id dari tahun 2012-2014.
3.7 Teknik Analisis Data
3.7.1 Analisis Statistik Deskriptif
Menurut Ghozali (2012) tujuan statistik deskriptif adalah
“untuk memberikan gambaran umum atau deskriptif suatu data
yang dilihat dari nilai rata-rata (mean), standar deviasi, maksimum,
distribusi)”. Namun tidak semua nilai deskripsi diperlukan dalam
suatu pengujian. Dalam penelitian ini, hanya menjabarkan statistik
deskriptif berupa mean, maximum, minimum, dan standar deviasi.
3.7.2 Uji Asumsi Klasik
3.7.2.1 Uji Normalitas
Menurut Ghozali (2012:160) “uji normalitas
bertujuan untuk mengetahui apakah dalam model regresi,
variabel pengganggu atau residual memiliki distribusi
normal.” Data yang baik digunakan dalam penelitian ini
adalah data yang memiliki distribusi normal. Mendeteksi
normal tidaknya data dapat dilakukan melalui grafik
histogram. Data variabel terdistribusi normal apabila kurva
normalnya berbentuk kemiringan seimbang antara sisi kiri
dan kanan atau tidak condong ke kiri maupun ke kanan,
melainkan ke tengah dengan berbentuk seperti lonceng.
Selanjutnya dapat menggungkan grafik normal
probability plots, jika hasil ouput terlihat titik-titik
menyebar berhimpit disekitar garis diagonal, maka data
terdistribusi normal. Normalitas data dalam penelitian ini
juga dilihat dengan menggunakan data uji statistik. Uji
statistik yang dapat digunakan untuk menguji normalitas
Jika nilai Asymp. Sig. (2-tailed) < 0,05 maka data residual
terdistribusi tidak normal. Sebaliknya jika nilai Asymp. Sig.
(2-tailed) > 0,05 maka data residual terdistribusi normal.
3.7.2.2 Uji Multikolinearitas
Menurut Ghozali (2012:105) “uji multikolinearitas
bertujuan untuk menguji apakah model regresi ditemukan
adanya korelasi antar variabel bebas (independen).”
Kemiripan antar variabel independen dalam satu model
akan menyebabkan korelasi sangat kuat antar variabel
independen dengan variabel independen lain. Model regresi
yang baik seharusnya tidak terjadi korelasi di antara
variabel independen.
Salah satu cara untuk mendeteksi multikolinearitas
dapat dilihat dari nilai tolerance dan variance inflation
factor (VIF). Tolerance mengukur variabel independen
yang terpilih dan tidak dijelaskan oleh variabel independen
lainnya. Nilai cutoff yang umum dipakai untuk
menunjukkan adanya multikolinearitas adalah nilai
Jika nilai tolerance < 0,10 atau nilai VIF > 10
maka mengindikasikan terjadinya multikolinearitas,
sebaliknya jika nilai tolerance > 0,10 atau nilai VIF < 10
maka mengindikasikan tidak terjadi multikolinearitas.
3.7.2.3 Uji Autokorelasi
Menurut Ghozali (2012:110) “uji autokorelasi
bertujuan menguji apakah dalam model regresi linear ada
korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pada periode t-1 (sebelumnya)”. Jika
terjadi korelasi, maka dinamakan ada problem autokolerasi.
Model regresi yang baik adalah regresi yang bebas dari
autokorelasi. Untuk mendeteksi ada tidaknya
autokolerasi, digunakan metode uji Durbin-Watson (DW).
Dasar pengambilan keputusan ada tidaknya autokolerasi
dengan menggunakan nilai uji Durbin-Watson yaitu sebagai
berikut :
1. Angka D-W di bawah -2, berarti ada autokorelasi
positif,
2. Angka D-W di antara -2 sampai +2, berarti tidak ada
autokorelasi,
3.7.2.4 Uji Heteroskedastisitas
Menurut Ghozali (2012:139) “uji heteroskedastisitas
bertujuan menguji apakah dalam model regresi terjadi
ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang lain.” Jika varians dari residual dari
suatu pengamatan kepengamatan yang lain tetap, maka
disebut homoskedastisitas dan jika varians berbeda disebut
heteroskedastisitas. Model regresi yang baik adalah jika
homoskedastisitas atau tidak terjadi heteroskedastisitas.
Untuk mendeteksi ada tidaknya heteroskedastisitas pada
suatu model dapat dilihat dari pola gambar Scatterplot
model tersebut. Dasar analisis yang dapat digunakan
untuk menentukan heteroskedastisitas, antara lain sebagai
berikut:
1. Jika ada pola tertentu, seperti titik-titik yang ada
membentuk suatu pola tertentu yang teratur
(bergelombang, melebar kemudian menyempit), maka
mengindikasikan telah terjadi heteroskedastisitas,
2. Jika tidak ada pola yang jelas, seperti titik-titik
menyebar di atas dan di bawah angka 0 pada sumbu Y,
maka tidak terjadi heteroskedastisitas atau terjadi
3.7.3 Uji Analisis Regresi Linier Berganda
Metode analisis data yang digunakan adalah analisis regresi
linear berganda. Menurut Ghozali (2012:96), yaitu yang mengukur
kekuatan dan menunjukkan arah hubungan antara variabel
dependen dengan variabel independen. Tujuan utama dari analisis
regresi linear berganda untuk mengetahui apakah variabel-variabel
independen yaitu Human Capital Efficiency (HCE), Structural
Capital Efficiency (SCE) dan Capital Employed Efficiency (CEE)
berpengaruh terhadap Return on Asset (ROA) sebagai variabel
dependen.
Model regresi berganda yang digunakan untuk menguji
hipotesis adalah :
Y = a + b1 X1 + b2 X2 + b3 X3 + e
Keterangan:
Y = Return on Asset (ROA)
X1 = Human Capital Efficiency (HCE)
X2 = Structural Capital Efficiency (SCE)
X3 = Capital Employed Efficiency (CEE)
a = Konstanta (Intercept)
b1-b2-b3 = Koefisien variabel masing-masing
3.7.4 Uji Hipotesis
3.7.4.1 Uji t
Menurut Ghozali (2012:98) “uji statistik t pada
dasarnya menunjukkan seberapa jauh pengaruh satu
variabel penjelas/independen secara individual dalam
menerangkan variabel dependen.” Pengujian ini dilakukan
menggunakan uji-t dengan tingkat pengujian pada
signifikansi α 5% atau 0,05 dan derajat kebebasan (degree
of freedom) atau df = (n-k); df (n). Uji ini dilakukan
dengan membandingkan t-hitung dengan t-tabel atas
ketentuan:
1. Jika t hitung > t tabel, dengan tingkat signifikan 5%
maka variabel independen secara parsial berpengaruh
terhadap variabel dependen.
2. Jika t hitung < t tabel, dengan tingkat signifikan 5%
variabel independen secara parsial tidak berpengaruh
terhadap variabel dependen.
3.7.4.2 Uji F
Menurut Ghozali (2012:98) “uji statistik F pada
dasarnya menunjukkan apakah semua variabel
independen atau bebas yang dimasukkan dalam model
variabel dependen/terikat.” Uji ini dilakukan dengan
membandingkan signifikansi F-hitung dengan F-tabel :
1. Jika F hitung > F tabel, dengan tingkat signifikan 5%
maka variabel independen secara bersama-sama
berpengaruh terhadap variabel dependen.
2. Jika F hitung < F tabel, dengan tingkat signifikan
5% maka variabel independen secara bersama-sama
tidak berpengaruh terhadap variabel dependen.
3.7.4.3 Koefisien Determinasi (R2)
Koefisien determinasi dinyatakan dengan R2 pada
intinya mengukur seberapa jauh kemampuan model
dalam menerangkan variasi variabel independen. Nilai
R2 yang kecil berarti kemampuan variabel-variabel
independen dalam menjelaskan variabel dependen amat
terbatas. Nilai yang mendekati satu berarti
variabel-variabel independen memberikan hampir semua informasi
yang dibutuhkan untuk memprediksi variasi variabel
dependen. Ketentuan adjusted R2 berkisar antara 0 dan 1.
Jika nilai adjusted R2 semakin mendekati 1 maka
semakin baik kemampuan model tersebut dalam
menjelaskan variabel dependen dan sebaliknya (Ghozali,
BAB IV
HASIL DAN PEMBAHASAN
4.1 Gambaran Umum Sampel Penelitian
Dari seluruh perusahaan perbankan yang terdaftar di Bursa
Efek Indonesia (BEI) tahun 2012-2014 tidak semua perusahaan
perbankan yang dapat dijadikan sampel penelitian. Karena dalam
penelitian ini menggunakan metode purposive sampling, sehingga dari
40 perusahaan perbankan yang terdaftar di BEI hanya 20 perusahaan
yang memenuhi semua kriteria dalam pemilihan sampel selama kurun
waktu tiga tahun tersebut, yaitu 2012-2014. Maka, total jumlah sampel
dalam penelitian ini adalah 60 sampel.
Penelitian ini menggunakan software IBM Statistic SPSS versi
21 dalam melakukan pengolahan data untuk pengujian. Seperti yang
dinyatakan sebelumnya, penelitian ini bertujuan untuk mengetahui
pengaruh komponen-komponen modal intelektual yaitu HCE, SCE,
CEE terhadap kinerja perusahaan yang diukur dengan ROA.
4.2 Hasil Analisis Statistik Deskriptif
Statistik deskriptif dilakukan untuk medapatkan gambaran
umum mengenai variabel yang digunakan dalam penelitian yaitu,
Human Capital Efficiency, Structural Capital Efficiency, Capital
Employed Efficiency, dan Return on Asset. Hasil uji statistik deskriptif
Tabel 4.1
Hasil Analisis Statistik Desktiptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
HCE 60 1.1003856308 3.2366353512 2.026709464399 .5535777869502
SCE 60 .0912276824 .6909801980 .474148052238 .1375438312535
CEE 60 .1304415693 .6768259570 .286553924815 .0958938349162
ROA 60 .0020 .0515 .021513 .0124123
Valid N (listwise) 60
Sumber : Hasil olahan penulis (2016), lampiran 2.
Tabel 4.1 menunjukkan hasil statistik deskriptif masing-masing
variabel dalam penelitian. Variabel Human Capital Efficiency (HCE)
memiliki jumlah sampel (N) sebanyak 60, nilai minimum
1,1003856308, dan nilai maksimum 3,2366353512. Standar deviasi
sebesar 0,5535777869502 dan nilai rata-rata (mean) diperoleh
sebesar 2,026709464399. Nilai stadar deviasi < nilai rata-rata dapat
diartikan bahwa besarnya simpangan data tidak terlalu tinggi. Hal ini
menunjukkan bahwa seluruh sampel mempunyai nilai HCE positif.
Variabel Structural Capital Efficiency (SCE) memiliki jumlah
sampel (N) sebanyak 60, nilai minimum 0,0912276824 dan nilai
maksimum 0,6909801980. Standar deviasi sebesar 0,1375438312535
stadar deviasi < nilai rata-rata dapat diartikan bahwa besarnya
simpangan data tidak terlalu tinggi. Hal ini juga menunjukkan bahwa
seluruh sampel mempunyai nilai SCE positif.
Variabel Capital Employed Efficiency (CCE) memiliki jumlah
sampel (N) sebanyak 60, nilai minimum 0,1304415693 dan nilai
maksimum 0,6768259570. Standar deviasi sebesar 0,958938349162
dan nilai rata-rata (mean) diperoleh sebesar 0,286553924815. Nilai
stadar deviasi < nilai rata-rata dapat diartikan bahwa besarnya
simpangan data tidak terlalu tinggi. Hal ini juga menunjukkan bahwa
seluruh sampel mempunyai nilai SCE positif.
Variabel Return on Asset (ROA) memiliki jumlah sampel (N)
sebanyak 60, nilai minimum 0,0020 atau perolehan laba terkecil yaitu
0,2% dari total aset perusahaan dan nilai maksimum 0,0515 atau
perolehan laba terbesar yaitu 5,1% dari total aset perusahaan. Standar
deviasi sebesar 0.0124123 dan nilai rata-rata (mean) ROA, sebesar
0,021513 atau dari sampel perusahaan rata-rata mampu memperoleh
laba hingga 2,15% dari nilai total aset perusahaan. Nilai stadar
deviasi < nilai rata-rata dapat diartikan bahwa besarnya simpangan
data tidak terlalu tinggi. Hal ini juga menunjukkan bahwa seluruh
4.3 Hasil Uji Asumsi Klasik
Uji asumsi klasik merupakan prasyarat analisis regresi linier
berganda. Dari hasil perhitungan sampel rata-rata rasio keuangan
selama tiga tahun, maka dalam penelitian ini perlu dilakukan
pengujian asumsi klasik terlebih dahulu, yaitu uji normalitas, uji
multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas yang
telah dilakukan sebagai berikut ini.
4.3.1 Uji Normalitas
Uji normalitas digunakan untuk melihat apakah distribusi
data normal atau tidak, salah satunya dengan menggunakan
analisis grafik. Cara yang paling sederhana adalah dengan melihat
histogram yang membandingkan antara data observasi dengan
distribusi yang mendekati distribusi normal sebagaimana Gambar
[image:33.595.200.455.505.701.2]4.1.
Dengan melihat tampilan grafik histogram, dapat
disimpulkan bahwa grafik histogram memberikan pola
distribusi yang normal. Namun demikian dengan hanya
melihat histogram, hal ini dapat memberikan hasil yang
meragukan khususnya untuk jumlah sampel kecil. Metode
yang handal adalah dengan melihat normal probability plot,
dimana pada grafik normal plot terdapat titik-titik menyebar
disekitar garis diagonal serta penyebarannya mengikuti arah
garis diagonal, sebagaimana ditampilkan pada Gambar 4.2
[image:34.595.225.437.425.634.2]berikut :
Jika dilihat berdasarkan grafik normal plot terlihat
titik-titik menyebar tidak jauh dari garis diagonal. Hal ini
menunjukkan bahwa grafik pola distribusi normal, maka
model regresi memenuhi asumsi normalitas. Dalam uji
normalitas residual dengan grafik dapat menyesatkan apabila
tidak hati-hati secara visual kelihatan normal, oleh karena itu
untuk melengkapi uji grafik dilakukan juga uji statistik lain
yang dapat digunakan untuk menguji normalitas residual adalah
uji statistic Kolmogrov-Smirnov (K-S) dapat dilihat pada tabel
[image:35.595.112.542.475.656.2]sebagai berikut :
Tabel 4.2
Hasil Uji Normalitas (Kolmogrov-Smirnov Test)
One-Sample Kolmogorov-Smirnov Test
HCE SCE CEE ROA
N 60 60 60 60
Normal Parametersa,b
Mean 2.026709464399 .474148052238 .286553924815 .021557
Std. Deviation
.5535777869502 .1375438312535 .0958938349162 .012302 5
Most Extreme Differences
Absolute .133 .088 .107 .170
Positive .133 .057 .107 .170
Negative -.100 -.088 -.066 -.093
Kolmogorov-Smirnov Z 1.027 .682 .827 1.319
Asymp. Sig. (2-tailed) .242 .741 .501 .062
a. Test distribution is Normal. b. Calculated from data.
Berdasarkan hasil uji Kolmogrov-Smirnov Test pada tabel
4.2 diperoleh nilai Asymptotic Significanse lebih besar dari 0,05
untuk semua variabel yang diuji yaitu, Human Capital Efficiency,
Structural Capital Efficiency, Capital Employed Efficiency, dan
Retun on Asset. Hal ini mengindikasikan bahwa data
variabel-variabel yang dilakukan dalam penelitian ini mempunyai distribusi
normal.
4.3.2 Uji Multikolinearitas
Uji Multikolinearitas diuju dengan menggunakan nilai
Tolerance dan Variance Inflation F factor (VIF). Suatu model
regresi dikatakan tidak memiliki kecenderungan adanya gejala
multikolinearitas adalah apabila memiliki nilai Tolerance > 0,10
dan nilai VIF < 10. Hasil pengujian model regresi diperoleh
nilai-nilai Tolerance dan VIF untuk masing-masing variabel adalah
[image:36.595.112.557.538.711.2]sebagai berikut :
Tabel 4.3
Hasil Uji Multikolinearitas
Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
T Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -.019 .005 -3.934 .000
HCE .010 .005 .470 1.967 .054 .132 7.549
SCE .007 .021 .078 .328 .744 .134 7.489
CEE .055 .011 .426 4.778 .000 .954 1.049
a. Dependent Variable: ROA
Berdasarkan hasil Uji Multikolinearitas pada tabel 4.3
diperoleh nilai Tolerance untuk semua variabel Independen yang
diteliti (HCE,SCE,CEE) lebih besar dari 0,10 dan diperoleh nilai
Variance Inflation Factor (VIF) lebih kecil dari 10 (VIF < 10), maka
dapat disimpulkan tidak ada gejala Multikolinearitas terhadap semua
variabel Independen yang diteliti.
4.3.3 Uji Autokorelasi
Penyimpangan autokorelasi dalam penelitian ini diuji
dengan uji Durbin Watson (DW-test). Dasar pengambilan
keputusan ada tidaknya autokolerasi dengan menggunakan nilai uji
Durbin-Watson adalah :
1. Angka D-W di bawah -2, berarti ada autokorelasi positif,
2. Angka D-W di antara -2 sampai +2, berarti tidak ada
autokorelasi,
[image:37.595.149.518.560.667.2]3. Angka D-W di atas +2, berarti ada autokorelasi negatif.
Tabel 4. 4 Hasil Uji Autokorelasi
Model Summaryb Model R R Square Adjusted R
Square
Std. Error of the Estimate
Durbin-Watson
1 .759a .576 .553 .0082226 1.871
a. Predictors: (Constant), CEE, SCE, HCE b. Dependent Variable: ROA
Berdasarkan tabel 4.4 di atas, hasil pengujian Durbin Watson
menunjukkan angka D-W berada di antara -2 sampai +2, yaitu
sebesar 1,871. Hal ini berarti bahwa, tidak ada gejala autokorelasi.
4.3.4 Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan dengan menggunakan
grafik Scatter Plot. Hasil pengujian pada lampiran 6 sebagaimana
juga pada gambar 4.3 berikut ini menunjukkan bahwa dari hasil
pengujian heterokedastisitas, menunjukkan bahwa pola scatter
plot dari regresi menyebar, yaitu terlihat bahwa titik-titik
menyebar secara acak baik di atas maupun di bawah angka 0 (nol)
pada sumbu Y. Berdasarkan hal tersebut dapat disimpulkan bahwa
pada model regresi tidak memiliki gejala adanya
[image:38.595.182.497.427.686.2]heteroskedastisitas.
4.4 Hasil Uji Analisis Regresi Linier Berganda
Analisis pengaruh HCE, SCE, CEE terhadap ROA pada
perusahaan perbankan di Bursa Efek Indonesia (BEI) dapat dilihat dari
[image:39.595.112.545.244.406.2]hasil analisis regresi linier berganda sebagai berikut:
Tabel 4.5
Hasil Uji Analisis Regresi Linier Berganda Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
T Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -.019 .005 -3.934 .000
HCE .010 .005 .470 1.967 .054 .132 7.549
SCE .007 .021 .078 .328 .744 .134 7.489
CEE .055 .011 .426 4.778 .000 .954 1.049
a. Dependent Variable: ROA
Sumber : Hasil olahan penulis (2016), lampiran 7.
Dari tabel diatas dapat dilihat bahwa variabel HCE, SCE, dan
CEE memiliki tanda koefisien positif. Hal ini berarti bahwa perusahaan
dengan Human Capital Efficiency (HCE), Structural Capital Efficiency
(SCE), dan Capital Employed Efficiency (CEE) yang besar akan
meningkatkan ROA.
Dari hasil analisis regresi linier berganda dengan program SPSS
versi 21 seperti terlihat pada tabel 4.5 persamaan regresi linier berganda
yang terbentuk adalah:
Interpretasi dari persamaan tersebut yaitu:
1. Konstantanta (α) mempunyai regresi sebesar -0,019 artinya jika
variabel HCE (X1), SCE (X2), dan CEE (X3) dianggap nol, maka
akan terjadi penurunan ROA sebesar -0,019.
2. HCE mempunyai koefisien regresi sebesar 0,010 artinya bahwa
setiap kenaikan variabel HCE sebesar 1%, maka akan terjadi
peningkatan ROA sebesar 1%.
3. SCE mempunyai koefisien regresi sebesar 0,007 artinya bahwa
setiap kenaikan variabel HCE sebesar 1%, maka akan terjadi
peningkatan ROA sebesar 0,7%.
4. CCE mempunyai koefisien regresi sebesar 0,055 artinya bahwa
setiap kenaikan variabel HCE sebesar 1%, maka akan terjadi
peningkatan ROA sebesar 5,5%.
4.5 Hasil Uji Hipotesis
4.5.1 Uji t
Berdasarkan hasil output SPSS terlihat bahwa secara
parsial tiga variabel independen tersebut HCE, SCE, dan CEE
Tabel 4.6 Hasil Uji t
Coefficientsa Model Unstandardized
Coefficients
Standardized Coefficients
T Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -.019 .005 -3.934 .000
HCE .010 .005 .470 1.967 .054 .132 7.549
SCE .007 .021 .078 .328 .744 .134 7.489
CEE .055 .011 .426 4.778 .000 .954 1.049
a. Dependent Variable: ROA
Sumber : Hasil olahan penulis (2016), lampiran 8.
Berdasarkan tabel 4.6 hasil pengujian signifikansi variabel
independen secara individual atau parsial, yaitu:
1) Variabel Human Capital Efficiency (HCE)
Pengujian hipotesis mengenai pengaruh variabel HCE
terhadap ROA menunjukkan nilai t hitung 1,967 < t tabel
2,003 dengan signifikan sebesar 0,054 lebih besar dari 0,05.
Hal ini berarti bahwa HCE tidak memiliki pengaruh yang
signifikan terhadap ROA.
2) Variabel Structural Capital Efficiency (SCE)
Pengujian hipotesis mengenai pengaruh variabel SCE
terhadap ROA menunjukkan nilai t hitung 0,328 < t tabel
2,003 dengan signifikan sebesar 0,744 lebih besar dari 0,05.
Hal ini berarti bahwa SCE tidak memiliki pengaruh yang
3) Variabel Capital Employed Efficiency (CEE)
Pengujian hipotesis mengenai pengaruh variabel CEE
terhadap ROA menunjukkan nilai t hitung 4,778 > t tabel
2,003 dengan signifikan sebesar 0,000 lebih kecil dari 0,05.
Hal ini berarti bahwa CEE memiliki pengaruh yang
signifikan terhadap ROA.
4.5.2 Uji F
Pengujian uji model (Goodness of Fit) dengan
[image:42.595.126.518.427.515.2]menggunakan uji F diperoleh hasil sebagai berikut :
Tabel 4.7 Hasil Uji F
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1
Regression .005 3 .002 25.359 .000b
Residual .004 56 .000
Total .009 59
a. Dependent Variable: ROA
b. Predictors: (Constant), CEE, SCE, HCE
Sumber : Hasil olahan penulis (2016), lampiran 9.
Tabel 4.7 menunjukkan hasil statistik uji F hitung 25,359
> F tabel sebesar 2,77 dan nilai signifikansi 0,000. Karena nilai
signifikansi jauh lebih kecil dari 0,05 yang berarti secara
bersamaan (simultan) seluruh variabel independen HCE, SCE, dan
CEE berpengaruh secara signifikan terhadap variabel ROA. Maka,
HCE, SCE, CEE secara bersama-sama berpengaruh terhadap
ROA dengan nilai signifikansi 0,000. Maka, dengan demikian
hipotesis 1 diterima.
4.5.3 Koefisien Determinasi (R2)
Uji koefisien determinasi digunakan untuk menguji
goodness-fit dari model regresi. Berdasarkan hasil output SPSS
[image:43.595.150.515.391.456.2]besarnya nilai adjusted R2 dapat dilihat sebagai berikut :
Tabel 4.8
Hasil Uji Koefisien Determinasi R2
Model Summaryb Model R R Square Adjusted R
Square
Std. Error of the Estimate
Durbin-Watson
1 .759a .576 .553 .0082226 1.871
a. Predictors: (Constant), CEE, SCE, HCE b. Dependent Variable: ROA
Sumber : Hasil olahan penulis (2016), lampiran 10.
Dilihat dari tabel 4.8 diatas, nilai koefisien deteminasi (R
Square) sebesar 0,576 atau 57,6%. Hal ini berarti bahwa 57,6%
variasi ROA yang dijelaskan oleh variasi dari variabel
independen yaitu HCE, SCE, dan CEE. Sedangkan sisanya
sebesar 42,4% dijelaskan oleh faktor-faktor lain diluar model
regresi. Standar Error of Estimate (SEE) sebesar 0,0082226.
Semakin kecil nilai SEE akan membuat model regresi lebih tepat
4.6 Pembahasan Hasil Penelitian
A. Pengaruh Human Capital Efficiency (HCE) terhadap Return on
Asset (ROA)
Variabel HCE memiliki nilai signifikansi t = 1,967 (lebih
besar dari α = 0,05). Signifikansi t lebih besar dari α menunjukkan
bahwa HCE secara parsial tidak memiliki pengaruh signifikan
terhadap Return on Asset (ROA). Hasil penelitian ini sejalan dengan
penelitian Wasliana Jafar (2014) yang menyatakan bahwa HCE tidak
berpengaruh signifikan terhadap ROA. Namun, tidak sejalan dengan
penelitian yang dilakukan oleh Gan dan Saleh (2008) yang
menyatakan bahwa HCE berpengaruh signifikan terhadap ROA.
B. Pengaruh Structural Capital Efficiency (HCE) terhadap Return on
Asset (ROA)
Variabel SCE memiliki signifikansi t = 0,328 (lebih besar
dari α = 0,05). Signifikansi t lebih besar dari α menunjukkan bahwa
SCE secara parsial tidak memiliki pengaruh signifikan terhadap
Return on Asset (ROA). Hasil penelitian ini sejalan dengan penelitian
Wasliana Jafar (2014) serta penelitian Gan dan Saleh yang
menyatakan bahwa HCE tidak berpengaruh signifikan terhadap ROA.
C. Pengaruh Capital Employed Efficiency (HCE) terhadap Return on
Asset (ROA)
Variabel CEE memiliki signifikansi t = 0,000 (lebih kecil dari α
secara parsial memiliki pengaruh signifikan terhadap Return on Asset
(ROA). Hasil penelitian ini sejalan dengan penelitian Gan dan Saleh
(2008) yang menyatakan bahwa CEE berpengaruh signifikan
terhadap ROA. Namun, tidak sejalan dengan penelitian Hasil
penelitian ini sejalan dengan penelitian Wasliana Jafar (2014) yang
menyatakan bahwa CCE tidak berpengaruh signifikan terhadap ROA.
D. Pengaruh Human Capital Efficiency (HCE), Structural Capital
Efficiency (SCE), Capital Employed Efficiency (CEE) terhadap
Return on Asset (ROA).
Variabel HCE, SCE, dan CEE memiliki signifikansi F = 0,000 <
0,05. Signifikansi F lebih kecil dari 0,05 menunjukkan bahwa HCE,
SCE, dan CEE secara simultan atau bersama-sama memiliki
pengaruh signifikan terhadap Return on Asset (ROA). Hasil
penelitian ini sejalan dengan penelitian Gan dan Saleh (2008) yang
menyatakan bahwa HCE, SCE, dan CEE secara simultan
berpengaruh signifikan terhadap ROA. Namun, tidak sejalan dengan
hasil penelitian Wasliana Jafar (2014) yang menyatakan bahwa HCE,
SCE, dan CCE secara simultan tidak berpengaruh signifikan terhadap
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil analisis dan pengujian yang diperoleh dalam
penelitian ini, maka peneliti menyimpulkan bahwa:
1. Variabel Human Capital Efficiency (HCE) dan Structural Capital
Efficiency (SCE) secara parsial tidak berpengaruh signifikan terhadap
Return on Asset (ROA). Karena variabel HCE dan SCE memiliki
signifikansi t > 0,05. Signifikansi t lebih besar dari 0,05
menunjukkan bahwa HCE dan SCE secara parsial tidak memiliki
pengaruh signifikan terhadap Return on Asset (ROA). Sedangkan
variabel Capital Employed Efficiency (CEE) secara parsial
berpengaruh signifikan terhadap Return on Asset (ROA). Karena
variabel CCE memiliki signifikansi t < 0,05. Signifikansi t lebih
kecil dari 0,05 menunjukkan bahwa CEE secara parsial memiliki
pengaruh signifikan terhadap Return on Asset (ROA).
2. Variabel Human Capital Efficiency (HCE), Structural Capital
Efficiency (SCE), dan Capital Employed Efficiency (CEE) secara
simultan atau bersama-sama berpengaruh signifikan terhadap Return
on Asset (ROA). Karena variabel HCE, SCE, dan CEE memiliki
5.2 Keterbatasan Penelitian
Berdasarkan hasil penelitian yang telah dilakukan,
selanjutnya diperoleh keterbatasan penelitian sebagai berikut yaitu:
1. Jenis perusahaan yang diteliti adalah perusahaan perbankan
(terbatas pada bank umum konvensional) yang terdaftar di Bursa
Efek Indonesia (BEI) dari tahun 2012- 2014.
2. Periode penelitian yang diamati terbatas selama 3 (tiga) tahun,
mencakup tahun 2012, 2013 dan 2014.
3. Pemilihan indikator atau proksi dari kinerja keuangan perusahaan
dilihat dari sisi rasio profitabilitas yang diukur dengan satu indikator
saja yaitu Return on Asset (ROA).
5.3 Saran
Adapun saran-saran yang dapat diberikan sebagai berikut:
1. Pemilihan populasi dan sampel dalam menentukan jenis industri
perusahaan yang digunakan bagi peneliti selanjutnya diharapkan tidak
hanya pada perusahaan perbankan yang terdaftar di BEI.
2. Peneliti selanjutnya diharapkan dapat menambah periode tahun
pengamatan yang lebih panjang, karena periode pengamatan dalam
penelitian ini terbatas, hanya mencakup tahun 2012-2014.
3. Untuk peneliti selanjutnya, disarankan untuk menambah jumlah
variabel di luar variabel yang telah digunakan dalam penelitian ini,
karena terdapat variabel-variabel lainnya yang juga dapat
BAB II
TINJAUAN PUSTAKA
2.1 Tinjauan Teoritis
2.1.1 Resources Based Theory/Resources Based View
Resource Based View (RBV) memandang bahwa sumber
daya perusahaan sebagai pengemudi utama di balik daya saing
dan kinerja perusahaan. Sumber daya ini mencakup aset
berwujud serta aset tidak berwujud yang digunakan secara efektif
dan efisien untuk menerapkan strategi kompetitif dan
keuntungan tertentu.
Peran aset berwujud menurut Riahi-Belkaoui (2003) ialah “sudah terbentuk dengan baik dalam literatur maupun dalam
praktek, maka peran aset tidak berwujud sebagai sumber daya
strategis yang perlu dan layak untuk diteliti”.
Sumber daya harus memenuhi kriteria “VRIN” agar dapat
memberikan keunggulan kompetitif dan kinerja yang
berkelanjutan. Kriteria VRIN adalah sebagai berikut :
a. Valuable (V): Sumber daya harus menambah nilai positif bagi
perusahaan. Sumber daya memberikan nilai jika membantu
perusahaan dalam memanfaatkan peluang pasar atau membantu
dalam mengurangi ancaman pasar.
para pesaing dan menjadi potensi perusahaan.
c. Inimitability (I): Sumber daya sulit ditiru oleh para pesaing.
d. Non-Substitution (N): Sumber daya tidak dapat digantikan dengan
sumber daya alternatif lain oleh perusahaan pesaing.
Berdasarkan teori RBV, sumber daya dapat secara umum
didefinisikan memasukkan aset, proses organisasi, atribut
perusahaan, informasi, atau pengetahuan yang dikendalikan oleh
perusahaan yang dapat digunakan dalam menyusun dan
menerapkan strategi. RBV mengkategorikan tiga jenis sumber
daya, yaitu :
a. Modal sumber daya fisik (teknologi, pabrik, dan peralatan)
b. Modal sumber daya manusia (pelatihan, pengalaman, wawasan)
c. Modal sumber daya organisasi (struktur formal)
Dari penjelasan tersebut, intellectual capital memenuhi
kriteria-kriteria sebagai sumber daya unik yang mampu
menciptakan keunggulan kompetitif perusahaan sehingga dapat
menciptakan nilai bagi perusahaan. Nilai yang dimaksud yaitu
kinerja yang semakin baik di dalam perusahaan.
Menurut Astuti dan Sabeni (2005 : 696) menyatakan “sumber daya perusahaan adalah heterogen, tidak homogen, jasa
produktif yang tersedia berasal dari sumber daya perusahaan yang
memberikan karakter unik bagi tiap-tiap perusahaan”.
kompetitif bagi perusahaan. Sumber daya heterogen yang
merupakan aset strategis perusahaan dapat berupa aset berwujud
maupun tidak berwujud.
Modal intelektual menurut Riahi-Belkaoui (2003 : 217)
merupakan “aset tidak berwujud strategis karena berpengaruh
positif terhadap kinerja perusahaan melalui pengukuran nilai
tambah”.
2.1.2 Stakeholder Theory
Menurut Freeman (dalam Fontaine et al., 2006 : 4)
Stakeholder adalah setiap kelompok atau individu yang mempengaruhi pencapaian tujuan organisasi, atau pun dipengaruhi oleh pencapaian tujuan organisasi, namun pada tahun 2004, Freeman mendefinisikan stakeholder sebagai kelompok yang vital bagi kelangsungan dan kesuksesan perusahaan.
Menurut Meek dan Gray (dalam Riahi-Belkaoui, 2003 : 216)
Konsensus yang berkembang dalam konteks teori stakeholder adalah bahwa laba akuntansi hanyalah merupakan ukuran pengembalian bagi pemegang saham, sementara nilai tambah (value added) adalah ukuran yang lebih akurat yang diciptakan dan didistribusikan oleh dan di antara stakeholder itu sendiri.
Value added dapat dicapai seiring dengan kinerja
perusahaan yang lebih produktif. Untuk mengevaluasi kinerja
perusahaan, teori stakeholder menggunakan value added sebagai
tolok ukur kekayaan yang diciptakan perusahaan. Teori ini dapat
diuji dengan berbagai cara dengan menggunakan analisis isi
Menurut Guthrie et al., (2006)
Laporan keuangan merupakan cara yang paling efisien bagi organisasi untuk berkomunikasi dengan kelompok
stakeholder yang dianggap memiliki ketertarikan dalam
pengendalian aspek-aspek strategis tertentu dari organisasi. Analisis isi (content analysis) atas pengungkapan
intellectual capital (IC) dapat digunakan untuk menentukan
apakah benar-benar terjadi komunikasi tersebut.
Pada konteks dalam menjelaskan konsep IC, teori
stakeholder seharusnya dipandang dari kedua bidangnya, yaitu
bidang etika (moral) dan bidang manajerial. “Bidang etika
beragumen bahwa seluruh stakeholder memiliki hak untuk
diperlakukan secara adil oleh organisasi dan manajer harus
mengelola organisasi untuk keuntungan seluruh stakeholder
menurut Deegan (2004)”.
Ketika manajer mampu mengelola organisasi secara
maksimal, khususnya dalam upaya penciptaan nilai (value cretion)
bagi perusahaan, artinya manajer telah memenuhi aspek etika dari
teori ini. Penciptaan nilai dalam konteks ini adalah dengan
memanfaatkan seluruh potensi yang dimiliki perusahaan, baik
karyawan (human capital), aset fisik (physical capital), maupun
structural capital.
“Bidang manajerial dari teori stakeholder berpendapat
bahwa kekuatan stakeholder untuk mempengaruhi manajemen
korporasi harus dipandang sebagai fungsi dari tingkat
organisasi (Watts dan Zimmerman, 1986)”.
Ketika para stakeholder berupaya untuk mengendalikan
sumber daya organisasi, maka orientasinya adalah untuk
meningkatkan kesejahteraan mereka yang diwujudkan dengan
semakin tingginya return yang dihasilkan oleh organisasi sejalan
dengan bertambahanya value added untuk mendorong kinerja
keuangan perusahaan.
2.1.3 Aset Tidak Berwujud (Intangible Assets)
Aset tidak berwujud didefinisikan sebagai aset lain (tidak
termasuk aset keuangan) yang tidak memiliki bentuk fisik. “Aset ini antara lain goodwill, hak paten, merek dagang, hak
kelola atau waralaba (franchise), hak cipta, formula, leasehold
dan daftar konsumen menurut Stice et al (2009 : 125)”.
Menurut Pernyataan Standar Akuntansi Keuangan (PSAK
nomor 19 revisi 2009, paragraph 08), “aset tidak berwujud adalah
aset nonmoneter yang dapat diidentifikasi tanpa wujud fisik”.
Definisi tersebut merupakan adopsi dari pengertian yang
disajikan oleh International Accounting Standard (IAS 38)
tentang intangible assets yang relatif sama.
Selain itu, suatu aset dikatakan dapat diidentifikasi jika
dapat dipisahkan dan timbul dari kontrak atau hak legal lainnya
a. Dapat dipisahkan, yaitu dapat dipisahkan atau dibedakan dari entitas dan dijual, dipindahkan, dilisensikan, disewakan atau ditukarkan, baik secara tersendiri atau bersama-sama dengan kontrak terkait, aset atau liabilitas teridentifikasi, terlepas dari apakah entitas bermaksud untuk melakukan hal tersebut; atau
b. Timbul dari kontrak atau hak legal lainnya, terlepas dari apakah hak tersebut dapat dialihkan atau dipisahkan dari entitas atau dari hak-hak dan kewajiban-kewajiban lainnya.
2.1.4 Modal Intelektual (Intellectual Capital)
Menurut (Kamiyama et al., 2006 : 2)
Penggunaan istilah atas intellectual assets, intangibles assets, knowledge assets, dan intellectual capital (IC) dapat saling menggantikan untuk mendefinisikan secara bebas atau dapat dikatakan dekat pengertiannya dengan faktor tidak berwujud yang berkontribusi pada kinerja perusahaan.
2.1.4.1Definisi Modal Intelektual
Di bawah ini beberapa peneliti atau penulis
memberikan definisi dan pengertian yang beragam tentang
Intellectual Capital (IC) dalam berbagai jurnal maupun
penelitian.
Stewart (1997) menyatakan bahwa “modal
intelektual adalah materi intelektual (pengetahuan,
informasi, hak pemilikan intelektual, pengalaman) yang
dapat digunakan untuk menciptakan kekayaan”.
Organisation for Economic Cooperation and
organisational (structural) capital dan human capital”.
Menurut Cut Zurnali (2008)
Istilah modal intelektual digunakan untuk semua yang merupakan asset dan sumber daya non-tangible atau non-physical dari sebuah organisasi yang mencakup proses, kapasitas inovasi, pola-pola, dan pengetahuan yang tidak kelihatan dari para anggotanya dan jaringan koloborasi serta hubungan organisasi.
Ulum (2009) mendefinidsikan modal intelektual adalah “materi intelektual yang telah diformalisasikan,
ditangkap, dan diungkit untuk menciptakan kekayaan, dengan menghasilkan suatu aset yang bernilai tinggi”.
Maka dari berbagai definisi tersebut, dapat
disimpulkan bahwa intellectual capital (IC) merupakan
sumber daya yang dimiliki oleh suatu perusahaan yang
nantinya akan memberikan keuntungan dimasa
mendatang dan diyakini dapat memberikan nilai tambah
dan keunggulan kompetitif bagi perusahaan yang dapat
diukur dari kinerja perusahaan tersebut.
2.1.4.2 Komponen Modal Intelektual
Berbagai definisi dari modal intelektual yang
telah dikemukakan di atas mengarahkan para peneliti
untuk dapat mengklasifikasikan modal intelektual ke
dalam beberapa komponen. Selain terdapat tiga komponen
skripsi ini (terdiri dari HCE, SCE, dan CEE), namun
banyak juga praktisi yang menyatakan bahwa intellectual
capital (IC) terdiri dari komponen lainnya. Berikut ini
tabel komponen intellectual capital menurut (IFAC, 1998)
dan menurut beberapa penelitian.
Tabel 2.1
Komponen Intellectual Capital Menurut IFAC (1998)
Human Capital Relational Capital (Customer Capital)
Organizational (Structural Capital) • Know-How
• Pendidikan • Vocational qualification
• Pekerjaan
dihubungkan dengan pengetahuan.
• Penilaian Psychometric.
• Pekerjaan
dihubungkan dengan kompetensi.
• Semangat
enterpreneurial, jiwa inovatif, kemampuan proaktif dan reaktif, kemampuan untuk berubah.
• Brand • Konsumen
• Loyalitas konsumen • Nama perusahaan • Jaringan distribusi • Kolaborasi bisnis • Kesepakatan lisensi • Kontrak-kontrak yang
mendukung
• Kesepakatan franchise
Intellectual Property :
• Paten • Copyrights
• Design rights • Trade secrets • Trademarks • Service marks
Infrastructure Assets :
• Filosofi manajemen • Budaya perusahaan • Sistem informasi • Sistem jaringan • Hubungan keuangan
[image:55.595.133.516.314.579.2]
Tabel 2.2
Komponen Intellectual Capital Menurut Beberapa Peneliti
No. Penulis (Tahun) Klasifikasi / Komponen IC
1. Brooking (1996) Market assets
Intellectual property assets Human centred assets Infrastructure assets
2. Stewart (1997) Human capital
Structural capital Customer capital
3. Pulic (1998) Human capital
Structural capital Capital employed
4. Bontis et al. (2000) Human capital Structural capital Capital employed
5. Petty dan Guthrie (2001)
Human capital Internal capital External capital
6. Firer dan William (2003)
Structural capital Human capital
7. Astuti dan Sabeni
