3. METODE PENELITIAN

3. METODE PENELITIAN

3.1 Model Analisis

Penelitian ini untuk menjawab permasalahan mengenai pengaruh Board Structure (Board Size dan Board Independence), dan Ownership Structure (Managerial Ownership) terhadap Earnings Quality melalui Intellectual Capital Disclosure sebagai variabel mediasi. Board Structure (Board Size dan Board Independence) dan Ownership Structure (Managerial Ownership) dalam model ini merupakan variabel independen, sedangkan Earnings Quality merupakan variabel dependen, dan Intellectual Capital Disclosure merupakan variabel mediasi. Model analisis yang digunakan dalam penelitian ini adalah sebagai berikut :

Gambar 3.1 Model Analisis

Berdasarkan model analisis diatas, peneliti membentuk dua model persamaan sebagai berikut :

ICD = β0 + β1BS+ β2OS + ε (3.1)

Board Structure

(BS)

Ownership Structure

(OS) Managerial

ownership

Intellectual Capital Disclosure (ICD)

Earnings Quality Board

Size Board

Independence

Relational capital disclosure Structural

capital disclosure Human

capital disclosure

Absolute value Discretionary

accruals

3.2 Definisi Operasional Variabel dan Skala Pengukuran

Variabel-variabel yang digunakan dalam penelitian ini beserta cara pengukurannya adalah sebagai berikut :

Tabel 3.1 Definisi Operasional Variabel dan Skala Pengukuran

Nama Item Operasionalisasi Variabel Skala

Pengukuran Managerial

Ownership

 Kepemilikan manajerial adalah situasi dimana manajer memiliki saham perusahaan atau dengan kata lain manajer tersebut sekaligus sebagai pemegang saham perusahaan

 Kepemilikan manajerial diukur dengan (Kamardin, 2014) :

Managerial Ownership = 𝐉𝐮𝐦𝐥𝐚𝐡 𝐬𝐚𝐡𝐚𝐦 𝐦𝐚𝐧𝐚𝐣𝐞𝐫𝐢𝐚𝐥

𝐓𝐨𝐭𝐚𝐥 𝐣𝐮𝐦𝐥𝐚𝐡 𝐬𝐚𝐡𝐚𝐦 𝐛𝐞𝐫𝐞𝐝𝐚𝐫 𝐱 𝟏𝟎𝟎%

Rasio

Board Size  Board Size adalah jumlah total seluruh dewan komisaris dalam suatu perusahaan yang tercantum dalam laporan tahunan perusahaan (Ismail et al, 2010; Appuhami & Bhuyan, 2015)

 Board size diukur dengan menghitung total jumlah anggota dewan komisaris yang tercantum dalam laporan tahunan perusahaan.

Board size = ∑𝐀𝐧𝐠𝐠𝐨𝐭𝐚 𝐝𝐞𝐰𝐚𝐧 𝐤𝐨𝐦𝐢𝐬𝐚𝐫𝐢𝐬

Rasio

Board Independen ce

 Board independence adalah proporsi komisaris independen atas dewan komisaris dalam sebuah perusahaan Niu (2006); Dimitropoulos dan Asteriou (2010); Ji et al (2015); Jiang dan Anandarajan (2009).

Board Independence = ∑ 𝐤𝐨𝐦𝐢𝐬𝐚𝐫𝐢𝐬 𝐢𝐧𝐝𝐞𝐩𝐞𝐧𝐝𝐞𝐧

∑𝐚𝐧𝐠𝐠𝐨𝐭𝐚 𝐝𝐞𝐰𝐚𝐧 𝐤𝐨𝐦𝐢𝐬𝐚𝐫𝐢𝐬

Rasio

Intellectual Capital Disclosure

 Intellectual capital yaitu kepemilikan perusahaan atas pengetahuan dan pengalaman, pengetahuan profesional dan keterampilan, hubungan baik dan

Rasio

kapasitas teknologi yang apabila diterapkan akan menciptakan keunggulan bersaing bagi perusahaan (CIMA, 2001)

 Intellectual capital disclosure merupakan suatu laporan yang dikeluarkan perusahaan mengenai informasi modal intelektual yang dimiliki oleh perusahaan, yang bertujuan untuk memenuhi kebutuhan informasi pengguna laporan tersebut karena informasi keuangan saja tidak cukup menggambarkan seluruh kekayaan perusahaan (Abeysekera, 2006).

 Rumus ICD Index : ICDi = ^∑𝐃𝐢

𝐌 x100%

Keterangan :

ICDi = Indeks pengungkapan modal intelektual Di = Skor 1 jika diungkapkan, skor 0 jika tidak diungkapkan

M = Jumlah maksimum item pengungkapan yang harus diungkapkan perusahaan.

Earnings Quality

 Kualitas laba mengacu pada kemampuan laba yang dilaporkan untuk mencerminkan laba yang sesungguhnya di perusahaan, serta kegunaan laba yang dilaporkan tersebut sebagai indikator dalam memprediksi laba di masa yang akan datang (Darabi et al, 2012; Penman dan zhang, 2002).

 Kualitas laba diukur dengan menggunakan nilai absolut dari discretionary accruals yang diestimasi dengan menggunakan model Modified Jones (1991) yang dikembangkan oleh Dechow et al (1995).

 Rumus untuk menghitung discretionary accrual adalah sebagai berikut :

Rasio

Tait = Niit – OCFit

Kemudian, nilai total accruals yang diestimasi dengan persamaan regresi OLS adalah sebagai berikut :

𝑇𝐴𝑖𝑡

𝐴𝑖,𝑡−1

= α1 (

¹

𝐴𝑖,𝑡−1

)+α2 (

(∆𝑅𝐸𝑉𝑖𝑡−∆𝑅𝐸𝐶𝑖𝑡) 𝐴𝑖,𝑡−1

)+

α3 (

^{𝑃𝑃𝐸𝑖𝑡}

𝐴𝑖,𝑡−1

)

+

𝜖

Dari persamaan regresi di atas, kemudian untuk mencari nondiscretionary accruals (NDA) dapat dihitung dengan memasukkan kembali koefisien-koefisien yang telah diperoleh

NDAit=

α1

(_{𝐴𝑖,𝑡−1}¹ )

+ α2(

(∆𝑅𝐸𝑉𝑖𝑡−∆𝑅𝐸𝐶𝑖𝑡)

𝐴𝑖,𝑡−1

)+ α3 (

^{𝑃𝑃𝐸𝑖𝑡}

𝐴𝑖,𝑡−1

)

Total accruals memiliki komponen yang terdiri dari discretionay accrual dan non discretionary accrual (TA

= DA + NDA). Sehingga perhitungan discretionay accrual (tingkat accruals hasil rekayasa laba) dapat dirumuskan sebagai berikut :

DAit =

(

^{𝑻𝑨𝒊𝒕}

𝑨𝒊𝒕−𝟏

)-

NDAit Dimana:

Dait =Discretionay accrual pada perusahaan i pada periode t

NDAit =Nondiscretionary accruals perusahaan i pada periode t

TAit =Total accruals perusahaan i pada periode t

NIit =Laba bersih pada perusahaan i pada periode t

CFOit = Aliran kas dari aktivitas operasi perusahaan i pada periode t

Ai, t-1 = Total aktiva perusahaan i pada periode t-1

∆REVit = Pendapatan perusahaan i pada periode t dikurangi pendapatan periode t-1

∆RECit = Piutang perusahaan i pada periode t dikurangi piutang periode t-1

PPEit = Saldo dari (asset tetap) bruto perusahaan i pada periode t

α1 𝛼2 𝛼3 = Koefisien

ϵ = Eror term perusahaan i pada periode t

3.3 Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif. Data yang digunakan dalam penelitian ini adalah data sekunder. Sumber data dalam penelitian ini diperoleh dari laporan tahunan (annual report) dan laporan keuangan perusahaan (financial report) yang terdaftar di Bursa Efek Indonesia (BEI) yang dapat di akses melalui idx.co.id atau bloomberg.

3.4 Instrumen dan Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah metode dokumentasi, yaitu dengan mengumpulkan data dari laporan keuangan tahunan perusahaan di sektor industri dasar dan kimia yang terdaftar dalam Bursa Efek Indonesia (BEI) dari tahun 2011-2015.

3.5 Populasi

Populasi dari penelitian ini adalah 142 perusahaan pada semua perusahaan Manufaktur (Sektor Industri dasar & Kimia, Sektor Aneka Industri, dan Sektor Industri Barang Konsumsi) yang terdaftar di Bursa Efek Indonesia (BEI).

3.6 Sample dan Teknik Sampling

Teknik pemilihan sampel akan menggunakan metode purposive sampling.

Penetapan kriteria adalah sebagai berikut:

1. Merupakan perusahaan yang terdaftar di Bursa Efek Indonesia (BEI) 2. Perusahaan Manufaktur dari sektor industri dasar dan kimia, sektor aneka

industri, dan sektor industri barang konsumsi

3. Melakukan Initial Public Offering (IPO) sebelum tahun 2010.

4. Laporan keuangan harus dalam satuan rupiah Indonesia.

5. Perusahaan memiliki data laporan tahunan yang lengkap mulai tahun 2010- 2015 (agar dapat melihat kekonsistenan pengungkapan informasi intellectual capital yang dilakukan oleh perusahaan tiap tahunnya).

Dari 142 perusahaan yang menjadi populasi, hanya sebanyak 72 perusahaan yang memenuhi kriteria purposive sampling. Sehingga, sampel penelitian ini adalah sebanyak 72 perusahaan dengan lima tahun pengamatan dari 2011-2015.

3.7 Unit Analisis

Unit analisis dalam penelitian ini adalah 360 data (72 perusahaan selama 5 tahun) pada semua perusahaan manufaktur dari sektor industri dasar dan kimia, sektor aneka industri, dan sektor industri barang konsumsi yang terdaftar di Bursa Efek Indonesia selama tahun 2011-2015.

3.8 Teknik Analisis Data

Penelitian ini akan menggunakan teknik analisis data structural equation modelling (SEM). Pengolahan data dilakukan dengan menggunakan software SPSS dan WarpPLS. Dalam pengolahan data untuk hubungan antar variabel penelitian akan menggunakan Partial Least Square (PLS) dengan software WarpPLS 5.0, karena semua variabel penelitian merupakan variabel laten yang dapat diukur dengan indikator – indikator. Berikut merupakan tahap-tahap analisis data yang dilakukan (Kock, 2015):

1. Mengumpulkan dan mempersiapkan data

Data yang dibutuhkan diambil dari laporan tahunan (annual report) untuk perusahaan-perusahaan yang telah menjadi sample penelitian ini dengan periode 2011-2015. Selain itu, angka yang dibutuhkan untuk perhitungan variabel independen dan variabel dependen diperoleh dari Bloomberg.

2. Melakukan perhitungan variabel dependen, independen, dan mediasi.

3. Merancang model struktural (inner model)

Dalam WarpPLS, hubungan model struktural antara variabel laten didasarkan pada rumusan masalah atau hipotesis.

4. Merancang model pengukuran (outer model)

Langkah ini mengacu pada variabel operasionalisasi dalam penelitian ini. Pada langkah ini, indikator diklasifikasikan sebagai formatif atau reflektif. Indikator harus diklasifikasikan dengan benar karena klasifikasi yang tidak semestinya dapat menyebabkan hasil yang bias.

5. Membuat Diagram Path

Diagram path menunjukkan hubungan terhadap alur kausal antar variabel eksogen dan endogen. Hubungan-hubungan kausal yang ada merupakan justifikasi dari teori yang telah ada kemudian konsep tersebut divisualisasikan ke dalam gambar sehingga lebih mudah dipahami. Diagram path dari penelitian ini dapat dilihat pada gambar 3.1.

6. Mengkonversi diagram path ke persamaan dari:

a. Outer model (outer relation): mengacu pada spesifikasi hubungan antara variabel laten dengan indikator pengukurnya

b. Inner model (inner relation): mengacu pada hubungan antara variabel dependen (endogenous) dengan variabel independen (exogenous).

c. Weight relation: weight relation memperkirakan nilai variabel laten.

Inner dan outer model akan memberikan spesifikasi yang diikuti oleh weight relation pada alogaritma PLS.

7. Estimasi Parameter

Algoritma analisis outer model adalah proses perhitungan variabel laten dari data yang diperoleh dari indikatornya. Ada 5 jenis algoritma outer model yaitu regresi PLS (inner model tidak mempengaruhi outer model), mode M (inner model mempengaruhi outer model), mode A (untuk model indikator reflektif), mode B (model indikator formatif) dan Robust Path Analysis (data variabel laten berupa rata-rata skor indikator).

Algoritma analisis model dalam mencakup proses perhitungan koefisien jalur yang merupakan hubungan antara variabel laten. Ada tiga algoritma untuk

inner model yang linier (hubungan linier antara variabel laten), Warp2 (hubungan berbentuk U) dan Warp3 (hubungan berbentuk S).

8. Goodness of fit test

Uji goodness of fit dalam penelitian ini hanya berlaku untuk inner model karena penelitian ini hanya menggunakan data keuangan. Goodness of fit yang dimaksud adalah indeks dan ukuran seberapa baik hubungan antar variabel laten. Model harus sesuai dengan kriteria berikut:

Tabel 3.2 Model Fit And Quality Indices

No Model fit and quality indeces Kriteria Fit 1 Average path coefficient (APC) p < 0.05

2 Average R-squared (ARS) p < 0.05 3 Average adjusted R-sqaured (AARS) p < 0.05

4 Average block VIF (AVIF) Acceptable if <= 5, ideally <= 3.3 5 Average full collinearity VIF (AFVIF) Acceptable if <= 5,

ideally <= 3.3 6 Tenenhaus GoF (GoF) Small >= 0.1,

medium >= 0.25 large >= 0.36

7 Sympson’s paradox ratio (SPR) Acceptable if >= 0.7, ideally >= 1

8 R-squared contribution ratio Acceptable if >= 0.9, ideally >= 1

9 Statistical suppression ratio (SSR) Acceptable if >= 0.7 10 Nonlinear bivariate causality direction

ratio (NLBCDR)

Acceptable if >= 0.7 9. Pengujian Hipotesa

Pengujian hipotesis menggunakan metode resampling Boostrap sedangkan uji statistik yang digunakan adalah uji-t. Dengan metode resampling boostrap, distribusi normal tidak diperhatikan. Diperlukan minimal 30 sampel. Bila nilai p<0,05 maka disimpulkan signifikan.

10. Menarik kesimpulan atas pengujian hipotesa.