3. METODOLOGI PENELITIAN

(1)

20

Universitas Kristen Petra

3. METODOLOGI PENELITIAN

3.1 Metode Penelitian

Menurut Sugiyono (2014) penelitian adalah semua kegiatan pencarian, penyelidikan, dan percobaan secara alamiah dalam suatu bidang tertentu untuk mendapatkan pengertian baru dan menaikkan tingkat ilmu serta teknologi. Jenis penelitian yang dilakukan pada penelitian ini adalah penelitian kuantitatif yang mengidentifikasi hubungan kausal yang bertujuan mengukur pengaruh dari variabel bebas (independent variable) yaitu intellectual capital terhadap variabel terikat (dependent variable) yaitu kinerja keuangan agar menghasilkan kesimpulan hubungan kausal dengan lebih jelas (Hermawan, 2009).

Menurut metode penelitian, penelitian ini termasuk dalam jenis penelitian kausal-komparatif yang bertujuan untuk menyelidiki kemungkinan hubungan sebab-akibat, tapi tidak dengan jalan eksperimen namun dengan pengamatan terhadap data dari faktor yang diduga menjadi penyebab (Suryabrata, 2003).

3.2 Gambaran Populasi dan Sampel 3.2.1 Populasi

Populasi adalah keseluruhan elemen atau unsur yang akan di teliti (Ghozali, 2009). Dalam penelitian ini, populasi yang akan diteliti adalah perusahaan publik yang terdaftar di Bursa Efek Indonesia (BEI) yang termasuk dalam perusahaan sektor keuangan yang terdaftar di Bursa Efek Indonesia pada tahun 2009-2014.

3.2.2 Sampel

Sampel adalah sebagian dari populasi yang memiiki kriteria tertentu dalam suatu penelitian (Ghozali, 2009). Pemilihan sampel dalam penelitian ini dilakukan dengan purposive sampling dengan kriteria sebagai berikut:

a. Perusahaan yang terdaftar di BEI tahun 2009-2014, yang menerbitkan laporan tahunan secara berturut-turut.

b. Perusahaan yang termasuk dalam perusahaan sektor keuangan yang terdaftar di Bursa Efek Indonesia tahun 2009-2014

(2)

21

c. Perusahaan yang mempunyai laporan keuangan yang berakhir pada 31 Desember.

d. Perusahaan yang mencatatkan pelaporan gaji karyawan pada laporan keuangannya secara berturut-turut dari tahun 2009– 2014

3.3 Jenis dan Sumber Data

Sumber data terdapat dua yaitu data primer dan sekunder. Menurut Ghozali (2009) menyatakan bahwa data primer merupakan data yang didapat dari sumber pertama baik dari individu atau perorangan seperti hasil dari wawancara atau hasil pengisian kuisioner yang biasa dilakukan oleh peneliti. Sedangkan data sekunder merupakan data primer yang telah diolah lebih lanjut dan disajikan baik oleh pihak pengumpul data primer atau pihak lain misalnya dalam bentuk tabel-tabel atau diagram-diagram.

Data yang digunakan pada penelitian ini adalah data sekunder yang berupa pengumpulan data laporan keuangan perusahaan sektor keuangan yang terdaftar di Bursa Efek Indonesia tahun 2009-2014. Data sekunder ini diperoleh dengan metode pengamatan laporan keuangan pada 87 perusahaan sektor keuangan yang terdaftar di Bursa Efek Indonesia tahun 2009-2014 yang tercatat pada Bursa Efek Indonesia pada tahun 2009-2014.

3.4 Metode Pengumpulan Data

Jenis data yang digunakan adalah data sekunder, yaitu data yang diperoleh secara tidak langsung melalui media perantara. Data sekunder yang digunakan berupa laporan keuangan perusahaan publik yang terdaftar dalam Bursa Efek Indonesia (BEI) selama 6 tahun (2009-2014) dan termasuk dalam perusahaan sektor keuanganyang terdaftar di Bursa Efek Indonesia tahun 2009-2014. Metode pengumpulan data yang digunakan adalah :

a. Teknik Dokumentasi yaitu mengumpulkan data laporan keuangan perusahaan sektor keuangan yang terdaftar di Bursa Efek Indonesia tahun 2009-2014 yang diperoleh dari situs resmi Bursa Efek Indonesia yaitu www.idx.co.id dan www.finance.yahoo.com.

(3)

22

b. Studi kepustakaan yang dilakukan dengan cara mengumpulkan buku literatur seperti jurnal, buku, maupun karya ilmiah lainnya dan artikel yang berhubungan dengan penulisan penelitian ini untuk memperoleh landasan teori dan teknik analisa data dari perpustakaan dan internet.

3.5 Definisi Operasional Variabel

Terdapat satu variabel independen yaitu intellectual capital, serta satu variabel dependen yaitu kinerja keuangan yang digunakan dalam penelitian ini yaitu :

3.5.1 Variabel Independen

Konsep : Intellectual capital

Definisi Operasional : Pulic (1998) mengidentifikasi Value Added Intellectual Coefficient (VAIC) di proksikan oleh Capital Employed Efficiency, Human Capital Efficiency, dan Structural Capital Efficiency.

Indikator Empirik :

a. Capital Employed Efficiency (CEE). Nilai ini didapat dari persamaan berikut :

CEE = VA/CE

(3.1) VA = Value added

VA = OUT – IN

(3.2) OUT = Total penjualan dan pendapatan lain

IN = Beban penjualan dan biaya-biaya lain (kecuali beban gaji dan tunjangan)

CE = Capital employed (dana yang tersedia (book value) dari aset bersih perusahaan)

b. Human Capital Efficiency (HCE). Nilai ini didapat dari persamaan sebagai berikut:

HCE = VA/HC

(3.3)

(4)

23

VA = Value added VA = OUT – IN

OUT = Total penjualan dan pendapatan lain

IN = Beban penjualan dan biaya-biaya lain (kecuali beban gaji dan tunjangan)

HC = Human capital (Total gaji dan upah)

c. Structural Capital Efficiency (SCE). Dalam model Pulic, structural capital didapat dengan mengurangkan value added (VA) dengan human capital (HC).

SC = VA – HC

VA = OUT – IN

OUT = Total penjualan dan pendapatan lain HC = Human capital (Total gaji dan upah)

Structural capital efficiency dapat dihitung dengan formula sebagai berikut:

SCE = SC/VA

SC = Structural capital 3.5.2 Variabel Dependen

Konsep : Kinerja keuangan

Definisi Operasional : mengukur laba yang dapat dihasilkan dari penggunaan semua total aset yang dimiliki perusahaan.

Penelitian ini menggunakan profitabilitas yang diproksikan dengan ROE, produktivitas yang diproksikan dengan ATO, dan market value yang diproksikan dengan M/B untuk mengukur kinerja keuangan perusahaan.

(5)

24

Indikator Empirik :

a.Return on Equity (ROE) dihitung sebagai berikut:

(3.6) b. Asset Turnover (ATO) dihitung sebagai berikut:

(3.7) c. Market Value (M/B) dihitung sebagai berikut:

(3.8)

3.6 Teknik Analisa Data

Teknik analisa data dilakukan dengan melakukan pengujian analisa regresi linear berganda yang harus memenuhi uji asumsi klasik. Kemudian untuk melihat kelayakan model dilakukan perhitungan koefisien determinasi ( ).

3.6.1 Analisis Deskriptif

Analisis statistik deskriptif digunakan untuk memberikan deskripsi atas variabel-variabel penelitian secara statistik. Hal ini perlu dilakukan untuk melihat gambaran keseluruhan dari sampel yang berhasil dikumpulkan. Statistik deskriptif yang digunakan dalam penelitian ini adalah rata-rata, maksimum, minimum, dan standar deviasi.

3.6.2 Analisa Regresi Linear Berganda

Untuk mengetahui pengaruh variabel independen terhadap variabel dependen, maka metode analisis data yang digunakan pada penelitian ini adalah analisis model regresi berganda. Analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa

(6)

25

variabel dan meramal suatu variabel (Kutner et.al, 2004). Jika ingin dikaji hubungan atau pengaruh dua atau lebih variabel bebas (independent) terhadap variabel terikat (dependent), maka model regresi yang digunakan adalah model regresi linear berganda (multiple linear regression model).

Analisis regresi linear berganda adalah hubungan secara linear antara dua atau lebih variabel independen (X₁, X₂,….X_n) dengan variabel dependen (Y). Analisis ini digunakan untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan.

Adapun metode yang dapat digunakan untuk mengestimasi parameter model regresi linier berganda adalah dengan menggunakan metode ordinary least square (OLS)

Persamaan regresi yang digunakan adalah sebagai berikut:

YROE = α + βCEECEE + βHCEHCE + βSCESCE + ε

(3.9) YATO = α + βCEECEE + βHCEHCE + βSCESCE + ε

(3.10) YM/B = α + βCEECEE + βHCEHCE + βSCESCE + ε1

(3.11) Keterangan:

Y_ROE = Return on Equity Y_ATO = Asset Turnover

Y_M/B = Market-to-bookof Equity CEE = Capital Employed Efficiency HCE = Human Capital Efficiency

(7)

26

SCE = Structural Capital Efficiency

α = Konstanta atau besarnya intercept coefficient βCEE = Koefisien regresi CEE

βHCE = Koefisien regresi HCE βSCE = Koefisien regresi SCA ε = Error

3.6.3 Uji Asumsi Klasik

Model regresi linear berganda (multiple regression) dapat disebut sebagai model yang baik jika model tersebut memenuhi kriteria BLUE (Best Linear Unbiased Estimator). BLUE dapat dicapai bila memenuhi asumsi klasik. Sebaiknya terdapat empat uji asumsi yang harus dilakukan terhadap suatu model regresi tersebut, yaitu:

3.6.3.1 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah variabel dependen dan independen dalam model regresi tersebut terdistribusi secara normal. Model regresi yang baik adalah yang mempunyai distribusi data normal atau mendekati normal. Untuk menguji normalitas data, penelitian ini menggunakan metode uji statistik non-parametrik Kolmogorov-Smirnov dengan rumus (Steel dan Torrie, 1999):

∑

(3.12) Uji Kolmogorov-Smirnov Test dilakukan dengan hipotesis:

H0 : Data residual berdistribusi normal.

H1 : Data residual tidak berdistribusi normal.

Ketentuan peneriman atau penolakan hipotesis dengan signifikansi 5% adalah sebagai berikut:

(a) Jika p value < α (5%), maka tolak H0

(8)

27

(b) Jika p value > α (5%), maka terima H0

Jika ternyata ditemukan adanya indikasi residual yang tidak terdistribusi normal, maka akan dilakukan casewise diagnostic untuk menemukan dan mengeluarkan data yang memiliki nilai ekstrim (Gujarati, 2004).

3.6.3.2 Uji Autokorelasi

Uji autokorelasi digunakan untuk mengetahui apakah terjadi korelasi antara residual pada serangkaian observasi tertentu dalam suatu periode tertentu. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual tidak bebas dari satu observasi ke observasi lainnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Ada berbagai metode yang dapat digunakan untuk menguji ada tidaknya gejala autokorelasi.

Dalam penelitian ini akan digunakan metode uji Durbin Watson.

Durbin Watson test (DW-test) dilakukan dengan membandingkan Dtabel dengan Dhitung dengan tingkat signifikansi 5% (Ghozali, 2009).

Pengambilan keputusan ada tidaknya autokorelasi akan dijabarkan sebagai berikut:

Tabel 3.1. Durbin Watson test : kriteria pengambilan keputusan

Hipotesis Nol Keputusan Jika

Tidak ada autokorelasi positif Tolak 0 < d < dL

Tidak ada autokorelasi positif Tidak ada keputusan

dL ≤ d ≤ dU

Tidak ada autokorelasi negatif Tolak 4-dL < d < 4 Tidak ada autokorelasi negatif Tidak ada

keputusan

4-dU ≤ d ≤ 4-dL

Tidak ada autokorelasi positif atau negatif

Tidak ditolak dU< d < 4-dU

(9)

28

3.6.3.3 Uji Heteroskedastisitas

Uji heteroskedatisitas adalah pengujian asumsi residual dengan varians tidak konstan. Model regresi yang baik adalah homoskedastisitas atau tidak terjadi heteroskedastisitas, model regresi linier berganda memiliki asumsi residual dengan varians konstan (homoskedasitas). Salah satu cara untuk mengetahui ada tidaknya heteroskedastisitas dalam suatu model regresi linier berganda adalah dengan uji Glejser. Uji Glejser dilakukan dengan cara meregresikan antara variabel bebas (independent) dengan nilai absolut residualnya.

| | (3.13) Pengujian Glejser dilakukan dengan hipotesis:

H0 : Tidak ada gejala heteroskedastisitas.

H1 : Ada gejala heteroskedastisitas.

Kriteria penerimaan dan penolakan berdasarkan p value : (a) Jika p value > α (5%), maka terima H0

(b) Jika p value < α (5%), maka tolak H0

Bila variabel dalam kondisi tidak memenuhi normalitas, maka dapat melakukan uji statistik rank Spearman dengan rumus sebagai berikut:

(3.14) Jika pada data terdapat gejala heteroskedastisitas, maka metode penyembuhan yang akan digunakan adalah metode HAC (Heteroscedasticity and Autocorrelation-consistent) standard errors atau yang biasa disebut Newey-West standard errors (Gujarati, 2004).

3.6.3.4 Uji Multikolinearitas

Uji multikolinearitas berguna untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas

(10)

29

(independent). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas (independent). Untuk mendeteksi ada atau tidaknya multikolinieritas di dalam model regresi dapat dilihat dari (1) nilai tolerance dan lawannya (2) variance inflation factor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya.

Nilai VIF diperoleh dari persamaan:

(3.15) Hipotesis dari uji ini adalah:

H0 : Tidak ada gejala multikolinearitas.

H1 : Ada gejala multikolinearitas.

(1) Melihat nilai tolerance

- Nilai Tolerance > 10%, maka terima H0

- Nilai Tolerance ≤ 10%, maka tolak H0

(2) Melihat nilai VIF

- Nilai VIF < 10, maka terima H0

- Nilai VIF ≥ 10, maka tolak H0

Nilai cutoff yang dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance < 0,10 atau sama dengan nilai VIF > 10 (Gujarati, 2004).

3.6.4 Uji Statistik

3.6.4.1 Uji Parsial (Uji t)

Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh secara parsial suatu variabel independen terhadap variabel dependen.

Uji t penelitian ini menggunakan uji dua sisi (two tailed test). Hipotesis nol (H₀) yang hendak diuji adalah apakah suatu parameter (β) sama dengan nol, atau :

(11)

30

H0 : β1 ; β2 ; β3 = 0

Artinya, variabel independen secara parsial tidak berpengaruh signifikan terhadap variabel dependen. Hipotesis alternatifnya (Ha), parameter suatu variabel tidak sama dengan nol, atau :

Ha : β1; β2; β3 ≠ 0

Artinya, variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen. Lalu dengan uji statistik t dengan taraf signifikansi α = 0,05 maka bila:

(a) p value < α, tolak H₀ (b) p value > α, terima H₀ 3.6.4.2 Uji F

Uji F merupakan suatu pengujian yang bertujuan untuk mengetahui apakah variabel-variabel independen secara bersama- sama berpengaruh signifikan terhadap variabel dependen.

Pengujian dilakukan dengan menggunakan level signifikansi 0,05 ( ).

Hipotesis nol (H₀) yang hendak diuji adalah apakah semua parameter dalam model sama dengan nol, atau :

H0 : β1 = β2 = β3 = 0

Artinya, semua variabel independen secara bersama-sama tidak berpengaruh signifikan terhadap variabel dependen. Hipotesis alternatifnya (Ha), tidak semua parameter secara bersama-sama sama dengan nol, atau :

Ha : β1 ≠ β2 ≠ β3 ≠ 0

Artinya, semua variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen. Dengan uji statistik F, maka bila:

(a) p value < α, tolak H0

(b) p value > α, terima H0

(12)

31

3.6.5 Koefisien Determinasi ( )

Koefisien determinasi ( ) mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi berada di antara nol dan satu. Nilai 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. Setiap tambahan satu variabel independen, maka akan meningkat tanpa peduli apakah variabel tersebut berpengaruh signifikan terhadap variabel dependen. Oleh karena itu digunakan nilai adjusted , karena tambahan variabel indepanden dalam model dapat berpengaruh naik atau turun.