3. METODE PENELITIAN

(1)

28

Universitas Kristen Petra

3. METODE PENELITIAN 3.1 Model Analisis

Penelitian ini untuk menjawab permasalahan mengenai pengaruh Profitability, Leverage, Market Value per Book Value, Firm Age dan Ownership.

terhadap Intellectual Capital Disclosure. Dalam model ini Profitability, Leveripo, Market Value per Book Value, Firm Age, dan Ownership merupakan variabel independent dan Intellectual Capital Disclosure merupakan variable dependen.

Model analisis yang digunakan dalam penelitian ini adalah sebagai berikut:

Gambar 3. 1 Model Analisis

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

ICD = α + β1ROA + β2ROE + β3LEV + β4MVBV + β5IPO +

β6MANAGE + β7Finlcl + β8Finfor + β9GOVR + ε (3.1) Profitability :

ROA ROE

Leverage (LEV)

Market Value to Book Value

(MVBV)

Firm Age : IPO

Ownership : Manage

Finlcl Finfor GOVR

Intellectual Capital Disclosure( ICD )

( (

(2)

29

Keterangan :

ICD = intellectual capital disclosure ROA = ROA

ROE = ROE LEV = leverage

MVBV = market value per book value IPO = IPO

Manage = Manage Finlcl = FINlcl FINfor = FINfor GOVR = Goverment α = konstanta

β = koefisien regresi tiap variable ε = error

3.2 Definisi Operasional Variabel dan Skala Pengukuran

Pengukuran operasional variabel-variabel dan skala pengukuran yang akan digunakan dalam penelitian ini dijabarkan sebagai berikut :

Tabel 3. 1 Definisi Operasional Variabel dan Skala Pengukuran Nama

Variabel

Skala Pengukuran

Profitabilita s

Kemampuan perusahaan untuk memperoleh laba dari modal yang digunakan untuk menghasilkan data tersebut

Dalam penelitian ini rasio yang digunakan dalam mengukur profitabilitas yaitu: Return On Assets (ROA) dan Return On Equity (ROE). Berikut penjelasannya:

Rasio Operasionalisasi Variabel

(3)

30

Tingkat Pengembalian Aktiva (ROA=

Return On Assets)

Return On Asset = Net Income Total Asset

Tingkat Pengembalian Ekuitas ( ROE=

Return on Equity)

Return On Equity = Net Income Total Equity Leverage Financial leverage menunjukan proporsi

atas penggunaan utang untuk membiayai investasinya. Perusahaan yang tidak mempunyai leverage berarti menggunakan modal sendiri 100%”. Diukur menggunakan:

Debt to Equity Ratio = Total Debt Total Equity

Rasio

Market Value to Book Value

Growth oppurtunities diukur dengan menggunakan proksi yaitu market to book value (MTBV) hal ini didasarkan pada penelitian Paranita (2011) yang menunjukkan bahwa market to book value terbukti secara konsisten memiliki korelasi yang tinggi dengan realisasi pertumbuhan perusahaan. Persamaan yang digunakan :

Rasio

(4)

31

MVBV =

Share Outstanding x Closing Price Book Value

Umur perusahaan

Umur perusahaan merupakan awal perusahaan melakukan aktivitas operasional hingga dapat mempertahankan going concern perusahaan tersebut atau mempertahankan eksistensi dalam dunia bisnis. Semakin lama umur perusahaan semakin terlihat pula eksistensi perusahaan (going concern), sehingga semakin luas pula pengungkapan yang dilakukan yang berkaitan untuk menciptakan keyakinan pada pihak luar dalam kualitas perusahaannya.

Rasio

Struktur kepemilikan

Kepemilikan manajerial adalah kepemilikan saham oleh manajemen perusahaan yang diukur dengan presentase jumlah saham yang dimiliki oleh pihak manajemen.

Nominal

Intelectuall capital

Jumlah pengungkapan informasi tentang IC yang disajikan dalam laporan tahunan perusahaan

Nominal

3.3 Jenis dan Sumber Data

Jenis data yang digunakan adalah data berbentuk angka (kuantitatif).

Sumber data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari laporan tahunan (annual report) dan laporan keuangan (financial report) tahun 2010-2016 yang terdaftar pada Bursa Efek Indonesia (BEI) dan seluruhnya dapat diakses melalui www.idx.co.id serta historis dari bloomberg.

(5)

32

Universitas Kristen Petra Tabel 3. 2 Sumber Data Variabel

Variabel Sumber Data

Profitability Bloomberg

Leverage Bloomberg

Market Value per Book Value Bloomberg

Ownership Bloomberg

Firm age Bloomberg

Intellectual Capital Disclosure Annual Reportdari website BEI

3.4 Instrumen dan Pengumpulan Data

Penelitian ini menggunakan metode dokumentasi dengan mengumpulkan data melalui laporan tahunan dan laporan keuangan perusahaan dalam bidang manufaktur pada Bursa Efek Indonesia (BEI) dari tahun 2010-2016, serta historis dari bloomberg.

3.5 Populasi, Sampel, dan Teknik Sampling

Populasi penelitian ini adalah sebanyak 155 perusahaan dalam bidang manufaktur (sub-sektor industry manufaktur semen, industry manufaktur keramik, porselin dan kaca, industry manufaktur logam dan sejenisnya, industry manufaktur kimia, industry manufaktur plastik dan kemasan, industry manufaktur pakan ternak, industry manufaktur kayu dan pengolahannya, industry manufaktur pulp dan kertas dan industry manufaktur lainnya) yang terdaftar dalam Bursa Efek Indonesia (BEI) dalam periode tahun 2010-2016.

Teknik sampel yang digunakan dalam penelitian ini adalah purposive sampling dimana pemilihan sampel dilakukan secara tidak acak serta informasinya diperoleh dengan pertimbangan dari beberapa criteria tertentu. Kriteria-kriteria yang harus dipenuhi untuk menjadi sample dalam penelitian ini adalah sebagai berikut:

1. Perusahaan terdaftar di Bursa Efek Indonesia (BEI).

(6)

33

2. Data laporan keuangan harus lengkap mulai tahun 2010-2016.

3. Perusahaan di sector industry manufaktur.

4. Perusahaan harus memiliki kelengkapan informasi yang dibutuhkan terkait dengan indicator pengukuran atas variabel pada penelitian ini.

Dari total 155 Perusahaan, terdapat 84 perusahaan yang memenuhi kriteria. Sehingga sample yang digunakan dalam penelitian ini adalah 84 perusahaan dengan enam tahun pengamatan dari tahun 2010-2016.

3.6 Unit Analisis

Unit analisis pada penelitian ini adalah 588 firm-year/tahun buku perusahaan (84 perusahaan selama 7 tahun) pada sektor industri manufaktur (sub-sektor industri manufaktur semen, industri manufaktur keramik, porselin dan kaca, industri manufaktur logam dan sejenisnya, industri manufaktur kimia, industri manufaktur plastik dan kemasan, industri manufaktur pakan ternak, industri manufaktur kayu dan pengolahannya, industri manufaktur pulp dan kertas dan industri manufaktur lainnya) yang terdaftar di Bursa Efek Indonesia selama tahun 2010-2016.

3.7 Teknik Analisis Data

Penelitian ini dilakukan dengan analisis data berdasarkan analisis regresi data panel.Peneliti menggunakan software based statistic analysis yaitu, Gretl (Gnu Regression, Econometrics, and Time-Series Library).

Berikut tahap-tahap analisis data yang dilakukan:

1. Mengumpulkan dan mempersiapkan data.

Data yang dibutuhkan diambil dari laporan keuangan tahunan (annual report) untuk perusahaan-perusahaan yang telah menjadi sample penelitian dengan periode tahun 2010-2016. Ada juga data yang diperlukan untuk menghitung varibel independent, variabel dependen diperoleh dari annual report dan bloomberg.

2. Menghitung variabel independent dan dependen.

3. Melakukan analisis regresi data panel.

(7)

34

3.7.1 Regresi dengan Panel Data

Data panel adalah kombinasi antara data runtut waktu (time series) dan data silang (cross-section), dimana data time-series adalah variabel yang diamati pada satu unit observasi dalam jangka waktu yang panjang sedangkan data cross-sectional adalah variabel yang diamati dalam satu titik waktu. Dari kombinasi itu data panel menghasilkan variabel data yang banyak dalam jangka waktu yang banyak. Cara yang dilakukan oleh regresi panel data yaitu menentukan model estimasi, menguji asumsi dan kesesuaian model, dan interprestasi.

3.7.1.1 Penentuan Metode Estimasi Regresi Panel Data Metode estimasi yang perlu ditentukan:

a. Common Effect Model

Common Effect Model merupakan metode estimasi yang menggabungkan (pooled) seluruh data time series dan cross section serta menggunakan pendekatan Ordinary Least Squares (OLS) untuk melakukan estimasi parameternya. Akibatnya, model inimempunyai intersep α dan slope β yang sama untuk setiap individu, sehingga efek individu tidak akan terlihat. Untuk Common Effect Model, persamaan yang digunakan yaitu sebagai berikut:

𝒀_𝒊𝒋= 𝜶_𝒊+ 𝜷_𝒋𝑿_𝒋𝒊𝒕+ 𝜺_𝒊𝒕 (3.2)

Keterangan:

𝑌_𝑖̇𝑗 = variabel dependen di urutan j untuk unit cross sectioni α_i = intersep untuk urutan individu ke-i

𝛽_𝑗 = parameter untuk variabel ke-j

𝑋_𝑗𝑖𝑡 = variabel independent j di waktu t untuk unit cross sectioni 𝜀_𝑖𝑡 = komponen error di waktu t untuk unit cross section i = individu yang diobservasi (cross section)

t = time series

j = jumlah independen

(8)

35

b. Fixed Effect Model(FEM)

Fixed Effect Model adalah metode estimasi yang menghitung adanya perbedaan antara setiap individu yang diakomodasi melalui dummy variables sehingga terdapat perbedaan dalam intersep.Intersep setiap individu merupakan parameter yang tidak diketahui dan akan diestimasi. Pada umumnya dengan memasukkan variabel boneka (dummy variable), sehingga FEM sering disebut dengan Least Square Dummy Variable (LSDV).Untuk model Fixed Effect Model,persamaan yang digunakan adalah :

𝒀_𝒊𝒋= 𝜶_𝒊+ 𝜷_𝒋𝑿_𝒋𝒊𝒕+ 𝜺_𝒊𝒕 (3.3)

Keterangan:

𝑌_𝑖̇𝑗 = variabel dependen di urutan j untuk unit cross section i α_i = intersep untuk urutan individu ke-i

𝑋_𝑗𝑖𝑡 = variabel independen j di waktu t untuk unit cross section i 𝜀_𝑖𝑡 = komponen error di waktu t untuk unit cross section i = individu yang diobservasi (cross section)

t = time series

c. Random Effect Model

Random Effect Model ladalah model regresi panel yang didapatkan dengan asumsi bahwa unit analisis regresi dan unit waktu yang digunakan dalam model tidak ditentukan atau tidak diketahui terlebih dahulu. Random Effect disebabkan variasi dalam nilai dan arah hubungan antar subjek diasumsikan random yang dispesifikasikan dalam bentuk residual (Kuncoro, 2012). Model ini

(9)

36

mengestimasi data panel yang variabel residual diduga memiliki hubungan antar waktu dan antar subjek. Menurut Widarjono (2009) model Random Effect digunakan untuk mengatasi kelemahan model Fixed Effect yang menggunakan variabel dummy. Untuk Random Effect Model, persamaan yang digunakan yaitu sebagai berikut:

𝒀_𝒊𝒋= 𝜶 + 𝜷_𝒋𝑿_𝒋𝒊𝒕+ 𝒖_𝒊+ 𝜺_𝒊𝒕 (3.4)

Keterangan:

𝑌_𝑖𝑗 = variabel dependen di urutan j untuk unit cross section i 𝛼 = intersep

𝑋_𝑗𝑖𝑡 = variabel independen j di waktu t untuk unit cross section i 𝑢_𝑖 = mengukur perbedaan antara skor rata-rata I dengan skor

rata-rata keseluruhan (angka ditambah α)

𝜀_𝑖𝑡 = komponen error di waktu t untuk unit cross section i i = individu yang diobservasi (cross section)

t = time series

3.7.1.2 Merancang Metode Pemilihan Model

Dalam analisis data panel diperlukan pembuatan keputusan untuk jenis model yang akan digunakan yang didasarkan pada dua uji, yaitu uji Chow dan uji Hausmann.

Uji Chow digunakan untuk memutuskan apakah data yang dihasilkan menggunakan Common Effect atau Fixed Effect.

Sedangkan uji Hausmann digunakan untuk memutuskan apakah data yang dihasilkan menggunakan Fixed Effect atau Random Effect.

Berikut langkah-langkah untuk menguji kedua uji tersebut:

1. Uji Chow (Common Effect atau Fixed Effect)

(10)

37

Hipotesis: Jika H0 diterima, maka model pooled/common effect.

Jika H0 ditolak, maka model fixed effect.

Kesimpulan: Jika H0 ditolak, maka model fixed effect akan lebih baik.

2. Uji Hausman (Fixed Effect atau Random Effect) Hipotesis: Jika H0 diterima, maka model random effect.

Jika H0 ditolak, maka model fixed effect.

Kesimpulan: Jika H0 ditolak, maka model yang dipakai adalah fixed effect, dan sebaliknya jika penolakan H0 tidak signifikan maka yang digunakan adalah random effect.

3.7.1.3 Melakukan Uji Asumsi Klasik

Uji asumsi klasik dilakukan dengan tujuan untuk menguji kelayakan dari persamaan model regresi. Uji asumsi klasik terdiri dari empat pengujian, yaitu:

1. Uji Asumsi Normalitas

Pengujian normalitas digunakan untuk melihat apakah error term mengikuti distribusi normal atau tidak. Jika asumsi tidak terpenuhi, maka prosedur pengujian dengan uji-t menjadi tidak sah. Pengujian dilakukan dengan uji Jarque Bera atau dengan melihat plot (p-value) yang dibandingkan dengan nilai Chi-square maupun taraf nyata yaitu α=0,05.

Hipotesis: H0: error term mengikuti distribusi normal H1: error term tidak mengikuti distribusi normal Hal yang dilakukan terlebih dahulu adalah membandingkan nilai Jarque Bera dengan taraf nyata α=0,05. Jika nilai Jarque Bera> 0,05, maka dapat disimpulkan bahwa error term terdistribusi dengan normal.

2. Uji Asumsi Heteroskedastisitas

Heteroskedastisitas berarti variasi residual tidak sama untuk semua pengamatan. Heteroskedastisitas bertentangan

(11)

38

dengan Homoskedastisitas yang dimana variasi residual sama untuk semua pengamatan.

Hipotesis: H0 diterima, maka homoskedastisitas H0 ditolak, maka heteroskedastisitas

Jika H0 ditolak, berarti data mengandung Heteroskedastisitas. Untuk mendeteksi heteroskedastisitas, dilakukan dengan menggunakan metode General Least Square (Cross Section Weights) yaitu dengan membandingkan sum square residual pada Unweight Statistics. Jika sum square residual pada Weighted Statistics lebih kecil dari pada sum square residual pada Unweighted Statistics, maka terjadi heteroskedastisitas. Untuk mengatasi heteroskedastisitas, dilakukan white-Heterokedasticity test.

3. Uji Asumsi Multikolinearitas

Dalam permodelan regresi linier majemuk menggunakan beberapa variabel bebas yang menyebabkan berpeluangnya variabel-variabel bebas tersebut saling berkolerasi. Hal ini menyebabkan pemodelan menjadi tidak tepat. Variabel bebas yang baik adalah variabel bebas yang memiliki hubungan dengan variabel dependen tetapi tidak memiliki hubungan dengan variabel bebas lainnya yang terdapat dalam model. Ada atau tidak adanya multikolinearitas bias dilihat pada matriks korelasi.

Hipotesis: VIF>10, maka ada multikolinearitas VIF<10, maka tidak ada multikolinearitas

4. Uji Asumsi Autokorelasi

Auto korelasi adalah korelasi yang terjadi antar observasi dalam satu variabel atau korelasi antar error masa lalu dengan error masa sekarang. Metode ini digunakan untuk mendeteksi adanya autokorelasi yang dilakukan dengan membandingkan nilai Durbin-Watson dari perhitungan

(12)

39

dengan Durbin-Watson table. Jika data yang dihasilkan adalah cross section, maka tidak perlu melakukan uji autokorelasi.

Hipotesis:

0<DW<dL, maka terdapat auto korelasi negatif (ditolak) 4-dU≤DW≤4-dL,maka terdapat autokorelasi negatif (tidak ada keputusan)

dU<DW≤4-dU, maka tidak ada autokorelasi positif atau negatif (diterima)

4-dL<DW≤4, maka ada autokorelasi positif (ditolak) 3.7.1.4 Melakukan Pengujian Parameter Model

a) Koefisien Determinasi (R²)

Koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai R² terletak antara 0 sampai dengan 1 (0 ≤ R²

≤ 1). Tujuan menghitung koefisien determinasi adalah untuk mengetahui pengaruh variabel independen terhadap variabel dependen. Nilai R²memunyai interval antara 0 sampai 1 (0≤

R²≤1). Semakin besar nilai R²(mendekati 1), semakin baik hasil untuk model regresi tersebut. Semakin mendekati 0, maka variabel independen secara keseluruhan tidak dapat menjelaskan variabel dependen (Sulaiman, 2004).

b) Uji Signifikan F

Uji signifikan F pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model memunyai pengaruh secara bersama-sama terhadap variabel dependen. Langkah-langkah Uji f sebagai berikut:

I. Menentukan Hipotesis

H0 : β = 0, artinya variabel independen secara bersama-sama tidak berpengaruh terhadap variabel dependen.

(13)

40

H0 : β ≠ 0, artinya variabel independen secara bersama-sama berpengaruh terhadap variabel dependen.

II. Menentukan Tingkat Signifikan

Tingkat signifikan pada penelitian ini adalah 5% artinya risiko kesalahan mengambil keputusan 5%.

III. Pengambilan Keputusan

Jika probabilitas (sig F) > α (0,05) maka Ho diterima, artinya tidak ada pengaruh yang signifikan dari variabel independen terhadap variabel dependen.

Jika probabilitas (sig F) < α (0,05) maka Ho ditolak, artinya ada pengaruh yang signifikan dari variabel independen terhadap variabel dependen.

c) Uji Statistik t

Uji statistik t menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen dengan taraf signifikansi 5%.

Langkah-langkah dalam menguji t adalah sebagai berikut:

I. Merumuskan Hipotesis

H0 : β = 0, artinya tidak terdapat pengaruh yang signifikan antar variabel independen (X) terhadap variabel dependen (Y).

H0 : β ≠ 0, artinya terdapat pengaruh yang signifikan antara variabel independen (X) terhadap variabel dependen (Y).

II. Menentukan Tingkat Signifikan

Tingkat signifikan pada penelitian ini adalah 5%, artinya risiko kesalahan mengambil keputusan adalah 5%.

III. Pengambilan Keputusan

Jika probabilitas (sig t) > α (0,05) maka Ho diterima, artinya tidak ada pengaruh yang signifikan secara parsial dari variabel independen (X) terhadap variabel dependen (Y).

(14)

41

Jika probabilitas (sig t) < α (0,05) maka Ho ditolak, artinya ada pengaruh yang signifikan secara parsial dari variabel independen (X).

d) Menarik kesimpulan atas hipotesa yang telah diuji.