28
BAB III
METODE PENELITIAN
3.1 Jenis Penelitian
Jenis penelitian adalah penelitian asosiatif yang bertujuan untuk
mengetahui hubungan antara dua variabel atau lebih (Sugiyono, 2012, p. 14)
Penelitian ini dilakukan untuk mengetahui dan menganalisis pengaruh Intellctual
Capital yang diproyeksikan dengan Value Added Capital Employed (VACA),
Value Added Human Capital (VAHU) dan Structural Capital Value Added
(STVA) dan ROGIC (Rate og Growth of Intellectual Capital) terhadap kinerja
keuangan dan kinerja keuangan masa depan.
3.2 Tempat dan Waktu Penelitian
Tempat penelitian ini berasal dari data sekunder, yaitu laporan APBD dan
realisasi APBD Pemerintah Daerah di Indonesia yang telah dipublikasi di website
resmi Direktorat Jenderal Perimbangan Keuangan (DJPK) dengan situs resmi
resmi www.bps.sumut.co.id. Waktu penelitian ini akan dilakukan dari bulan
Desember 2016 sampai dengan bulan April 2017.
3.3 Batasan Operasional
Variabel yang digunakan dalam penelitian ini adalah variabel terikat
(dependent variable) dan variabel bebas (independent variable). Variabel terikat
dalam penelitian ini adalah kinerja keuangan yang dinilai dari rasio kemandirian,
rasio efektivitas, rasio desentralisasi fiskal, dan rasio pertumbuhan. Variabel bebas
Capital Employed (VACA), Value Added Human Capital (VAHU) dan Structural
Capital Value Added (STVA) yang diproyeksikan dengan Value Added
Intellectual Coefficient (VAICTM) dan ROGIC (Rate of Growth of Intellectual Capital) yaitu merupakan selisih IC tahun ke-t dengan IC tahun ke-t-1.
Objek penelitian pada penelitian ini, yaitu pemerintah Kabupaten/Kota di
Sumatera Utara. Data penelitian yang digunakan pada penelitian ini diperoleh dari
laporan APBD dan realisasi APBD Pemerintah Daerah Kabupaten/Kota Sumatera
Utara dalam kurun waktut lima tahun, yaitu dimulai dari tahun 2011 sampai
dengan tahun 2015 yang dipublikasikan melalui website resmi Direktorat Jenderal
Perimbangan Keuangan ( DPJK), yaitdan Badan Pusat Statistik
Provinsi Sumatera Utara dengan situs resmi
3.4 Definisi Operasional Variabel
Tabel 3.1
Definisi Operasional Variabel
Variabel Definisi Pengukuran Skala
Ukur
Intellectual Capital (X1)
Intellectual capital terdiri dari :
1. Value Added Capital Employed VACA (X1) merupakan rasio yang menunjukkan kontribusi yang dibuat oleh setiap unit dari physical capital
(CA) terhadap value
added . 2. Value Added
Human Capital (VAHU)
(X2) merupakan pendapatan – Biaya-biaya (kecuali biaya pegawai) CA (Capital Employed)= Dana yang tersedia (laba bersih , ekuitas)
VAHU = ����������
������������
30
Lanjutan Tabel 3.1
Variabel Definisi Pengukuran Skala
Ukur untuk menghasilkan 1 rupiah dari VA dan merupakan indikasi bagaimana SC dalam penciptaan nilai.
VA (Value Added)= Total pendapatan – Biaya-biaya (kecuali biaya pegawai)
HC (Human Capital)= Biaya Pegawai
STVA = �����������������
����������
SC (Structural Capital)= VA – HC
VA (Value Added)= Total pendapatan
Merupakan selisih IC tahun ke-t dengan IC tahun ke-t-1. Asumsi yang mendasari perhitungan ROGIC adalah
jika IC mempengaruhi
kinerja keuangan masa
depan maka logikanya
rata-rata pertumbuhan IC
(rate of growth of
intellectual capital) juga
akan mempunyai
pengaruh dengan kinerja keuangan masa depan .
ROGIC= VAICt – VAICt-1
Lanjutan Tabel 6.1
Variabel Definisi Pengukuran Skala Ukur
Kinerja
Realisasi Pendapatan Asli Daerah (PAD)
Target Penerimaan Pendapatan Asli Daerah yang ditetapkan
berdasarkan pada Potensi Riil Daerah
Rasio
3.5 Populasi dan Sampel Penelitian 3.5.1 Populasi
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 (Sugiyono, 2012, p. 115).
Populasi dalam penelitian ini adalah seluruh Pemerintah Kabupaten/Kota di
Provinsi Sumatera Utara selama berjumlah 33, terdiri dari 25 Kabupaten dan 8
Kota. Penelitian ini menggunakan data sekunder dari laporan APBD dan
Realisasi APBD Pemerintah Kabupaten/Kota yang telah diaudit oleh DJPK untuk
32
dan dan Badan Pusat Statistik Provinsi Sumatera Utara dengan
situs resmi
3.5.2 Sampel
Sampel adalah bagian dari jumlah atau karakteristik yang dimiliki oleh
populasi tersebut (Sugiyono, 2012, p. 116). Dalam penelitian ini digunakan
metode populasi sasaran. Metode populasi sasaran adalah metode pemilihan
sampel dengan mempertimbangkan kriteria tertentu, menurut ciri-ciri khusus yang
dimiliki oleh populasi tersebut. Kriteria yang ditentukan dalam pemilihan sampel
adalah kabupaten dan kota Provinsi Sumatera Utara yang mempublikasikan
Laporan Realisasi APBD dalam situs Departemen Keuangan Republik Indonesia
Direktorat Jenderal Perimbangan Keuangan (www.djpk.depkeu.go.id), dan Badan
Pusat Statistik (www.bps.co.id)
Berdasarkan kriteria di atas, maka jumlah sampel yang digunakan dalam
penelitian ini adalah sebanyak 22 kabupaten/kota. Berikut merupakan Tabel 3.2
yang menyajikan kriteria pengambilan sampel serta jumlah sampel yang
memenuhi kriteria untuk digunakan dalam penelitian.
Tabel 3.2
Kriteria Pengambilan Sampel
No Kriteria Pemilihan Jumlah Sampel
1 Kabupaten dan Kota yang ada di Provinsi Sumatera Utara selama periode 2011-2015
33
2 Kabupaten dan kota Provinsi Sumatera Utara yang tidak mempublikasikan Laporan Realisasi APBD periode 2010-2014 dalam situs Departemen Keuangan Republik Indonesia Direktorat Jenderal Perimbangan Keuangan
(www.djpk.depkeu.go.id) dan Badan Pusat Statistik
(11)
Berdasarkan Tabel 3.2 diatas mengenai kriteria sampel penelitian, dapat
dilihat bahwa terdapat 11 kabupaten/kota yang tidak yang tidak mempublikasikan
Laporan Realisasi APBD secara lengkap selama periode 2011-2015 sesuai kriteria
yang ditetapkan oleh peneliti maka jumlah sampel yang digunakan dalam
penelitian ini adalah sebanyak 22 kabupaten/kota. Sampel yang akan digunakan
dalam penelitian ini disajikan dalam Tabel 3.3 berikut :
Tabel 3.3 Sampel Penelitian
Sumber: Direktorat Jenderal Perimbangan Keuangan
3.6 Jenis Data dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif,
yaitu data yang berwujud angka-angka (Ridwan, 2010, p. 106). Sumber data yang
digunakan adalah data sekunder. Data tersebut diperoleh dari buku-buku referensi,
literatur ilmiah lainnya yang berkaitan dengan topik pembahasan penelitian dan
diperoleh dari laporan APBD dan Realisasi APBD tahunan Kabupaten/Kota di
No Nama Kabupaen/Kota
1 Kabupaten Asahan
2 Kabupaten Dairi
3 Kabupaten Deli Serdang 4 Kabupaten Tapanuli Tengah 5 Kabupaten Mandailing Natal
6 Kabupaten Simalungun
7 Kabupaten Tapanuli Selatan
8 Kabupaten Padang Lawas
9 Kabupaten Humbang Hasundutan
10 Kabupaten Samosir
11 Kabupaten Tanah Karo
12 Kabupaten Labuhan Batu
13 Kabupaten Toba Samosir
14 Kabupaten Pakpak Barat
15 Kota Medan
16 Kabupaten Labuhan Batu Utara
17 Kota Padangsidempuan
18 Kota Pematang Siantar 19 Kota Sibolga
20 Kota Tanjung Balai 21 Kota Binjai
34
Sumatera Utara tahun 2011-2015 melalui webite resmi Direktorat Jenderal
Perimbangan Keuangan (DJPK) di
Provinsi Sumatera Utara dengan situs resmi www.bps.sumut.co.id.
3.7 Metode Pengumpulan Data
Metode pengumpulan data pada penelitian ini adalah studi dokumentasi.
Studi dokumentasi merupakan teknik pengumpulan data dengan cara
mengumpulkan dan mempelajari data dari buku-buku, jurnal penelitian, majalah
dan internet yang memiliki relevan dengan penelitian.
3.8 Teknik Analisis Data
Data-data yang diperoleh akan diolah menggunakan program software
Eviews dengan menggunakan alat statistik deskriptif dan regresi linear sederhana
yang terdiri dari dua variabel dependen (Y1 dan Y2) dan dua variabel independen (X1 dan X2).
3.8.1 Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi mengenai suatu data
yang dilihat dari nilai rata-rata (mean), standar deviasi, maksimum, minimum
(Gozali, 2009). Statistik deskriptif digunakan untuk memberikan gambaran variabel
intellectual capital dan kinerja keuangan.
3.8.2 Analisis Regresi Linear Sederhana
Untuk mengetahui bagaimana pengaruh kedua variabel, peneliti
menggunakan teknik analisis regresi linear sederhana. Analisis ini digunakan
untuk mempelajari bentuk hubungan yang ada diantara variabel-variabel yang
melalui variabel independen. Analisis ini juga dapat digunakan untuk
memutuskan apakah naik atau turunnya variabel dependen dapat dilakukan
dengan menaikkan atau menurunkan variabel independen. Persamaan umum
analisis regresi linear sederhana menurut (Sugiyono, 2012, p. 188)adalah sebagai
berikut :
Y1 = a + bX1 Y2 = a + bX1 Y3 = a + bX2
Model persamaan pada penelitian ini adalah regresi sederhana. Model
persamaannya adalah sebagai berikut:
Y1 = a + b1X1it + e + ………(1) Y2 (Yt+1) = a + b1X1it+ e + ………(2) Y3 (Yt+1) = a+ b2X2it +e + ……….(3) Keterangan:
Y1 = Kinerja Keuangan
Y2 dan Y3 = Kinerja Keuangan Masa Depan
a = Konstanta.
b1, b2, = Koefisien regresi variabel independen. X1 = Intellectual Capital
X2 = ROGIC (Rate of Growth of Intellectual Capital) e = error term
i = Kabupaten dan Kota
36
3.9 Pengujian Asumsi Klasik
Dengan menggunakan analisis regresi, maka ada beberapa uji asumsi yang
harus dipenuhi agar persamaan regresi dalam penelitian valid dan layak untuk
digunakan. Uji asumsi tersebut disebut dengan uji asumsi klasik.
3.9.1 Uji Multikolinearitas
Menurut (Ghozali, 2012) “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 tolerance < 0,10 atau sama dengan nilai VIF > 10.
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.
3.9.2 Uji Autokorelasi
Menurut Ghozali (2012:110) ”uji autokorelasi bertujuan menguji apakah
dalam model regresi linear ada korelasi antara kesalahan pengganggu pada
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 nilai
statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3
diindikasi terjadi autokorelasi (Field, 2009, pp. 220-221).
3.9.3 Uji Heteroskedastisitas
Menurut (Gozali, Aplikasi Analisis Multivariate dengan Program IBM
SPSS 20, 2012, p. 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
38
3.10 Pengujian Hipotesis
3.10.1 Koefisien Determinasi (R2)
Koefisien determinasi adalah koefisien nilai yang menunjukan besarnya
variasi variabel terikat (dependent variable) yang dipengaruhi oleh variasi
variabel bebas (independent variable). Pengukuran besarnya persentase kebenaran
dari uji regresi tersebutu dapat dilihat melalui nilai koefisien determinasi multiple
R2 (koefisien determinan mengukur proporsi dari variasi yang dapat dijelaskan oleh variabel bebas). Apabila nilai R2 suatu regresi (mendekati satu), maka semakin baik regresi tersebut dan semakin mendekati nol, maka variabel
independen secara keseluruhan tidak bisa menjelaskan variabel dependen.
Adjusted R Square ini digunakan untuk melihat berapa besar pengaruh
faktor-faktor yang ditimbulkan oleh variabel bebas terhadap variabel terikat.
3.10.2 Uji-F (Uji Serempak)
Uji-F menunjukkan apakah semua variabel independen atau bebas yang
dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap
variabel dependen (terikat).
H0:b1=b2=b3=b4=0, artinya secara bersama-sama variabel bebas (VACA, VAHU, STVA, ROGIC) berpengaruh tidak signifikan terhadap variabel terikat (Kinerja
Keuangan dan Kinerja Keuangan Masa Depan)
H1:b1≠b2≠b3=b4=0, artinya secara bersama-sama variabel bebas (VACA, VAHU, STVA, ROGIC) berpengaruh signifikan terhadap variabel terikat (Kinerja
Keuangan dan Kinerja Keuangan Masa Depan)
H0 diterima jika Fhitung ≤ Ftabel pada α = 5% H1diterima jika Fhitung > Ftabel pada α = 5% .
3.10.3 Uji-t (Uji Signifikansi Parsial)
Uji ini digunakan untuk mengetahui pengaruh satu variabel independen
secara parsial terhadap variabel dependen. Bentuk pengujiannya adalah sebagai
berikut :
H0:bi= 0, artinya secara parsial variabel bebas (Intellectual Capital dan ROGIC) berpengaruh tidak signifikan terhadap variabel terikat (Kinerja Keuangan dan
Kinerja Keuangan Masa Depan).
H1:bi ≠ 0, artinya secara parsial variabel bebas (Intellectual Capital dan ROGIC) berpengaruh signifikan terhadap variabel terikat (Kinerja Keuangan dan Kinerja
Keuangan Masa Depan).
Pengujian menggunakan uji-t dengan tingkat pengujian pada α =5%
derajat kebebasan (degree of freedom) atau df= (n-k).
Kriteria pengambilan keputusan:
H0 diterima jika t-tabel ≤ t-hitung ≤ t-tabel pada α= 5%
40
BAB IV
HASIL DAN PEMBAHASAN
4.1 Gambaran Umum Objek Penelitian
Wilayah Provinsi Sumatera Utara sebagian besar berada di daratan Pulau
Sumatera, selebihnya berada di kepulauan yang meliputi Pulau Nias, Kepulauan
Batu-batu, serta pulau-pulau kecil lainnya di bagian barat dan timur Pulau
Sumatera. Berdasarkan letak geografis, Provinsi Sumatera Utar berada di bagian
barat Indonesia, dengan letak astronomis berada pada garis 1°-4° Lintang Utara
dan 98°-100° Bujur Timur. Provinsi Sumatera Utara terbagi menjadi 25 kabupaten
dan 8 kota yang terdiri dari 440 kecamaatan dan 6.008 desa/kelurahan, dengan
luas daratan mencapai 72.981,23 km2. Kabupaten Langkat memiliki wilayah
terluas di Sumatera Utara yaitu 6.262,00 km2, atau sekitar 8,40 persen. Kabupaten
Mandailing Natal memiliki luas wilayah terbesar kedua yaitu sebesar 6.134,00
km2. Sedangkan luas daerah terkecil yaitu Kota Tebing Tinggi yaitu 31,00 km2,
atau sekitar 0,04 persen dari total luas daratan Sumatera Utara.
Dalam penelitian ini mengambil sampel penelitian hanya pada
kota/kabupaten yang ada di provinsi Sumatera Utara. Terdiri dari 22 daerah
kota/kabupaten. Berikut ini gambaran umum objek peneltian adalah sebagai
berikut :
1. Kabupaten Asahan
Berdasarkan keputusan DPRD-GR Tk. II Asahan No. 3/DPR-GR/1963
Tanggal 16 Pebruari 1963 diusulkan ibukota Kabupaten Asahan dipindahkan
Kotamadya Tanjung Balai lebih dapat mengembangkan diri dan juga letak
Kota Kisaran lebih strategis untuk wilayah Asahan. Hal ini baru teralisasi
pada tanggal 20 Mei 1968 yang diperkuat dengan peraturan pemerintah
Nomor 19 Tahun 1980,Lembaran Negara Tahun 1980 Nomor 28,Tambahan
Negara Nomor 3166.Pada tahun 1982, Kota Kisaran ditetapkan menjadi Kota
Administratif berdasarkan Peraturan Pemerintah Nomor 17 Tahun 1982,
Lembaran Negara Nomor 26 Tahun 1982.
2. Kabupaten Deli Serdang
Kabupaten Deli Serdang sebagai bagian dari wilayah pantai timur Provinsi
Sumatera Utara terletak diantara 20 57 Lintang Utara dan 30 16 Lintang
Selatan dan 98033-99027 Bujur Timur dengan luas wilayah 2.497.72km2
atau 3,48% luas Propinsi Sumatera Utara. Sesuai dengan dikeluarkan UU
Nomor 36 Tahun 2003 tanggal 18 Desember 2003, Kabupaten Deli Serdang
telah dimekarkan menjadi dua wilayah yakni Kabupaten Deli Serdang dan
Kabupaten Serdang Bedagai, secara administratif Pemerintah Kabupaten Deli
Serdang kini terdiri atas 22 Kecamatan yang di dalamnya terdapat 14
Kelurahan dan 380 Desa.
3. Kabupaten Dairi
Mengawali berlakunya Otonomi Daerah Kabupaten Dairi telah diresmikan
secara definitive pembentukan 2 (dua) kecamatan baru tersebut yaitu
Kecamatan Lae Parira yang diresmikan Bupati Dairi pada tanggal 13 Pebruari
2001 di Lae Parira (ibukota Kecamatan Lae Parira) dan Kecamatan Sitellu
42
(ibukota Kecamatan Sitellu Tali Urang Jehe). Wilayah Kabupaten Dairi
terbagi atas : 15 Kecamatan, 8 kelurahan dan 161 desa.
4. Kabupaten Mandailing Natal
Mandailing Natal juga sering disebut dengan Madina adalah sebuah
kabupaten di Provinsi Sumatera Utara, Indonesia. Dibentuk berdasarkan
Undang-undang Nomor 12 tahun 1998, secara formal diresmikan oleh
Menteri Dalam Negeri pada tanggal 9 Maret 1999. Kabupaten yang
ber-lbukota di Panyabungan ini terdiri dari 23 Kecamatan dan 407 desa/
kelurahan. Luas wilayah Kabupaten Mandailing Natal adalah 662.070 ha atau
9,24% dari wilayah Provinsi Sumatera Utara. Wilayah kecamatan yang
terluas adalah Kecamatan Muara Batang Gadis, yakni 143.502 ha (21,67%)
sedangkan wilayah yang terkecil yaitu Kecamatan Lembah Sorik Merapi
seluas 3.472,57 ha (0,52%).
5. Kabupaten Tanah Karo
Secara Geografis letak Kabupaten Karo berada diantara 2º50’–3º19’ Lintang
Utara dan 97º55’–98º38’ Bujur Timur dengan luas 2.127,25 Km2 atau 2,97
persen dari luas Propinsi Sumatera Utara. Tanah Karo terbentuk sebagai
Kabupaten Daerah Tingkat II setelah melalui proses yang sangat panjang dan
dalam perjalanan sejarahnya Kabupaten ini telah mengalami perubahan mulai
dari zaman penjajahan Belanda, zaman penjajahan Jepang hingga zaman
6. Kabupaten Simalungun
Kabupaten Simalungun terletak antara 2,36° – 3,18° LU dan 98,32° – 99,35°
BT, berada pada ketinggian 20 – 1.400 m diatas permukaan laut. Kabupaten
Simalungun dengan luas 4.386,60 Km² atau 6,12% dari luas wilayah Propinsi
Sumatera Utara terdiri dari 31 Kecamatan, 343 desa /nagori dan 24 Kelurahan
dengan jarak rata-rata ibukota kecamatan ke ibukota kabupaten antara 13 km
s/d 97 km.
7. Kabupaten Tapanuli Selatan
Kabupaten Tapanuli Selatan adalah sebuah
kabupaten yang amat besar dan beribukota di
daerah yang telah berpisah dari Kabupaten Tapanuli Selatan adalah
Mandailing Natal, Kota Padang Sidempuan, Padang Lawas Utara dan Padang
Lawas Selatan. Setelah pemekaran, ibukota kabupaten ini pindah ke
Kabupaten Tapanuli Selatan terdiri dari 14 kecamatan.
8. Kabupaten Tapanuli Tengah
Kabupaten Tapanuli Tengah adalah salah satu kabupaten di Provinsi
Sumatera Utara yang terletak di Kawasan Barat Pulau Sumatera, dengan
wilayah sebagian merupakan pulau-pulau kecil di Samudera Hindia. Ibukota
Kabupaten Tapanuli Tengah adalah Pandan. Kabupaten Tapanuli Tengah
terdiri atas 20 (dua puluh) kecamatan, 30 (tiga puluh) kelurahan dan 147
44
Tapanuli Tengah Nomor 19 Tahun 2007 maka ditetapkan Hari Jadi
Kabupaten Tapanuli Tengah adalah tanggal 24 Agustus 1945.
9. Kabupaten Tapanuli Utara
Jumlah kecamatan di Kabupaten Tapanuli Utara menjadi 15 kecamatan.
Kecamatan yang masih tetap dalam Kabupaten Tapanuli Utara yaitu
Kecamatan Parmonangan, Kecamatan Adiankoting, Kecamatan Sipoholon,
Kecamatan Tarutung, Kecamatan Siata Barita, Kecamatan Pahae Jae,
Kecamatan Purbatua, Kecamatan Simangumban, Kecamatan Pahae Julu,
Kecamatan Pangaribuan, Kecamatan Garoga, Kecamatan Sipahutar,
Kecamatan Siborong-Borong, Kecamatan Pagaran, Kecamatan Muara.
10. Kabupaten Humbang Hasundutan
Luas Kabupaten Humbang Hasundutan adalah 251.765,93 Ha. Terdiri dari 10
(sepuluh) Kecamatan, 153 (seratus lima puluh tiga) Desa dan 1 (satu)
Kelurahan, yaitu Kecamatan Pakkat, Kecamatan Onanganjang, Kecamatan
Sijamapolang, Kecamatan Lintongnihuta, Kecamatan Paranginan, Kecamatan
Doloksanggul, Kecamatan Pollung, Kecamatan Parlilitan, Kecamatan
Tarabintang dan Kecamatan Baktiraja.. Kabupaten Humbang Hasundutan
diresmikan oleh Menteri Dalam Negeri RI pada 28 Juli 2003.
11. Kabupaten Samosir
Kabupaten Samosir adalah kabupaten yang baru dimekarkan dari Kabupaten
Desember 2003 tentang Pembentukan Kabupaten Samosir dan
berada di
tepat pada punggung pegununga
12. Kabupaten Labuhan Batu
Kabupaten Labuhan Batu adalah salah sat
Sejak 24 Juni 2008, jumlah kecamatan di kabupaten Labuhanbatu berkurang
dengan adanya pemekaran dari kabupaten ini, yaitu melalui pembentukan
dibentuknya Kabupaten Labuhanbatu Utara dan Kabupaten Labuhanbatu
Selatan, maka jumlah kecamatan di kabupaten ini menjadi 9 kecamatan.
13. Kabupaten Toba Samosir
Kabupaten ini dibentuk berdasarkan Undang-Undang Nomor 12 Tahun 1998
tentang pembentukan Kabupaten Daerah Tingkat II Toba Samosir dan
Kabupaten Toba Samosir ini merupakan pemekaran dari daerah tingkat II
pada ta
231 desa dan 13 kelurahan. Kecamata
jumlah desa/kelurahan terbanyak, yaitu 35 desa/kelurahan. Sedangkan
Kecamat
46
14. Kota Binjai
Binjai adalah salah satu
dalam wilayah provinsi
sebelah barat ibukota provinsi Sumatera Utara
kotamadya, Binjai adalah ibukota
dipindahkan ke
Langkat di sebelah barat dan utara sert
timur dan selatan.
15. Kota Medan
Luas Kota Medan adalah sekitar 26.510 hektar atau setara dengan 265,10
km². Dengan kata lain, Kota Medan memiliki wilayah 3,6% dari keseluruhan
administratif, Medan terdiri atas 151 kelurahan dan 21 kecamatan.
16. Kota Padangsidimpuan
Sejak tanggal
2001, Kota Padang Sidimpuan ditetapkan sebagai Daerah Otonom dan
merupakan hasil penggabungan dari Kecamatan Padang Sidimpuan Utara,
Kecamatan Padang Sidimpuan Selatan, Kecamatan Padang Sidimpuan
Batunadua, Kecamatan Padang Sidimpuan Hutaimbaru, dan Kecamatan
Padang Sidimpuan Tenggara yang sebelumnya masuk wilaya
17. Kota Pematang Siantar
Kota Pematangsiantar (sering disingkat Siantar saja) adalah salah sat
2 dan
berpenduduk sebanyak 240.787 jiwa (2010). Berdasarkan UU No.1/ 1957
berubah menjadi Kota Praja Penuh dan dengan keluarnya Undang-undang
No.18/ 1965 berubah menjadi Kota, dan dengan keluarnya Undang-undang
No. 5/ 1974 tentang-Pokok-pokok Pemerintahan di Daerah berubah menjadi
Kota Daerah Tingkat II Pematangsiantar sampai sekarang.
18. Kota Sibolga
Kota ini hanya memiliki luas ±10,77 km² dan berpenduduk sekitar 84.481
jiwa. Pada mResidentie
Tapanuli. Setelah masa kemerdekaan hingga tahun 1998, Sibolga menjadi
kotamadya Sibolga.Undang-Undang Nomor: 18 tahun 1956 Daerah
Swatantra Tingkat II Kotapraja Sibolga diganti sebutannya menjadi Daerah
Tingkat II Kota Sibolga yang pengaturannya selanjutnya ditentukan oleh
Undang-Undang Nomor 5 Tahun 1974 tentang Pokok-Pokok Pemerintahan
Daerah yang dipimpin oleh Walikota sebagai Kepala Daerah. Kemudian
hingga sekarang Sibolga merupakan Daerah Otonom Tingkat II yang
48
19. Kota Tanjung Balai
Sejak kemerdekaan Republik Indonesia, keberadaan Kota Tanjungbalai
sebagai daerah otonom ditetapkan berdasarkan Undang – Undang Nomor 9
Darurat Tahun 1956 (LN Tahun 1956 Nomor 60, TLN Nomor 1092) tentang
Pembentukan Daerah Otonom Kota – Kota Kecil dalam Lingkungan Daerah
Provinsi Sumatera Utara, nama Gementee Tanjungbalai diganti dengan Kota
Kecil Tanjungbalai. Sebelum Kota Tanjungbalai diperluas dari hanya 199 ha
(2 km²) menjadi 60,52 km², kota ini pernah menjadi kota terpadat di
kepadatan penduduk lebih kurang 20.000 jiwa per km². Akhirnya Kota
Tanjungbalai diperluas menjadi ± 60 Km² dengan terbitnya Peraturan
Pemerintah Republik Indonesia No. 20 Tahun 1987, tentang perubahan batas
wilayah Kota Tanjungbalai da
20. Kabupaten Padanglawas
Kabupaten Padang Lawas adalah kabupaten di Provinsi
Republik Indonesia Nomor: 38 Tahun 2007, tepatnya pada tanggal
21. Kabupaten Labuhan Batu Selatan
Kabupaten Labuhanbatu Selatan (Labusel) yang beribukota di Kota Pinang,
pemerintahan Preside
22. Kabupaten Labuhan Batu Utara
Kabupaten Labuhanbatu Utara adalah kabupaten yang baru dimekarkan dari
2008 pada
semasa pemerintahan Preside
kabupaten ini terletak di
4.2 Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk mengetahui deskripsi suatu
data yang dilihat dari nilai maksimum, nilai minimum, nilai rata-rata (mean), dan
nilai standar deviasi. Dalam penelitian ini, variabel yang digunakan dalam
perhitungan statistik deskriptif adalah Intellectual Capital, ROGIC, dan kinerja
kuangan masa sekarang. Berdasarkan analisis statistik deskriptif diperoleh
50
Tabel 4.1
Statistik Deskriptif dari Intellectual Capital ROGIC, dan Kinerja Keuangan
KINERJAKEUA
NGAN IC ROGIC
Mean 0.612023 8.983063 17.94002
Median 0.602484 11.96630 13.32006
Maximum 7.122306 390.3027 526.1157
Minimum 0.027132 -339.7235 -543.2194
Std. Dev. 0.671640 86.26625 111.3281
Observations 110 110 110
Sumber: Hasil Olah software Eviews (2017)
4.2.1.1 Variabel Independen 1. Intellectual Capital
Tabel 4.1 memperlihatkan bahwa nilai rata-rata Intellectual Capital adalah
8.983063 dengan standar deviasi 86.26625. Nilai terendah (minimum)
Intellectual Capital adalah -339.7235 yang dimiliki oleh Kabupaten Tapanuli
Utara pada tahun 2015 dan nilai tertinggi (maximum) adalah 390.3027
sebesar yang dimiliki oleh Kabupaten Toba Samosir pada tahun 2012
(Data terlampir).
2. Rate of Growth of Intellectual Capital (ROGIC)
Tabel 4.1 memperlihatkan bahwa nilai rata-rata adalah Rate of Growth of
Intellectual Capital (ROGIC) adalah 17.94002 dengan standar deviasi
111.3281. Nilai terendah (minimum) ROGIC adalah -543.2194 yang dimiliki
oleh Kabupeten Deli Serdang pada tahun 2014 dan nilai tertinggi
(maximum) (ROGIC) 526.1157 adalah sebesar yang dimiliki oleh
4.2.1.2 Variabel Dependen
Tabel 4.1 memperlihatkan bahwa nilai rata-rata Kinerja Keuangan adalah
0.612023 dengan standar deviasi 0.671640 . Nilai terendah (minimum) adalah
0.027132 yang dimiliki oleh Kabupaten Tapanuli Utara pada tahun 2015 dan nilai
tertinggi (maximum) 7.122306 sebesar yang dimiliki oleh Kabupaten Pakpak
Barat tahun 2012 (Data terlampir).
4.2.2 Uji Asumsi Klasik 4.2.2.1 Uji Normalitas
Dalam penelitian ini, uji normalitas terhadap residual dengan
menggunakan uji Jarque-Bera (J-B). Didalam penelitian ini data sudah di
transformasi dengan menggunakan transformsi SQRT. Dalam penelitian ini,
tingkat signifikansi yang digunakan � = 0,05. Dasar pengambilan keputusan
adalah melihat angka probabilitas dari statistik J-B, dengan ketentuan sebagai
berikut.
Jika nilai probabilitas �≥ 0,05, maka asumsi normalitas terpenuhi.
Jika probabilitas < 0,05, maka asumsi normalitas tidak terpenuhi.
Sumber: Hasil Olah software Eviews (2017)
Gambar 4.1
52
Perhatikan bahwa berdasarkan Gambar 4.1, diketahui nilai probabilitas dari
statistik J-B adalah 0,00000. Karena nilai probabilitas �, yakni 0,00000 lebih kecil
dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas
tidak dipenuhi (data berdistribusi secara tidak normal). Untuk menormalkan data
tersebut dilakukan transformasi data dalam bentuk SQRT, sehingga diperoleh
hasil sebagai berikut:
Gambar 4.2
Uji Normalitas dengan Uji Jarque-Bera Setelah Transformasi – Model 1
Berdasarkan Gambar 4.2, diketahui nilai probabilitas dari statistik J-B
dilihat nilai probabilitas �, yakni 0,572954 lebih besar dibandingkan tingkat
signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas dipenuhi.
Gambar 4.3
Uji Normalitas dengan Uji Jarque-Bera – Model 2 0 Skewness 0.186438 Kurtosis 2.677515 Jarque-Bera 1.113899 Skewness 7.739798 Kurtosis 68.73016
Perhatikan bahwa berdasarkan Gambar 4.3, diketahui nilai probabilitas dari
statistik J-B adalah 0.00000. Karena nilai probabilitas �, yakni 0.00000 lebih kecil
dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas
tidak dipenuhi (data berdistribusi secara tidak normal). Untuk menormalkan data
tersebut dilakukan transformasi data dalam bentuk SQRT, sehingga diperoleh
hasil sebagai berikut:
Gambar 4.4
Uji Normalitas dengan Uji Jarque-Bera Setelah Transformasi – Model 2
Berdasarkan Gambar 4.4, diketahui nilai probabilitas dari statistik J-B
dilihat nilai probabilitas �, yakni 0,702901 lebih besar dibandingkan tingkat
signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas dipenuhi.
Gambar 4.5
Uji Normalitas dengan Uji Jarque-Bera – Model 3 0 Skewness 0.166091 Kurtosis 2.713731 Jarque-Bera 0.705079 Skewness 7.779008 Kurtosis 69.25963
54
Perhatikan bahwa berdasarkan Gambar 4.5 diketahui nilai probabilitas dari
statistik J-B adalah 0.0000. Karena nilai probabilitas �, yakni 0.00000 lebih kecil
dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas
tidak dipenuhi (data berdistribusi secara tidak normal). Untuk menormalkan data
tersebut dilakukan transformasi data dalam bentuk SQRT, sehingga diperoleh
hasil sebagai berikut:
Gambar 4.6
Uji Normalitas dengan Uji Jarque-Bera Setelah Transformasi – Model 3
Berdasarkan Gambar 4.6, diketahui nilai probabilitas dari statistik J-B
dilihat nilai probabilitas �, yakni 0,138273 lebih besar dibandingkan tingkat
signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas dipenuhi.
4.2.2.2 Uji Multikolinearitas
Dalam penelitian ini, gejala multikolinearitas dapat dilihat dari nilai
korelasi antar variabel yang terdapat dalam matriks korelasi. Ghozali (2013)
menyatakan jika antar variabel independen ada korelasi yang cukup tinggi, yakni
di atas 0,9, maka hal ini merupakan indikasi adanya multikolinearitas. Hasil uji
multikolinearitas disajikan pada Tabel 4.2.
Tabel 4.2
Uji Multikolinearitas – Model 1, 2, 3
VARIABEL
INTELLECTUAL
CAPITAL (X1) ROGIC (X2)
INTELLECTUAL CAPITAL 1.000000 -0.120378
ROGIC -0.120378 1.000000
Sumber: Hasil Olah software Eviews (2017)
Berdasarkan Tabel 4.2, dapat dilihat bahwa korelasi antara Intellectual
Capital dengan ROGIC adalah -0.120378. Dari hasil pengujian multikolinearitas
pada Tabel 4.2 dapat disimpulkan bahwa tidak terdapat gejala multikolinearitas
antar variabel independen. Hal ini karena nilai korelasi antar variabel independen
tidak lebih dari 0,9 (Ghozali, 2013:105).
4.2.2.3 Uji Autokorelasi
Asumsi mengenai independensi terhadap residual (non-autokorelasi) dapat
diuji dengan menggunakan uji Durbin-Watson (Field, 2009:220). Nilai statistik
dari uji Durbin-Watson berkisar di antara 0 dan 4. Field (2009:220) menyatakan
sebagai berikut.
“Specifically, it (Durbin-Watson) tests whether adjacent residuals are
correlated. The test statistic can vary between 0 dan 4 with a value 2
meaning that the residuals are uncorrelated".
Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih
besar dari 3 diindikasi terjadi autokorelasi. Field (2009:220-221) menyatakan
sebagai berikut.
“The size of the Durbin-Watson statistic depends upon the number of
predictors in the model and the number of observations. For accuracy,
56
(1951) original paper. As very conservative rule of thumb, values less then
1 or greater than 3 are definitely cause for concern; however, values
closer to 2 may stil be problematic depending on your sample and model”.
Tabel 4.3 Uji Autokorelasi dengan Uji Durbin-Watson
Variavel Dependen Durbin-Watson Interval Kesimpulan
Kinerja Keuangan 2.001498 1 sampai dengan 3 Bebas gejala auto
Kinerja Keuangan
Masa Depan 2.220183
1 sampai dengan 3 Bebas gejala auto
Kinerja Keuangan
Masa Depan 2.234725
1 sampai dengan 3 Bebas gejala auto
Sumber: Hasil Olah Software Eviews (2017)
Berdasarkan Tabel 4.3, nilai dari statistik Durbin-Watson pada model 1, 2
dan 3 secara berturut-turut adalah 2.001498, 2.220183, dan 2.234725. Nilai
statistik Durbin-Watson terletak di antara 1 dan 3, maka asumsi non-autokorelasi
terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang tinggi pada
residual.
4.2.2.4 Uji Heteroskedastisitas
Menurut (Gujarati, 2012) Deteksi ada tidaknya heteroskedastisitas dapat
dilakukan dengan uji Breusch-Pagan dan berikut hasil uji Breusch-Pagan.
Tabel 4.4
Hasil Uji Heteroskedastisitas (Uji Breusch-Pagan) Model 1
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic 0.483185 Prob. F(1,108) 0.4885
Obs*R-squared 0.489941 Prob. Chi-Square(1) 0.4840
Scaled explained SS 2.233682 Prob. Chi-Square(1) 0.1350
Sumber: Hasil Olah Software Eviews (2017)
Diketahui nilai Prob Obs*R-Squared adalah 0.489941 > 0,05, yang berarti tidak
Tabel 4.5
Hasil Uji Heteroskedastisitas (Uji Breusch-Pagan) Model 2
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic 0.218925 Prob. F(1,86) 0.6410
Obs*R-squared 0.223447 Prob. Chi-Square(1) 0.6364
Scaled explained SS 0.242496 Prob. Chi-Square(1) 0.6224
Sumber : Hasil Olahan Eviews (2017)
Diketahui nilai Prob Obs*R-Squared adalah 0.223447 > 0,05, yang berarti tidak
terjadi heteroskedastisitas.
Tabel 4.6
Hasil Uji Heteroskedastisitas (Uji Breusch-Pagan) Model 3
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic 0.411484 Prob. F(1,86) 0.5229
Obs*R-squared 0.419048 Prob. Chi-Square(1) 0.5174
Scaled explained SS 5.097613 Prob. Chi-Square(1) 0.0240
Sumber : Hasil Olahan Eviews (2017)
Diketahui nilai Prob Obs*R-Squared adalah 0.419048 > 0,05, yang berarti tidak
terjadi heteroskedastisitas.
4.2.3 Regresi Linear Sederhana
Untuk mengetahui bagaimana pengaruh kedua variabel, peneliti
menggunakan teknik analisis regresi linear sederhana. Analisis ini digunakan
untuk mempelajari bentuk hubungan yang ada diantara variabel-variabel yang
terlibat, sehingga dapat diketahui bagaimana variabel dependen dapat diprediksi
melalui variabel independen. Analisis ini juga dapat digunakan untuk
58
dengan menaikkan atau menurunkan variabel independen. Berdasarkan analisis
regresi sedederhana diperoleh gambaran sebagai berikut :
4.2.3.1 Model 1
Tabel 4.7
Pengujian Regresi Sederhana Model 1
Test Equation:
Variable Coefficient Std. Error t-Statistic Prob.
IC 0.028037 0.012908 2.171996 0.0320
C -0.002483 0.003572 -0.695115 0.4885
R-squared 0.004454 Mean dependent var 0.020065
Adjusted
R-squared 0.004764 S.D. dependent var 0.061994
F-statistic 0.483185 Durbin-Watson stat 2.074413
Prob(F-statistic) 0.032076
Sumber : Hasil Olahan Eviews (2017)
4.2.3.2 Model 2
Tabel 4.8
Pengujian Regresi Sederhana Model 2
Dependent Variable: KinerjaKeuangan_MasaDepan Method: Least Squares
Date: 04/15/17 Time: 02:31 Sample: 1 88
Included observations: 88
Variable Coefficient Std. Error t-Statistic Prob.
IC 0.024780 0.011985 2.067556 0.0417
C 0.639320 0.045286 14.11734 0.0000
R-squared 0.047353 Mean dependent var 0.723181
Adjusted R-squared 0.036276 S.D. dependent var 0.192464
F-statistic 4.274789 Durbin-Watson stat 2.220183
Prob(F-statistic) 0.041687
4.2.3.3 Model 3
Tabel 4.9
Pengujian Regresi Sederhana Model 3
Dependent Variable: KINERJA_MASADEPAN? Method: Pooled Least Squares
Date: 04/02/17 Time: 01:19 Sample: 2011 2014
Included observations: 4 Cross-sections included: 22
Total pool (balanced) observations: 88
Variable Coefficient Std. Error t-Statistic Prob.
ROGIC? -0.154938 0.046887 -3.304467 0.0014
C 725.7178 21.13030 34.34489 0.0000
R-squared 0.112666 Mean dependent var 656.4393
Adjusted R-squared 0.102348 S.D. dependent var 26.10936
S.E. of regression 24.73718 Akaike info criterion 9.276957
Sum squared resid 52625.83 Schwarz criterion 9.333260
Log likelihood -406.1861 Hannan-Quinn criter. 9.299640
F-statistic 10.91950 Durbin-Watson stat 1.799067
Prob(F-statistic) 0.001389
Sumber : Hasil Olahan Eviews 7.0 (2017)
4.2.4 Pengujian Hipotesis
4.2.4.1 Pengujian Hipotesis - Model 1
Uji hipotesis model 1 bertujuan untuk mengetahui pengaruh variabel bebas
X1 (Intellectual Capital), X2 (ROGIC), terhadap variabel terikat Y (Kinerja Keuangan). Dari Tabel 4.7 dapat kita lihat uji serempak dan uji simultan nya,
yaitu :
1. Uji Signifikansi Parsial (Uji t)
Uji Parsial dilakukan untuk melihat signifikansi pengaruh secara parsial
60
pengaruh paling besar diantara variabel independen terhadap variabel
dependen. Bentuk pengujiannya sebagai berikut:
1. jika nilai probabilitas ≤ 0,05 maka H 1 diterima H0 ditolak, artinya secara parsial terdapat pengaruh yang signifikan.
2. jika nilai probabilitas ≥ 0,05 maka H 1 ditolak H0 diterima, artinya secara parsial terdapat pengaruh yang tidak signifikan.
Tabel 4.10 Uji Signifikansi Parsial
Variable Coefficient Std. Error t-Statistic Prob.
IC 0.028037 0.012908 2.171996 0.0320
C -0.002483 0.003572 -0.695115 0.4885
Sumber : Hasil Olahan Eviews (2017)
Dari hasil estimasi regresi pada Tabel 4.10 dapat dilihat nilai parsial
variabel independen adalah Intellectual Capital berpengaruh secara positif dan
signifikan terhadap Kinerja Keuangan. Hal ini terlihat dari nilai signifikasi 0.0320
< 0.05. . Dengan demikian H1 diterima dan H0 ditolak.
Dari Tabel 4.10 maka rumus persamaan regresi pada model 1 adalah
sebagai berikut:
Kinerja Keuangan= -0.002483 + 0.028037 +e
Dari persamaan regresi sederhana tersebut dapat disimpulkan beberapa hal
berikut:
1. Konstanta sebesar −0.002483 artinya jika seluruh variabel independen
bernilai 0, maka Kinerja Keuangan sebesar −0.002483
dianggap konstan maka Kinerja Keuangan akan mengalami penurunan
sebesar 0.028037.
2. Uji Pengaruh Serempak (Uji F)
Uji F digunakan untuk menguji seberapa besar pengaruh secara simultan
variabel independen yaitu Intellectual Capital secara bersama terhadap variabel
dependen yaitu kinerja keuangan masa depan. H1 diterima apabila probabilitas F lebih kecil dari 0,05 (F < 0,05). Berikut Tabel F statistik hasil perhitungan analisis
data panel.
Tabel 4.11
Uji Pengaruh Serempak
R-squared 0.004454 Mean dependent var 0.020065
Adjusted R-squared 0.004764 S.D. dependent var 0.061994
S.E. of regression 0.062141 Akaike info criterion -2.700795
Sum squared resid 0.417048 Schwarz criterion -2.651695
Log likelihood 150.5437 Hannan-Quinn criter. -2.680879
F-statistic 0.483185 Durbin-Watson stat 2.074413
Prob(F-statistic) 0.032076
Sumber : Hasil Olahan Eviews (2017)
Pada Tabel 4.11 nilai statistik F dapat dilihat dari nilai probabilitas F sebesar
0.0320. Dengan nilai probabilitas F yang lebih kecil dari 0,05 (F < 0,05), maka
pengaruh variabel secara serempak dikatakan signifikan, H1 diterima dan H0 ditolak. Sehingga dapat disimpulkan bahwa Intellectual Capital berpengaruh
signifikan terhadap Kinerja Keuangan pada Kabupaten dan Kota di Provinsi
Sumatera Utara periode 2011-2015.
3. Uji Determinasi R2
62
Bila nilai R2 mendekati 0 maka pengaruh variabel independen terhadap dependen semakin lemah. Sedangkan Bila nilai R2 mendekati 1 maka pengaruh variabel independen terhadap dependen semakin kuat. Semakin tinggi nilai Adjusted R2 maka semakin tinggi pula kemampuan variabel independen menjelaskan variabel
dependen.
Tabel 4.11 memperlihatkan bahwa nilai Adjusted R-squared= 0.004764 ,
hal ini berarti besarnya pengaruh serentak (simultan) dari ketiga variabel bebas X1 (VACA), X2 (VAHU), dan X3 (STVA) terhadap variabel terikat Y (Kinerja Keuangan) adalah sebesar = 0.004764 x 100% = 0.047%. Dengan kata lain,
sebesar 0.047% kinerja keuangan dapat dijelaskan oleh X1 (Intellectual Capital) pada Pemerintah Daerah Kabupaten dan Kota di Provinsi Sumatera Utara.
4.2.4.2 Pengujian Hipotesis - Model 2 1. Uji Signifikansi Parsial (Uji t)
Tabel 4.12 Uji Signifikansi Parsial
Variable Coefficient Std. Error t-Statistic Prob.
IC 0.024780 0.011985 2.067556 0.0417
C 0.639320 0.045286 14.11734 0.0000
Sumber : Hasil Olahan Eviews (2017)
Dari hasil estimasi regresi pada Tabel 4.12 dapat dilihat nilai parsial
variabel independen adalah Intellectual Capital berpengaruh secara positif dan
signifikan terhadap Kinerja Keuangan Masa Depan. Hal ini terlihat dari nilai
Dari Tabel 4.12 maka rumus persamaan regresi pada model 1 adalah
sebagai berikut:
Kinerja Keuangan Masa Depan = 0.639320 + 0.024780 IC +e
Dari persamaan regresi sederhana tersebut dapat disimpulkan beberapa hal
berikut:
1. Konstanta sebesar 0.639320 artinya jika seluruh variabel independen bernilai
0, maka Kinerja Keuangan Masa Depansebesar 0.639320.
2. Koefisien regresi Intellectual Capital (b1) sebesar artinya 0.024780 jika + 0.024780 mengalami kenaikan sebesar 1% dan variabel lain dianggap konstan
maka Kinerja Keuangan akan mengalami penurunan sebesar 0.024780
2. Uji Pengaruh Serempak (Uji F) Tabel 4.13
Uji Pengaruh Serempak (Uji F)
R-squared 0.047353 Mean dependent var 0.723181
Adjusted R-squared 0.036276 S.D. dependent var 0.192464
S.E. of regression 0.188941 Akaike info criterion -0.472303
Sum squared resid 3.070077 Schwarz criterion -0.415999
Log likelihood 22.78131 Hannan-Quinn criter. -0.449619
F-statistic 4.274789 Durbin-Watson stat 2.220183
Prob(F-statistic) 0.041687
Sumber : Hasil Olahan Eviews (2017)
Pada Tabel 4.13 nilai statistik F dapat dilihat dari nilai probabilitas F
sebesar 0.041687. Dengan nilai probabilitas F yang lebih kecil dari 0,05 (F <
0,05), maka pengaruh variabel secara serempak dikatakan signifikan H1 diterima dan Ho ditolak. Sehingga dapat disimpulkan bahwa Intellectual Capital berpengaruh signifikan terhadap Kinerja Keuangan Masa Depan pada Kabupaten
64
3. Uji Determinasi R2
Tabel 4.13 memperlihatkan bahwa nilai Adjusted R-squared= 0.036276 ,
hal ini berarti besarnya pengaruh serentak (simultan) dari ketiga variabel bebas X1 (VACA), X2 (VAHU), dan X3 (STVA) terhadap variabel terikat Y1 (ROA) adalah sebesar 0.036276 x 100% = 3.62%. Dengan kata lain, sebesar 3.62% kinerja
keuangan masa depan dapat dijelaskan oleh X1 (Intellectual Capital) pada Pemerintah Daerah Kabupaten/Kota di Pronvinsi Sumatera Utara.
4.2.4.3 Pengujian Hipotesis - Model 3 1) Uji Signifikansi Parsial (Uji t)
Tabel 4.14 Uji Signifikansi Parsial
Variable Coefficient Std. Error t-Statistic Prob.
\
ROGIC? -0.154938 0.046887 -3.304467 0.0014
C 725.7178 21.13030 34.34489 0.0000
Sumber: Hasil Olah Software Eviews (2017)
Dari hasil estimasi regresi pada Tabel 4.12 dapat dilihat nilai parsial
variabel independen adalah Intellectual Capital berpengaruh secara positif dan
signifikan terhadap Kinerja Keuangan Masa Depan. Hal ini terlihat dari nilai
signifikasi 0.0014 < 0.05. . Dengan demikian H1 dierima dan H0 ditolak.
Dari Tabel 4.12 maka rumus persamaan regresi pada model 1 adalah
sebagai berikut:
Kinerja Keuangan Masa Depan = 725.7178 -0.154938 ROGIC +e
Dari persamaan regresi sederhana tersebut dapat disimpulkan beberapa hal
1. Konstanta sebesar 725.7178 artinya jika seluruh variabel independen bernilai
0, maka Kinerja Keuangan Masa Depansebesar 725.7178 .
2. Koefisien regresi Intellectual Capital (b1) sebesar artinya -0.154938 jika mengalami penurunan sebesar 1% dan variabel lain dianggap konstan maka
Kinerja Keuangan akan mengalami penurunan sebesar 0.154938
Kinerja Keuangan Masa Depan= 725.7178 - 0.154938 ROGIC + e
2) Uji Pengaruh Serempak (Uji F) Tabel 4.15
Uji Pengaruh Serempak
R-squared 0.112666 Mean dependent var 656.4393
Adjusted R-squared 0.102348 S.D. dependent var 26.10936
S.E. of regression 24.73718 Akaike info criterion 9.276957
Sum squared resid 52625.83 Schwarz criterion 9.333260
Log likelihood -406.1861 Hannan-Quinn criter. 9.299640
F-statistic 10.91950 Durbin-Watson stat 1.799067
Prob(F-statistic) 0.001389
Sumber: Hasil Olah Software Eviews (2017)
Pada Tabel 4.15 nilai statistik F dapat dilihat dari nilai probabilitas F sebesar
0.001389. Dengan nilai probabilitas F yang lebih kecil dari 0,05 (F < 0,05), maka
pengaruh variabel secara serempak dikatakan signifikan H1 diterima Ho ditolak. Sehingga dapat disimpulkan bahwa Rate of Growth of Intellectual Capital
(ROGIC) berpengaruh signifikan terhadap Kinerja Keuangan Masa Depan pada
Kabupaten dan Kota di Provinsi Sumatera Utara periode 2011-2015.
3) Uji Determinasi R2
Tabel 4.22 memperlihatkan bahwa nilai Adjusted R-squared= 0.102348 ,
66
sebesar 0.102348 x 100% = 10.2%. Dengan kata lain, sebesar 10.2% kinerja
keuangan dapat dijelaskan oleh ROGIC (X4) pada Pemerintah Daerah Kabupaten/Kota di Sumatera Utara.
4.3 Pembahasan
Berdasarkan hasil penelitian yang didapatkan lewat berbagai pengujian
tersebut di atas, dapat diinterpretasikan bahwa pengaruh variabel independen dan
dependen adalah sebagai berikut:
1. Pengaruh Intellectual Capital terhadap kinerja keuangan masa sekarang pada
Pemerintah Kabupaten dan Kota di Provinsi Sumatera Utara baik secara
parsial maupun simultan menunjukan bahwa Intellectual Capital berpengaruh
terhadap kinerja keuangan daerah pada Pemerintah Kabupaten dan Kota di
Provinsi Sumatera Utara. Sesuai dengan Knowledge Based Theory yang
menyatakan bahwa pengetahuan adalah salah satu sumber daya yang harus
dikelola agar memperoleh keunggulan kompetitif. Hal ini menunjukkan
bahwa nilai tambah (value added) yang dapat diperoleh daerah dari dana
yang dikeluarkan untuk karyawan atau tenaga kerja telah maksimal.
Komposisi PAD yang sebagian besar berasal dari retribusi menunjukkan
bahwa Pemerintah Daerah mendapatkan sebuah sumber pendapatan dengan
hasil yang besar. Tan et al., (2007) dalam (Ulum, Gozali, & Chariri, 2008)
menyatakan bahwa IC mempunyai pengaruh positif terhadap kinerja
keuangan perusahaan.Hal ini tidak sejalan dengan penelitian (Raharjo, 2009)
berpengaruh signifikan terhadap Kinerja Keuangan yang diukur dengan
Rasio efektivitas.
2. Pengaruh Intellectual Capital terhadap kinerja keuangan masa depan pada
Pemerintah Kabupaten dan Kota di Provinsi Sumatera Utara baik secara
parsial maupun simultan menunjukan bahwa Intellectual Capital berpengaruh
terhadap kinerja keuangan masa depan pada. Pemerintah Kabupaten dan Kota
di Provinsi Sumatera Utara. IC tidak hanya berpengaruh secara positif
terhadap kinerja perusahaan tahun berjalan, bahkan IC juga dapat
memprediksi kinerja keuangan masa depan (Chen, Cheng, & Hwang, 2005)
dalam (Ulum, Gozali, & Chariri, 2008). Hal ini tidak sejalan dengan
penelitian (Raharjo, 2009) yang menyatakan bahwa Intellectual Capital
secara simultan dan parsial tidak berpengaruh signifikan terhadap Kinerja
Keuangan Masa Depan yang diukur dengan Rasio efektivitas.
3. Pengaruh Rate of Growth of Intellectual Capital (ROGIC) terhadap kinerja
keuangan masa depan pada Pemerintah Kabupaten dan Kota di Provinsi
Sumatera Utara baik secara parsial maupun simultan menunjukan bahwa
Intellectual Capital berpengaruh terhadap kinerja keuangan masa depan pada
Pemerintah Kabupaten dan Kota di Provinsi Sumatera Utara. Hasil yang
didapatkan tersebut mengindikasikan bahwa Pemerintah Daerah mampu
memanfaatkan IC dalam organisasinya untuk memenuhi target PAD yang
telah dicanangkan. IC dapat dimanfaatkan secara maksimal oleh Pemerintah
Daerah di Sumatera Utara untuk mendorong pertumbuhan ekonomi di daerah
68
memiliki kinerja masa depan yang lebih baik, maka logikanya rata-rata
pertumbuhan dari IC (rate of growth of intellectual capital) juga akan
memilki hubungan positif dengan kinerja keuangan masa depan (Tan et al.,
2007 dalam (Ulum, Gozali, & Chariri, 2008). Komposisi PAD yang sebagian
besar berasal dari retribusi menunjukkan bahwa Pemerintah Daerah
mendapatkan sebuah sumber pendapatan dengan hasil yang besar. Hasil
penelitian ini tidak sejalan dengan penelitian (Raharjo, 2009) yang
menyatakan bahwa secara simultan Rate of Growth of Intellectual Capital
(ROGIC) tidak berpengaruh signifikan terhadap Kinerja Keuangan yang
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil penelitian dan analisis data tentang pengaruh
Intellectual Capital terhadap Kinerja Keuangan pada Kabupaten/Kota di Sumatera
Utara, dapat ditarik beberapa kesimpulan antara lain :
1. Secara simultan dan parsial hasil pengujian variabel Intellectual Capital
berpengaruh signifikan terhadap Kinerja Keuangan pada Kabupaten dan Kota
di Provinsi Sumatera Utara.
2. Secara simultan dan parsial hasil pengujian variable Intellectual Capital
berpengaruh signifikan terhadap Kinerja Keuangan Masa Depan pada
Kabupaten dan Kota di Provinsi Sumatera Utara.
3. Hasil pengujian secara simultan dan parsial Rate of Growth of Intellectual
Capital berpengaruh signifikan terhadap Kinerja Keuangan Masa Depan pada
Kabupaten dan Kota di Provinis Sumatera Utara.
5.2 Saran
Mengingat hasil penelitian tentang analisis pengaruh Intellectual Capital
terhadap Kinerja Keuangan pada Kabupaten dan Kota di Sumatera Utara belum
memberikan hasil maksimal, maka dengan ini disampaikan saran saran sebagai
berikut
1 Untuk penelitian selanjutnya mungkin dapat dipertimbangkan untuk memilih
sampel organisasi sektor publik yang lebih bersifat profit -oriented dan
70
bursa efek yang dalam hal ini adalah BUMD atau BUMN. Model VAIC
memang lebih mudah digunakan pada organisasi-organisasi yang tidak
bersifat profit-oriented hal ini dikarenakan metode VAIC menyediakan
perhitungan yang mudah dan data yang diperlukan hanyalah laporan keuangan
histories auditan. Namun kelemahan metode ini adalah penggunaan data historis
untuk pengukuran intellectual capital mungkin dapat memberikan hasil yang
kurang relevan dan tidak dapat digunakan pada organisasi baru.
2 Pemerintah daerah Kabupaten dan Kota yang ada di Provinsi Sumatera Utara
dalam melaporkan APBD dan RAPBD harus secara lengkap agar para peneliti