perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
i
Analisis Komparatif dan Pengaruh Kinerja Intellectual Capital (IC)
Terhadap Kinerja Keuangan Perusahaaan Antara Industri Farmasi dan
Tekstil Pada Tahun 2008-2011
SKRIPSI
Diajukan Untuk Melengkapi Tugas-Tugas Dan Memenuhi Persyaratan
Guna Memperoleh Gelar S-1 Pada Jurusan
Manajemen Fakultas Ekonomi
Universitas Sebelas Maret Surakarta
DISUSUN OLEH:
OFAN JANUARTA
F0208100
FAKULTAS EKONOMI
UNIVERSITAS SEBELAS MARET
SURAKARTA
2013
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ii
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
iii
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
iv
HALAMAN MOTTO
· Hai orang-orang yang beriman, jika kamu menolong (agama) Allah,
niscaya Dia akan menolongmu dan meneguhkan kedudukanmu.
(QS.Muhammad:7) · Keluarga,sahabat dan teman adalah segalanya.
(Penulis)
· Manfaatkan waktu sebaik mungkin sebelum menyesal di kemudian hari.
(Penulis)
· Allah tahu apa yang kita butuhkan, jadi percayalah akan
KebesaranNya.
(Penulis)
· Saat kau terjatuh, segeralah bangkit dan jangan pernah menyerah,
yakinlah kau bisa.
(Penulis)
· “Barang siapa bertakwa kepada Allah niscaya Dia akan mengadakan
baginya jalan keluar (solusi).”
(QS. Ath Thalaq : 2)
· Bercita-citalah setinggi langit, karena jika kau jatuh, kau akan terjatuh
diantara bintang-bintang.
( Ir. Soekarno)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
v
PERSEMBAHAN
Karya ini kupersembahakan kepada :
Allah S.W.T.
Ibuku dan Bapakku tercinta
Kakakku yang aku sayangi
Keluarga besarku
Teman-teman dan sahabatku
Istriku dan keturunanku kelak
Almamaterku
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
vi
KATA PENGANTAR
Assalamualaikum Wr. Wb.
Segala puji hanya bagi Allah SWT atas segala limpahan rahmat dan
kemudahan-Nya sehingga penulis bisa menyelesaikan skripsi yang berjudul
“Analisis Komparatif dan Pengaruh Kinerja Intellectual Capital (IC) Terhadap
Kinerja Keuangan Perusahaaan Antara Industri Farmasi dan Tekstil Pada Tahun
2008-2011”. Skripsi ini disusun untuk memenuhi salah satu syarat memperoleh
gelar Sarjana Ekonomi Fakultas Ekonomi Universitas Sebelas Maret Surakarta.
Dalam penyusunan skripsi ini, penulis sadar bahwa karya ini tidak akan
dapat terselesaikan tanpa bantuan dan dukungan dari berbagai pihak, baik berupa
bantuan, bimbingan serta saran dan kritik yang membangun. Oleh karena itulah
penulis ingin mengucapkan terima kasih kepada :
1. Bapak Dr. Wisnu Untoro, M.S., selaku Dekan Fakultas Ekonomi Universitas
Sebelas Maret Surakarta.
2. Ibu Dr. Hunik Sri Runing S., Msi., selaku Ketua Jurusan Manajeman.
3. Bapak Heru Agustanto, S.E., M.E., selaku pembimbing skripsi yang telah
meluangkan waktu, tenaga, dan pikiran dalam memberikan bimbingan,
pengarahan dan motivasi kepada penulis.
4. Bapak Drs. Suseno, M.M., selaku pembimbing akademik yang telah
memberikan bimbingan serta saran yang sangat berharga.
5. Bapak-Ibu dosen serta seluruh staf karyawan Fakultas Ekonomi Universitas
Sebelas Maret Surakarta.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
vii
6. Kepada Unit Pelayanan Pendidikan, Ibu Sarti dan Ibu Tetri yang telah
membantu aktivitas akademis selama masa perkuliahan.
7. Kepada Mbak Emi di IPOT perpus FE, terima kasih atas informasi dan
datanya.
8. Kepada kedua orang tua saya tercinta, Bapak Edi Haryono dan Ibu Tri Joto,
terima kasih atas semuanya Pak, Buk..maaf selalu merepotkan. Aku sayang
kalian.
9. Kepada kakak saya tercinta, Afip Agrianto, terima kasih atas saran dan
bimbingannya, walaupun kita jarang bertemu tapi doaku selalu ada agar kau
dan keluarga dapat hidup bahagia di perantauan.
10. Kepada kakakku Khusnul Khotimah dan keponakanku yang lucu Alvara
Kayyasha, terima kasih atas do’a dan sarannya selama ini. Kehadiran kalian
membuat keluarga kami menjadi lebih bahagia.
11. Kepada Pakde dan Mbak Devi serta Bulik Mus, terima kasih atas doanya.
12. Keluarga besar saya, terima kasih atas doa restunya dengan tulus ikhlas yang
senantiasa diberikan serta selalu memberi semangat dan motivasi dalam
perjalanan hidupku.
13. Kepada Candra Nata, terima kasih atas tumpangan kos nya, maaf ya kalau
sering merepotkan.
14. Kepada teman-teman di LIA, Vita, Mas Agung, Erwin, Ines, Vera, Irwan, Eka.
Ayo kumpul-kumpul lagi.
15. Teman-teman yang banyak membantu penulisan skripsi ini, Awan, Fatamoya,
Reza, Arya, Mbak Anin dan Eko Prasetyo.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
viii
16. Teman-teman manajemen keuangan angkatan 2008, Reza, Temon, Bayeg,
Hans, Dhermaga, Moya, Heppi & Awan dkk.. terima kasih sudah berjuang
bersama menghadapi makul keuangan saat kuliah. Sukses buat kita semua,
kenangan bersama kalian takkan terlupakan. Khusus buat Reza, Temon, dan
Bayeg,..ayo Binggo meneh , hehehe.
17. Teman-teman Dele-dele kopong, Anton, Bani, Anjas, Reza,Aditya Gilang,
Nafis, Farih, Suroto, Awan, Viktor, Temon, Bayeg, kuliah menjadi tak
membosankan karena kalian. Ayo futsaaaalll lagii .
18. Teman-teman manajemen angkatan 2008, terima kasih sudah berjuang
bersama, saling mengisi ketika kuliah. Sukses buat kita semua.
19. Semua pihak yang telah membantu dan tidak dapat disebutkan satu persatu.
Penulis menyadari bahwa dalam penyusunan skripsi ini masih banyak
kekurangan, oleh karena itu kritik dan saran yang membangun sangat penulis
harapkan demi perbaikan skripsi ini.
Akhirnya penulis mengucapkan syukur alhamdulillah dan berharap semoga
skripsi ini dapat bermanfaat bagi kita semua. Aamiin.
Wassalamualaikum Wr. Wb.
Surakarta, 17 Desember 2012
Penulis
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ix
Analisis Komparatif dan Pengaruh Kinerja Intellectual Capital (IC)
Terhadap Kinerja Keuangan Perusahaaan Antara Industri Farmasi dan
Tekstil Pada Tahun 2008-2011
Ofan Januarta
F0208100
ABSTRAKSI
Tujuan dari penelitian ini adalah untuk mengetahui pengaruh serta membandingkan kinerja intellectual capital terhadap kinerja keuangan perusahaan antara industri farmasi dan tekstil di Indonesia. Kinerja intellectual capital diukur dengan menggunakan Value Added Intellectual Capital (VAIC) sedangkan kinerja keuangan diukur dengan asset turnover ratio (ATO), return on asset (ROA), return on equity (ROE) dan market to book value (MB).
Sampel dalam penelitian ini adalah 9 perusahaan farmasi dan 9 perusahaan
tekstil yang terdaftar di BEI selama 2008-2011. Teknik analisis data dalam penelitian ini menggunakan metode regresi linier berganda dimana hasil dari regresi masing-masing industri dipisahkan untuk menguji hipotesis. Hasil menunjukkan bahwa (VAIC) pada industri farmasi dan tekstil tidak berpengaruh secara signifikan terhadap ATO, ROE dan MB sehingga tidak dapat dijadikan tolok ukur untuk membandingkan kinerja intellectual capital di kedua industri tersebut. Akan tetapi VAIC berpengaruh signifikan terhadap Retun on Asset (ROA) dimana VAIC pada farmasi menghasilkan ROA yang lebih tinggi dibandingkan dengan tekstil. Hasil dalam penelitian ini melibatkan physical capacity (PC), debt equity ratio (DER) dan natural log sales (SALES) sebagai variabel kontrol.
Kata kunci : Intellectual Capital, ATO, ROA, ROE dan MB
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
x
Comparative Analysis and Impact Performance of Intellectual Capital (IC) Against Firms Financial Performance Between the Pharmaceutical and
Textiles Industry In The Year 2008-2011
Ofan Januarta
F0208100
ABSTRACT
The purpose of this study was to determine the effect of intellectual capital as well as to compare the performance of the company's financial performance between pharmaceutical and textile industries in Indonesia. Intellectual capital performance is measured using Value Added Intellectual Capital (VAIC) while financial performance is measured by the asset turnover ratio (ATO), return on assets (ROA), return on equity (ROE) and market to book value (MB).
The sample in this study was 9 pharmaceutical companies and 9 of textile companies listed on the Indonesia Stock Exchange (IDX) during 2008-2011. Data analysis techniques in this study using multiple linear regression methods where the results of the regression of each industry is separated to test the hypothesis. The results show that (VAIC) in the pharmaceutical industry and the textile are not significantly influence the ATO, MB ROE and so can not be used as benchmarks to compare the performance of intellectual capital in the two industries. However, a significant effect VAIC retun on assets (ROA) which produces pharmaceutical VAIC on ROA higher than textiles. The results of this research involves the physical capacity (PC), debt equity ratio (DER) and the natural log sales (SALES) as control variables.
Keyword: Intellectual Capital, ATO, ROA, ROE and MB
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xi
DAFTAR ISI
HALAMAN JUDUL ................................................................................................. i
HALAMAN PERSETUJUAN PEMBIMBING ..................................................... ii
HALAMAN PENGESAHAN ................................................................................iii
HALAMAN MOTTO ............................................................................................. iv
HALAMAN PERSEMBAHAN .............................................................................. v
KATA PENGANTAR............................................................................................. vi
ABSTRAKSI ........................................................................................................... ix
ABSTRACT ................................................................................................................ x
DAFTAR ISI............................................................................................................ xi
DAFTAR TABEL ................................................................................................. xvi
DAFTAR GAMBAR ......................................................................................... xviii
BAB I PENDAHULUAN
A. Latar Belakang Masalah....................................................................................1
B. Perumusan Masalah…………………………………………………………...6
C. Tujuan Penelitian……………………………………………………………...7
D. Manfaat Penelitian…………………………………………………………….8
BAB II KAJIAN PUSTAKA A. Landasan Teori .................................................................................................... 9
1. Intellectual Capital ................................................................................. 9
2. Value Added Intellectual Capital (VAIC) ........................................... 11
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xii
3. Kinerja Keuangan .................................................................................. 13
B. Penelitian Terdahulu .......................................................................................... 15
C. Kerangka Pemikiran .......................................................................................... 18
D. Hipotesis............................................................................................................. 19
BAB III METODOLOGI PENELITIAN A. Variabel Penelitian ............................................................................................ 25
1. Variabel Independen .............................................................................. 25
2. Variabel Dependen ................................................................................ 28
3. Variabel Kontrol………………………………………….………….29
B. Populasi, Sampel, Teknik Pengambilan Sampel dan Data………………….30
1. Populasi dan Sampel………………………………………………....30
2. Teknik Pengambilan Sampel………………………………………....31
3. Jenis dan Sumber Data…………………….…………………………31
4. Metode Pengumpulan Data……………………………….………….32
C. Metode Analisis……………………………………………………………...32
1. Analisis Deskriptif Data…………………………………………….32
2. Uji Asumsi Klasik…………………………………………………...32
a. Uji Normalitas…………………………………………………...33
b. Uji Multikolonieritas…………………………………………….33
c. Uji Autokorelasi…………………………………………………34
d. Uji Heterokedastisitas…………………………………………...35
3. Uji Model (Goodness of Fit)………………………………………...36
a. Analisis Regresi………………………………………………….36
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xiii
b. Uji Hipotesis………………………………………………...….37
1) Koefisien Determinasi…………………………………...…..37
2) Uji Signifikansi Simultan (Uji Statistik F) .............................. 37
3) Uji Signifikansi Parameter Individual (Uji Statistik t) ........... 38
BAB IV HASIL DAN ANALISIS DATA A. Deskripsi Objek Penelitian………………………………………………….39
B. Analisis Deskriptif Data…………………………………………………….40
C. Analisis Data………………………………………………….......................43
1. Model 1……………………………………………………………...44
a. Uji Asumsi Klasik .................................................................................. 44
1) Uji Normalitas ...................................................................................... 44
2) Uji Multikolonieritas……………………………………………..…46
3) Uji Autokorelasi ................................................................................... 48
4) Uji Heterokedastisitas .......................................................................... 49
b. Uji Model (Goodness of Fit)…………………………………………50
1) Koefisien Determinasi .......................................................................... 50
2) Uji Signifikansi Simultan ( Uji F)…………………………………..51
3) Uji Signifikansi Parameter Individual ( Uji Statistik t)…………….52
2. Model 2…………..…………………………………………………..55
a.Uji Asumsi Klasik .................................................................................. 55
1) Uji Normalitas ..................................................................................... 55
2) Uji Multikolonieritas…………………………………..……………57
3) Uji Autokorelasi .................................................................................. 58
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xiv
4) Uji Heterokedastisitas ......................................................................... 60
b. Uji Model (Goodness of Fit)…………………………………………61
1) Koefisien Determinasi .......................................................................... 61
2) Uji Signifikansi Simultan ( Uji F)…………………………………..62
3) Uji Signifikansi Parameter Individual ( Uji Statistik t)……………..63
3. Model 3……………..………………………………………………..66
a. Uji Asumsi Klasik ................................................................................. 66
1) Uji Normalitas ...................................................................................... 66
2) Uji Multikolonieritas……………………………………...…………68
3) Uji Autokorelasi ................................................................................... 69
4) Uji Heterokedastisitas .......................................................................... 71
b. Uji Model (Goodness of Fit)…………………………...……………72
1) Koefisien Determinasi………………………………………………72
2) Uji Signifikansi Simultan ( Uji F)…………………………………..73
3) Uji Signifikansi Parameter Individual ( Uji Statistik t)……….........74
4. Model 4……………………………………………………………...76
a. Uji Asumsi Klasik ................................................................................. 76
1) Uji Normalitas ...................................................................................... 76
2) Uji Multikolonieritas……………………...…………………………78
3) Uji Autokorelasi ................................................................................... 79
4) Uji Heterokedastisitas .......................................................................... 81
b. Uji Model (Goodness of Fit)………………………...………………82
1) Koefisien Determinasi .......................................................................... 82
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xv
2) Uji Signifikansi Simultan ( Uji F)…………………………..............83
3) Uji Signifikansi Parameter Individual ( Uji Statistik t)………….....84
D. Interpretasi Hasil……………………………………………………………87
BAB V PENUTUP A. Kesimpulan ........................................................................................................ 90
B. Keterbatasan…………….…………………………………………………..91
C. Saran…………………………….………………………………………..…92
DAFTAR PUSTAKA.......................................................................................93 LAMPIRAN......................................................................................................95
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xvi
DAFTAR TABEL
Tabel 3.1 Sampel perusahaan farmasi dan tekstil...............................................30
Tabel 4.1 Sampel perusahaan farmasi dan tekstil................................................. 40
Tabel 4.2 Hasil Uji Statistik Deskriptif Farmasi .................................................. 41
Tabel 4.3 Hasil Uji Statistik Deskriptif Tekstil .................................................... 41
Tabel 4.4 Hasil Uji Multikolonieritas Model 1Farmasi ....................................... 46
Tabel 4.5 Hasil Uji Multikolonieritas Model 1 Tekstil ........................................ 47
Tabel 4.6 Hasil Uji Autokolerasi Model 1 Farmasi ............................................. 48
Tabel 4.7 Hasil Uji Autokolerasi Model 1 Tekstil ............................................... 49
Tabel 4.8 Hasil Uji Koefisien Determinasi Model 1 Farmasi ............................. 50
Tabel 4.9 Hasil Uji Koefisien Determinasi Model 1 Tekstil ............................... 51
Tabel 4.10 Hasil Uji Signifikansi Simultan (Uji F) Model 1 Farmasi ................ 51
Tabel 4.11 Hasil Uji Signifikansi Simultan (Uji F) Model 1 Tekstil .................. 52
Tabel 4.12 Hasil Uji Regresi Linier (Uji t) Model 1 Farmasi.............................. 53
Tabel 4.13 Hasil Uji Regresi Linier (Uji t) Model 1 Tekstil ............................... 53
Tabel 4.14 Hasil Uji Multikolonieritas Model 2 Farmasi .................................... 57
Tabel 4.15 Hasil Uji Multikolonieritas Model 2 Tekstil ...................................... 58
Tabel 4.16 Hasil Uji Autokolerasi Model 2 Farmasi ........................................... 59
Tabel 4.17 Hasil Uji Autokolerasi Model 2 Tekstil ............................................. 59
Tabel 4.18 Hasil Uji Koefisien Determinasi Model 2 Farmasi ........................... 61
Tabel 4.19 Hasil Uji Koefisien Determinasi Model 2 Tekstil ............................. 61
Tabel 4.20 Hasil Uji Signifikansi Simultan (Uji F) Model 2 Farmasi ................ 62
Tabel 4.21 Hasil Uji Signifikansi Simultan (Uji F) Model 2 Tekstil .................. 62
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xvii
Tabel 4.22 Hasil Uji Regresi Linier (Uji t) Model 2 Farmasi.............................. 64
Tabel 4.23 Hasil Uji Regresi Linier (Uji t) Model 2 Tekstil ............................... 64
Tabel 4.24 Hasil Uji Multikolonieritas Model 3 Farmasi .................................... 68
Tabel 4.25 Hasil Uji Multikolonieritas Model 3 Tekstil ...................................... 69
Tabel 4.26 Hasil Uji Autokolerasi Model 3 Farmasi ........................................... 70
Tabel 4.27 Hasil Uji Autokolerasi Model 3 Tekstil ............................................. 70
Tabel 4.28 Hasil Uji Koefisien Determinasi Model 3 Farmasi ........................... 72
Tabel 4.29 Hasil Uji Koefisien Determinasi Model 3 Tekstil ............................. 72
Tabel 4.30 Hasil Uji Signifikansi Simultan (Uji F) Model 3 Farmasi ................ 73
Tabel 4.31 Hasil Uji Signifikansi Simultan (Uji F) Model 3 Tekstil .................. 73
Tabel 4.32 Hasil Uji Regresi Linier (Uji t) Model 3 Tekstil ............................... 75
Tabel 4.33 Hasil Uji Multikolonieritas Model 4 Farmasi .................................... 78
Tabel 4.34 Hasil Uji Multikolonieritas Model 4 Tekstil ...................................... 79
Tabel 4.35 Hasil Uji Autokolerasi Model 4 Farmasi ........................................... 80
Tabel 4.36 Hasil Uji Autokolerasi Model 4 Tekstil ............................................. 80
Tabel 4.37 Hasil Uji Koefisien Determinasi Model 4 Farmasi ........................... 82
Tabel 4.38 Hasil Uji Koefisien Determinasi Model 4 Tekstil ............................. 82
Tabel 4.39 Hasil Uji Signifikansi Simultan (Uji F) Model 4 Farmasi ................ 83
Tabel 4.40 Hasil Uji Signifikansi Simultan (Uji F) Model 4 Tekstil .................. 84
Tabel 4.41 Hasil Uji Regresi Linier (Uji t) Model 4 Farmasi.............................. 85
Tabel 4.42 Hasil Uji Regresi Linier (Uji t) Model 4 Tekstil ............................... 86
Tabel 4.43 Ringkasan Hasil Uji Hipotesis…………………………………...…89
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xviii
DAFTAR GAMBAR
Gambar 2.1 Kerangka Pemikiran........................................................................18
Gambar 4.1 Hasil Uji Normalitas Model 1Farmasi.............................................44
Gambar 4.2 Hasil Uji Normalitas Model 1Tekstil ............................................... 45
Gambar 4.3 Hasil Pengujian Heteroskedastisitas Farmasi - Model 1….............49
Gambar 4.4 Hasil Pengujian Heteroskedastisitas Tekstil - Model 1…...............50
Gambar 4.5 Hasil Uji Normalitas Model 2 Farmasi...........................….............55
Gambar 4.6 Hasil Uji Normalitas Model 2 Tekstil.............................….............56
Gambar 4.7 Hasil Pengujian Heteroskedastisitas Farmasi - Model 2….............60
Gambar 4.8 Hasil Pengujian Heteroskedastisitas Tekstil - Model 2…...............60
Gambar 4.9 Hasil Uji Normalitas Model 3 Farmasi...........................….............66
Gambar 4.10 Hasil Uji Normalitas Model 3 Tekstil...........................….............67
Gambar 4.11 Hasil Pengujian Heteroskedastisitas Farmasi - Model 3…............71
Gambar 4.12 Hasil Pengujian Heteroskedastisitas Tekstil - Model 3…..............71
Gambar 4.13 Hasil Uji Normalitas Model 4 Farmasi...........................…............76
Gambar 4.14 Hasil Uji Normalitas Model 4 Tekstil...........................…..............77
Gambar 4.15 Hasil Pengujian Heteroskedastisitas Farmasi - Model 4…............81
Gambar 4.16 Hasil Pengujian Heteroskedastisitas Tekstil - Model 4…..............81
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user i
Analisis Komparatif dan Pengaruh Kinerja Intellectual Capital (IC) Terhadap
Kinerja Keuangan Perusahaaan Antara Industri Farmasi dan Tekstil Pada
Tahun 2008-2011
Ofan Januarta
F0208100
ABSTRAKSI
Tujuan dari penelitian ini adalah untuk mengetahui pengaruh serta membandingkan kinerja intellectual capital terhadap kinerja keuangan perusahaan antara industri farmasi dan tekstil di Indonesia. Kinerja intellectual capital diukur dengan menggunakan Value Added Intellectual Capital (VAIC) sedangkan kinerja keuangan diukur dengan asset turnover ratio (ATO), return on asset (ROA), return on equity (ROE) dan market to book value (MB).
Sampel dalam penelitian ini adalah 9 perusahaan farmasi dan 9 perusahaan
tekstil yang terdaftar di BEI selama 2008-2011. Teknik analisis data dalam penelitian ini menggunakan metode regresi linier berganda dimana hasil dari regresi masing-masing industri dipisahkan untuk menguji hipotesis. Hasil menunjukkan bahwa (VAIC) pada industri farmasi dan tekstil tidak berpengaruh secara signifikan terhadap ATO, ROE dan MB sehingga tidak dapat dijadikan tolok ukur untuk membandingkan kinerja intellectual capital di kedua industri tersebut. Akan tetapi VAIC berpengaruh signifikan terhadap Retun on Asset (ROA) dimana VAIC pada farmasi menghasilkan ROA yang lebih tinggi dibandingkan dengan tekstil. Hasil dalam penelitian ini melibatkan physical capacity (PC), debt equity ratio (DER) dan natural log sales (SALES) sebagai variabel kontrol.
Kata kunci : Intellectual Capital, ATO, ROA, ROE dan MB
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user ii
Comparative Analysis and Impact Performance of Intellectual Capital (IC) Against Firms Financial Performance Between the Pharmaceutical and Textiles Industry
In The Year 2008-2011
Ofan Januarta
F0208100
ABSTRACT
The purpose of this study was to determine the effect of intellectual capital as well as to compare the performance of the company's financial performance between pharmaceutical and textile industries in Indonesia. Intellectual capital performance is measured using Value Added Intellectual Capital (VAIC) while financial performance is measured by the asset turnover ratio (ATO), return on assets (ROA), return on equity (ROE) and market to book value (MB).
The sample in this study was 9 pharmaceutical companies and 9 of textile companies listed on the Indonesia Stock Exchange (IDX) during 2008-2011. Data analysis techniques in this study using multiple linear regression methods where the results of the regression of each industry is separated to test the hypothesis. The results show that (VAIC) in the pharmaceutical industry and the textile are not significantly influence the ATO, MB ROE and so can not be used as benchmarks to compare the performance of intellectual capital in the two industries. However, a significant effect VAIC retun on assets (ROA) which produces pharmaceutical VAIC on ROA higher than textiles. The results of this research involves the physical capacity (PC), debt equity ratio (DER) and the natural log sales (SALES) as control variables.
Keyword: Intellectual Capital, ATO, ROA, ROE and MB
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
1
BAB I
PENDAHULUAN
A. Latar Belakang Masalah
Karam Pal dan Sushila (2012) menganalisis bahwa pertumbuhan
pengetahuan intensif perusahaan dalam perekonomian dunia serta sistem
pengukuran dan pelaporan modal intelektual perusahaan telah memperoleh
momentum. Laporan keuangan tradisional perusahaan selalu mencakup
sebagian besar aset berwujud sehingga mengabaikan aset tak
berwujud. Kesenjangan yang meningkat antara nilai pasar dan nilai buku
perusahaan membuat para peneliti ingin menguji kebenaran dibalik itu
semua. Kesenjangan ini sebagian besar hanya dapat dibenarkan dengan adanya
aktiva tidak berwujud (intangible asset) dari laporan keuangan perusahaan.
Kaufmann dan Schneider (2004) dalam Karam Pal dan Sushila (2012)
mengatakan bahwa tidak ada definisi standar untuk modal intelektual seperti itu
dan pembagian menjadi tiga kategori juga tidak cukup. Para peneliti telah
berusaha untuk mengkategorikan modal intelektual atas dasar kriteria yang
berbeda sehingga pengukurannya dapat dengan mudah dilakukan. Sawarjuwono
dan Kadir (2003) menjelaskan lebih lanjut bahwa implementasi modal
intelektual merupakan sesuatu yang masih baru, bukan saja di Indonesia tetapi
juga dilingkungan bisnis global, hanya beberapa negara maju saja yang telah
mulai untuk menerapkan konsep ini, contohnya Australia, Amerika dan negara-
negara Skandinavia.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
2
Miller et al (1999) dalam Karam Pal dan Sushila (2012), mengkategorikan
modal intelektual menjadi tiga komponen utama yaitu modal manusia, modal
struktural dan modal pelanggan. Dalam teori berbasis sumber daya, Villalonga
(2004) melakukan studi untuk menilai peran aset berwujud dalam
mempertahankan keunggulan kompetitif perusahaan. Hasil penelitian
menunjukkan bahwa meskipun memainkan peran penting, aset tidak berwujud
juga bisa mengunci perusahaan menjadi kelemahan persisten.
Menurut Bayu (2012), Di luar negeri sejak dulu intellectual capital (IC)
telah menjadi fokus utama manajemen perusahaan dalam mencapai misi dan
tujuan perusahaan. Sebagai contoh adalah negara Swiss dimana merupakan
negara yang terkenal dengan perusahaan-perusahaan penghasil coklat terbaik di
dunia, uniknya di negara ini tidak ada satupun laha pohon kakao penghasil
coklat, tetapi mereka mendatangkannya dari negara lain seperti Pantai Gading,
dan Ghana. Hal ini membuktikan bahwa sumber daya tidak berwujud dalam
pengertian intellectual capital (IC) adalah salah satu penentu keberhasilan suatu
perusahaan.
Menurut pengertian dari masing-masing karakteristik industri, industri
padat modal adalah industri yang menggunakan mesin-mesin produksi dalam
jumlah yang lebih besar dibandingkan dengan jumlah tenaga kerja, sedangkan
industri padat karya lebih banyak menggunakan atau memanfaatkan tenaga
manusia dibandingkan dengan tenaga mesin.
Sektor farmasi, industri pengetahuan dan padat modal ini merupakan
salah satu sektor yang paling disukai para peneliti dan sarjana untuk
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
3
mempelajari kinerja modal intelektual (Sharabati et al.,2010; Bollen et al.,2005
dalam Karam Pal dan Sushila Soriya ,2012). Sektor farmasi merupakan sektor
industri pengetahuan dan padat modal, oleh karena itu farmasi merupakan salah
satu sektor yang disukai peneliti untuk mempelajari efisiensi modal intelektual
di dalamnya. Di Indonesia, farmasi merupakan industri yang berkembang pesat.
Pertumbuhan pasar untuk famasi di Indonesia juga berkembang pesat dan
termasuk pasar terbesar di kawasan ASEAN. Keadaan ini tentu akan memiliki
dampak postif dengan pertumbuhan industri farmasi Indonesia di masa yang
akan datang.
Industri tekstil di Indonesia merupakan Industri yang berkembang pesat di
Indonesia. Banyak pengusaha baru yang bermunculan untuk berkiprah di dunia
tekstil ini. Industri tekstil di Indonesia setiap tahunnya mengalami kemajuan
yang pesat. Oleh karena itu Indonesia merupakan salah satu negara tekstil
terbaik. Hal ini dapat dilihat dengan munculnya produk-produk tekstil yang
beraneka ragam, salah satunya yang paling populer adalah kain batik.
Studi ini merupakan upaya untuk membandingkan dan menganalisis
efisiensi modal intelektual dalam industri farmasi dan tekstil. Industri farmasi
merupakan ekonomi baru dan Industri tekstil menandakan ekonomi lama di
India. Sektor-sektor ini membagi beberapa persamaan dan
perbedaan. Keduanya mewakili sektor manufaktur di India tetapi memiliki
berbagai jenis modal intelektual yang hadir di dalamnya. India dan Indonesia
memiliki persamaan yaitu sama-sama negara yang berkembang dalam sektor
ekonomi ,oleh karena itu peneliti ingin meneliti kinerja IC di Indonesia
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
4
khususnya pada industri farmasi dan tekstil. Sektor farmasi biasanya dianggap
sebagai sektor yang inovatif dan berpengetahuan yang intensif sedangkan sektor
tekstil dianggap sebagai sektor padat karya. Sangat menarik untuk menilai dan
membandingkan kedua sektor terkait kinerja modal intelektual di dalamnya.
Pengukuran modal intelektual sangat penting untuk mengetahui posisi keuangan
perusahaan (Karam Pal dan Sushila Soriya ,2012). Ada berbagai model yang
dikembangkan untuk mengukur Intellectual Capital (IC), antara lain :
1. Tobin’s Q oleh Tobin (1969).
2. EVA and MVA oleh Stewart (1991).
3. Skandia Navigator dikembangkan oleh Skandia (1994).
4. Calculated Intangible Value oleh Stewart (1995).
5. Balanced Scorecard oleh Kaplan dan Norton (1996).
6. The Intangible Asset Score Sheet oleh Sveiby (1997).
7. VAIC™ oleh Pulic (1998, 2000).
8. The Value Chain Scorecard oleh Lev (2001).
Perbandingan dari dua sektor farmasi dan tekstil untuk kinerja modal
intelektual dilakukan dengan menggunakan VAIC™ dan asosiasi modal
intelektual dengan indikator keuangan seperti turnover aset, pengembalian aset,
imbal hasil ekuitas dan nilai buku pasar dari perusahaan itu dinilai. Model
VAIC™ dipilih karena mudah untuk dihitung dan perbandingan efisiensi modal
intelektual antara perusahaan yang berbeda dalam industri yang berbeda dapat
dilakukan. Perhitungan didasarkan pada informasi yang dikumpulkan dari laporan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
5
keuangan perusahaan, yang mudah tersedia bagi siapa saja untuk pihak eksternal
perusahaan (Karam Pal dan Sushila Soriya ,2012).
Penelitian ini adalah replikasi dari penelitian sebelumnya yang dilakukan
oleh Karam Pal dan Sushila Soriya (2012) dengan judul “IC Performace of Indian
pharmaceutical and textile industry.” Penelitian tersebut merupakan studi
komparatif antara industri farmasi dan tekstil India sebagai pengganti kinerja
modal intelektual dan hubungannya dengan empat indikator keuangan untuk
jangka waktu sepuluh tahun yaitu dari 2000-2001 ke 2009-2010. Sampel yang
digunakan dalam penelitian ini adalah 105 perusahaan farmasi dan 102
perusahaan tekstil selama sepuluh tahun, yaitu pada periode tahun 2000-2010.
Penelitian ini membuat perbandingan kinerja modal intelektual (IC) antara
industri farmasi dan tekstil di India. Selanjutnya, penelitian ini mencoba
menginvestigasi hubungan antara efisiensi modal intelektual dengan kinerja
keuangan dan penilaian pasar.
Berdasarkan penelitian sebelumnya yang telah dilakukan oleh Karam Pal
dan Sushila Soriya (2012) maka penelitian ini mengambil empat indikator
keuangan yaitu ATO, ROA, ROE dan MB sebagai variabel yang akan di teliti.
Produktivitas (ATO) didapat dari pendapatan (penjualan) dibagi dengan total aset
yang menunjukkan semakin tinggi perputaran berarti semakin efisien dalam
penggunaan aktiva perusahaan. Hal ini mempengaruhi laba bersih yang
berdampak pada profitabilitas dan return on equity perusahaaan, yaitu semakin
tinggi produktivitas perusahaan maka profitabilitas dan return on equity juga akan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
6
meningkat, begitu pula sebaliknya jika produktivitas turun maka profitabilitas dan
return on equity juga akan menurun.
Imaningati (2007) menjelaskan bahwa Market to Book Value (MB)
bertujuan untuk mengukur seberapa jauh selisih antara nilai pasar perusahaan
dengan nilai bukunya. Jika selisih antara nilai pasar dengan nilai buku perusahaan
terlalu jauh (cukup signifikan), maka menandakan bahwa terdapat “hidden asset”
yang tidak tercantum dalam laporan keuangan perusahaan. Nilai buku perusahaan
dapat ditingkatkan dengan melakukan berbagai efisiensi yang dapat meningkatkan
pendapatan dan menurunkan biaya perusahaan dengan pemanfaatan sumber daya
yang dimiliki perusahaan seefisien dan semaksimal mungkin (Imaningati, 2007).
Hal ini menunjukkan bahwa produktivitas, profitabilitas dan return on equity yang
semakin tinggi akan meningkatkan nilai MB.
Dengan demikian judul dari penelitian ini adalah “Analisis Komparatif dan
Pengaruh Kinerja Intellectual Capital (IC) Terhadap Kinerja Keuangan
Perusahaaan Antara Industri Farmasi dan Tekstil Pada Tahun 2008-2011.”
B. Perumusan Masalah
Berdasarkan uraian di atas maka peneliti memiliki perumusan masalah sebagai
berikut:
1. Apakah kinerja intellectual capital (IC) di perusahaan farmasi
menghasilkan produktivitas yang lebih tinggi dibandingkan dengan
perusahaan tekstil.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
7
2. Apakah kinerja intellectual capital (IC) di perusahaan farmasi
menghasilkan profitabilitas yang lebih tinggi dibandingkan dengan
perusahaan tekstil.
3. Apakah kinerja intellectual capital (IC) di perusahaan farmasi
menghasilkan return on equity yang lebih tinggi dibandingkan dengan
perusahaan tekstil.
4. Apakah kinerja intellectual capital (IC) di perusahaan farmasi
menghasilkan nilai pasar yang lebih tinggi dibandingkan dengan
perusahaan tekstil.
C. Tujuan Penelitian
Berdasarkan perumusan masalah di atas maka penelitian ini memliki tujuan
sebagai berikut:
1. Untuk membuktikan secara empiris bahwa kinerja intellectual capital
(IC) di perusahaan farmasi menghasilkan produktivitas yang lebih tinggi
dibandingkan dengan perusahaan tekstil.
2. Untuk membuktikan secara empiris bahwa kinerja intellectual capital
(IC) di perusahaan farmasi menghasilkan profitabilitas yang lebih tinggi
dibandingkan dengan perusahaan tekstil.
3. Untuk membuktikan secara empiris bahwa kinerja intellectual capital
(IC) di perusahaan farmasi menghasilkan return on equity yang lebih
tinggi dibandingkan dengan perusahaan tekstil.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
8
4. Untuk membuktikan secara empiris bahwa kinerja intellectual capital
(IC) di perusahaan farmasi menghasilkan nilai pasar yang lebih tinggi
dibandingkan dengan perusahaan tekstil.
D. Manfaat Penelitian
Dari penelitian yang dilakukan maka diharapkan dapat bermanfaat bagi
berbagai pihak, antara lain :
1. Bagi akademisi, penelitian ini dapat menjadi referensi bagi akademisi
terkait konsep atau teori yang dapat mendorong berkembangnya ilmu
pengetahuan tentang intellectual capital yang dapat bermanfaat di masa
mendatang khususnya yang berkaitan dengan pengaruh intellectual
capital terhadap kinerja keuangan perusahaan.
2. Bagi perusahaan, dapat memperluas pengetahuan manajer tentang
kinerja modal intelektual serta dampaknya terhadap kinerja keuangan
dan pasar dari perusahaan. Sehingga perusahaan dapat meningkatkan
produktivitas, profitabilitas, return on equity, serta nilai pasar dengan
pemanfaatan yang tepat dari modal intelektual tersebut.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
9
BAB II
KAJIAN PUSTAKA
A. Landasan Teori
1. Intellectual Capital (IC)
Intellectual Capital (IC) atau modal intelektual memiliki peran yang
sangat penting dan strategis di dalam perusahaan. Intellectual Capital, oleh
Nahapiet dan Ghoshal (1998) dalam Karam Pal dan Sushila Soriya (2012),
mengacu kepada pengetahuan dan kemampuan yang dimiliki oleh suatu
kolektivitas sosial, seperti sebuah organisasi, komunitas intelektual, atau
praktek profesional. Intellectual capital mewakili sumber daya yang bernilai
dan kemampuan untuk bertindak yang didasarkan pada pengetahuan.
Menurut Sawarjuwono dan Kadir (2003), Intellectual capital dapat
pula didefinisikan sebagai jumlah dari apa yang dihasilkan oleh tiga elemen
utama organisasi (human capital, structural capital, customer capital) yang
berkaitan dengan pengetahuan dan teknologi yang dapat memberikan nilai
lebih bagi perusahaan, yaitu berupa keunggulan bersaing organisasi. Banyak
para praktisi yang menyatakan bahwa intellectual capital terdiri dari tiga
elemen utama (Stewart 1998, Sveiby 1997, Saint-onge 1996, Bontis 2000
dalam Sawarjuwono dan Kadir 2003) yaitu :
a. Human Capital (modal manusia)
Menurut Sawarjuwono dan Kadir (2003), Human capital
merupakan lifeblood dalam modal intelektual. Disinilah sumber
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
10
innovation dan improvement, tetapi merupakan komponen yang sulit
untuk diukur. Human capital juga merupakan tempat bersumbernya
pengetahuan yang sangat berguna, keterampilan, dan kompetensi
dalam suatu organisasi atau perusahaan. Human capital mencerminkan
kemampuan kolektif perusahaan untuk menghasilkan solusi terbaik
berdasarkan pengetahuan yang dimiliki oleh orang-orang yang ada
dalam perusahaan tersebut. Human capital akan meningkat jika
perusahaan mampu menggunakan pengetahuan yang dimiliki oleh
karyawannya. Brinker (2000) dalam Sawarjuwono dan Kadir (2003),
memberikan beberapa karakteristik dasar yang dapat diukur dari modal
ini, yaitu training programs, credential, experience, competence,
recruitment, mentoring, learning programs, individual potential and
personality.
b. Structural Capital atau Organizational Capital (modal organisasi)
Sawarjuwono dan Kadir (2003) menjelaskan lebih lanjut bahwa
Structural capital merupakan kemampuan organisasi atau perusahaan
dalam memenuhi proses rutinitas perusahaan dan strukturnya yang
mendukung usaha karyawan untuk menghasilkan kinerja intelektual
yang optimal serta kinerja bisnis secara keseluruhan, misalnya: sistem
operasional perusahaan, proses manufakturing, budaya organisasi,
filosofi manajemen dan semua bentuk intellectual property yang
dimiliki perusahaan. Seorang individu dapat memiliki tingkat
intelektualitas yang tinggi, tetapi jika organisasi memiliki sistem dan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
11
prosedur yang buruk maka intellectual capital tidak dapat mencapai
kinerja secara optimal dan potensi yang ada tidak dapat dimanfaatkan
secara maksimal.
c. Relational Capital atau Customer Capital (modal pelanggan)
Sawarjuwono dan Kadir (2003) menjelaskan bahwa elemen ini
merupakan komponen modal intelektual yang memberikan nilai secara
nyata. Relational capital merupakan hubungan yang
harmonis/association network yang dimiliki oleh perusahaan dengan
para mitranya, baik yang berasal dari para pemasok yang andal dan
berkualitas, berasal dari pelanggan yang loyal dan merasa puas akan
pelayanan perusahaan yang bersangkutan, berasal dari hubungan
perusahaan dengan pemerintah maupun dengan masyarakat sekitar.
Relational capital dapat muncul dari berbagai bagian diluar
lingkungan perusahaan yang dapat menambah nilai bagi perusahaan
tersebut.
2. Value Added Intellectual Coefficient (VAIC™)
Value Added Intellectual Coefficient (VAIC™) dikembangkan oleh
Pulic Ante (1998,2000) sebagai indikator untuk mengukur efisiensi modal
intelektual. Hal ini dianggap sebagai model yang lebih baik dan sederhana
dibandingkan dengan yang lain untuk mengukur efisiensi modal intelektual
dan hasilnya berdasarkan laporan keuangan yang telah diaudit. Menurut nilai
total model VAIC™ organisasi adalah penjumlahan dari modal, modal
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
12
struktural dan modal manusia. Total nilai tambah adalah selisih dari output
dan input dalam organisasi dinyatakan dalam formula sebagai berikut:
Value Added = Output – Input
dimana output adalah produk dan jasa organisasi, sementara input adalah
semua biaya yang dikeluarkan dalam memproduksi produk atau jasa.
Menurut Ulum (2009) dalam Dhani (2012), pendekatan VAIC ini
relatif mudah dan sangat mungkin untuk dilakukan, karena dikonstruksi dari
akun-akun dalam laporan keuangan perusahaan (neraca, dan laba rugi).
Metode VAIC mengukur efisiensi tiga jenis input perusahaan yaitu:
a. Human Capital Efficiency (HCE) adalah indikator efisiensi nilai
tambah modal manusia. HCE merupakan rasio dari Value Added (VA)
terhadap Human Capital (HC). Hubungan ini mengindikasikan
kemampuan modal manusia membuat nilai pada sebuah perusahaan.
HCE dapat diartikan juga sebagai kemampuan perusahaan
menghasilkan nilai tambah setiap rupiah yang dikeluarkan pada modal
manusia. HCE menunjukkan berapa banyak Value Added (VA) yang
dapat dihasilkan dengan dana yang dikeluarkan untuk tenaga kerja
(Ulum, 2009).
b. Structural Capital Efficiency (SCE) adalah indikator efisiensi nilai
tambah modal struktural. SCE merupakan rasio dari SC terhadap VA.
Rasio ini mengukur jumlah SC yang dibutuhkan untuk menghasilkan
1 rupiah dari VA dan merupakan indikasi bagaimana keberhasilan SC
dalam penciptaan nilai (Ulum, 2009).
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
13
c. Capital Employed Efficiency (CEE) adalah indikator efisiensi nilai
tambah modal yang digunakan. CEE merupakan rasio dari VA
terhadap CE. CEE menggambarkan berapa banyak nilai tambah
perusahaan yang dihasilkan dari modal yang digunakan. Rasio ini
menunjukkan kontribusi yang dibuat oleh setiap unit dari CE terhadap
value added perusahaan (Ulum, 2009).
3. Kinerja Keuangan
Kinerja keuangan perusahaan dapat dilihat dari data-data yang diperolah
dari laporan keuangan perusahaan. Di dalam pengukuran kinerja keuangan
bermanfaat untuk memberikan informasi mengenai kondisi financial perusahaan
selama periode tertentu. Sumber informasi keuangan yang utama adalah laporan
keuangan tahunan yang terdiri dari neraca, laporan laba rugi, laporan arus kas, dan
penjelasan yang merupakan bagian integral dari laporan keuangan tersebut
(Munawir, 2008).
Informasi yang ada di dalam laporan keuangan dapat digunakan oleh
investor untuk memperoleh perkiraan tentang laba dan dividen di masa mendatang
dan risiko atas penilaian tersebut (Brighamm and Houston, 2006). Analisis rasio
sangat bermanfaat bagi manajemen untuk perusahaannya dan pengevaluasian
prestasi atau kinerja (performance) perusahaannya bila dibandingkan dengan rata-
rata industri (Munawir,2008).
Berikut adalah rasio-rasio keuangan yang akan diteliti di penelitian ini :
a. Return On Assets (ROA) : Merefleksikan seberapa banyak perusahaan
telah memperoleh hasil atas seluruh sumberdaya keuangan yang
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
14
ditanamkan pada perusahaan. ROA digunakan untuk mengukur
profitabilitas perusahaan.
b. Asset Turnover Ratio (ATO) : ATO digunakan untuk mengukur
produktivitas perusahaan dan penggunaan aset dalam menghasilkan
penjualan.
c. Return On Equity (ROE) : ROE merefleksikan seberapa banyak
perusahaan telah memperoleh hasil atas dana yang telah diinvestasikan
oleh pemegang saham (baik secara langsung atau laba yang ditahan).
Rasio ROE sangat menarik bagi pemegang saham maupun para calon
pemegang saham, dan juga bagi manajemen.
d. Market Book Value (MB) : MB adalah proksi yang digunakan untuk
mengukur nilai pasar perusahaan. merupakan rasio harga pasar suatu
saham terhadap nilai bukunya. Rata-rata 365 hari diambil, untuk
mewakili tahun tertentu dan menghindari efek hari tertentu terhadap
harga saham perusahaan. Rasio ini memberikan indikasi yang lain
tentang bagaimana investor memandang perusahaan. Investor akan lebih
tertarik untuk berinvestasi pada perusahaan dengan tingkat pengembalian
ekuitas yang relatif tinggi dibandingkan dengan perusahaan yang tingkat
pengembaliaannya rendah (Brigham, 2009). IC menjadi suatu metode
untuk mengungkapkan asset tersembunyi pada suatu perusahaan apabila
terdapat kesenjangan yang signifikan antara nilai pasar saham perusahaan
dengan nilai bukunya. (Fatamoya,2012).
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
15
e. Debt Equity Ratio (DER) : Ini adalah proksi yang digunakan untuk
leverage perusahaan. Hal ini menunjukkan berapa proporsi ekuitas dan
utang perusahaan yang digunakan untuk membiayai aktiva.
f. Physical Capacity (PC) : Mengukur intensitas fisik dari perusahaan yaitu
seberapa banyak aktiva tetap yang ada secara proporsional dengan total
aktiva.
g. Natural log (Sales) : Hal ini digunakan sebagai proksi untuk ukuran
perusahaan (firm size). Penjualan = Log Penjualan = Ukuran Perusahaan
(logaritma natural total aset perusahaan)
B. Penelitian Terdahulu
Usaha yang berbeda telah dilakukan untuk mendefinisikan dan mengukur
modal intelektual tetapi sulit untuk diukur dengan sukses dalam hal ekonomi.
Selanjutnya, berbagai penelitian telah menerapkan model VAIC™ untuk menilai
hubungan antara modal intelektual dan kinerja keuangan serta kinerja ekonomi
dan bisnis perusahaan.Berikut adalah tinjauan literatur tentang intellectual capital.
1. Yosi Metta Pamelasari (2010) melakukan penelitian empiris tentang
pengaruh intellectual capital terhadap nilai pasar dan kinerja perusahaan
yang terdaftar di BEI pada tahun 2004-2008. Analisis regresi berganda
digunakan dan hasil penelitian menunjukkan bahwa intellectual capital
(VAIC) tidak berpengaruh secara signifikan terhadap nilai pasar (MB) dan
kinerja keuangan perusahaan (ROA, ROE, EP dan GR). VACA dan VAHU
yang berpengaruh signifikan positif terhadap nilai pasar perusahaan (MB),
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
16
serta kinerja keuangan perusahaan (ROA dan ROE). RD hanya berpengaruh
terhadap ROA.
2. Firer dan William (2003) melakukan penelitian empiris mengenai
hubungan intellectual capital terhadap kinerja perusahaan pada
perusahaan di Afrika selatan. Penelitian ini menggunakan tiga dasar
ukuran kinerja perusahaan yaitu profitabilitas (ROA), produktivitas
(ATO) dan juga nilai pasar (MB). Hasil dari penelitian menunjukkan
bahwa intellectual capital tidak berpengaruh terhadap profitablitas
(ROA) perusahaan. Dalam penelitian ini VAIC berpengaruh positif dan
signifikan terhadap produktivitas (ATO) dan berpengaruh negatif dan
signifikan nilai pasar MB. CEE berpengaruh negatif dan signifikan
terhadap ATO, positif dan signifikan terhadap MB, serta tidak
berpengaruh signifikan terhadap ROA. HCE hanya berpengaruh negatif
dan signifikan terhadap ATO. SCE hanya berpengaruh positif dan
signifikan terhadap ROA.
3. Zeghal dan Maaloul (2010) melakukan studi pada 300 perusahaan Inggris
untuk menguji dampak dari modal intelektual terhadap kinerja pasar
ekonomi, keuangan dan saham perusahaan. Hasil menemukan bahwa
modal intelektual berpengaruh positif terhadap kinerja ekonomi dan
keuangan. Hubungan antara modal intelektual dan kinerja pasar saham
hanya signifikan dalam hal industri teknologi tinggi. Modal fisik
ditemukan memiliki pengaruh kinerja keuangan dan pasar saham yang
signifikan dari perusahaan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
17
4. Penelitian yang dilakukan Imaningati (2007) terhadap perusahaan real
estate & property yang terdaftar di BEJ 2001-2006 menunjukkan bahwa
tidak terdapat pengaruh antara IC dengan nilai pasar perusahaan. Selain
itu, dengan menggunakan model VAIC secara simultan IC berpengaruh
terhadap ROE dan EP. Sedangkan secara parsial IC berpengaruh terhadap
ROE, EP dan ATO.
5. Chen et al. (2005) melakukan penelitian empiris pada 4.254 perusahaan
yang go public di Taiwan Stock Exchange yang membuktikan bahwa
intellectual capital berpengaruh positif terhadap market value dan kinerja
keuangan, serta dapat digunakan sebagai indikator kinerja keuangan masa
depan. Penelitian Chen et. al. (2005) menunjukkan bahwa biaya research
& development berhubungan positif dengan nilai pasar perusahaan dan
juga profitabilitas perusahaan.
6. Adriant Prabani Yogidanarinto (2011) melakukan penelitian empiris
tentang analisis nilai tambah sebagai indikator modal intelektual dan
pengaruhnya pada kinerja perusahaan farmasi di Indonesia. Data yang
digunakan adalah 32 data laporan keuangan perusahaan farmasi yang
terdaftar di Bursa Efek Indonesia pada tahun 2006-2009 dengan
menggunakan regresi linier berganda. Hasil penelitian menunjukkan
bahwa intellectual capital berpengaruh positif pada produktifitas (OI/S)
dan profitabilitas perusahaan (ROA) namun tidak berpengaruh terhadap
nilai pasar (MB) perusahaan farmasi yang listing di Indonesia. Hasil
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
18
penelitian ini juga menunjukkan bahwa modal usaha perusahaan (VACA)
hanya berpengaruh positf pada profitabilitas perusahaan
7. Karam Pal dan Sushila (2012) melakukan penelitian empiris dalam
mengukur dan membandingkan kinerja modal intelektual di kedua industri
farmasi dan tekstil di India. Metode VAIC diterapkan pada sampel dari
105 farmasi dan 102 perusahaan tekstil. Kinerja keuangan perusahaan
diukur melalui ATO, ROA, ROE dan MB. Hasil menunjukkan bahwa
VAIC hanya berpengaruh secara signifikan terhadap ROA.
C. Kerangka Pemikiran
Gambar 2.1 INDUSTRI FARMASI INDUSTRI TEKSTIL
t
Kinerja Keu
- MB
- ROA
- ATO
- ROE
Kinerja Keu
- MB
- ROA
- ATO
- ROE
VAIC™
(CEE,HCE,SCE )
VAIC™
(CEE,HCE,SCE )
Var. Kontrol
- PC
- DER
- Sales
Var. Kontrol
- PC
- DER
- Sales
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
19
Berdasarkan kerangka pemikiran diatas, yang menjadi variabel
independen diproksikan oleh VAIC™ yang merupakan gabungan dari HCE,
SCE, dan CEE. Variabel dependen adalah kinerja keuangan perusahaan yang
diproksikan oleh ATO, ROA, ROE dan MB. Penelitian ini juga melibatkan
variabel kontrol yang diproksikan oleh PC, DER, dan SALES. Pada gambar
di atas dapat dijelaskan bahwa variabel independen VAIC™ yang dikontrol
oleh PC, DER, dan SALES mempengaruhi variabel dependen ATO,
ROA,ROE dan MB pada masing-masing industri.
D. Hipotesis
Tujuan dari penelitian ini adalah untuk mengetahui pengaruh serta
membandingkan kinerja Value Added Intellectual Coefficient (VAIC) terhadap
kinerja keuangan perusahaan pada industri farmasi dan tekstil di Indonesia.
Peneliti terlebih dahulu meneliti apakah terdapat hubungan yang signifikan antara
kinerja VAIC terhadap kinerja keuangan perusahaan, selanjutnya peneliti
membandingkannya di kedua industri tersebut. Peneliti memiliki asumsi apabila
VAIC berpengaruh secara signifikan terhadap kinerja keuangan, maka kinerja
VAIC di kedua industri dapat dibandingkan, sebaliknya jika VAIC sudah tidak
berpengaruh secara tignifikan terhadap kinerja keuangan maka tidak dapat
dijadikan tolok ukur untuk membandingkan kinerja VAIC terhadap kinerja
keuangan pada kedua industri tersebut.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
20
1. VAIC Terhadap Produktivitas Perusahaan
Asset turnover ratio (ATO) digunakan untuk menghitung produktivitas
perusahaan, yang merupakan rasio antara total penjualan dengan total aset
yang digunakan perusahaan dalam satu periode tertentu. Firer dan Stainbank
(2003) melakukan penelitian pada 75 perusahaan publik di Afrika Selatan
untuk menguji pengaruh intellectual capital pada profitabilitas, produktifitas
dan market valuation. Hasil penelitian menunjukkan bahwa intellectual
capital memiliki pengaruh yang signifikan pada profitabilitas dan
produktivitas perusahaan. Penelitian lain dilakukan oleh Karam Pal dan
Sushila Soriya (2012) di Industri farmasi dan tekstil di India, dimana
produktivitas (ATO) pada industri farmasi menunjukkan hasil yang lebih
tinggi dibandingkan dengan tekstil. Peneliti memiliki asumsi apabila VAIC
berpengaruh secara signifikan terhadap kinerja keuangan perusahaan, maka
VAIC dapat dijadikan tolok ukur untuk membandingkan kinerja VAIC di
industri farmasi dan tekstil.
Berdasarkan penelitian tersebut maka peneliti akan menguji hipotesis
yang pertama yaitu :
H1 : Kinerja intellectual capital (IC) di perusahaan farmasi
menghasilkan produktivitas yang lebih tinggi dibandingkan dengan
perusahaan tekstil.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
21
2. VAIC Terhadap Profitabilitas Perusahaan
Return on asset (ROA) menunjukkan kemampuan perusahaan dalam
melakukan efisisensi penggunaan total aset untuk kegiatan operasional
perusahaan. ROA merupakan indikator profitabilitas perusahaan dalam
menggunakan asetnya untuk menghasilkan laba bersih. Semakin tinggi nilai
ROA, maka perusahaan tersebut semakin efisien dalam menggunakan asetnya
(Yossi, 2010). Hasil penelitian yang dilakukan oleh Firer dan Stainbank
(2003) pada perusahaan di Afrika selatan menunjukkan bahwa VAIC memilki
pengaruh yang signifikan terhadap profitabilitas dan produktivitas perusahaan.
Chen et al. (2005) membuktikan bahwa intellectual capital berpengaruh
positif terhadap market value dan kinerja keuangan, serta dapat digunakan
sebagai indikator kinerja keuangan masa depan. Penelitian lain dilakukan oleh
Yossi (2010) yang menunjukkan bahwa intellectual capital (VAIC) tidak
berpengaruh secara signifikan terhadap nilai pasar (MB) dan kinerja keuangan
perusahaan (ROA, ROE, EP dan GR) . Karam Pal dan Sushila (2012) melakukan
penelitian berupa analisis komparatif pengaruh IC terhadap kinerja keuangan
pada 105 farmasi dan 102 perusahaan tekstil di India. Hasil menunjukkan
bahwa VAIC berpengaruh secara positif signifikan terhadap ROA, dimana
profitabilitas (ROA) pada industri farmasi menunjukkan hasil yang lebih
tinggi dibandingkan dengan tekstil. Peneliti memiliki asumsi apabila VAIC
berpengaruh secara signifikan terhadap kinerja keuangan perusahaan, maka
VAIC dapat dijadikan tolok ukur untuk membandingkan kinerja VAIC di
industri farmasi dan tekstil.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
22
Berdasarkan penelitian tersebut maka peneliti akan menguji hipotesis
yang kedua yaitu :
H2 : Kinerja intellectual capital (IC) di perusahaan farmasi
menghasilkan profitabilitas yang lebih tinggi dibandingkan dengan
perusahaan tekstil.
3. VAIC Terhadap Return On Equity
ROE dilihat oleh investor sebagai salah satu rasio keuangan yang penting. ROE
mengukur efisiensi perusahaan dalam menghasilkan profit dari setiap uang yang
diinvestasikan oleh pemegang saham. Perhitungannya adalah dengan membagi
laba bersih dengan jumlah ekuitas stakeholder (Yossi,2010). Hasil penelitian yang
dilakukan oleh Yossi (2010) menunjukkan bahwa intellectual capital (VAIC)
tidak berpengaruh secara signifikan terhadap nilai pasar (MB) dan kinerja
keuangan perusahaan (ROA, ROE, EP dan GR). Hasil yang berbeda ditunjukkan
oleh penelitian yang dilakukan oleh Imaningati (2007), dimana IC secara simultan
berpengaruh secara signifikan terhadap ROE. Penelitian lain dilakukan oleh Karam
Pal dan Sushila Soriya (2012) di Industri farmasi dan tekstil di India, dimana
return on equity (ROE) pada industri farmasi menunjukkan hasil yang lebih tinggi
dibandingkan dengan tekstil. Peneliti memiliki asumsi apabila VAIC berpengaruh
secara signifikan terhadap kinerja keuangan perusahaan, maka VAIC dapat
dijadikan tolok ukur untuk membandingkan kinerja VAIC di industri farmasi dan
tekstil.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
23
Berdasarkan penelitian tersebut maka peneliti akan menguji hipotesis
yang ketiga yaitu :
H3 : Kinerja intellectual capital (IC) di perusahaan farmasi
menghasilkan return on equity yang lebih tinggi dibandingkan dengan
perusahaan tekstil.
4. VAIC Terhadap Nilai Pasar
Imaningati (2007) dalam Yossi (2010) menjelaskan bahwa nilai pasar (MB)
bertujuan untuk mengukur seberapa jauh selisih antara nilai pasar perusahaan
dengan nilai bukunya. Jika ternyata selisih antara nilai pasar dengan nilai buku
perusahaan terlalu jauh (cukup signifikan), maka menandakan bahwa terdapat
“hidden asset” yang tidak tercantum dalam laporan keuangan perusahaan. Hal
ini berati bahwa nilai yang dilaporkan dalam laporan keuangan sudah tidak
berarti lagi. Apabila digunakan sebagai dasar pengambilan keputusan maka
dapat menyesatkan, karena nilai perusahaan yang tercantum dalam laporan
keuangan bukan nilai perusahaan yang sebenarnya (Imaningati,2007 dalam
Yossi,2010). Adriant Prabani Yogidanarinto (2011) melakukan penelitian
empiris tentang analisis nilai tambah sebagai indikator modal intelektual dan
pengaruhnya pada kinerja perusahaan farmasi di Indonesia. Hasil penelitian
menunjukkan bahwa intellectual capital berpengaruh signifikan terhadap
produktivitas dan profitabilitas tetapi tidak berpengaruh signifikan terhadap
nilai pasar (MB). Hasil penelitian ini sejalan dengan penelitian Firer dan
Stainbank (2003) dimana hasil penelitian menunjukkan bahwa Intellectual
capital memiliki pengaruh signifikan pada profitabilitas perusahaan (
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
24
signifikan positif), dan produktivitas ( signifikan negatif) namun tidak
memiliki pengaruh yang signifikan pada penilaian pasar. Akan tetapi hasil
berbeda ditunjukkan oleh Chen et al. (2005) dengan melakukan penelitian di
Taiwan yang membuktikan bahwa intellectual capital berpengaruh positif
signifikan terhadap market value dan kinerja keuangan, serta dapat digunakan
sebagai indikator kinerja keuangan masa depan. Penelitian lain dilakukan oleh
Karam Pal dan Sushila Soriya (2012) di Industri farmasi dan tekstil di India,
dimana nilai pasar (MB) pada industri farmasi menunjukkan hasil yang lebih
tinggi dibandingkan dengan tekstil. Peneliti memiliki asumsi apabila VAIC
berpengaruh secara signifikan terhadap kinerja keuangan perusahaan, maka
VAIC dapat dijadikan tolok ukur untuk membandingkan kinerja VAIC di
industri farmasi dan tekstil.
Berdasarkan penelitian tersebut maka peneliti akan menguji hipotesis
yang keempat yaitu :
H4 : Kinerja intellectual capital (IC) di perusahaan farmasi
menghasilkan nilai pasar yang lebih tinggi dibandingkan dengan
perusahaan tekstil.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
25
BAB III
METODOLOGI PENELITIAN
A. Variabel Penelitian
1. Variabel Independen
Modal Intelektual atau Intellectual capital (IC) merupakan variabel
independen di dalam penelitian ini. Intellectual Capital dilambangkan dengan
VAIC™ dikembangkan oleh Pulic Ante (1998,2000) untuk mengukur
efisiensi modal intelektual. Hal ini dianggap sebagai model yang lebih baik
dibandingkan dengan yang lain karena metodenya yang sederhana untuk
mengukur dan hasilnya berdasarkan audit rekening perusahaan yang mudah
tersedia dari situs web perusahaan. Menurut model nilai total VAIC™,
organisasi adalah penjumlahan dari modal usaha, modal struktural dan modal
manusia. Total nilai tambah adalah selisih dari output dan input dalam
organisasi.
Fatamoya (2012) menjelaskan lebih lanjut bahwa perhitungan metode
VAICTM mengikuti beberapa langkah yang berbeda. Langkah pertama adalah
menghitung kemampuan perusahaan untuk menciptakan VA. Sesuai dengan
teori stakeholder (Riahi-Belkaoui, 2003 dalam Fatamoya 2012), VA dihitung
sebagai berikut:
Value Added ( VA ) = OUT – IN
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
26
Dimana:
VA = Value Added ,yaitu pendapatan perusahaan dikurangi biaya untuk
operasi perusahaan.
OUT = Output , yaitu pendapatan terdiri dari produk dan jasa organisasi
yang dijual di pasar.
IN = Input,yaitu semua biaya yang dikeluarkan dalam memproduksi
produk atau jasa, kecuali gaji dan tunjangan karyawan.
Hal ini dinyatakan sebagai:
VA = P + C + D + A
Dimana:
P = operating profit (laba operasi)
C = employed costs (gaji dan tunjangan karyawan)
D = depreciation (depresiasi)
A = amortization (amortisasi)
Lebih lanjut:
VAIC ™ = CEE + HCE + SCE
VAIC™ merupakan penjumlahan dari tiga komponen dan dengan
perhitungan sebagai berikut:
a. Capital Employed Efficiency (CEE) mengukur efisiensi modal usaha
yang meliputi kekayaan bersih perusahaan yang mewakili modal fisik
dan keuangan. Mengindikasikan kontribusi yang dibuat oleh setiap
unit CE terhadap VA.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
27
dimana:
CEE = Capital Employed Efficiency
VA = Value Added
CE = Capital Employed = ekuitas dan laba bersih
b. Human Capital Efficiency (HCE) mengukur nilai tambah yang
dihasilkan per unit moneter diinvestasikan dalam tenaga kerja. Di sini,
di upah model dan jumlah penghasilan karyawan di dianggap sebagai
modal manusia. Menunjukkan kontribusi yang dibuat setiap unit HC
terhadap VA.
dimana:
HCE = Human Capital Efficiency
VA = Value Added
HC = Human Capital (Gaji dan upah karyawan)
c. Structural Capital Efficiency (SCE) mengukur nilai tambah dalam
organisasi dengan pemanfaatan modal struktural. Menunjukkan
kontribusi yang dibuat setiap unit HC terhadap VA. Mengindikasikan
bagaimana keberhasilan SC dalam penciptaan nilai. Hal ini dihitung
sebagai SC = VA– HC kemudian,
Dimana :
SCE = Structural Capital Efficiency
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
28
VA = Value Added.
SC = Structural Capital
2. Variabel Dependen
Kinerja keuangan merupakan variabel dependen pada penelitian ini.
Variabel-variabel tersebut diproksikan dalam rasio-rasio keuangan dibawah
ini.
a. Market to Book Value (MB) : Market to Book Value diukur dengan
membagi nilai pasar dengan nilai buku saham biasa (Chen et al.,
2005). Ini adalah proksi yang digunakan untuk mengukur nilai pasar
perusahaan. Rata-rata 365 hari diambil, untuk mewakili tahun tertentu
dan menghindari efek hari tertentu terhadap harga saham perusahaan.
b. Return On Asset (ROA)
Rasio ini berfungsi untuk mengukur profitabilitas perusahaan. ROA
merefleksikan keuntungan bisnis dan efisiensi perusahaan dalam
pemanfaatan total aset (Chen et al., 2005). Rumus untuk menghitung
ROA yaitu:
c. Asset Turnover (ATO)
Rasio antara total pendapatan (penjualan) dengan keseluruhan aktiva
yang digunakan oleh perusahaan dalam satu periode tertentu. Rasio ini
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
29
mengukur produktivitas perusahaan dan penggunaan aset di dalam
menghasilkan pendapatan (penjualan), dimana semakin tinggi
perputaran berarti semakin efisien dalam penggunaan aktiva.. Rumus
untuk menghitung ATO yaitu :
d. Return on Equity (ROE)
Rasio ini merupakan perbandingan antara laba bersih dengan modal
sendiri. Rasio ROE mengukur seberapa besar manajemen dapat
memberikan hasil investasi kepada para pemegang saham (pemilik)
perusahaan. Dengan rasio ini para pemegang saham dapat mengukur
tingkat pengembalian investasinya. Rumus untuk menghitung ROE
yaitu :
3. Variabel Kontrol
Variabel kontrol dikendalikan atau dibuat konstan sehingga pengaruh
variabel independen terhadap variabel dependen tidak dipengaruhi oleh faktor
lain yang tidak diteliti (Ghozali,2006).
Variabel kontrol pada penelitian ini adalah:
a. Debt Equity Ratio (DER) : Ini adalah proksi yang digunakan untuk
leverage perusahaan. Hal ini menunjukkan berapa proporsi ekuitas
dan utang perusahaan yang menggunakan untuk membiayai aktiva.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
30
b. Physical Capacity (PC) : Mengukur intensitas fisik dari perusahaan
yaitu seberapa banyak aktiva tetap yang ada secara proporsional
dengan total aktiva.
c. Natural log (Sales) : Digunakan sebagai proksi untuk ukuran
perusahaan. Sales = Log Sales = Firm Size.
B. Populasi, Sampel, Teknik Pengambilan Sampel, dan Data
1. Populasi dan Sampel
Populasi di dalam penelitian ini merupakan seluruh perusahaan
farmasi, tekstil dan garment yang terdaftar pada Bursa Efek Indonesia (BEI)
pada tahun 2008-2011. Sampel dipilih berdasarkan kriteria pada saat teknik
pengambilan sampel yaitu purposive sampling, berdasarkan teknik tersebut
maka sampel pada penelitian ini adalah sembilan perusahaan farmasi dan
sembilan perusahaan tekstil yang terdaftar di Bursa Efek Indonesia pada tahun
2008-2011. Tabel 3.1 di bawah ini adalah daftar sampel dari perusahaan
farmasi dan tekstil yang akan diteliti.
TABEL 3.1 SAMPEL PERUSAHAAN FARMASI DAN TEKSTIL
PERUSAHAAN FARMASI PERUSAHAAN TEKSTIL
1 Darya-Varia Laboratoria Tbk (DVLA)
1 PT Argo Pantes Tbk (ARGO)
2 Indofarma (Persero) Tbk (INAF) 2 PT Century Textile Industry (Centex) Tbk (CNTX)
3 Kalbe Farma Tbk (KLBF) 3 PT Eratex Djaja Tbk (ERTX)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
31
4 Kimia Farma (Persero) Tbk (KAEF) 4 PT Panasia Filament Inti Tbk (PAFI)
5 Merck Tbk (MERK) 5 PT Panasia Indosyntec Tbk (HDTX)
6 Pyridam Farma Tbk (PYFA) 6 PT Roda Vivatex Tbk (RDTX)
7 Schering Plough Indonesia Tbk (SCPI)
7 PT Sunson Textile Manufacturer Tbk (SSTM)
8 Taisho Pharmaceutical Indonesia Tbk (d/h Bristol-Myers Squibb Indonesia Tbk) (SQBI)
8 PT Tilico Fiber Indonesia Tbk (d/h Teijin Indonesia Fiber Tbk) (TFCO)
9 Tempo Scan Pacific Tbk (TSPC) 9 PT Unitex Tbk (UNTX)
2. Teknik Pengambilan Sampel Teknik pengambilan sampel pada penelitian ini menggunakan
Purposive sampling, yaitu teknik pengambilan sampel yang didasarkan pada
tujuan tertentu yang sesuai dengan maksud penelitian. Dimana sampel tersebut
diambil berdasarkan beberapa kriteria yaitu :
a. Perusahaan Farmasi yang terdaftar di Bursa Efek Indonesia periode
tahun 2008-2011.
b. Perusahaan Tekstil yang terdaftar di Bursa Efek Indonesia periode
tahun 2008-2011.
c. Perusahaan tersebut secara konsisten menerbitkan laporan keuangan
yang akan digunakan sebagai variabel penelitian selama periode 2008-
2011 yang telah dipublikasikan di Bursa Efek Indonesia.
3. Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini adalah data sekunder. Yaitu
berupa laporan keuangan yang didapat melalui laporan keuangan tahunan
perusahaan farmasi dan tekstil yang terdaftar di Bursa Efek Indonesia periode
tahun 2008 sampai dengan tahun 2011.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
32
4. Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah
studi dokumentasi yang dilakukan dengan mengumpulkan, mencatat dan
menghitung data-data yang berhubungan dengan penelitian dimana data-data
tersebut telah tersedia di BEI terhitung dari tahun 2008-2011. Data diperoleh
dari laporan keuangan perusahaan tahunan dan laporan keuangan yang
teraudit yang tersedia di situs www.idx.co.id ,serta melalui Indonesian Capital
Market Directory (ICMD) yaitu buku yang memuat laporan keuangan
perusahaan yang telah terdaftar di Bursa Efek Indonesia.
C. Metode Analisis
1. Analisis Deskriptif Data
Analisis statistik deskriptif memberikan gambaran atau deskripsi
suatu data yang dilihat dari nilai rata-rata (mean), minimum, maksimum dan
standar deviasi (Ghozali, 2006). Gambaran data tersebut menghasilkan
informasi yang jelas sehingga data tersebut mudah dipahami. Dalam
penelitian ini, denganc melihat gambaran dari data-data yang ada, maka akan
diperoleh informasi yang jelas mengenai pengaruh modal intelektual
terhadap kinerja keuangan perusahaan.
2. Uji Asumsi Klasik
Penelitian ini menggunakan metode Ordinary Least Square (OLS)
dalam menghitung persamaan regresi. Uji asumsi klasik digunakan untuk
memenuhi agar persamaan regresi tersebut valid digunakan dalam penelitian.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
33
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model
regresi, variabel penganggu atau residual memiliki distribusi normal.
Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual
mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik
menjadi tidak valid untuk jumlah sampel kecil. Cara untuk megetahui
apakah data tersebut terdistribusi secara normal atau tidak yaitu dengan uji
statistik non-parametrik Kolmogorov-Smirnov (K-S). Data berdistribusi
normal apabila hasil Kolmogorov-Smirnov menunjukkan nilai signifikan
di atas 0,05 (Ghozali, 2006).
b. Uji Multikolonieritas
Uji Multikolonieritas bertujuan untuk menguji apakah model
regresi ditemukan adanya korelasi antar variabel bebas (independen).
Model regresi yang baik seharusnya tidak terjadi korelasi di antara
variabel independen. Jika variabel independen saling berkorelasi, maka
variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel
independen yang nilai korelasi antar sesama variabel independen sama
dengan nol. Cara untuk mendeteksi apakah terjadi multikolonieritas atau
tidak yaitu dengan melihat nilai Tolerance dan Variance Inflation Factor
(VIF). Kedua ukuran ini menunjukkan setiap variabel independen
manakah yang dijelaskan oleh variabel independen lainnya. Dalam
pengertian sederhana setiap variabel independen menjadi variabel
dependen (terikat) dan diregres terhadap variabel independen lainnya.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
34
Tolerance mengukur variabilitas variabel independen yang terpilih yang
tidak dijelaskan oleh variabel independen lainnya. Jadi nilai Tolerance
yang rendah sama dengan nilai VIF tinggi (karena VIF = 1/Tolerance).
Nilai cutoff yang umum dipakai untuk menunjukkan adanya
multikolinearitas adalah nilai Tolerance ≤ 0,10 atau sama dengan nilai VIF
≥10 (Ghozali, 2006).
c. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model
regresi linear ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pengganggu pada periode t-1 (periode sebelumnya). Jika
terjadi korelasi maka dinamakan ada problem autokorelasi. Autokorelasi
muncul karena ada observasi yang berurutan sepanjang waktu berkaitan
satu sama lainnya. Masalah ini timbul karena residual (kesalahan
pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Hal ini
sering ditemukan pada data runtut waktu (time series) karena “gangguan”
pada individu / kelompok cenderung mempengaruhi “gangguan” pada
individu/kelompok yang sama pada periode berikutnya. Cara untuk
mengetahui apakah terjadi autokorelasi atau tidak yaitu dengan
menggunakan Uji Durbin-Watson (DW test). Menurut Ghozali (2006)
dasar pengambilan keputusan ada tidaknya autokorelasi adalah sebagai
berikut:
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
35
1) Bila nilai DW terletak diantara batas atas atau upper bound (du)
dan (4–du) maka koefisien autokorelasi = 0, berarti tidak ada
autokorelasi.
2) Bila nilai DW lebih rendah daripada batas bawah atau lower bound
(dl) maka koefisien autokorelasi > 0, berarti ada autokorelasi
positif.
3) Bila nilai DW lebih besar dari (4-dl) maka koefisien autokorelasi <
4, berarti ada autokorelasi negatif.
4) Bila nilai DW terletak antara du dan dl atau DW terletak antara (4-
du) dan (4-dl), maka hasilnya tidak dapat disimpulkan. Akan tetapi
uji Durbin-Watson memiliki kelemahan jika jumlah datanya besar.
d. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam
model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Jika variance dari residual satu
pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas
dan jika berbeda disebut Heteroskedastisitas. Cara untuk mengetahui
apakah terjadi heteroskedastisitas atau tidak yaitu dengan melihat Grafik
Plot antara nilai prediksi variabel dependen yaitu ZPRED dengan
residualnya SRESID. Apabila tidak ada pola yang jelas, serta titik-titik
menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas (Ghozali, 2006).
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
36
3. Uji Model (Goodness of Fit)
a. Analisis Regresi
Model yang digunakan adalah :
Model 1 :
ATOit = αit + β1VAICit + β2DERit + β3PCit + β4Salesit + eit
Model 2 :
ROAit = αit + β1VAICit + β2DERit + β3PCit + β4ATOit + β5Salesit + eit
Model 3 :
ROEit = αit + β1VAICit + β2DERit + β3PCit + β4ATOit + β5Salesit + eit
Model 4 :
MBit = αit + β1VAICit + β2DERit + β3PCit + β4ATOit + β5ROEit +
β6ROAit + β7Salesit + eit
Keterangan :
α = Konstanta
β1, β2, β3, β4 = Koefisien Regresi masing–masing variabel independen
ATO = Asset Turnover Ratio
ROA = Return on Asset
ROE = Return on Equity
MB = Market to Book Value
VAIC = Value Added Intellectual Capital
DER = Debt Equity Ratio
PC = Physical Capacity
Sales = Firm Size (Ukuran Perusahaan=logaritma natural)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
37
e = Error
Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat
diukur dari Goodness of Fit. Secara statistik, setidaknya ini dapat diukur
dari nilai koefisien determinasi, nilai statistik F dan nilai statistik t.
Perhitungan statistik disebut signifikan secara statistik apabila nilai uji
statistiknya berada dalam daerah kritis (daerah dimana Ho ditolak).
Sebaliknya disebut tidak signifikan bila nilai uji statistiknya berada dalam
daerah di mana Ho diterima (Ghozali, 2006).
b. Uji Hipotesis
1) Koefisien Determinasi
Koefisien determinasi (R2) pada intinya digunakan untuk
mengukur seberapa jauh kemampuan model dalam menerangkan variasi
variabel independen. Nilai koefisien determinasi yaitu antara nol dan satu.
Nilai R2 yang kecil berarti kemampuan variabel-variabel independen
dalam menjelaskan variabel-variabel dependen amat terbatas. Nilai yang
mendekati satu berarti variabel-variabel independen memberikan hampir
semua informasi yang dibutuhkan untuk memprediksi variabel-variabel
dependen (Ghozali, 2006).
2) Uji Signifikansi Simultan (Uji Statistik F)
Uji Statistik F digunanakn untuk menunjukkan apakah semua
variabel independen atau bebas yang dimasukkan dalam model
mempunyai pengaruh secara bersama-sama terhadap variabel dependen,
yaitu dengan membandingkan nilai F hasil perhitungan dengan nilai F
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
38
menurut tabel. Apabila nilai F hitung lebih besar daripada nilai F tabel,
maka hipotesis alternatif diterima artinya semua variabel independen
secara simultan dan signifikan mempengaruhi variabel dependen. Selain
itu juga dapat dilihat berdasarkan probabilitas. Jika probabilitas
(signifikansi) lebih kecil dari 0,05 (α) maka variabel independen secara
bersama-sama (simultan) berpengaruh terhadap variabel dependen
(Ghozali, 2006).
3) Uji Signifikansi Parameter Individual (Uji Statistik t)
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh
satu variabel penjelas / independen secara individual dalam menerangkan
variasi variabel dependen. Cara untuk mengetahuinya yaitu dengan
membandingkan nilai t hitung dengan nilai t tabel. Apabila nilai t hitung
lebih besar dibandingkan dengan nilai t tabel maka berarti t hitung tersebut
signifikan artinya hipotesis alternatif diterima yaitu variabel independen
secara individual mempengaruhi variabel dependen. Selain itu, bisa juga
dilakukan dengan melihat p-value dari masing-masing variabel. Hipotesis
diterima apabila p-value < 5 % yang menyatakan bahwa suatu variabel
independen secara individual mempengaruhi variabel dependen (Ghozali,
2006).
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
39
BAB IV
HASIL DAN ANALISIS DATA
A. Deskripsi Objek Penelitian
Pada bagian sebelumnya telah dijelaskan bahwa objek di dalam
penelitian ini melibatkan beberapa variabel independen, dependen dan
kontrol. Untuk variabel independen adalah VAIC™ yang merupakan
penjumlahan dari HCE, SCE, dan CEE. Sedangkan variabel dependen adalah
kinerja keuangan perusahaan yaitu MB, ROA, ATO dan ROE dengan
melibatkan variabel kontrol yaitu PC, DER, dan SALES.
Populasi pada penelitian ini adalah perusahaan farmasi, tekstil dan
garment yang terdaftar di Bursa Efek Indonesia pada tahun 2008-2011 yaitu
sebanyak 29 perusahaan. Penelitian ini menggunakan metode purposive
sampling dalam menentukan sampel, yaitu teknik pengambilan sampel yang
didasarkan pada tujuan tertentu yang sesuai dengan maksud penelitian.
Berdasarkan kriteria tersebut maka perusahaan yang tidak terpilih menjadi
sampel dalam penelitian ini adalah sebanyak 11 perusahaan, sedangkan
sampel yang terpilih adalah sembilan perusahaan farmasi dan sembilan
perusahaan tekstil yang terdaftar di Bursa Efek Indonesia yang secara
konsisten melaporkan laporan keuangan perusahaan selama tahun 2008-2011.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
40
TABEL 4.1
SAMPEL PERUSAHAAN FARMASI DAN TEKSTIL
PERUSAHAAN FARMASI PERUSAHAAN TEKSTIL
1 Darya-Varia Laboratoria Tbk (DVLA)
1 PT Argo Pantes Tbk (ARGO)
2 Indofarma (Persero) Tbk (INAF) 2 PT Century Textile Industry (Centex) Tbk (CNTX)
3 Kalbe Farma Tbk (KLBF) 3 PT Eratex Djaja Tbk (ERTX)
4 Kimia Farma (Persero) Tbk (KAEF)
4 PT Panasia Filament Inti Tbk (PAFI)
5 Merck Tbk (MERK) 5 PT Panasia Indosyntec Tbk (HDTX)
6 Pyridam Farma Tbk (PYFA) 6 PT Roda Vivatex Tbk (RDTX)
7 Schering Plough Indonesia Tbk (SCPI)
7 PT Sunson Textile Manufacturer Tbk (SSTM)
8 Taisho Pharmaceutical Indonesia Tbk (d/h Bristol-Myers Squibb Indonesia Tbk) (SQBI)
8 PT Tilico Fiber Indonesia Tbk (d/h Teijin Indonesia Fiber Tbk) (TFCO)
9 Tempo Scan Pacific Tbk (TSPC) 9 PT Unitex Tbk (UNTX)
Sumber : Bursa Efek Indonesia
B. Analisis Deskriptif Data
Analisis Statistik deskriptif berfungsi untuk mengetahui karakteristik
sampel yang akan digunakan pada penelitian ini. Analisis Statistik deskriptif
memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-
rata (mean), minimum, maksimum dan standar deviasi (Ghozali, 2006). Untuk
penjelasan lebih lanjut mengenai gambaran karakteristik sampel masing-
masing industri dapat dilihat pada tabel 4.2 dan 4.3 . Dari tabel tersebut dapat
diketahui hasil dari nilai mean, minimum, maksimum, dan standar deviasi dari
masing-masing variabel.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
41
Tabel 4.2
Analisis Deskriptif
Farmasi
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation VAIC 36 -5.4664 24.9750 5.120216 5.8830291 MB 36 .3200 11.2500 2.460833 2.5179985 ROA 36 -.0813 .4116 .128765 .1239177 ATO 36 .8745 1.9402 1.364264 .2963529 ROE 36 -1.1770 .7930 .154634 .3235669 PC 36 .0924 .5745 .236344 .1155820 DER 36 .1458 22.9011 2.200983 5.2611922 SALES 36 11.6917 16.2054 13.836777 1.3505027 Valid N (listwise) 36
Sumber : Data sekunder yang diolah, 2012
Tabel 4.3
Analisis Deskriptif
Tekstil
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation VAIC 36 -20.8678 31.0698 2.988502 11.1152155 MB 36 -16.7800 24.7900 .618333 5.9551805 ROA 36 -.6519 .4925 -.059878 .2066110 ATO 36 .0772 2.5273 .881754 .5464785 ROE 36 -2.0626 6.0782 .103397 1.2364330 PC 36 .1957 .8505 .539400 .1716584 DER 36 -25.2454 38.7869 1.197014 9.6996680 SALES 36 10.2111 15.1205 12.951530 1.0213143 Valid N (listwise) 36
Sumber : Data sekunder yang diolah, 2012
Analisis deskriptif data pada kedua industri menggambarkan keadaan yang
berbeda. Terdapat perbedaan yang cukup signifikan di kedua industri dimana rata-
rata nilai VAIC™ dari industri farmasi menunjukkan angka 5.1202 lebih besar
daripada industri tekstil sebesar 2.9885. Hal ini menunjukkan bahwa industri
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
42
farmasi telah menggunakan modal intelektualnya dengan lebih baik daripada
tekstil.
Nilai MB pada kedua industri menunjukkan perbedaan yang signifikan,
dimana nilai rata-rata pada industri farmasi menunjukkan angka 2.4608 lebih
besar daripada industri tekstil yaitu 0.618. Hasil tersebut menunjukkan perbedaan
tinggi antara nilai buku dan nilai pasar perusahaan farmasi dibandingkan dengan
perusahaan tekstil Data tersebut menunjukkan modal intelektual yang berupa
tenaga terampil pada bidang research and development di industri farmasi telah
membuat perbedaan yang signifikan dalam hal ini.
Nilai ROA pada kedua industri memiliki perbedaan yang cukup signifikan
dimana nilai rata-rata pada industri farmasi menunjukkan angka 0.1287 sedangkan
pada tekstil sebesar -0.0598. Hal ini menunjukkan industri farmasi dapat
memperoleh laba sebesar 12,8% dari total aset perusahaan, sedangkan tekstil
mengalami kerugian sebesar 5,9% dari total aset perusahaan.
Nilai ATO pada kedua industri memiliki perbedaan yang cukup signifikan
dimana nilai rata-rata pada industri farmasi menunjukkan nilai 1.364 sedangkan
pada industri tekstil sebesar 0.8817. Hal ini menunjukkan perputaran aktiva dari
farmasi lebih baik dibandingkan dengan tekstil.
Nilai ROE pada kedua industri memiliki perbedaan yang tidak terlalu
signifikan dimana nilai rata-rata pada industri farmasi menunjukkan nilai 0.1546
sedangkan pada industri tekstil sebesar 0.1033. Hal ini menunjukkan investor
mendapat pengembalian investasi lebih tinggi pada industri farmasi dibandingkan
dengan tekstil.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
43
C. Analisis Data
Penelitian serta pengujian hipotesis dalam penelitian ini dilakukan dengan
menggunakan empat buah model regresi linier berganda. dimana model pertama
merupakan pengujian pengaruh modal intelektual terhadap kinerja keuangan ATO
dengan memasukkan PC,DER dan SALES sebagai variabel kontrol. Model kedua
merupakan pengaruh modal intelektual terhadap kinerja keuangan ROA dengan
memasukkan PC, DER, dan SALES sebagai variabel kontrol serta kembali
memasukkan ATO ke dalam model. Model ketiga merupakan pengaruh modal
intelektual terhadap kinerja keuangan ROE dengan memasukkan PC, DER,
SALES sebagai variabel kontrol serta memasukkan kembali ATO ke dalam
model. Model keempat adalah pengaruh modal intelektul terhadap kinerja
keuangan MB dengan memasukkan PC, DER, dan SALES sebagai variabel
kontrol serta kembali memasukkan ATO, ROA, dan ROE ke dalam model. Akan
tetapi, untuk menghasilkan model regresi yang baik, harus diuji terlebih dahulu
terhadap ada atau tidaknya penyimpangan asumsi klasik, oleh karena itu setiap
pengujian terhadap masing-masing model akan dilakukan uji asumsi klasik
terlebih dahulu.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
44
1. Model 1 a. Uji Asumsi Klasik
1) Uji Normalitas
Gambar 4.1 Uji Normalitas Residual – Model 1
FARMASI
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 36
Normal Parametersa Mean .0000000
Std. Deviation .25285021
Most Extreme Differences Absolute .072
Positive .063
Negative -.072
Kolmogorov-Smirnov Z .434
Asymp. Sig. (2-tailed) .992
Sumber : Data sekunder yang diolah , 2012
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
45
Gambar 4.2 Uji Normalitas Residual – Model 1
TEKSTIL
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 36
Normal Parametersa Mean .0000000
Std. Deviation .40902590
Most Extreme Differences
Absolute .168
Positive .168
Negative -.121
Kolmogorov-Smirnov Z 1.008
Asymp. Sig. (2-tailed) .262
Sumber : Data sekunder yang diolah, 2012
Pengujian normalitas residual diatas telah menunjukan bahwa
model regresi 1 ATO pada industri farmasi memiliki nilai residual
berdistribusi normal. Hal ini ditunjukan dengan nilai probabilitas uji
Kolmogorov-Smirnov sebesar 0.992 yang berada diatas 0.05. Demikian
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
46
pula pengujian normalitas residual model regresi 1 ATO pada industri
tekstil memiliki nilai residual berdistribusi normal. Hal ini ditunjukan
dengan nilai probabilitas uji Kolmogorov-Smirnov sebesar 0.262 yang
berada diatas 0.05.
2) Uji Multikolinieritas
Nilai Tolerance dan nilai VIF (Variance Inflation Factor)
digunakan untuk menguji multikolonieritas. Nilai cutoff yang umum
dipakai untuk menunjukkan adanya multikolinearitas adalah nilai
Tolerance ≤ 0,10 atau sama dengan nilai VIF ≥10 (Ghozali, 2006). Jadi
model regresi tidak memiliki kecenderungan adanya gejala
multikolinieritas apabila memiliki nilai Tolerance lebih besar dari 0,10 dan
nilai VIF lebih kecil dari 10.
TABEL 4.4 Hasil Uji Multikolonieritas Farmasi Model 1
Sumber : Data yang diolah, 2012
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
T Sig.
Collinearity
Statistics
B Std. Error Beta Tolerance VIF
1(Constant) .943 .710 1.328 .194
VAIC -.014 .008 -.287 -1.737 .092 .860 1.163
PC -.298 .488 -.116 -.610 .546 .647 1.544
DER -.016 .010 -.275 -1.486 .147 .684 1.462
SALES .043 .044 .197 .983 .333 .582 1.718
Dependent variable ATO
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
47
Dari data uji multikolonieritas model 1 pada industri farmasi di atas
menunjukkan bahwa nilai tolerance semua variabel independen berada di atas
0.10 dan memiliki nilai VIF lebih kecil dari 10. Hal ini menunjukkan bahwa
tidak terjadi multikolonieritas dalam model regresi. Jadi semua variabel
tersebut layak digunakan sebagai predictor.
TABEL 4.5 Hasil Uji Multikolonieritas Tekstil Model 1
Sumber : Data sekunder yang diolah, 2012
Dari data uji multikolonieritas model 1 pada industri farmasi di atas
menunjukkan bahwa nilai tolerance semua variabel independen berada di
atas 0.10 dan memiliki nilai VIF lebih kecil dari 10. Hal ini menunjukkan
bahwa tidak terjadi multikolonieritas dalam model regresi. Jadi semua
variabel tersebut layak digunakan sebagai predictor.
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
Collinearity
Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -.675 .947 -.713 .481
VAIC .004 .007 .074 .496 .624 .800 1.250
PC -2.196 .516 -.690 -4.253 .000 .687 1.455
DER .003 .008 .049 .326 .747 .813 1.230
SALES .211 .075 .394 2.825 .008 .932 1.073
a. Dependent Variable: ATO
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
48
3) Uji Autokolerasi
Pengujian autokorelasi dalam penelitian ini dilakukan dengan
menggunakan uji Durbin Watson, yaitu dengan cara membandingkan nilai
DW dengan nilai tabel . Jika DW berada pada rentang dan 4 – ,
maka hal ini menunjukkan tidak ada masalah autokorelasi dalam model
regresi.
Tabel 4.6
Hasil Pengujian Autokolerasi Farmasi Model 1
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .522a .272 .178 .2686683 1.917
a. Predictors: (Constant), SALES, VAIC, DER, PC
b. Dependent Variable: ATO
Sumber : Data sekunder yang diolah, 2012
Nilai DW pada tabel diatas akan dibandingkan nilai tabel Durbin-
Watson pada industri farmasi dengan menggunakan signifikansi 0.05 ,
jumlah sampel (n=36) dan jumlah variabel independen (k=4) , maka pada
tabel Durbin-Watson menunjukkan nilai du=1.724. Pada tabel di atas
didapatkan nilai DW pada farmasi 1.917 lebih besar dari batas atas (du)
1.724 dan kurang dari 2.276 (4-du), maka dapat disimpulkan bahwa tidak
terdapat masalah autokorelasi dalam model regresi.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
49
Tabel 4.7 Hasil Pengujian Autokolerasi Tekstil Model 1
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .663a .440 .368 .4346143 1.785
a. Predictors: (Constant), SALES, VAIC, DER, PC b. Dependent Variable: ATO
Sumber : Data sekunder yang diolah, 2012
Nilai DW pada tabel diatas akan dibandingkan nilai tabel Durbin-
Watson dengan menggunakan signifikansi 0.05 , jumlah sampel (n=36)
dan jumlah variabel independen (k=4) , maka pada tabel Durbin-Watson
menunjukkan nilai du=1.724. Pada tabel di atas didapatkan nilai DW pada
tekstil 1.785 lebih besar dari batas atas (du) 1.724 dan kurang dari 2.276
(4-du), maka dapat disimpulkan bahwa tidak terdapat masalah autokorelasi
dalam model regresi.
4) Uji Heteroskedastisitas
Pengujian heteroskedastisitas dilakukan dengan menggunakan metode Scatterplot.
Gambar 4.3 Hasil Pengujian Heteroskedastisitas Farmasi - Model 1
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
50
Gambar 4.4 Hasil Pengujian Heteroskedastisitas Tekstil - Model 1
Sumber : Data sekunder yang diolah,2012
Hasil pengujian pada masing-masing industri farmasi dan tekstil di
atas menunjukkan pola scatterplot pada regresi menyebar. Hal ini
menunjukkan bahwa model regresi pada kedua industri tidak memiliki
gejala adanya heteroskdastisitas.
b. Uji Model (Goodness of Fit)
1) Koefisien Determinasi
Pengujian goodness of fit dari model regresi yang diperoleh dari
nilai adjusted R2 adalah sebagai berikut:
TABEL 4.8 Koefisien Determinasi Industri Farmasi – Model 1
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .522a .272 .178 .2686683 1.917
a. Predictors: (Constant), SALES, VAIC, DER, PC b. Dependent Variable: ATO Sumber: Data sekunder yang diolah,2012
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
51
TABEL 4.9 Koefisien Determinasi Industri Tekstil – Model 1
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .663a .440 .368 .4346143 1.785
a. Predictors: (Constant), SALES, VAIC, DER, PC b. Dependent Variable: ATO
Sumber : Data sekunder yang diolah, 2012
Nilai adjusted R2 pada industri farmasi diperoleh sebesar 0,178.
Hal ini menunjukkan bahwa hanya 17,8% variasi kinerja ATO pada farmasi
dapat dijelaskan oleh intellectual capital, sedangkan 82,2% lainnya dapat
dijelaskan oleh variabel lainnya. Sedangkan nilai adjusted R2 pada industri
tekstil diperoleh sebesar 0.368 menunjukkan bahwa 36.8% variasi kinerja
ATO pada tekstil dapat dijelaskan oleh intellectual capital, sedangkan
63.2% lainnya dapat dijelaskan oleh variabel lainnya.
2) Uji Signifikansi Simultan (Uji Statistik F)
Hasil pengujian uji model (Goodness of Fit) dengan menggunakan uji F
diperoleh hasil sebagai berikut :
Tabel 4.10 Uji Model (Goodness of Fit) Industri Farmasi – Model 1
Sumber : Data sekunder yang diolah, 2012
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression .836 4 .209 2.896 .038a
Residual 2.238 31 .072 Total 3.074 35
a. Predictors: (Constant), SALES, VAIC, DER, PC b. Dependent Variable: ATO
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
52
Tabel menunjukan hasil perhitungan statistik uji F pada industri
farmasi sebesar 2.896 dengan probabilitas 0.038. Karena probabilitas ATO
lebih kecil dari 0,05 (p<0,05) yang berarti secara bersamaan (simultan)
seluruh variabel independen VAIC, SALES, DER, dan PC berpengaruh
signifikan terhadap variabel ATO.
Tabel 4.11 Uji Model (Goodness of Fit) Industri Tekstil – Model 1
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 4.597 4 1.149 6.084 .001a
Residual 5.856 31 .189 Total 10.453 35
a. Predictors: (Constant), SALES, VAIC, DER, PC b. Dependent Variable: ATO
Sumber : Data sekunder yang diolah,2012 Tabel menunjukan hasil perhitungan statistik uji F pada industri tekstil
sebesar 6.084 dengan probabilitas 0.001. Karena probabilitas ATO lebih kecil
dari 0,05 (p<0,05) yang berarti secara bersamaan (simultan) seluruh variabel
independen VAIC, SALES, DER, dan PC berpengaruh signifikan terhadap
variabel ATO.
3) Uji Hipotesis (Signifikansi Parameter Individual/Uji Statistik t)
Dari hasil pengujian terhadap asumsi klasik pada kedua industri,
diperoleh model regresi tersebut telah memenuhi asumsi normalitas,
multikolinieritas, autokorelasi dan heteroskedastisitas. Pengujian hipotesis
dilakukan dengan menguji model persamaan regresi secara individual terhadap
masing-masing variabel independen setelah itu hasil tersebut dapat
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
53
dibandingkan untuk menjawab hipotesis yang ada. Hasil pengujian model
regresi pada kedua industri secara individual diperoleh sebagai berikut.
Tabel 4.12 Hasil pengujian Regresi Linier Farmasi – Model 1
coefficients
Sumber : Data yang diolah, 2012
Persamaan regresi ATO pada industri farmasi dapat ditulis sebagai berikut.
Tabel 4.13 Hasil pengujian Regresi Linier Tekstil – Model 1
coefficients
Sumber : Data yang diolah, 2012
Persamaan regresi ATO pada industri tekstil dapat ditulis sebagai berikut.
Model
Unstandardized Coefficients Standardized Coefficients
T Sig. B Std. Error Beta
1(Constant) .943 .710 1.328 .194
VAIC -.014 .008 -.287 -1.737 .092
PC -.298 .488 -.116 -.610 .546
DER -.016 .010 -.275 -1.486 .147
SALES .043 .044 .197 .983 .333
Dependent variable ATO
Model
Unstandardized Coefficients Standardized Coefficients
T Sig. B Std. Error Beta
1 (Constant) -.675 .947 -.713 .481
VAIC .004 .007 .074 .496 .624
PC -2.196 .516 -.690 -4.253 .000
DER .003 .008 .049 .326 .747
SALES .211 .075 .394 2.825 .008
a. Dependent Variable: ATO
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
54
Dari data di atas diperoleh bahwa variabel VAIC,PC dan DER pada
industri farmasi memiliki koefisien dengan tanda negatif. Hal ini berarti bahwa
industri farmasi dengan intellectual capital yang besar akan menurunkan ATO.
Akan tetapi hal ini tidak bisa dikatakan jika intellectual capital di farmasi
berpengaruh negatif terhadap ATO karena VAIC tidak signifikan. Hal berbeda
ditunjukkan pada industri tekstil dimana variabel PC memiliki koefisien negatif
sedangkan VAIC,DER dan SALES memiliki koefisien positif. Hal ini
menunjukkan PC yang besar akan menurunkan nilai ATO pada industri tekstil.
Hasil pengujian signifikansi variabel independen secara individual akan dibahas
sebagai berikut :
1) Variabel VAIC
Variabel VAIC pada perusahaan farmasi menunjukkan nilai t hitung -
1.737 dengan signifikansi sebesar 0.092 (p>0.05), sedangkan pada tekstil nilai t
hitung 0.496 dengan signifikansi sebesar 0.624 (p>0.05). Hal ini berarti bahwa
VAIC di kedua industri tidak berpengaruh secara signifikan terhadap ATO.
Dengan kata lain intellectual capital tidak berpengaruh secara signifikan pada
ATO di kedua industri, jadi H1 ditolak karena VAIC di kedua industri tidak
berpengaruh secara signifikan dan tidak dapat dijadikan tolok ukur untuk
membandingkan kinerja intellectual capital terhadap ATO di kedua industri
tersebut.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
55
2. model 2
a. Uji Asumsi Klasik
1) Uji Normalitas
Gambar 4.5 Uji Normalitas Residual – Model 2
FARMASI
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 36
Normal Parametersa Mean .0000000
Std. Deviation .07891655
Most Extreme Differences Absolute .113 Positive .113
Negative -.081
Kolmogorov-Smirnov Z .676
Asymp. Sig. (2-tailed) .751
a. Test distribution is Normal.
Sumber : Data sekunder yang diolah, 2012
Pengujian normalitas residual diatas telah menunjukan bahwa
model regresi 2 ROA pada industri farmasi memiliki nilai residual
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
56
berdistribusi normal. Hal ini ditunjukan dengan nilai probabilitas uji
Kolmogorov-Smirnov sebesar 0.751 yang berada diatas 0.05.
Gambar 4.6 Uji Normalitas Residual – Model 2
TEKSTIL
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 36
Normal Parametersa Mean .0000000
Std. Deviation .17232057
Most Extreme Differences Absolute .175
Positive .175
Negative -.132 Kolmogorov-Smirnov Z 1.049
Asymp. Sig. (2-tailed) .221
a. Test distribution is Normal.
Sumber : Data sekunder yang diolah, 2012 Pengujian normalitas residual diatas telah menunjukan bahwa
model regresi 2 ROA pada industri tekstil memiliki nilai residual
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
57
berdistribusi normal. Hal ini ditunjukan dengan nilai probabilitas uji
Kolmogorov-Smirnov sebesar 0.221 yang berada diatas 0.05.
2) Uji Multikolinieritas
Nilai Tolerance dan nilai VIF (Variance Inflation Factor)
digunakan untuk menguji multikolonieritas. Nilai cutoff yang umum
dipakai untuk menunjukkan adanya multikolinearitas adalah nilai
Tolerance ≤ 0,10 atau sama dengan nilai VIF ≥10 (Ghozali, 2006). Jadi
model regresi tidak memiliki kecenderungan adanya gejala
multikolinieritas apabila memiliki nilai Tolerance lebih besar dari 0,10 dan
nilai VIF lebih kecil dari 10.
Tabel 4.14 Hasil Uji Multikolonieritas Farmasi Model 2
Sumber : Data sekunder yang diolah, 2012
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
T Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) .377 .232 1.630 .114 VAIC .011 .003 .510 3.886 .001 .784 1.276
PC -.400 .156 -.373 -2.569 .015 .640 1.563
DER -.013 .003 -.552 -3.796 .001 .639 1.566
SALES -.019 .014 -.202 -1.306 .201 .564 1.772
ATO .056 .057 .134 .980 .335 .728 1.374
a. Dependent Variable: ROA
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
58
Tabel 4.15 Hasil Uji Multikolonieritas Tekstil Model 2
Sumber : Data sekunder yang diolah, 2012
Dari data uji multikolonieritas model 2 pada industri farmasi dan
tekstil di atas menunjukkan bahwa nilai tolerance semua variabel
independen berada di atas 0.10 dan memiliki nilai VIF lebih kecil dari 10.
Hal ini menunjukkan bahwa tidak terjadi multikolonieritas dalam model
regresi. Jadi semua variabel tersebut layak digunakan sebagai predictor.
3) Uji Autokolerasi
Pengujian autokorelasi dalam penelitian ini dilakukan dengan
menggunakan uji Durbin Watson, yaitu dengan cara membandingkan nilai
DW dengan nilai tabel . Jika DW berada pada rentang dan 4 – ,
maka hal ini menunjukkan tidak ada masalah autokorelasi dalam model
regresi.
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig.
Collinearity Statistics
B Std. Error Beta Toleranc
e VIF
1 (Constant) -.431 .409 -1.055 .300
VAIC .008 .003 .428 2.505 .018 .794 1.260
PC -.396 .278 -.329 -1.422 .165 .434 2.305
DER .000 .004 .019 .111 .912 .810 1.234
SALES .056 .036 .276 1.561 .129 .741 1.350
ATO -.185 .077 -.489 -2.404 .023 .560 1.785
a. Dependent Variable: ROA
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
59
Tabel 4.16 Hasil Pengujian Autokolerasi Farmasi Model 2
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .771a .594 .527 .0852396 1.355
a. Predictors: (Constant), ATO, PC, VAIC, DER, SALES
b. Dependent Variable: ROA
Sumber : Data sekunder yang diolah, 2012.
Tabel 4.17 Hasil Pengujian Autokolerasi Tekstil Model 2
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .552a .304 .188 .1861275 1.768
a. Predictors: (Constant), ATO, DER, SALES, VAIC, PC
b. Dependent Variable: ROA
Sumber : Data sekunder yang diolah, 2012.
Nilai DW pada tabel diatas akan dibandingkan nilai tabel Durbin-
Watson pada kedua industri dengan menggunakan signifikansi 0.05 , jumlah
sampel (n=36) dan jumlah variabel independen (k=5) , maka pada tabel
Durbin-Watson menunjukkan nilai du=1.799 dan dl=1.175. Pada tabel di
atas didapatkan nilai DW pada farmasi 1.355 dan DW pada tekstil 1.768
berada di antara batas atas (du) 1.799 dan batas bawah (dl) 1.175 maka tidak
dapat disimpulkan bahwa terdapat masalah autokorelasi dalam model
regresi.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
60
4) Uji Heteroskedastisitas
Pengujian heteroskedastisitas dilakukan dengan menggunakan metode
Scatterplot.
Gambar 4.7 Hasil Pengujian Heteroskedastisitas Farmasi - Model 2
Gambar 4.8 Hasil Pengujian Heteroskedastisitas Tekstil - Model 2
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
61
Hasil pengujian pada masing-masing industri farmasi dan tekstil di
atas menunjukkan pola scatterplot pada regresi menyebar. Hal ini
menunjukkan bahwa model regresi pada kedua industri tidak memiliki
gejala adanya heteroskdastisitas.
b. Uji Model (Goodness of Fit)
1) Koefisien Determinasi
Pengujian goodness of fit dari model regresi yang diperoleh dari nilai
adjusted R2 adalah sebagai berikut:
Tabel 4.18 Koefisien Determinasi Industri Farmasi – Model 2
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .771a .594 .527 .0852396 1.355
a. Predictors: (Constant), ATO, PC, VAIC, DER, SALES
b. Dependent Variable: ROA
Sumber : Data sekunder yang diolah, 2012
Tabel 4.19
Koefisien Determinasi Industri Tekstil – Model 2
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .552a .304 .188 .1861275 1.768
a. Predictors: (Constant), ATO, DER, SALES, VAIC, PC
b. Dependent Variable: ROA
Sumber : Data sekunder yang diolah, 2012
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
62
Nilai adjusted R2 pada industri farmasi diperoleh sebesar 0.527.
Hal ini menunjukkan bahwa hanya 52.7% variasi kinerja ROA pada farmasi
dapat dijelaskan oleh intellectual capital, sedangkan 47.3% lainnya dapat
dijelaskan oleh variabel lainnya. Sedangkan nilai adjusted R2 pada industri
tekstil diperoleh sebesar 0.188 menunjukkan bahwa 18.8% variasi kinerja
ROA pada tekstil dapat dijelaskan oleh intellectual capital, sedangkan
81.2% lainnya dapat dijelaskan oleh variabel lainnya.
2) Uji Signifikansi Simultan (Uji Statistik F)
Hasil pengujian uji model (Goodness of Fit) dengan
menggunakan uji F diperoleh hasil sebagai berikut :
Tabel 4.20 Uji Model (Goodness of Fit) Industri Farmasi – Model 2
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression .319 5 .064 8.794 .000a
Residual .218 30 .007 Total .537 35
a. Predictors: (Constant), ATO, PC, VAIC, DER, SALES b. Dependent Variable: ROA
Tabel 4.21 Uji Model (Goodness of Fit) Industri Tekstil – Model 2
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression .455 5 .091 2.625 .044a
Residual 1.039 30 .035 Total 1.494 35
a. Predictors: (Constant), ATO, DER, SALES, VAIC, PC b. Dependent Variable: ROA
Sumber : Data sekunder yang diolah, 2012
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
63
Tabel menunjukan hasil perhitungan statistik uji F pada industri
farmasi dan tekstil, dimana farmasi menunjukkan nilai sebesar 8.794
dengan probabilitas 0.000 sedangkan tekstil menunjukkan nilai sebesar
2.625 dengan probabilitas 0.044. Karena probabilitas ROA kedua industri
lebih kecil dari 0,05 (p<0,05) maka secara bersamaan (simultan) seluruh
variabel independen VAIC, SALES, DER,ATO dan PC berpengaruh
signifikan terhadap variabel ROA.
3) Uji Hipotesis (Signifikansi Parameter Individual/Uji Statistik t)
Dari hasil pengujian terhadap asumsi klasik pada kedua industri,
diperoleh model regresi tersebut telah memenuhi asumsi normalitas,
multikolinieritas, autokorelasi dan heteroskedastisitas. Pengujian hipotesis
dilakukan dengan menguji model persamaan regresi secara individual
terhadap masing-masing variabel independen setelah itu hasil tersebut
dapat dibandingkan untuk menjawab hipotesis yang ada. Hasil pengujian
model regresi pada kedua industri secara individual diperoleh sebagai
berikut.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
64
Tabel 4.22 Hasil Pengujian Regresi Linier Farmasi – Model 2
coefficient
Sumber :Data sekunder yang diolah,2012
Persamaan regresi ROA pada industri farmasi dapat ditulis sebagai berikut.
Persamaan regresi ROA pada industri tekstil dapat ditulis sebagai berikut.
Model
Unstandardized Coefficients Standardized Coefficients
T Sig. B Std. Error Beta
1 (Constant) .377 .232 1.630 .114
VAIC .011 .003 .510 3.886 .001
PC -.400 .156 -.373 -2.569 .015
DER -.013 .003 -.552 -3.796 .001
SALES -.019 .014 -.202 -1.306 .201
ATO .056 .057 .134 .980 .335
a. Dependent Variable: ROA
Tabel 4.23 Hasil Pengujian Regresi Linier Tekstil – Model 2
coefficient
Model
Unstandardized Coefficients
Standardized Coefficients
T
Sig.
B Std. Error Beta
1 (Constant) -.431 .409 -1.055 .300
VAIC .008 .003 .428 2.505 .018
PC -.396 .278 -.329 -1.422 .165
DER .000 .004 .019 .111 .912
SALES .056 .036 .276 1.561 .129
ATO -.185 .077 -.489 -2.404 .023
a. Dependent Variable: ROA
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
65
Dari data di atas diperoleh bahwa variabel PC, DER, dan SALES pada
industri farmasi memiliki koefisien dengan tanda negatif, sedangkan VAIC dan
ATO memiliki koefisien positif. Hal ini berarti bahwa perusahaan dengan
intellectual capital yang besar akan menaikkan ROA pada farmasi. Hal berbeda
ditunjukkan pada industri tekstil dimana variabel PC, DER, ATO memiliki
koefisien negatif sedangkan VAIC,dan SALES memiliki koefisien positif. Hal ini
menunjukkan VAIC yang besar akan menaikkan nilai ROA pada industri tekstil.
Hasil pengujian signifikansi variabel independen secara individual akan dibahas
sebagai berikut :
1) Variabel VAIC
Variabel VAIC pada perusahaan farmasi menunjukkan nilai t hitung 3.886
dengan signifikansi sebesar 0.001 (p<0.05), sedangkan pada tekstil nilai t hitung
2.505 dengan signifikansi sebesar 0.018 (p<0.05). Hal ini berarti bahwa VAIC di
kedua industri berpengaruh secara signifikan terhadap ROA. Dengan kata lain
intellectual capital berpengaruh secara signifikan pada profitabilitas di kedua
industri. H2 diterima karena hasil regresi menunjukkan kinerja intellectual capital
pada perusahaan farmasi menghasilkan profitabilitas yang lebih tinggi
dibandingkan dengan perusahaan tekstil.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
66
3. Model 3
a. Uji Asumsi Klasik
1) Uji Normalitas
Gambar 4.9
Uji Normalitas Residual – Model 3 FARMASI
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 36
Normal Parametersa Mean .0000000
Std. Deviation .28130678
Most Extreme Differences Absolute .189 Positive .189
Negative -.189
Kolmogorov-Smirnov Z 1.136
Asymp. Sig. (2-tailed) .151
a. Test distribution is Normal. Sumber : Data sekunder yang diolah, 2012
Pengujian normalitas residual diatas telah menunjukan bahwa
model regresi 3 ROE pada industri farmasi memiliki nilai residual
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
67
berdistribusi normal. Hal ini ditunjukan dengan nilai probabilitas uji
Kolmogorov-Smirnov sebesar 0.151 yang berada diatas 0.05.
Gambar 4.10
Uji Normalitas Residual Tekstil – Model 3
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 36
Normal Parametersa Mean .0000000
Std. Deviation .70847033
Most Extreme Differences Absolute .166
Positive .166
Negative -.085Kolmogorov-Smirnov Z .997
Asymp. Sig. (2-tailed) .273
a. Test distribution is Normal. Sumber : Data yang diolah, 2012
Pengujian normalitas residual diatas telah menunjukan bahwa
model regresi 3 ROE pada industri tekstil memiliki nilai residual
berdistribusi normal. Hal ini ditunjukan dengan nilai probabilitas uji
Kolmogorov-Smirnov sebesar 0.273 yang berada diatas 0.05.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
68
2) Uji Multikolinieritas
Nilai Tolerance dan nilai VIF (Variance Inflation Factor)
digunakan untuk menguji multikolonieritas. Nilai cutoff yang umum
dipakai untuk menunjukkan adanya multikolinearitas adalah nilai
Tolerance ≤ 0,10 atau sama dengan nilai VIF ≥10 (Ghozali, 2006). Jadi
model regresi tidak memiliki kecenderungan adanya gejala
multikolinieritas apabila memiliki nilai Tolerance lebih besar dari 0,10 dan
nilai VIF lebih kecil dari 10.
Tabel 4.24
Hasil Uji Multikolonieritas Farmasi Model 3
Sumber : Data yang diolah, 2012
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig.
Collinearity Statistics
B Std. Error Beta Toleranc
e VIF
1 (Constant) -.434 .826 -.525 .603
VAIC .024 .010 .445 2.482 .019 .784 1.276
PC .045 .556 .016 .080 .936 .640 1.563
DER -.011 .012 -.171 -.860 .397 .639 1.566
SALES .007 .051 .028 .134 .894 .564 1.772
ATO .280 .203 .256 1.377 .179 .728 1.374
a. Dependent Variable: ROE
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
69
Tabel 4.25 Hasil Uji Multikolonieritas Tekstil Model 3
Sumber : Data sekunder yang diolah, 2012
Dari data uji multikolonieritas model 3 pada industri farmasi dan
tekstil di atas menunjukkan bahwa nilai tolerance semua variabel
independen berada di atas 0.10 dan memiliki nilai VIF lebih kecil dari 10.
Hal ini menunjukkan bahwa tidak terjadi multikolonieritas dalam model
regresi. Jadi semua variabel tersebut layak digunakan sebagai predictor.
3) Uji Autokolerasi
Pengujian autokorelasi dalam penelitian ini dilakukan dengan
menggunakan uji Durbin Watson, yaitu dengan cara membandingkan nilai
DW dengan nilai tabel . Jika DW berada pada rentang dan 4 – ,
maka hal ini menunjukkan tidak ada masalah autokorelasi dalam model
regresi.
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant)
-.550 1.681 -.327 .746
VAIC -.011 .013 -.096 -.816 .421 .794 1.260
PC 2.399 1.144 .333 2.097 .045 .434 2.305
DER -.112 .015 -.876 -7.538 .000 .810 1.234
SALES -.049 .147 -.041 -.336 .739 .741 1.350
ATO .187 .316 .083 .591 .559 .560 1.785
a. Dependent Variable: ROE
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
70
Tabel 4.26 Hasil Pengujian Autokolerasi Farmasi Model 3
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .494a .244 .118 .3038460 1.624
a. Predictors: (Constant), ATO, PC, VAIC, DER, SALES
b. Dependent Variable: ROE
Sumber : Data sekunder yang diolah,2012
Tabel 4.27 Hasil Pengujian Autokolerasi Tekstil Model 3
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .820a .672 .617 .7652354 2.302
a. Predictors: (Constant), ATO, DER, SALES, VAIC, PC
b. Dependent Variable: ROE
Sumber : Data sekunder yang diolah, 2012
Nilai DW pada tabel diatas akan dibandingkan nilai tabel Durbin-
Watson pada kedua industri dengan menggunakan signifikansi 0.05 , jumlah
sampel (n=36) dan jumlah variabel independen (k=5) , maka pada tabel
Durbin-Watson menunjukkan nilai du=1.799 dan dl=1.175. Pada tabel di
atas didapatkan nilai DW pada farmasi 1.624 berada di antara batas atas (du)
1.799 dan batas bawah (dl) 1.175 untuk maka tidak dapat disimpulkan
bahwa terdapat masalah autokorelasi dalam model regresi. DW pada tekstil
2.302 berada di atas batas atas (du) 1.799, maka dapat disimpulkan tidak
terdapat masalah autokorelasi dalam model regresi.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
71
4) Uji Heteroskedastisitas
Pengujian heteroskedastisitas dilakukan dengan menggunakan metode
Scatterplot.
Gambar 4.11 Hasil Pengujian Heteroskedastisitas Farmasi - Model 3
Gambar 4.12 Hasil Pengujian Heteroskedastisitas Tekstil - Model 3
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
72
Hasil pengujian pada masing-masing industri farmasi dan tekstil di
atas menunjukkan pola scatterplot pada regresi menyebar. Hal ini
menunjukkan bahwa model regresi pada kedua industri tidak memiliki
gejala adanya heteroskdastisitas.
b. Uji Model (Goodness of Fit)
1) Koefisien Determinasi
Pengujian goodness of fit dari model regresi yang diperoleh dari
nilai adjusted R2 adalah sebagai berikut:
Tabel 4.28
Koefisien Determinasi Industri Farmasi – Model 3
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .494a .244 .118 .3038460 1.624
a. Predictors: (Constant), ATO, PC, VAIC, DER, SALES
b. Dependent Variable: ROE
Tabel 4.29
Koefisien Determinasi Industri Tekstil – Model 3
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .820a .672 .617 .7652354 2.302
a. Predictors: (Constant), ATO, DER, SALES, VAIC, PC
b. Dependent Variable: ROE
Sumber : Data sekunder yang diolah, 2012
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
73
Nilai adjusted R2 pada industri farmasi diperoleh sebesar 0.118.
Hal ini menunjukkan bahwa hanya 11.8% variasi kinerja ROE pada
farmasi dapat dijelaskan oleh intellectual capital, sedangkan 88.2%
lainnya dapat dijelaskan oleh variabel lainnya. Sedangkan nilai adjusted R2
pada industri tekstil diperoleh sebesar 0.617 menunjukkan bahwa 61.7%
variasi kinerja ROE pada tekstil dapat dijelaskan oleh intellectual capital,
sedangkan 38.3% lainnya dapat dijelaskan oleh variabel lainnya.
2 ) Uji Signifikansi Simultan (Uji Statistik F)
Tabel 4.30 Uji Model (Goodness of Fit) Industri Farmasi – Model 3
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression .895 5 .179 1.938 .117a
Residual 2.770 30 .092
Total 3.664 35
a. Predictors: (Constant), ATO, PC, VAIC, DER, SALES
b. Dependent Variable: ROE
Sumber : Data sekunder yang diolah, 2012
Tabel 4.31 Uji Model (Goodness of Fit) Industri Tekstil – Model 3
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 35.939 5 7.188 12.275 .000a
Residual 17.568 30 .586
Total 53.507 35
a. Predictors: (Constant), ATO, DER, SALES, VAIC, PC
b. Dependent Variable: ROE
Sumber : Data sekunder yang diolah, 2012
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
74
Tabel menunjukan hasil perhitungan statistik uji F pada industri
farmasi dan tekstil, dimana farmasi menunjukkan nilai sebesar 1.938
dengan probabilitas 0.117 sedangkan tekstil menunjukkan nilai sebesar
12.275 dengan probabilitas 0.000. Karena probabilitas ROE industri
farmasi lebih besar dari 0,05 (p>0,05), maka secara bersamaan (simultan)
seluruh variabel independen VAIC, SALES, DER,ATO dan PC tidak
berpengaruh secara signifikan terhadap variabel ROE. Namun pada
industri tekstil nilai probabilitas ROE lebih kecil dari 0.05 (p<0.05), maka
secara bersamaan (simultan) seluruh variabel independen VAIC, SALES,
DER,ATO dan PC berpengaruh secara signifikan terhadap variabel ROE
3) Uji Hipotesis (Signifikansi Parameter Individual/Uji Statistik t)
Dari hasil pengujian terhadap asumsi klasik pada kedua industri,
diperoleh model regresi tersebut telah memenuhi asumsi normalitas,
multikolinieritas, autokorelasi dan heteroskedastisitas. Pengujian hipotesis
dilakukan dengan menguji model persamaan regresi secara individual
terhadap masing-masing variabel independen setelah itu hasil tersebut
dapat dibandingkan untuk menjawab hipotesis yang ada. Hasil pengujian
model regresi pada kedua industri secara individual diperoleh sebagai
berikut.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
75
Tabel 4.32 Hasil Pengujian Regresi Linier Tekstil – Model 3
Sumber : Data sekunder yang diolah, 2012
Persamaan regresi ROE pada industri tekstil dapat ditulis sebagai berikut.
Dari data di atas diperoleh bahwa variabel VAIC, DER, ATO, SALES
pada industri tekstil memiliki koefisien dengan tanda negatif dan PC memiliki
tanda positif. Hal ini berarti bahwa perusahaan dengan intellectual capital yang
besar akan menurunkan ROE.
Hasil pengujian signifikansi variabel independen secara individual akan dibahas
sebagai berikut :
.1) Variabel VAIC
Variabel VAIC di industri farmasi pada uji F diatas secara simultan tidak
signifikan, maka dapat dikatakan bahwa VAIC tidak berpengaruh terhadap ROE
pada industri farmasi, sedangkan variabel VAIC pada tekstil memiliki nilai t
hitung -0.816 dengan signifikansi sebesar 0.421 (p>0.05). Hal ini berarti
intellectual capital tidak berpengaruh secara signifikan pada ROE di kedua
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
T Sig. B Std. Error Beta
1 (Constant) -.550 1.681 -.327 .746
VAIC -.011 .013 -.096 -.816 .421
PC 2.399 1.144 .333 2.097 .045
DER -.112 .015 -.876 -7.538 .000
SALES -.049 .147 -.041 -.336 .739
ATO .187 .316 .083 .591 .559
a. Dependent Variable: ROE
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
76
industri sehingga tidak dapat membandingkan kinerja intellectual capital di
dalamnya. jadi H3 ditolak karena VAIC di kedua industri tidak berpengaruh
secara signifikan dan tidak dapat dijadikan tolok ukur untuk membandingkan
kinerja intellectual capital terhadap ROE di kedua industri tersebut.
4. Model 4
a. Uji Asumsi Klasik
1) Uji Normalitas
Gambar 4.13 Uji Normalitas Residual FARMASI – Model 4
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 36
Normal Parametersa Mean .0000000
Std. Deviation 1.71611902
Most Extreme Differences
Absolute .091
Positive .091
Negative -.050
Kolmogorov-Smirnov Z .546
Asymp. Sig. (2-tailed) .927
a. Test distribution is Normal.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
77
Gambar 4.14
Uji Normalitas Residual – Model 4 TEKSTIL
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: MB
Observed Cum Prob
1.00.75.50.250.00
Exp
ect
ed
Cu
m P
rob
1.00
.75
.50
.25
0.00
One-Sample Kolmogorov-Smirnov Test
Unstandardize
d Residual N 25 Normal Parameters(a,b) Mean .0000000
Std. Deviation .85319123 Most Extreme Differences
Absolute .147 Positive .072 Negative -.147
Kolmogorov-Smirnov Z .736 Asymp. Sig. (2-tailed) .651
a Test distribution is Normal. b Calcul ated from data.
Sumber : Data sekunder yang diolah, 2012
Pengujian normalitas residual diatas telah menunjukan bahwa
model regresi 4 MB pada industri farmasi memiliki nilai residual
berdistribusi normal. Hal ini ditunjukan dengan nilai probabilitas uji
Kolmogorov-Smirnov sebesar 0.927 yang berada diatas 0.05. Pengujian
normalitas residual pada industri tekstil juga memiliki nilai residual
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
78
berdistribusi normal. . Hal ini ditunjukan dengan nilai probabilitas uji
Kolmogorov-Smirnov sebesar 0.651 yang berada diatas 0.05.
2) Uji Multikolinieritas
Nilai Tolerance dan nilai VIF (Variance Inflation Factor)
digunakan untuk menguji multikolonieritas. Nilai cutoff yang umum
dipakai untuk menunjukkan adanya multikolinearitas adalah nilai
Tolerance ≤ 0,10 atau sama dengan nilai VIF ≥10 (Ghozali, 2006). Jadi
model regresi tidak memiliki kecenderungan adanya gejala
multikolinieritas apabila memiliki nilai Tolerance lebih besar dari 0,10 dan
nilai VIF lebih kecil dari 10.
Tabel 4.33 Hasil Uji Multikolonieritas Farmasi Model 4
Sumber : Data sekunder yang diolah, 2012
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -8.182 5.640 -1.451 .158
VAIC -.070 .077 -.164 -.914 .368 .517 1.933
PC 1.426 4.008 .065 .356 .725 .490 2.040
DER .435 .095 .910 4.563 .000 .417 2.397
SALES .483 .333 .259 1.450 .158 .520 1.922
ATO 1.237 1.325 .146 .934 .358 .682 1.465
ROA 12.978 4.764 .639 2.724 .011 .302 3.313
ROE -2.144 1.336 -.275 -1.604 .120 .563 1.778
a. Dependent Variable: MB
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
79
Tabel 4.34 Hasil Uji Multikolonieritas Tekstil Model 4
Coefficients(a)
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta
Tolerance VIF
1 (Constant) -6.638 2.849 -2.330 .032
VAIC .033 .023 .100 1.437 .169 .490 2.039 ROA -3.531 1.770 -.177 -1.995 .062 .303 3.298 ATO .263 .586 .038 .449 .659 .325 3.076 PC 1.399 2.181 .051 .642 .530 .373 2.679 DER .653 .044 .960 14.773 .000 .565 1.771 SALES .429 .255 .118 1.685 .110 .486 2.059 LNROE -.058 .153 -.025 -.379 .709 .545 1.834
a Dependent Variable: MB Sumber : Data sekunder yang diolah, 2012
Dari data uji multikolonieritas model 4 pada industri farmasi dan
tekstil di atas menunjukkan bahwa nilai tolerance semua variabel
independen berada di atas 0.10 dan memiliki nilai VIF lebih kecil dari 10.
Hal ini menunjukkan bahwa tidak terjadi multikolonieritas dalam model
regresi. Jadi semua variabel tersebut layak digunakan sebagai predictor.
3) Uji Autokolerasi
Pengujian autokorelasi dalam penelitian ini dilakukan dengan
menggunakan uji Durbin Watson, yaitu dengan cara membandingkan nilai
DW dengan nilai tabel . Jika DW berada pada rentang dan 4 – ,
maka hal ini menunjukkan tidak ada masalah autokorelasi dalam model
regresi.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
80
Tabel 4.35
Hasil Pengujian Autokolerasi Farmasi Model 4
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .732a .536 .419 1.9186794 1.820
a. Predictors: (Constant), ROE, PC, ATO, DER, VAIC, SALES, ROA
b. Dependent Variable: MB
Sumber: Data sekunder yang diolah, 2012
Tabel 4.36 Hasil Pengujian Autokolerasi Tekstil Model 4
Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the Estimate
Durbin-Watson
1 .980(a) .959 .943 1.0137422 1.881
a Predictors: (Constant), LNROE, PC, SALES, DER, VAIC, ATO, ROA b Dependent Variable: MB
Sumber: Data sekunder yang diolah, 2012
Nilai DW pada tabel diatas akan dibandingkan nilai tabel Durbin-
Watson pada kedua industri dengan menggunakan signifikansi 0.05 , jumlah
sampel (n=36) dan jumlah variabel independen (k=7) , maka pada tabel
Durbin-Watson menunjukkan nilai du=1.957 dan dl=1.053. Pada tabel di
atas didapatkan nilai DW pada farmasi 1.820 dan tekstil 1.881 berada di
antara batas atas (du) 1.957 dan batas bawah (dl) 1.053 untuk maka tidak
dapat disimpulkan bahwa terdapat masalah autokorelasi dalam model
regresi.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
81
4) Uji Heteroskedastisitas
Pengujian heteroskedastisitas dilakukan dengan menggunakan metode
Scatterplot.
Gambar 4.15
Hasil Pengujian Heteroskedastisitas Farmasi - Model 4
Gambar 4.16
Hasil Pengujian Heteroskedastisitas Tekstil - Model 4
Scatterplot
Dependent Variable: MB
Regression Standardized Predicted Value
210-1-2-3-4
Re
gres
sio
n S
tud
entiz
ed R
esi
dua
l 2
1
0
-1
-2
-3
-4
Hasil pengujian pada masing-masing industri farmasi dan tekstil di
atas menunjukkan pola scatterplot pada regresi menyebar. Hal ini
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
82
menunjukkan bahwa model regresi pada kedua industri tidak memiliki
gejala adanya heteroskdastisitas.
b. Uji Model (Goodness of Fit)
1 ) Koefisien Determinasi
Pengujian goodness of fit dari model regresi yang diperoleh dari
nilai adjusted R2 adalah sebagai berikut:
Tabel 4.37 Koefisien Determinasi Industri Farmasi – Model 4
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .732a .536 .419 1.9186794 1.820
a. Predictors: (Constant), ROE, PC, ATO, DER, VAIC, SALES, ROA
b. Dependent Variable: MB
Sumber : Data sekunder yang diolah, 2012
Tabel 4.38 Koefisien Determinasi Industri Tekstil – Model 4
Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .980(a) .959 .943 1.0137422 1.881
a Predictors: (Constant), LNROE, PC, SALES, DER, VAIC, ATO, ROA b Dependent Variable: MB Sumber : Data sekunder yang diolah,2012
Nilai adjusted R2 pada industri farmasi diperoleh sebesar 0.419. Hal ini
menunjukkan bahwa hanya 41.9% variasi kinerja MB pada farmasi dapat
dijelaskan oleh intellectual capital, sedangkan 58.1% lainnya dapat dijelaskan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
83
oleh variabel lainnya. Sedangkan nilai adjusted R2 pada industri tekstil
diperoleh sebesar 0.943 menunjukkan bahwa 94.3% variasi kinerja MB pada
tekstil dapat dijelaskan oleh intellectual capital, sedangkan 5.7% lainnya
dapat dijelaskan oleh variabel lainnya.
2) Uji Signifikansi Simultan (Uji Statistik F)
Hasil pengujian uji model (Goodness of Fit) dengan menggunakan uji
F diperoleh hasil sebagai berikut :
Tabel 4.39
Uji Model (Goodness of Fit) Industri Farmasi – Model 4
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 118.834 7 16.976 4.611 .002a
Residual 103.077 28 3.681
Total 221.911 35
a. Predictors: (Constant), ROE, PC, ATO, DER, VAIC, SALES, ROA
b. Dependent Variable: MB
Sumber : Data sekunder yang diolah,2012
Tabel menunjukan hasil perhitungan statistik uji F pada industri
farmasi menunjukkan nilai sebesar 4.611 dengan probabilitas 0.002.
Karena probabilitas MB lebih kecil dari 0,05 (p<0,05) maka secara
bersamaan (simultan) seluruh variabel independen VAIC, SALES, DER,
PC, ATO, ROE dan ROA berpengaruh signifikan terhadap variabel MB.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
84
Tabel 4.40
Uji Model (Goodness of Fit) Industri Tekstil – Model 4
ANOVA(b)
Model Sum of Squares Df Mean Square F Sig.
1 Regression
413.293 7 59.042 57.452 .000(a)
Residual 17.470 17 1.028 Total 430.763 24
a Predictors: (Constant), LNROE, PC, SALES, DER, VAIC, ATO, ROA b Dependent Variable: MB Sumber : Data sekunder yang diolah,2012
Tabel menunjukan hasil perhitungan statistik uji F pada industri
tekstil menunjukkan nilai sebesar 57.452 dengan probabilitas 0.000.
Karena probabilitas MB lebih kecil dari 0,05 (p<0,05) maka secara
bersamaan (simultan) seluruh variabel independen VAIC, SALES, DER,
PC, ATO, LNROE dan ROA berpengaruh signifikan terhadap variabel
MB.
3) Uji Hipotesis (Signifikansi Parameter Individual/Uji Statistik t)
Dari hasil pengujian terhadap asumsi klasik pada kedua industri,
diperoleh model regresi tersebut telah memenuhi asumsi normalitas,
multikolinieritas, autokorelasi dan heteroskedastisitas. Pengujian hipotesis
dilakukan dengan menguji model persamaan regresi secara individual
terhadap masing-masing variabel independen setelah itu hasil tersebut dapat
dibandingkan untuk menjawab hipotesis yang ada. Hasil pengujian model
regresi pada kedua industri secara individual diperoleh sebagai berikut.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
85
Tabel 4.41 Hasil Pengujian Regresi Linier Farmasi – Model 4
Sumber : Data sekunder yang diolah, 2012
Persamaan regresi MB pada industri farmasi dapat ditulis sebagai berikut.
Dari data di atas diperoleh bahwa variabel VAIC dan ROE pada industri
farmasi memiliki koefisien dengan tanda negatif sedangkan DER,PC,
ATO,ROA dan SALES memiliki tanda positif. Hal ini berarti bahwa
perusahaan dengan intellectual capital yang besar akan menurunkan MB.
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
T Sig. B Std. Error Beta
1 (Constant) -8.182 5.640 -1.451 .158
VAIC -.070 .077 -.164 -.914 .368
PC 1.426 4.008 .065 .356 .725
DER .435 .095 .910 4.563 .000
SALES .483 .333 .259 1.450 .158
ATO 1.237 1.325 .146 .934 .358
ROA 12.978 4.764 .639 2.724 .011
ROE -2.144 1.336 -.275 -1.604 .120
a. Dependent Variable: MB
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
86
Tabel 4.42 Hasil Pengujian Regresi Linier Tekstil – Model 4
Model Unstandardized
Coefficients Standardized Coefficients T Sig.
B Std. Error Beta 1 (Constan
t) -6.638 2.849 -2.330 .032
VAIC .033 .023 .100 1.437 .169 ROA -3.531 1.770 -.177 -1.995 .062 ATO .263 .586 .038 .449 .659 PC 1.399 2.181 .051 .642 .530 DER .653 .044 .960 14.773 .000 SALES .429 .255 .118 1.685 .110 LNROE -.058 .153 -.025 -.379 .709
a Dependent Variable: MB Sumber : Data sekunder yang diolah, 2012
Persamaan regresi MB pada industri tekstil dapat ditulis sebagai berikut.
Dari data di atas diperoleh bahwa variabel ROA dan LNROE pada industri
tekstil memiliki koefisien dengan tanda negatif sedangkan VAIC,DER,PC, ATO,
dan SALES memiliki tanda positif. Hal ini berarti bahwa perusahaan dengan
intellectual capital yang besar akan menaikkan MB.
Hasil pengujian signifikansi variabel independen secara individual akan dibahas
sebagai berikut :
1) Variabel VAIC
Variabel VAIC pada perusahaan farmasi menunjukkan nilai t hitung -
0.914 dengan signifikansi sebesar 0.368 (p>0.05), sedangkan pada tekstil nilai t
hitung 1.437 dengan signifikansi sebesar 0.169 (p>0.05). Hal ini berarti bahwa
Coefficientsa
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
87
VAIC di kedua industri tidak berpengaruh secara signifikan terhadap MB. Dengan
kata lain intellectual capital tidak berpengaruh secara signifikan pada nilai pasar
di kedua industri, jadi H4 ditolak karena VAIC di kedua industri tidak
berpengaruh secara signifikan dan tidak dapat dijadikan tolok ukur untuk
membandingkan kinerja intellectual capital di kedua industri tersebut.
D. Interpretasi Hasil
1. Kinerja intellectual capital (IC) terhadap produktivitas
Pada penjelasan hipotesis pertama menjelaskan bahwa kinerja intellectual
capital (IC) di perusahaan farmasi menghasilkan produktivitas yang lebih
tinggi dibandingkan dengan perusahaan tekstil. Hasil pengujian statistik
menunjukkan bahwa Value Added Intellectual Capital (VAIC) pada industri
farmasi dan tekstil tidak berpengaruh secara signifikan terhadap Asset
Turnover (ATO), sehingga tidak dapat dijadikan tolok ukur untuk
membandingkan kinerja intellectual capital di kedua industri tersebut. Hal ini
sejalan dengan penelitian yang dilakukan oleh Karam Pal dan Sushila (2012)
yang menyatakan bahwa VAIC tidak berpengaruh terhadap ATO.
2. Kinerja intellectual capital (IC) terhadap profitabilitas
Pada penjelasan hipotesis kedua menjelaskan bahwa Kinerja intellectual
capital (IC) di perusahaan farmasi menghasilkan profitabilitas yang lebih
tinggi dibandingkan dengan perusahaan tekstil. Hasil pengujian secara statistik
Value Added Intellectual Capital (VAIC) pada industri farmasi dan tekstil
berpengaruh secara signifikan terhadap Retun on Asset (ROA) dimana VAIC
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
88
pada farmasi menghasilkan ROA yang lebih tinggi dibandingkan dengan
tekstil. Dengan demikian kinerja intellectual capital pada perusahaan farmasi
menghasilkan profitabilitas yang lebih tinggi dibandingkan dengan perusahaan
tekstil. Hal ini berarti industri farmasi merupakan industri yang padat modal
dan modal intektual di dalamnya berpengaruh terhadap efisiensi biaya
sehingga profitabilitas perusahaan meningkat. Hal ini sejalan dengan
penelitian yang dilakukan oleh Karam Pal dan Sushila (2012), dimana VAIC
berpengaruh secara signifikan terhadap ROA.
3. Kinerja intellectual capital (IC) terhadap return on equity
Pada penjelasan hipotesis ketiga menjelaskan bahwa kinerja intellectual
capital (IC) di perusahaan farmasi menghasilkan return on equity yang lebih
tinggi dibandingkan dengan perusahaan tekstil. Hasil pengujian secara statistic
menunjukkan bahwa Value Added Intellectual Capital (VAIC) pada industri
farmasi dan tekstil tidak berpengaruh secara signifikan terhadap Return on
Equity (ROE), sehingga tidak dapat dijadikan tolok ukur untuk
membandingkan kinerja intellectual capital di kedua industri tersebut. Hal ini
sejalan dengan penelitian yang dilakukan oleh Yossi (2010), dimana VAIC
tidak berpengaruh secara signifkan terhadap nilai pasar (MB) dan kinerja
keuangan perusahaan (ROA, ROE, EP dan GR).
4. Kinerja intellectual capital (IC) terhadap nilai pasar
Pada penjelasan hipotesis keempat menjelaskan bahwa kinerja intellectual
capital (IC) di perusahaan farmasi menghasilkan nilai pasar yang lebih tinggi
dibandingkan dengan perusahaan tekstil. Value Added Intellectual Capital
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
89
(VAIC) pada industri farmasi dan tekstil tidak berpengaruh secara signifikan
terhadap Market to Book Value (MB) sehingga VAIC tidak dapat dijadikan
tolok ukur untuk membandingkan kinerja intellectual capital terhadap MB di
kedua industri tersebut. Hal ini sejalan dengan penelitian yang dilakukan oleh
Adriant Prabani Yogidanarinto (2011) dimana hasil penelitian menunjukkan
bahwa intellectual capital berpengaruh positif pada produktifitas (OI/S) dan
profitabilitas perusahaan (ROA) namun tidak berpengaruh terhadap nilai pasar
(MB) perusahaan farmasi yang listing di Indonesia.
Tabel 4.43 Ringkasan Hasil Pengujian Hipotesis
No. Hipotesis Kesimpulan
1. Kinerja intellectual capital (IC) di perusahaan farmasi
menghasilkan produktivitas yang lebih tinggi
dibandingkan dengan perusahaan tekstil.
Ditolak
2. Kinerja intellectual capital (IC) di perusahaan farmasi
menghasilkan profitabilitas yang lebih tinggi
dibandingkan dengan perusahaan tekstil.
Diterima
3. Kinerja intellectual capital (IC) di perusahaan farmasi
menghasilkan return on equity yang lebih tinggi
dibandingkan dengan perusahaan tekstil.
Ditolak
4. Kinerja intellectual capital (IC) di perusahaan farmasi
menghasilkan nilai pasar yang lebih tinggi
dibandingkan dengan perusahaan tekstil.
Ditolak
Sumber : Hasil analisis dan pembahasan, 2012
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
90
BAB V
PENUTUP
A. Kesimpulan
Hasil pengujian analisis regresi linier menunjukan bahwa secara
secara statistik Value Added Intellectual Capital (VAIC) pada industri
farmasi dan tekstil tidak berpengaruh secara signifikan terhadap Asset
Turnover (ATO), sehingga tidak dapat dijadikan tolok ukur untuk
membandingkan kinerja intellectual capital di kedua industri tersebut.
Dengan demikian hipotesis H1 ditolak.
Hasil pengujian analisis regresi linier menunjukan bahwa secara
statistik Value Added Intellectual Capital (VAIC) pada industri farmasi dan
tekstil berpengaruh secara signifikan terhadap Retun on Asset (ROA)
dimana VAIC pada farmasi menghasilkan ROA yang lebih tinggi
dibandingkan dengan tekstil. Dengan demikian kinerja intellectual capital
pada perusahaan farmasi menghasilkan profitabilitas yang lebih tinggi
dibandingkan dengan perusahaan tekstil, maka hipotesis H2 diterima.
Hasil pengujian analisis regresi linier menunjukan bahwa secara
secara statistik Value Added Intellectual Capital (VAIC) pada industri
farmasi dan tekstil tidak berpengaruh secara signifikan terhadap Return on
Equity (ROE) sehingga VAIC tidak dapat dijadikan tolok ukur untuk
membandingkan kinerja intellectual capital di kedua industri tersebut.
Dengan demikian hipotesis H3 ditolak.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
91
Hasil pengujian analisis regresi linier menunjukan bahwa secara
statistik Value Added Intellectual Capital (VAIC) pada industri farmasi dan
tekstil tidak berpengaruh secara signifikan terhadap Market to Book Value
(MB) sehingga VAIC tidak dapat dijadikan tolok ukur untuk
membandingkan kinerja intellectual capital terhadap MB di kedua industri
tersebut. Dengan demikian hipotesis H4 ditolak.
B. Keterbatasan
Berdasarkan temuan hasil penelitian yang telah dilakukan, maka selanjutnya
diperoleh keterbatasan penelitian sebagai berikut :
1. Jumlah sampel yang relatif kecil hanya mengambil sampel selama
empat tahun yaitu selama periode tahun 2008-2011 yang terdaftar di
Bursa Efek Indonesia (BEI), yang menjadikan pengujian tentang
pengaruh modal intelektual menjadi kurang kuat. Karena modal
intelektual terbentuk melalui jangka waktu yang lama. Sampel dalam
penelitian ini hanya terbatas pada 18 perusahaan saja ,masing masing 9
perusahaan farmasi dan 9 perusahaan tekstil.
2. Penelitian ini hanya melihat dari penilaian terhadap pertumbuhan
profitabilitas, produktifitas, pengembalian investasi dan nilai pasar
untuk mengetahui kinerja keuangan perusahaan.
C. Saran
Berdasarkan dari hasil kesimpulan dan keterbatasan yang didapat dalam
penelitian ini, maka penulis memberikan saran sebagai berikut.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
92
1. Penelitian yang akan datang menggunakan sampel yang lebih besar
dengan mengambil sampel lebih dari empat (4) tahun sehingga akan
memberikan hasil yang lebih kuat terhadap pengaruh modal intelektual.
Hal ini dilakukan karena modal intelektual ini terbentuk melalui jangka
waktu yang panjang.
2. Menambah variabel kinerja keuangan perusahaan yang lebih lengkap
(selain ATO, ROA, ROE, dan MB) yang dapat menggambarkan
dampak modal intelektual terhadap kinerja keuangan perusahaan.
Sehingga dapat diketahui seberapa besar dan seberapa jauh modal
intelektual itu berpengaruh terhadap kinerja keuangan perusahaan.
3. Membandingkan kinerja modal intelektual pada industri lain seperti
real estate dan perbankan di Indonesia, sehingga penelitian tentang
pengaruh modal intelektual pada kinerja keuangan perusahaan akan
semakin bervariasi.
4. Perusahaan hendaknya mulai membangun serta memanfaatkan konsep
modal intelektual, karena modal intelektual ini terbentuk melalui proses
yang panjang sehingga ke depan diharapkan perusahaan dapat
meningkatkan produktivitas, profitabilitas, return on equity serta nilai
pasar yang lebih baik.