Analisis Komparatif dan Pengaruh Kinerja Intellectual .../Analisis... · membandingkan kinerja...

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


commit to user

ii


commit to user

iii


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)


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


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.


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.


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


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


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


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


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


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


commit to user

xiv

4) Uji Heterokedastisitas ......................................................................... 60

b. Uji Model (Goodness of Fit)…………………………………………61



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



b. Uji Model (Goodness of Fit)…………………………...……………72

1) Koefisien Determinasi………………………………………………72


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



b. Uji Model (Goodness of Fit)………………………...………………82



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


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




commit to user

xvii






















Tabel 4.43 Ringkasan Hasil Uji Hipotesis…………………………………...…89


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


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


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


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.


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


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


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


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


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.


commit to user

7


menghasilkan profitabilitas yang lebih tinggi dibandingkan dengan

perusahaan tekstil.


menghasilkan return on equity yang lebih tinggi dibandingkan dengan

perusahaan tekstil.


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.


(IC) di perusahaan farmasi menghasilkan profitabilitas yang lebih tinggi



(IC) di perusahaan farmasi menghasilkan return on equity yang lebih

tinggi dibandingkan dengan perusahaan tekstil.


commit to user

8


(IC) di perusahaan farmasi menghasilkan nilai pasar yang lebih tinggi


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.


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


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


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


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).


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


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).


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),


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.


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


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


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.


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.


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






commit to user

22


yang kedua yaitu :


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.


commit to user

23


yang ketiga yaitu :


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 (


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






yang keempat yaitu :


menghasilkan nilai pasar yang lebih tinggi dibandingkan dengan

perusahaan tekstil.


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


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.


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


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


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.


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)


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.


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.


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.


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:


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).


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)


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


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).


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.


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.


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


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


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.


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.


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


commit to user

45


TEKSTIL


Unstandardized

Residual

N 36



Most Extreme Differences

Absolute .168

Positive .168

Negative -.121

Kolmogorov-Smirnov Z 1.008



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


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


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


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


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


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


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.


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


1 .663a .440 .368 .4346143 1.785

a. Predictors: (Constant), SALES, VAIC, DER, PC b. Dependent Variable: ATO



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


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)


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




1 .522a .272 .178 .2686683 1.917

a. Predictors: (Constant), SALES, VAIC, DER, PC b. Dependent Variable: ATO Sumber: Data sekunder yang diolah,2012


commit to user

51

TABEL 4.9 Koefisien Determinasi Industri Tekstil – Model 1

Model Summaryb




1 .663a .440 .368 .4346143 1.785



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.


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


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



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


1 Regression 4.597 4 1.149 6.084 .001a

Residual 5.856 31 .189 Total 10.453 35


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


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


Persamaan regresi ATO pada industri farmasi dapat ditulis sebagai berikut.

Tabel 4.13 Hasil pengujian Regresi Linier Tekstil – Model 1

coefficients


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



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


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.


commit to user

55

2. model 2

a. Uji Asumsi Klasik

1) Uji Normalitas


FARMASI



N 36



Most Extreme Differences Absolute .113 Positive .113

Negative -.081



a. Test distribution is Normal.



model regresi 2 ROA pada industri farmasi memiliki nilai residual


commit to user

56


Kolmogorov-Smirnov sebesar 0.751 yang berada diatas 0.05.


TEKSTIL


Unstandardized

Residual

N 36




Positive .175

Negative -.132 Kolmogorov-Smirnov Z 1.049



Sumber : Data sekunder yang diolah, 2012 Pengujian normalitas residual diatas telah menunjukan bahwa

model regresi 2 ROA pada industri tekstil memiliki nilai residual


commit to user

57











Tabel 4.14 Hasil Uji Multikolonieritas Farmasi Model 2


Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

T Sig.

Collinearity Statistics


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


commit to user

58

Tabel 4.15 Hasil Uji Multikolonieritas Tekstil Model 2


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





regresi.

Coefficientsa

Model


Standardized

Coefficients

T Sig.


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



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


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.


Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the


1 .552a .304 .188 .1861275 1.768

a. Predictors: (Constant), ATO, DER, SALES, VAIC, PC


Sumber : Data sekunder yang diolah, 2012.


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.


commit to user

60


Pengujian heteroskedastisitas dilakukan dengan menggunakan metode

Scatterplot.




commit to user

61







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




1 .771a .594 .527 .0852396 1.355




Tabel 4.19

Koefisien Determinasi Industri Tekstil – Model 2

Model Summaryb




1 .552a .304 .188 .1861275 1.768





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.


Hasil pengujian uji model (Goodness of Fit) dengan

menggunakan uji F diperoleh hasil sebagai berikut :


ANOVAb


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


ANOVAb


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



commit to user

63


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.





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.


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



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


Tabel 4.23 Hasil Pengujian Regresi Linier Tekstil – Model 2

coefficient

Model



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



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.


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



commit to user

66

3. Model 3


1) Uji Normalitas

Gambar 4.9

Uji Normalitas Residual – Model 3 FARMASI



N 36



Most Extreme Differences Absolute .189 Positive .189

Negative -.189

Kolmogorov-Smirnov Z 1.136


a. Test distribution is Normal. Sumber : Data sekunder yang diolah, 2012


model regresi 3 ROE pada industri farmasi memiliki nilai residual


commit to user

67



Gambar 4.10

Uji Normalitas Residual Tekstil – Model 3



N 36




Positive .166

Negative -.085Kolmogorov-Smirnov Z .997


a. Test distribution is Normal. Sumber : Data yang diolah, 2012


model regresi 3 ROE pada industri tekstil memiliki nilai residual




commit to user

68









Tabel 4.24

Hasil Uji Multikolonieritas Farmasi Model 3


Coefficientsa

Model


Standardized

Coefficients

T Sig.


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


commit to user

69








3) Uji Autokolerasi





regresi.

Coefficientsa

Model


Standardized

Coefficients

T Sig.



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



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


1 .494a .244 .118 .3038460 1.624


b. Dependent Variable: ROE



Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the


1 .820a .672 .617 .7652354 2.302








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.


commit to user

71



Scatterplot.




commit to user

72









Tabel 4.28

Koefisien Determinasi Industri Farmasi – Model 3

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the


1 .494a .244 .118 .3038460 1.624



Tabel 4.29

Koefisien Determinasi Industri Tekstil – Model 3

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the


1 .820a .672 .617 .7652354 2.302





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)


ANOVAb


1 Regression .895 5 .179 1.938 .117a

Residual 2.770 30 .092

Total 3.664 35





ANOVAb


1 Regression 35.939 5 7.188 12.275 .000a

Residual 17.568 30 .586

Total 53.507 35





commit to user

74


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






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.


commit to user

75



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.


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




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



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


1) Uji Normalitas

Gambar 4.13 Uji Normalitas Residual FARMASI – Model 4



N 36


Std. Deviation 1.71611902

Most Extreme Differences

Absolute .091

Positive .091

Negative -.050





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


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.



model regresi 4 MB pada industri farmasi memiliki nilai residual


Kolmogorov-Smirnov sebesar 0.927 yang berada diatas 0.05. Pengujian

normalitas residual pada industri tekstil juga memiliki nilai residual


commit to user

78

berdistribusi normal. . Hal ini ditunjukan dengan nilai probabilitas uji










Tabel 4.33 Hasil Uji Multikolonieritas Farmasi Model 4


Coefficientsa

Model



t Sig.



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


commit to user

79


Coefficients(a)

Model


Standardized

Coefficients

t Sig.


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






3) Uji Autokolerasi





regresi.


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


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


Model Summary(b)


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





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.


commit to user

81



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




commit to user

82




1 ) Koefisien Determinasi



Tabel 4.37 Koefisien Determinasi Industri Farmasi – Model 4

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the


1 .732a .536 .419 1.9186794 1.820




Tabel 4.38 Koefisien Determinasi Industri Tekstil – Model 4

Model Summary(b)




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


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.


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


1 Regression 118.834 7 16.976 4.611 .002a

Residual 103.077 28 3.681

Total 221.911 35





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.


commit to user

84

Tabel 4.40

Uji Model (Goodness of Fit) Industri Tekstil – Model 4

ANOVA(b)


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


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.






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.


commit to user

85

Tabel 4.41 Hasil Pengujian Regresi Linier Farmasi – Model 4


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




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


commit to user

86


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.


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


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


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


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


Ditolak


menghasilkan profitabilitas yang lebih tinggi


Diterima


menghasilkan return on equity yang lebih tinggi


Ditolak


menghasilkan nilai pasar yang lebih tinggi


Ditolak

Sumber : Hasil analisis dan pembahasan, 2012


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


Dengan demikian hipotesis H1 ditolak.


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.


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


Dengan demikian hipotesis H3 ditolak.


commit to user

91


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.


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.

Analisis Komparatif dan Pengaruh Kinerja Intellectual .../Analisis... · membandingkan kinerja...

Documents

Transcript of Analisis Komparatif dan Pengaruh Kinerja Intellectual .../Analisis... · membandingkan kinerja...