PENGARUH INTELLECTUAL CAPITAL TERHADAP KINERJA...

i

PENGARUH INTELLECTUAL CAPITAL TERHADAP KINERJA

KEUANGAN DAN PERTUMBUHAN PERUSAHAAN

(Studi pada Perusahaan Manufaktur yang Tercatat di Bursa Efek Indonesia

Tahun 2011-2013)

Skripsi

Diajukan Kepada Fakultas Ekonomi Dan Bisnis untuk Memenuhi Syarat-

Syarat untuk Meraih Gelar Sarjana Ekonomi

Oleh:

Alifia Puspita Dewi

Nim: 1111082000052

JURUSAN AKUNTANSI

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

1437 H / 2015 M

v

LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH

Yang bertanda tangan di bawah ini:

Nama : Alifia Puspita Dewi

Nomor Induk Mahasiswa : 1111082000052

Fakultas : Ekonomi dan Bisnis

Jurusan : Akuntansi/Akuntansi Manajemen

Dengan ini menyatakan bahwa dalam penulisan skripsi ini, saya:

1. Tidak menggunakan ide orang lain tanpa mampu mengembangkan dan

mempertanggungjawabkan.

2. Tidak melakukan plagiat terhadap naskah orang lain.

3. Tidak menggunakan karya ilmiah orang lain tanpa menyebutkan sumber

asli atau tanpa menyebut pemilik karya.

4. Tidak melakukan manipulasi atau pemalsuan data.

5. Mengerjakan sendiri karya ini dan mampu bertanggung jawab atas

karya ini

Jikalau di kemudian hari ada tuntutan dari pihak lain atas karya saya, dan telah

melalui pembuktian yang dapat dipertanggungjawabkan, ternyata memang

ditemukan bukti bahwa saya telah melanggar pernyataan di atas, maka saya siap

untuk dikenai sanksi berdasarkan aturan yang berlaku di Fakultas Ekonomi dan

Bisnis UIN Syarif Hidayatullah Jakarta.

Demikian pernyataan ini saya buat dengan sesungguhnya.

Jakarta, 22 November 2015

Yang menyatakan,

(Alifia Puspita Dewi)

vi

DAFTAR RIWAYAT HIDUP

I. IDENTITAS PRIBADI

Nama : Alifia Puspita Dewi

Tempat, Tanggal Lahir : Tangerang, 24 Januari 1992

1. Alamat : Jalan Karanggayam n0.04, Rt/Rw 004/003,

Mungkid, Kabupaten Magelang, Jawa

Tengah

Telepon : 089695251333

Email : [email protected]

II. PENDIDIKAN FORMAL

1. SD NEGERI Mungkin 2, Magelang

2. SMP NEGERI 1 Mungkid, Magelang

3. SMA NEGERI 4 Magelang

4. S1 Ekonomi Akuntansi UIN Syarif Hidayatullah

mailto:[email protected]

viii



(Studi Empiris: Perusahaan Manufaktur yang Terdaftar Di BEI

Tahun 2011–2013)

Oleh: Alifia Puspita Dewi

ABSTRACT

This study aimed to examine the affect of Value Added Intellectual Capital that

consist of three components of a firms’ resource (capital employee, human capital

and structural capital) with financial performance and growth of the

manufacturing company in Indonesia. The sample used in this study were 57

companies in the field of manufacturing that are consistently listed in the

Indonesian Stock Exchange in 2011-2013. The hypothesis in this study tested by

using multiple linear regression statistical test. VAIC measured by using the

concept of Pulic (1998) then linked to two model there are financial performance

(ROA) and the growth of company (AG).

Result of this research indicates that SCVA doesn’t influence to financial

performace and growth of the company as a partial, but the others component

(VACA and VAHU) are significantly influence to financial firm performance.

VACA significantly influence to the growth of company as a partial, but VAHU

doesn’t influence the growth of company as a partial. The empirical findings also

show that physical capital (VACA), human capital (VAHU), and structural capital

(SCVA) have significant influence with financial performance and growth of the

company listed on the Indonesia Stock Exchange Exchange in the three years

observation as a simultant. The significant value is under 0,05.

Keywords: Intellectual Capital (VAIC™), Value Added Capital Employed (VACA),

Value Added Human Capital (VAHU), Structural Capital Value Added (SCVA),

Return on Assets (ROA) and Assets Growth (AG).

ix



(Studi Empiris: Perusahaan Manufaktur yang Terdaftar Di BEI

Tahun 2011–2013)

Oleh: Alifia Puspita Dewi

ABSTRAK

Penelitian ini bertujuan untuk menguji pengaruh antara Value Added Intellectual

Capital yang terdiri dari tiga komponen dari sumber perusahaan (capital

employee, human capital and structural capital) dengan kinerja keuangan dan

pertumbuhan perusahaan manufaktur di Indonesia. Sampel yang digunakan dalam

penelitian ini adalah 57 perusahaan di bidang manufaktur yang secara konsisten

terdaftar di BEI pada tahun 2011-2013. Hipotesis dalam penelitian ini di uji

dengan menggunakan uji statistik regresi linear berganda. Pengukuran VAIC

menggunakan konsep dari Pulic (1998) yang kemudian dihubungkan dengan dua

model, yaitu kinerja keuangan (ROA) dan pertumbuhan perusahaan (AG).

Hasil penelitian menunjukkan bahwa SCVA tidak berpengaruh pada kinerja

keuangan peusahaan secara parsial, namun komponen lainnya (VACA dan

VAHU) berpengaruh signifikan terhadap kinerja keuangan perusahaan. VACA

berpengaruh secara signifikan terhadap pertumbuhan perusahaan, sedangkan

VAHU tidak berpengaruh terhadap pertumbuhan perusahaan secara parsial. Hasil

penelitian juga menunjukkan bahwa VACA, VAHU dan SCVA berpengaruh

secara signifikan terhadap kinerja keuangan dan pertumbuhan perusahaan yang

terdaftar di Bursa Efek Indonesia selama 3 tahun secara simultan dengan nilai

signifikan dibawah 0,05.

Kata Kunci: Intellectual Capital (VAIC™), Value Added Capital Employed (VACA),

Value Added Human Capital (VAHU), Structural Capital Value Added (SCVA),

Return on Assets (ROA) and Assets Growth (AG).

x

KATA PENGANTAR

Segala puji dan syukur penulis panjatkan kepada Allah SWT Tuhan

semesta alam atas nikmat, karunia serta hidayah-NYA. Sholawat serta salam

tidak lupa tercurahkan kepada junjungan kita baginda Nabi besar Muhammad

SAW beserta keluarga sahabat dan para pengikutnya yang selalu istiqomah

sampai akhir zaman. Tiada kata yang pantas terucap selain syukur Alhamdulillahi

Robbil’alamin akhirnya penulis dapat menyelesaikan skripsi yang berjudul

“Pengaruh Intellectual Capital Terhadap Kinerja Keuangan dan

Pertumbuhan Perusahaan”

Skripsi ini merupakan tugas akhir yang harus diselesaikan sebagai syarat

guna meraih gelar Sarjana Ekonomi di Universitas Islam Negeri Syarif

Hidayatullah Jakarta. Penulis menyadari sepenuhnya bahwa banyak pihak yang

telah membantu dalam proses penyelesaian skripsi ini. Selain itu, penulis juga

turut mengucapkan terimakasih dan penghargaan yang sebesar-besarnya kepada:

1. Kedua orang tua yang telah memberikan rasa cinta, perhatian, kasih

sayang, semangat serta berdoa yang tiada henti-hentinya.

2. Adik-adik tercinta Feby dan Frida, terimakasih atas dukungan dan doanya.

3. Bapak Dr.Yahya Hamja,MM selaku pempimbing I yang senantiasa ikhlas

untuk meluangkan waktu dalam memberikan bimbingan dan arahan

selama penyusunan skripsi.

4. Ibu Putriesti Mandasari, SP., M.Si sebagai pembimbing II yang senantiasa

memberikan waktu serta ilmu dalam membimbing dan dukungan dalam

menyelesaikan skripsi.

5. Bapak Dr. M. Arif Mufraini, Lc., M.Si selaku Dekan Fakultas Ekonomi

dan Bisnis UIN Syarif Hidayatullah Jakarta.

6. Bu Yessi Fitri, SE., M.Si., Ak., CA selaku Ketua Jurusan Akuntansi

Fakultas Ekonomi

7. Bapak Hepi Prayudiawan SE.,Ak.,MM.,CA selaku Sekrtaris Jurusan

Akuntansi Fakultas Ekonomi UIN Syarif Hidayatullah Jakarta.

xi

8. Seluruh dosen Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah

Jakarta yang telah memberikan ilmu yang bermanfaat kepada penulis baik

dalam bidang akademik maupun non-akademik.

9. Seluruh staf karyawan Universitas Islam Negeri yang telah memberikan

bantuan kepada penulis.

10. Fito Akbar Satrya, dan Muhammad Nur Iqbal terimakasih atas dukungan

dan doa yang diberikan kepada penulis.

11. Dani, Wise Dova, Pradita, Astriana dan teman-teman ABK21 terimakasih

atas bantuan, dukungan dan doa kepada penulis.

12. Sahabat Culedrista tercinta, terimakasih atas segala perhatian, dukungan

dan doa kepada penulis.

13. Rekan- rekan Akuntansi UIN Syarif Hidayatullah angkatan 2011

14. Semua pihak yang tidak bisa disebutkan satu per satu.

Semoga Allah SWT membalas semua kebaikan yang telag diberikan

kepada penulis selama ini. Penulis menyadari sepenuhnya bahwa skripsi ini masih

jauh dari sempurna dikarenakan terbatasnya pengalaman dan pengetahuan yang

dimiliki penulis. Oleh karena itu, penulis mengharapkan segala bentuk saran serta

masukan bahkan kritik yang membangun dari berbagai pihak.

Jakarta, 22 November 2015

Alifia Puspita Dewi

xii

DAFTAR ISI

Halaman Judul .............................................................................................. i

Lembar Pengesahan Skripsi ......................................................................... ii

Lembar Pengesahan Ujian Komprehensif .................................................... iii

Lembar Pengesahan Ujian Skripsi ............................................................... iv

Lembar Pernyataan Keaslian Karya Ilmiah ................................................. v

Daftar Riwayat Hidup .................................................................................. vi

Abstract ........................................................................................................ viii

Abstrak ......................................................................................................... ix

Kata Pengantar ............................................................................................. x

Daftar Isi ....................................................................................................... xii

Daftar Tabel ................................................................................................. xvi

Daftar Gambar .............................................................................................. xvii

Daftar Lampiran ........................................................................................... xviii

BAB I PENDAHULUAN ............................................................................ 1

1.1 Latar Belakang .............................................................................. 1

1.2 Rumusan Masalah ......................................................................... 6

1.3 Tujuan Penelitian .......................................................................... 7

1.4 Manfaat Penelitian ........................................................................ 7

BAB II TINJAUAN PUSTAKA .................................................................. 9

2.1 Landasan Teori .............................................................................. 9

2.1.1 Stakeholder Theory ........................................................... 9

2.1.2 Resourced Based Theory .................................................. 11

2.1.3 Intellectual Capital ............................................................ 12

2.1.4 VAIC™ ............................................................................. 19

2.1.5 Kinerja Keuangan .............................................................. 23

2.1.6 Pertumbuhan Perusahaan .................................................. 26

xiii

2.2 Penelitian Terdahulu ............................................................ 27

2.3 Kerangka Pemikiran ...................................................................... 30

2.4 Dasar Perumusan Hipotesis .......................................................... 31

2.4.1 Pengaruh IC terhadap Kinerja Keuangan ......................... 31

2.4.2 Pengaruh IC terhadap pertumbuhan perusahaan ............... 33

BAB III METODE PENELITIAN ............................................................... 36

3.1 Ruang Lingkup Penelitian ............................................................. 36

3.2 Metode Penentu Sampel ................................................................ 36

3.3 Jenis dan Sumber Data .................................................................. 37

3.2.1 Jenis Data .......................................................................... 37

3.2.2 Sumber Data ...................................................................... 37

3.4 Operasional Variabel Penelitian .................................................... 37

3.4.1 Variabel Independen ......................................................... 37

3.4.2 Variabel Dependen ............................................................ 38

3.5 Metode Analisis Data .................................................................... 39

3.5.1 Statistik Deskriptif ............................................................ 39

3.5.2 Pengujian Asumsi Klasik .................................................. 39

3.5.2.1 Uji Normalitas ....................................................... 40

3.5.2.2 Uji Multikolinearitas .............................................. 40

3.5.2.3 Uji Heteroskedastisitas ........................................... 41

3.5.2.4 Uji Autokorelasi ..................................................... 42

3.5.3 Uji Hipotesis ..................................................................... 43

3.4.3.1 Analisis Regresi Berganda .................................... 43

3.4.3.2 Uji Statistik t (t-test) .............................................. 44

3.4.3.3 Uji Statistik F (F-test) ........................................... 45

BAB IV HASIL DAN PEMBAHASAN ..................................................... 46

4.1 Gambaran Umum Objek Penelitian .............................................. 46

4.1.1 Deskripsi Objek Penelitian ............................................... 46

xiv

4.2 Deskripsi Sampel Penelitian ......................................................... 47

4.3 Hasil Uji Analisis Data .................................................................. 47

4.3.1 Hasil Uji Statistik Deskriptif ............................................. 48

4.3.2 Hasil Uji Asumsi Klasik ................................................... 49

4.3.2.1 Uji Normalitas ....................................................... 49

4.3.2.2 Uji Multikolonieritas ............................................. 52

4.3.2.3 Uji Autokorelasi .................................................... 53

4.3.2.4 Uji Heteroskedastisitas ........................................... 55

4.3.3 Hasil Uji Hipotesis Penelitian ........................................... 57

4.3.3.1 Uji Hipotesis IC Terhadap Kinerja Keuangan ...... 57

4.3.3.1.1 Hasil Uji Koefisien Determinasi ............... 57

4.3.3.1.2 Hasil Uji t .................................................. 58

4.3.3.1.3 Hasil Uji F ................................................. 60

4.3.3.2 Uji Hipotesis IC Terhadap Pertumbuhan .............. 62

4.3.3.2.1 Hasil Uji Koefisien Determinasi ............... 62

4.3.3.2.2 Hasil Uji t .................................................. 63

4.3.3.2.3 Hasil Uji F ................................................. 65

4.3.4 Pembahasan Hasil Uji Hipotesis ....................................... 66

4.3.4.1 VACA Berpengaruh Terhadap ROA .................... 66

4.3.4.2 VAHU Berpengaruh Terhadap ROA .................... 67

4.3.4.3 SCVA Berpengaruh Terhadap ROA ..................... 68

4.3.4.4 IC Berpengaruh Terhadap ROA ........................... 70

4.3.4.1 VACA Berpengaruh Terhadap AG ....................... 72

4.3.4.2 VAHU Berpengaruh Terhadap AG ....................... 73

4.3.4.3 SCVA Berpengaruh Terhadap AG ........................ 74

4.3.4.4 IC Berpengaruh Terhadap AG .............................. 75

BAB V PENUTUP ....................................................................................... 78

5.1 Kesimpulan ................................................................................... 78

xv

5.2 Kontribusi ...................................................................................... 79

5.3 Saran untuk Peneliti Selanjutnya .................................................. 80

DAFTAR PUSTAKA .................................................................................. 82

LAMPIRAN ................................................................................................. 86

xvi

DAFTAR TABEL

No. Keterangan Halaman

2.1 Perbandingan Konsep Intellectual Capital ...................................... 15

2.2 Klasifikasi Intellectual Capital ........................................................ 19

2.3 Penelitian Terdahulu ........................................................................ 27

3.1 Tabel Operasional Variabel .............................................................. 38

3.2 Pengambilan Keputusan Uji Autokorelasi ....................................... 42

4.1 Proses Seleksi Sampel ...................................................................... 47

4.2 Hasil Uji Statistik Deskriptif ............................................................ 48

4.3 Hasil Uji Kolmogorov-Smirnov ........................................................ 52

4.4 Hasil Uji Multikolonieritas ROA ..................................................... 52

4.5 Hasil Uji Multikolonieritas AG ........................................................ 53

4.6 Hasil Uji Autokorelasi ROA ............................................................ 54

4.7 Hasil Uji Autokorelasi AG ............................................................... 54

4.8 Hasil Uji Heteroskedastisitas ROA .................................................. 55

4.9 Hasil Uji Heteroskedastisitas AG ..................................................... 56

4.10 Hasil Uji Adj R2

ROA ...................................................................... 58

4.11 Hasil Uji t ROA ................................................................................ 59

4.12 Hasil Uji F ROA .............................................................................. 61

4.13 Hasil Uji Adj R2

AG ........................................................................ 62

4.14 Hasil Uji t AG .................................................................................. 63

4.15 Hasil Uji F AG ................................................................................. 65

xvii

DAFTAR GAMBAR


2.1 Model Kerangka Pemikiran ............................................................. 30

4.1 Hasil Uji Normalitas P-P Plot ROA ................................................. 50

4.2 Hasil Uji Normalitas P-P Plot AG ................................................... 51

4.3 Hasil Uji Heteroskedastisitas Scaterplot ROA ................................ 56

4.4 Hasil Uji Heteroskedastisitas Scaterplot AG ................................... 57

xviii

DAFTAR LAMPIRAN


1 Daftar Perusahaan Objek Penelitian ................................................ 86

2 Rincian Data Perusahaan 2011 – 2013 ............................................. 89

3 Hasil Output SPSS ........................................................................... 137

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Dewasa ini dunia telah berkembang dengan begitu pesatnya yang ditandai

dengan kemajuan di bidang teknologi informasi, persaingan ketat dan

pertumbuhan inovasi yang luar biasa sehingga menyebabkan banyak perusahaan

juga mengubah cara mereka menjalankan bisnis. Agar dapat terus bertahan

perusahaan-perusahaan mengubah dari bisnis yang berdasarkan labor based

business (bisnis berdasarkan tenaga kerja) menjadi knowledge based business

(bisnis berdasarkan pengetahuan), strategi bisnis ini difokuskan pada pengetahuan

dan keahlian dari tenaga kerja yang dapat meningkatkan nilai perusahaan

dibandingkan dengan mengandalkan banyaknya tenaga kerja dalam suatu

perusahaan (Wijaya, 2012).

Pada sistem yang berbasis pengetahuan ini, maka modal yang

konvensional seperti sumber daya alam, sumber daya keuangan dan aktiva fisik

lainnya menjadi kurang penting dibandingkan dengan modal yang berbasis pada

pengetahuan dan teknologi. Menggunakan ilmu pengetahuan dan teknologi

secara efisien dan ekonomis oleh sumber daya yang ada, akan memberikan

keunggulan kompetitif bagi perusahaan (Rupert, 1998).

Ada tiga pengertian keunggulan kompetitif (competitive advantage).

Pertama, keunggulan kompetitif ialah sisi khas (distinct edge) organisasi yang

datang dari kompetensi inti dan kecakapan proses bisnis yang membedakan

2

organisasi satu dengan organisasi lain (Robbins dan Coulter, 2002; Kotler, 2002).

Kedua, keunggulan kompetitif adalah faktor apa saja yang dapat membedakan

produk dan jasa suatu organisasi dengan produk dan jasa organisasi pesaing untuk

mencapai tujuan jangka panjang (David, 2002). Ketiga, keunggulan kompetitif

ialah segala sesuatu yang dilakukan dengan sangat baik oleh perusahaan

dibandingkan dengan perusahaan pesaingnya (David, 2006).

Keunggulan kompetitif yang berkelanjutan hanya dapat diciptakan melalui

pengembangan intangible assets seperti kemampuan dan pengetahuan pekerja,

teknologi informasi yang mendukung pekerja dan menghubungkan perusahaan

dengan customers dan suplier, serta iklim organisasi yang mendorong inovasi,

pemecahan masalah, dan pengembangan (Kaplan dan Norton, 2001). Keunggulan

bersaing sangat tergantung pada superioritas kualitas sumber daya manusia.

Suatu perusahaan yang efektif dalam lingkungan yang kompetitif adalah

yang mengelola sumber daya manusianya sebaik mungkin. Sumber daya

manusialah yang akan menentukan apakah tujuan perusahaan dapat tercapai

dengan tepat dan baik (Martoyo, 2000). Sumber daya manusia tercermin dari para

karyawan yang tidak lain adalah para penggerak, penggagas, serta pengambil

keputusan demi keberlangsungan eksistensi perusahaan. Aset yang dimiliki

perusahaan yang semula dalam bentuk aset tetap kini menjadi aset tak berwujud

(intangible asset) yaitu intellectual capital atau modal intelektual yang

mengandung unsur pemikiran yang dimiliki karyawan.

Aset yang paling berharga bagi perusahaan di abad 20 adalah peralatan

produksinya. Sedangkan aset yang paling berharga di abad ke-21 adalah pekerja

berpengetahuan dan produktifitasnya (Drucker, 1957 dalam Ulum, 2009:86).

3

Perkembangan suatu perusahaan akan sangat bergantung pada penciptaan dan

pengembangan dari pengetahuan itu sendiri, sehingga perusahaan dituntut untuk

dapat memanfaatkan segala aset yang mereka miliki, tidak hanya tangibel asset

(aset berwujud) namun juga memperhitungkan intangible asset (aset tidak

berwujud) dalam peningkatan kinerja perusahaan (Ainurridha, 2014).

Intellectual capital masih belum dikenal secara luas di Indonesia. Hal ini

dikarenakan, perusahaan – perusahaan di Indonesia lebih memilih menggunakan

modal kovensional dalam membangun bisnisnya (Abidin, 2000). Intellectual

capital mulai dikenal di Indonesia sejak diterbitkan PSAK No 19 (revisi 2009)

mengenai aset tidak berwujud (intangible Asets) (Ulum, 2008). Menurut IAI

(2007) Intangible asset (Aset tidak berwujud) adalah aset non-moneter yang

dapat diidentifikasi dan tidak mempunyai wujud fisik. Sedangkan menurut

PSAK No 19 (revisi 2009) intangible asset (aset tidak berwujud) terdiri dari

ilmu pengetahuan dan teknologi, desain dan implementasi sistem atau proses

baru, lisensi, hak kekayaan intelektual, pengetahuan mengenai pasar dan merek

dagang (termasuk merek produk/brand names). Selain itu juga disebutkan

piranti lunak komputer, hak paten, hak cipta, film gambar hidup, daftar

pelanggan, hak penguasaan hutan, kuota impor, waralaba, hubungan dengan

pemasok atau pelanggan, kesetiaan pelanggan, hak pemasaran, dan pangsa

pasar.

Dalam dunia bisnis modern, intellectual capital telah menjadi aset yang

sangat bernilai. Hal ini menimbulkan tantangan bagi para akuntan untuk

mengidentifikasi, mengukur dan mengungkapkannya dalam laporan keuangan

(Suwarjono dan Kadir, 2003). Penelitian mengenai intellectual capital menjadi

4

sangat menarik karena berdasarkan survei global yang dilakukan Taylor and

Associated pada tahun 1998 ternyata isu-isu mengenai pengungkapan

intellectual capital merupakan salah satu dari sepuluh jenis informasi yang

dibutuhkan pemakai (Williams, 2001).

Intellectual capital memiliki peran yang sangat penting dan strategis di

dalam perusahaan. Laporan keuangan kurang memadai dalam melaporkan kinerja

intellectual capital perusahaan. Penciptaan nilai yang tidak berwujud (intangibel

value creation) harus mendapatkan perhatian yang cukup karena hal ini memiliki

dampak yang sangat besar terhadap kinerja perusahaan. Penciptaan nilai dengan

memanfaatkan seluruh potensi yang dimiliki perusahaan baik karyawan (human

capital), aset fisik (physical capital) maupun structural capital. Pengelolaan yang

baik atas seluruh potensi ini akan menciptakan value added bagi perusahaan yang

kemudian dapat mendorong kinerja keuangan dan pertumbuhan perusahaan bagi

stakeholder (Ulum, 2009:6).

Saat ini pertumbuhan sektor manufaktur di Indonesia memberi kontribusi

signifikan terhadap perekonomian nasional, sektor manufaktur kembali mencatat

pertumbuhan di tengah pelambatan pertumbuhan perekonomian nasional dan

kelesuan ekonomi global. Sektor manufaktur juga berpotensi maju dan tumbuh

secara berkelanjutan dengan kebijakan untuk meningkatkan nilai berbasis daya

saing (Sjamsu, 2011).

Perkembangan industri manufaktur di Indonesia terus tumbuh hingga

mencapai 6,4 persen menurut data Kementrian Perdagangan Republik Indonesia.

Dari pencapaian itu maka persaingan dalam dunia usaha semakin tinggi. Hal

tersebut membangkitan minat perusahaan untuk selalu meningkatkan sumber daya

5

manusia berbasis pengetahuan dengan baik. Dalam hal manajemen perusahaaan

juga harus menjaga dan meningkatkan kinerja perusahaan.

Model pengukuran kinerja intellectual capital untuk perusahaan

manufaktur menjadi penting untuk dihasilkan karena hasil penelitian di berbagai

negara termasuk di Indonesia, menunjukkan bahwa intellectual capital memiliki

peran dalam menggerakan perusahaan, seperti yang telah disampaikan

sebelumnya. Intellectual capital berpengaruh positif terhadap kinerja keuangan

perusahaan yang merupakan ukuran kinerja jangka pendek dan paling mudah

dilihat, baik pada masa kini maupun di masa yang akan datang. Artinya,

intellectual capital dapat digunakan dalam memprediksi kinerja keuangan

perusahaan (Ulum, 2008; Wang, 2011; Salman, 2012; Latif, 2012).

Berdasarkan uraian diatas, dapat diketahui bahwa terdapat beberapa aspek

yang membantu perusahaan untuk berkembang, salah satunya adalah intellectual

capital. Penulis tertarik untuk melakukan penelitian untuk memperoleh bukti

empiris tentang “PENGARUH INTELLECTUAL CAPITAL TERHADAP

KINERJA KEUANGAN DAN PERTUMBUHAN PERUSAHAAN PADA

PERUSAHAAN MANUFAKTUR YANG TERCATAT DI BURSA EFEK

INDONESIA”

Penelitian ini, menggunakan model VAIC yang dikembangkan oleh Pulic

(1998) dalam pengukuran terhadap intellectual capital, Pulic berpendapat bahwa

intellectual capital dihitung dengan suatu ukuran untuk menilai efisiensi dari nilai

tambah sebagai hasil dari kemampuan intelektual perusahaan. Pengukuran yang

digunakan untuk mengukur kinerja keuangan perusahaan menggunakan Return

6

On Asset (ROA) dan Assets Growth (AG) untuk mengukur pertumbuhan

perusahaan.

Penulis menggunakan perusahaan yang bergerak dalam industri

manufaktur sebagai sampel dalam penelitian ini dan menggunakan analisis regresi

berganda dalam metode analisis penelitiannya.

1.2 Perumusan Masalah

Intellectual Capital merupakan aset tidak berwujud yang tidak mudah

diukur, karena itulah muncul konsep VAIC yang menjadi solusi untuk mengukur

dan melaporkan intellectual capital dengan mengacu pada informasi keuangan

peusahaan. Berdasarkan hal tersebut, maka masalah dalam penelitian ini

dirumuskan dalam pertanyaan sebagai berikut.

1. Apakah VACA berpengaruh terhadap kinerja keuangan perusahaan?

2. Apakah VAHU berpengaruh terhadap kinerja keuangan perusahaan?

3. Apakah SCVA berpengaruh terhadap kinerja keuangan perusahaan?

4. Apakah Intellectual Capital berpengaruh terhadap Kinerja keuangan

perusahaan?

5. Apakah VACA berpengaruh terhadap pertumbuhan perusahaan?

6. Apakah VAHU berpengaruh terhadap pertumbuhan perusahaan?

7. Apakah SCVA berpengaruh terhadap pertumbuhan perusahaan?

8. Apakah Intellectual capital berpengaruh terhadap pertumbuhan

perusahaan?

7

1.3 Tujuan Penelitian

1. Untuk mengetahui pengaruh VACA terhadap kinerja keuangan

perusahaan.

2. Untuk mengetahui pengaruh VAHU terhadap kinerja keuangan

perusahaan.

3. Untuk mengetahui pengaruh SCVA terhadap kinerja keuangan

perusahaan.

4. Untuk mengetahui pengaruh antara Intellectual Capital terhadap kinerja

keuangan perusahaan.

5. Untuk mengetahui pengaruh VACA terhadap pertumbuhan perusahaan.

6. Untuk mengetahui pengaruh VAHU terhadap pertumbuhan perusahaan.

7. Untuk mengetahui pengaruh SCVA terhadap pertumbuhan perusahaan.

8. Untuk mengetahui pengaruh Intellectual Capital terhadap pertumbuhan

perusahaan.

1.4 Manfaat Penelitian

Adapun manfaat yang dapat diambil dari penelitian ini adalah sebagai

berikut:

1. Kontribusi Teoritis

a. Mahasiswa jurusan akuntansi, penelitian ini bermanfaat untuk

bahan referensi dalam pemahaman mengenai pengaruh

intellectua capital terhadap kinerja keuangan dan pertumbuhan

perusahaan.

b. Penulis, sebagai sarana untuk menambah wawasan dan

pengetahuan tentang masalah yang diteliti.

8

c. Masyarakat, sebagai informasi mengenai korelasi antara

variabel-variabel dalam penelitian ini.

2. Kontribusi Praktis

a. Sebagai alat bantu dalam pengambilan keputusan guna

meningkatkan kinerja sebuah perusahaan

b. Sebagai sumber informasi dan referensi mengenai relevansi

pengungkapan intellectual capital dalam laporan keuangan

3. Bagi akademisi, penelitian ini akan bermanfaat untuk

a. Kontribusi riset pengungkapan intellectual capital perusahaan

manufaktur di Indonesia.

9

BAB II

TINJAUAN PUSTAKA

2.1 Landasan Teori

2.1.1 Stakeholder Theory

Dalam pandangan stakeholder theory, perusahaan bukan

hanya memiliki shareholder namun juga memiliki stakeholders

yang meliputi pemegang saham, karyawan, pelanggan, pemasok,

kreditor, pemerintah, dan masyarakat (Riahi-Belkaoui, 2003).

Kelompok stakeholder inilah yang menjadi pertimbangan utama

bagi perusahaan dalam pengungkapan suatu informasi dalam

laporan keuangan dimana laba akuntansi hanya merupakan ukuran

return bagi shareholder, sementara value added merupakan ukuran

yang lebih akurat yang diciptakan stakeholders, kemudian

didistribusikan kepada stakeholders (Meek & Gray, 1988 dalam

Belkaoui, 2003).

Kelangsungan hidup perusahaan tergantung pada dukungan

stakeholder dan dukungan tersebut harus dicari sehingga aktivitas

perusahaan adalah untuk mencari dukungan tersebut. Perusahaan

bukanlah entitas yang hanya beroperasi untuk kepentingannya

sendiri, dan untuk mendapatkan dukungan dari stakeholder

perusahaan harus memberikan manfaat bagi para stakeholder yang

dimilikinya.

10

Freeman dan Evan (1990) menyatakan definisi tentang

stakeholder, yaitu:

“any identifiable group or individual who can affect the

achievement of an organisation’s objectives, or is affected

by the achievement of an organisation’s objectives”.

Berdasar teori stakeholder, manajemen perusahaan

diasumsikan melakukan aktivitas yang dianggap penting oleh

stakeholder dan melaporkan kembali aktivitas-aktivitas tersebut

pada stakeholder. Teori ini menyatakan bahwa stakeholder berhak

untuk menerima informasi tentang bagaimana aktivitas organisasi

mempengaruhi mereka, bahkan ketika mereka memilih untuk tidak

menggunakan informasi tersebut atau bahkan ketika mereka tidak

dapat secara langsung memainkan peran yang konstruktif dalam

kelangsungan hidup organisasi (Fontaine, 2006).

Dalam konteks VAICTM

, teori stakeholder berargumen

bahwa seluruh stakeholder memiliki hak untuk diperlakukan adil

dan manajer harus mengelola organisasi untuk keuntungan seluruh

stakeholder. Melalui pemanfaatan seluruh potensi perusahaan, baik

karyawan (human capital), aset fisik (physical capital), maupun

structural capital, maka perusahaan akan mampu menciptakan

value added bagi perusahaan (dalam hal ini disebut VAICTM

).

Dengan meningkatkan value added tersebut, kinerja keuangan

perusahaan akan meningkat dan pertumbuhan perusahaan makin

baik sehingga nilai perusahaan di mata stakeholder akan

meningkat.

11

2.1.2 Resources Based Theory/Resources Based View (RBT)

Resources Based Theory dipelopori oleh Penrose (1959)

yang mengemukakan bahwa sumber daya perusahaan adalah

heterogen, tidak homogen, jasa produktif yang tersedia berasal dari

sumber daya perusahaan yang memberikan karakter unik bagi tiap-

tiap perusahaan (Kor dan Mahoney, 2004).

Teori Resources Based Theory memandang bahwa

perusahaan merupakan kumpulan dari sumber daya dan

kemampuan (Kor dan Mahoney, 2004). Perbedaan sumber daya

dan kemampuan perusahaan dengan perusahaan pesaing akan

memberikan keuntungan kompetitif. Asumsi Resources Based

Theory yaitu bagaimana perusahaan dapat bersaing dengan

perusahaan lain untuk mendapatkan keunggulan kompetitif dengan

mengelola sumber daya yang dimiliki sesuai dengan kemampuan

perusahaan (Wernerfelt, 1984).

Empat kriteria sumber daya sebuah perusahaan mencapai

keunggulan kompetitif yang berkelanjutan, yaitu: (a) sumber daya

harus menambah nilai positif bagi perusahaan, (b) sumber daya

harus bersifat unik atau langka diantara calon pesaing dan pesaing

yang ada sekarang ini, (c) sumber daya harus sukar ditiru dan (d)

sumber daya tidak dapat digantikan dengan sumber lainnya oleh

perusahaan pesaing (Fahy dan Smithee, 1999).

Dalam konteks ini, Resources Based Theory dapat

menjelaskan bahwa perusahaan yang dapat mengelola intellectual

12

capital dengan maksimal. Intellectual capital dalam hal ini yaitu

seluruh sumber daya yang dimiliki perusahaan, baik karyawan

(human capital), aset fisik (physical capital) maupun structural

capital.

Kemampuan perusahaan untuk mengeksploitasi dan

memobilisasi aset tidak berwujudnya jauh lebih menentukan

daripada melakukan investasi dan mengelola aktiva fisik yang

berwujud (Kaplan dan Norton, 1996). Sumber daya tidak berwujud

(intangible resources) merupakan aktiva yang paling berharga bagi

suatu perusahaan (Mulyadi, 200; Simons, 2000; Ulrich, 1998).

2.1.3 Intellectual Capital

Intellectual Capital bisa juga disebut sebagai intellectual

property, intellectual assets dan knowledge assets. Namun pada

dasarnya ketiga istilah tersebut memiliki konsep yang berbeda

(McConnachie, 1997 dalam Novia, 2012). Intellectual Capital

dianggap sebagai pengetahuan dengan nilai yang potensial. Ketika

pengetahuan ditegaskan dengan adanya kepemilikan, maka

pengetahuan tersebut menjadi intellectual Property yang nilainya

dapat diukur oleh penggunanya. Intellectual Capital menunjukkan

transformasi menjadi sesuatu yang bernilai bagi perusahaan.

Sedangkan assets intellectual merupakan pertukaran bentuk bagi

transformasi pengetahuan tersebut (Ismawati, 2007).

13

Ketertarikan mengenai Intellectual Capital berawal ketika

Tom Stewart, Juni 1991, menulis sebuah artikel yang berjudul

Brain Power-How Intellectual Capital Is Becoming America’s

Most Valuabel Asset, yang mengantar intellectual capital kepada

agenda manajemen (Ulum, 2009). Dalam artikelnya, Stewart

mendefinisikan intellectual capital adalah materi intelektual

(pengetahuan, informasi, property intelektual, pengalaman) yang

dapat digunakan untuk menciptakan kekayaan. Ini adalah suatu

kekuatan akal kolektif atau seperangkat pengetahuan yang berdaya

guna.

Klein dan Prusak (1994) menyatakan apa yang kemudian

menjadi standar pendefinisian intellectual capital, yang kemudian

dipopularisaikan oleh Stewart (1994), sebagai berikut:

“… we can define intellectual capital operationally as

intellectual material that has been formalized, captured,

and leveraged to produce a higher valued asset”.

Pulic (2008) mendefinisikan intellectual capital, yaitu:

“In the new economy the concept of intellectual capital is

used as a synonym for those employees, who have the

capability of transforming and incorporating knowledge

into product and services that create value.”

Intellectual capital termasuk didalamnya adalah seluruh

proses dan aset yang biasanya tidak muncul pada balance sheet dan

seluruh intangible asset yang telah dipertimbangkan terhadap

metode akuntansi yang modern, dimana didalamnya terdapat

kontribusi dari pengetahuan manusia sebagai sumber daya

perusahaaan (Bontis, 2000).

14

Sampai saat ini belum ada definisi intellectual capital yang

diterima secara umum atau universal. Namun sebagian besar

definisi mengungkapkan hal yang mirip yaitu intellectual capital

dianggap sebagai sumber penciptaan nilai jangka panjang

perusahaan (Edvinsson dan Malone, 1997).

Salah satu definisi intellectual capital yang banyak

digunakan adalah yang didefinisikan oleh Organisation for

Economic Cooperation and Development (OECD) pada tahun

1999 yang menjelaskan intellectual capital sebagai nilai ekonomi

dari dua kategori aset tak berwujud, diantaranya organizational

(structural) capital yang mengacu pada sistem software, jaringan

distribusi dan rantai pasokan. Kategori lainnya yaitu human

capital, yang meliputi sumber daya manusia di dalam organisasi

(karyawan) dan sumber daya eksternal yang berkaitan dengan

organisasi, seperti konsumen dan supplier. (Ulum, 2009: 21)

Berikut akan ditampilakan perbandingan intellectual

capital yang dikemukakan oleh Brooking, Roos, Steward dan

Bontis yang dibuat oleh The International Federation of

Accountants (IFAC, 1998).

15

Tabel 2.1

Perbandingan konsep Intellectual capital

Sumber: The International Federation of Accountants (IFAC, 1998)

Secara umum peneliti membagi modal intelektual menjadi

tiga elemen utama (Sveiby, 1997; Stewart, 1999; Bontis 2000),

yaitu: human capital, structural capital, dan relational capital.

Brooking (UK) Roos (UK) Steward

(USA)

Bontis

(Canada)

Human-centered

assets

Skills, abilities

and expertise,

problem solving

abilities and

leadership styles

Human Capital

Competence,

attitude and

intellectual

agility

Human

Capital

Employees are

an

organization’s

most important

asset

Human capital

The individual-

level

knowledge that

each employee

possesses

Infrastructure

assets

All the The

technologies,

process and

methodologies

that enable

company to

function

Organizational

capital

All

organizational,

innovation,

processes,

intellectual

propert and

cultural assets

Structural

capital

Knowledge in

information

technology

Structural

capital

Non-human

assets or

organizational

capabilities

used to meet

market

requorements

Intellectual

Property

Know how,

trademarks and

patents

Renewal and

development

capital

New patentes

and training

effort

Structural

capital

All patents,

plans and

trademarks

Intellectual

property

Unlike, IC, IP

is a protected

Asset and has a

legal definition

Market Assets

Brands,

customers,

customer loyalty

and distribution

channels

Relation

Capital

Relationship

which include

internal and

external

stakeholder

Customer

capital Market

Information

used to capture

and retain

customers

Relational

capital

Customers

capital is only

one feature of

the knowledge

embedded in

organizational

relationships

16

Dimana ketiganya berkaitan dengan pengetahuan dan teknologi

yang dapat memberikan nilai lebih bagi perusahaan berupa

keunggulan bersaing organisasi.

1. Human Capital (modal manusia)

Human capital didefinisikan sebagai pengetahuan, skill dan

pengalaman yang pegawai bawa ketika meninggalkan perusahaan

(Stratovic dan Marr, 2004 dalam Astuti, 2005). Human capital

merupakan lifeblood dalam intellectual capital. Disinilah sumber

inovasi dan perubahan, tetapi merupakan komponen yang sulit

untuk diukur. Human capital juga merupakan tempat

bersumbernya pengetahuan yang sangat berguna, keterampilan,

dan kompetensi dalam suatu perusahaan (Fauzan, 2014). 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.

Beberapa karakteristik dasar yang dapat diukur dari modal

ini, yaitu training programs, credential, experience, competence,

recruitment, mentoring, learning programs, individual potential

and personality (Brinker, 2000).

17

2. Structural Capital atau Organizational Capital (modal

organisasi)

Structural capital merupakan sesuatu yang menjadikan

perusahaan tetap kokoh akibat nilai yang telah dicapai oleh

perusahaan mulai bekerja dengan sendirinya untuk kemajuan

perusahaan (Roos, 1997). Structural capital didefinisikan sebagai

pengetahuan yang akan tetap berada dalam perusahaan (Stratovic

and Marr, 2004 dalam Astuti, 2005).

Bontis (1998) menyatakan bahwa structural capital timbul

dari proses dan nilai organisasi, yang mencerminkan fokus internal

dan eksternal dari perusahaan, ditambah pengembangan dan

pembaharuan nilai untuk masa depan.

Structural capital mencakup hardware, software, proses,

paten dan merek dagang. Selain itu, structural capital juga

mencakup ha-hal seperti citra organisasi, sistem informasi dan

database. Karena komponen yang beraagam, structural capital

lebih lanjut diklasifikasikan kedalam organisasi, proses dan

innovasional capital (Edvisson and Malone, 1997).

Seorang individu dapat memiliki tingkat intelektualitas

yang tinggi, tetapi jika organisasi memiliki sistem dan prosedur

yang buruk maka intellectual capital tidak dapat mencapai kinerja

secara optimal dan potensi yang ada tidak dapat dimanfaatkan

secara maksimal.

18

3. Relational Capital atau Costumer Capital (modal pelanggan)

Setiap bisnis yang berhubungan dengan konsumen tentunya

memiliki modal konsumen (costumer capital). Hal ini menjadikan

penghubung antara human capital dan structural capital

(Karacan, 2007). Secara sederhana, costumer capital adalah apa

yang mungkin dilakukan oleh konsumen terhadap perusahaan

(Steward, 1997).

Relational capital atau costumer capital dapat muncul dari

berbagai bagian diluar lingkungan perusahaan yang dapat

menambah nilai bagi perusahaan tersebut. Edvinsson (1997)

seperti yang dikutip oleh Brinker (2000) menyarankan

pengukuran beberapa hal berikut ini yang terdapat dalam modal

pelanggan, yaitu:

a. Customer Profile. Siapa pelanggan-pelanggan kita, dan

bagaimana mereka berbeda dari pelanggan yang dimiliki oleh

pesaing. Hal potensial apa yang kita miliki untuk meningkatkan

loyalitas, mendapatkan pelanggan baru, dan mengambil

pelanggan dari pesaing.

b. Custumer Duration. Seberapa sering pelanggan kita berbalik

pada kita. Apa yang kita ketahui tentang bagaimana dan kapan

pelanggan akan menjadi pelanggan yang loyal? Serta seberapa

sering frekuensi komunikasi kita dengan pelanggan.

c. Customer Role. Bagaimana kita mengikutsertakan pelanggan

ke dalam disain produk, produksi dan pelayanan.

19

d. Customer Support. Program apa yang digunakan untuk

mengetahui kepuasan pelanggan.

e. Customer Success. Berapa besar rata-rata setahun pembelian

yang dilakukan oleh pelanggan.

Tabel 2.2

Klasifikasi Intellectual Capital

Human Capital Relational

(Customer) Capital

Organisational

(Structural) Capital

Pendidikan

Pekerjaan dihubungakan

dengan pengetahuan,

Penilaian psychometric,

semangat

enterpreneurial, jiwa

inovatif, kemampuan

proaktif dan reaktif,

kemampuan untuk

berubah

Brand

Konsumen

Loyalitas konsumen

Jaringan distribusi

Kolaborasi bisnis

Kesepakatan Lisensi

Kontrak yang

mendukung

Kesepakatan

franchise

Intellectual Property

Paten

Copyrights

Trade secret

Trademarks

Infrastructure assets

Filosofi manajemen

Budaya perusahaan

Sistem Informasi

Sumber: Wijaya, 2012

2.1.4 Value Added Intellectual Coefficient (VAIC™)

Koefisien Nilai Tambah Intelektual atau Value Added

Intellectual Coefficient (VAIC) menyediakan informasi tentang

efisiensi penciptaan nilai dari aset berwujud dan tidak berwujud

dalam perusahaan. VAIC (Value Added Intellectual Coefficient)

digunakan karena dianggap sebagai indikator yang cocok untuk

mengukur intellectual capital di riset empiris (Pulic, 1998).

Beberapa alasan utama yang mendukung penggunaan

VAIC diataranya adalah VAIC (Value Added Intellectual

Coefficient) menyediakan dasar ukuran yang standar dan konsisten,

angka-angka keuangan yang standar yang umumnya tersedia dari

laporan keungan perusahaan, sehingga memungkinkan lebih efektif

20

melakukan analisis komparatif internasinoal menggunakan ukuran

sampel yang besar di berbagai setor industri (Pulic dan

Bornemann, 1999).

Kedua, semua data yang di gunakan dalam perhitungan

VAIC (Value Added Intellectual Coefficient) didasarkan pada

informasi yang telah diaudit, sehingga perhitungan dapat dianggap

obyektif dan dapat diverifikasi (Pulic, 2000)

VAIC (Value Added Intellectual Coefficient) adalah sebuah

prosedur analitis yang dirancang untuk memungkinkan

manajemen, pemegang saham dan pemangku kepentingan lain

yang terkait untuk secara efektif memonitor dan mengevaluasi

efisiensi nilai tambah atau Value Added dengan total sumber daya

perusahaan dan masing-masing komponen sumber daya utama.

Dimana nilai tambah merupakan perbedaan antara pendapatan

(OUT) dan beban (IN).

Penghitungan Intellectual capital dengan metode VAIC™

diukur dengan value added yang terbentuk dari penjumlahan Value

Added Capital Coefficient (VACA), Value Added Human Capital

(VAHU), Structural Capital Value Added (SCVA). Formulasi

penghitungan VAIC™ menggunakan tiga elemen yaitu:

1. Value Added Capital Coefficient (VACA)

VACA adalah perbandingan antara value added (VA) dengan

capital employed (CE) (Pulic, 1998). Rasio ini menunjukkan

adanya kontribusi yang dibuat oleh setiap unit capital

21

employed terhadap value added organisasi. VACA menjadi

indikator kemampuan intelektual perusahaan untuk

memanfaatkan modal fisik yang lebih baik:

Dimana:

VACA : Value AddedCapital Employed

VA : Value Added

CE : Capital Employed (Total aktiva – Kewajiban lancar)

Sedangkan VA berasal dari perbandingan antara output

dengan input.

Dimana:

Output (OUT) : Pendapatan bunga bersih + Jumlah

pendapatan operasional lain

Input (IN) : Total beban operasional lainnya – Beban

Karyawan

2. Value Added Human Capital (VAHU)

VAHU menunjukkan kontribusi yang dibuat oleh setiap rupiah

yang diinvestasikan pada HC (human capital) untuk value

added organisasi atau hubungan antara VA (value added) dan

HC (human capital) mengindikasikan kemampuan HC

(human capital) membuat nilai pada sebuah perusahaan

VA = Out - In

22

(Pulic, 1998). Jadi hubungan antara VA (value added) dan HC

(human capital) diformulakan sebagai berikut:

Dimana:

VAHU : Value Added Human Capital

VA : Value Added

HC : Human Capital (Beban Karyawan)

Ketika VAHU dibandingkan lebih dari sebuah kelompok

perusahaan, VAHU menjadi sebuah indikator kualitas sumber

daya manusia perusahaan. VAHU juga sebagai kemampuan

perusahaan menghasilkan value added setiap rupiah

dikeluarkan pada human capital.

3. Structural Capital Value Added (SCVA)

STVA adalah rasio structural capital terhadap value added

yang mengukur jumlah SC (structural capital) yang

dibutuhkan untuk menghasilkan satu rupiah dari VA (value

added). STVA menjadi indikator keberhasilan SC dalam

penciptaan nilai.

Dimana :

SCVA : Structure Capital Value Added

SC : Structure Capital (Value Added – Beban Karyawan)

VA : Value Added

23

VAIC™ merupakan indikator kemampuan intelektual

organisasi atau rasio tersebut merupakan kalkulasi

kemampuan intelektual sebuah perusahaan (Pulic, 1998).

Formulasi penghitungan VAIC™ adalah sebagai berikut:

Dimana:

VAIC : Value Added Intellectual Capital

VACA : Value Added Capital Employed

VAHU : Value Added Human Capital

SCVA : Value Added Structure Capital

2.1.5 Kinerja Keuangan

Kinerja adalah hasil kerja yang dapat dicapai oleh

seseorang atau sekelompok orang dalam suatu organisasi, sesuai

dengan wewenang dan tanggung jawab masing-masing, dalam

upaya mencapai tujuan organisasi bersangkutan secara legal, tidak

melanggar hukum dan sesuai dengan moral maupun etika

(Prawirosentono, 1997).

Hansen dan Mowen (2005) dalam Novia (2012)

menyatakan kinerja dapat dibedakan kedalam kinerja keuangan

dan non keuangan. Kinerja keuangan lebih dititik beratkan pada

variabel-variabel yang terkait langsung dengan laporan keuangan.

Kinera keuangan diuji dalam tiga dimensi. Pertama, dimensi

VAIC™ = VACA + VAHU + SCVA

24

produktifitas perusahaan atau pengolahan input menjadi output

secara efisien. Kedua, dimensi profitabilitas atau tingkat dimana

pendapatan perusahaan melebihi biaya yang dikeluarkan. Dimensi

ketiga adalah tingkat dimana nilai pasar perusahaan melebihi nilai

bukunya (walker 2001 dalam Novia 2012)

Kinerja perusahaan merupakan suatu tampilan keadaan

perusahaan selama periode tertentu (Sihasale, 2001). Untuk

mengetahui kinerja yang dicapai maka dilakukan pengukuran

kinerja. Kinerja keuangan perusahaan dapat diukur dari laporan

keuangan yang dikeluarkan secara periodik oleh perusahaan

dimana hal tersebut memberikan suatu gambaran tentang posisi

keuangan suatu perusahaan (Purnomo, 1998).

Untuk mengukur kinerja keuangan perusahaan digunakan

rasio-rasio keuangan. beberapa indikator yang digunakan antara

lain current ratio (CR), debt to equity ratio (DER), return on

Assets (ROA), return on investment (ROI), dan return on equity

(ROE).

a. Return on Assets (ROA)

Return on Assets (ROA) merupakan salah satu rasio

profitabilitas. Dalam analisis laporan keuangan, rasio ini

paling sering disoroti, karena mampu menunjukkan

keberhasilan perusahaan menghasilkan keuntungan. ROA

mampu mengukur kemampuan perusahaan manghasilkan

25

keuntungan pada masa lampau untuk kemudian

diproyeksikan di masa yang akan datang.

Assets atau aktiva yang dimaksud adalah keseluruhan harta

perusahaan, yang diperoleh dari modal sendiri maupun dari

modal asing yang telah diubah perusahaan menjadi aktiva-

aktiva perusahaan yang digunakan untuk kelangsungan

hidup perusahaan.

b. Current ratio (CR)

Rasio lancar adalah ukuran dari likuiditas jangka pendek

yang membandingan aset lancar dengan kewajiban lancar.

Rasio ini menunjukkan kemampuan perusahaan untuk

memenuhi kewajiban jangka pendeknya. Perusahaan yang

mampu membayar belum tentu mampu memenuhi segala

kewajiban keuangan yang harus dipenuhi (Sofyan, 2007).

c. Debt to equity ratio (DER)

Rasio hutang atas modal adalah menggambarkan sampai

sejauh mana modal pemilik dapat menutupi hutang-hutang

kepada pihak luar. Debt to equity ratio menggambarkan

proporsi antara kewajiban yang dimiliki dan seluruh

kekayaan yang dimiliki (Sawir, 2001).

d. Return on investment (ROI)

Pengukuran kemampuan perusahaan secara keseluruhan di

dalam menghasilkan keuntungan dengan jumlah

keseluruhan aktiva yang tersedia di dalam perusahaan.

26

e. Return on equity (ROE)

ROE merupakan pengembalian hasil atau ekuitas yang

jumlahnya dinyatakan sebagai suatu parameter dan

diperoleh atas investasi dalam saham biasa perusahaan

untuk suatu periode waktu tertentu. Besarnya ROE sangat

dipengaruhi oleh besarnya laba yang diperoleh perusahaan

(Sartono, 2001).

2.1.6 Pertumbuhan Perusahaan

Pertumbuhan perusahaan merupakan kemampuan

perusahaan untuk meningkatkan ukuran atau size perusahaan

(Kallapur dan Trombley, 2001 dalam Bambang 2012).

Keberhasilan pertumbuhan dan keberlangsungan perusahaan akan

terwujud jika suatu perusahaan dapat mengelola sumber daya

intelektual dengan maksimal. Dengan demikian, pemanfaatan

sumber daya intelektual secara efektif dan efisien akan mendorong

pertumbuhan perusahaan. Pertumbuhan perusahaan diukur dengan

indikator earning growth (EG) dan asset growth (AG). Earning

growth (EG) merupakan kenaikan laba bersih perusahaan dari

tahun sebelumnya ke tahun berikutnya. Asset growth (AG)

merupakan kenaikan total aset perusahaan dari tahun sebelumnya

ke tahun berikutnya.

27

2.2 Penelitian Terdahulu

Penelitian mengenai pengaruuh intelectual capital banyak dilakukan akhir-akhir ini. Terdapat persamaan dan perbedaan

dengan penelitian-penelitian terdahulu mengenai topik yang berkaitan dengan penelitian ini, diantaranya akan disajikan dalam tabel

2.3 dibawah ini:

Tabel 2.3

Hasil Penelitian Sebelumnya

No. Judul/Peneliti Metode Penelitian

Hasil Persamaan Perbedaan

1. Mahesh Joshi, Daryll

Cahil and Jasvinder

Sidhu

Intellectual Capital

and Financial

performance: an

evaluation of the

Australian financial

sector (2012)

dependen Kinerja keuangan,

menggunakan pendekatan

VAIC untuk meghitung


tidak terdapat variabel

dependen pertumbuhan

perusahaan, analisis

hipotesis yang digunakan

regresi berganda

intellectual capital berpengaruh

pada kinerja keuangan pada sektor

keuangan di Australia

Bersambung ke halaman selanjutnya

28



2.

Wei-Kang Wang,

Wen-Min Lu, Yu Han

Wang

The relationship

between bank

performance and

intellectual capital in

East Asia (2011)

Variabel independen

intellectual Capital, Variabel

dependen berupa kinerja

keuangan, Populasi

perusahaan yang digunakan

Perbankan

Metode penelitian yang

digunakan yaitu SBM

Model

Intellectual Capital menjadi faktor

penting pada kemampuan

perbankan dalam persaingan pasar

global

3.

Anne-Laure Mention

dan Nick Bontis

Intellectual capital and

performance within

the banking sector of

Luxembourg and

Belgium (2013)

Variabel dependen

Intellectual Capital dan

Variabel Independent Kinerja

keuangan. Menggunakan

pendekatan VAIC,

menggunakan Perbankan

sebagai populasi penelitian

metode penelitian yang

digunakan PLS, tidak

terdapat variabel

independen Pertumbuhan

perusahaan

Intellectual Capital berpengaruh

terhadap kinerja keuangan

perbankan terutama dalam

bersaing dalam pasar dunia

Tabel Hasil Penelitian Sebelumnya

(Lanjutan)

Bersambung ke halaman selanjutnya

29



4. Ihyamul Ulum, Imam

Ghozalie dan Anis

Chariri


dan Kinerja

KeuanganPerusahaan;

suatu Pendekatan

Partial Least Squares

(2008)

Variabel Independet

Intellectual Capital,

variabel dependen kinerja

keuangan, menggunakan

metode purposive

sampling, menggunakan

metode VAIC oleh Pulic

Uji analisis dengan

menggunakan Partial Least

Squares, menggunakan assets

turn over dan growth revenue

sebagai proksi kinerja

keuangan

1. Terdapat pengaruh


terhadap kinerja keuangan

perusahaan

2. Intellectual capital

berpengaruh terhadap rata-

rata Pertumbuhan

perusahan

5. Rachmawati (2012) Variabel Dependen IC

dihitung dengan

pendekatan VAIC,

Variabel Independen

Kinerja keuangan

diproksikan pada ROA, uji

hipotesis dengan Analisis

regresi linear sederhana

tidak terdapat variabel

dependen pertumbuhan

perusahaan

Intellectual capital berpengaruh

positif terhadap Return On

Assets(ROA)

Tabel Hasil Penelitian Sebelumnya

(Lanjutan)

Sumber: Diolah dari berbagai referensi

30

2.3 Kerangka Pemikiran

Bagaimanapun modal intelektual diyakini dapat berperan penting

dalam meningkatkan kinerja keuangan perusahaan sehingga perusahaan

dapat tetap bertumbuh dan meningkatkan nilai perusahaan. Ulum (2008),

Diez et al. (2010) telah membuktikan bahwa Intellectual Capital

mempunyai pengaruh yang positif terhadap kinerja keuangan dan

pertumbuhan perusahaan.

Gambar 2.1 Kerangka Pemikiran

Pengaruh Intellectual Capital Terhadap Kinerja Keuangan dan

Pertumbuhan Perusahaan (Studi pada Perusahaan Manufaktur yang

Tercatat di Bursa Efek Indonesia Tahun 2011-2013)

Variabel Independen Variabel Dependen

Basis Teori: Stakeholder Theory, Resource Based Theory,

Intellectual Capital, Value Added Intellectual Coefficient,

Kinerja Keuangan, Pertumbuhan Perusahaan

Intellectual Capital:

1. VACA

2. VAHU

3. SCVA

Kinerja Keuangan Perusahaan

Pertumbuhan Perusahaan

Model Regresi

Uji Asumsi Klasik

Hasil Uji Hipotesis dan

Pembahasan

Kesimpulan

Uji Normalitas

Uji Multikolonieritas

Uji Autokorelasi

Uji Heterokedastisitas

31

2.4 Dasar Perumusan Hipotesis

2.4.1 Pengaruh intellectual capital terhadap Kinerja Keuangan

Perusahaan

Kinerja keuangan adalah suatu gambaran kondisi keuangan

perusahaan. Penelitian yang dilakukan Chen (2005) dan Ulum

(2008) menunjukkan hasil bahwa intelletual capital mempunyai

pengaruh positif terhadap kinerja keuangan perusahaan.

Perusahaan yang mampu mengelola dan memanfaatkan

sumberdaya strategisnya maka perusahaan itu akan mampu

menciptakan suatu nilai tambah dan keunggulan kompetitif

sehingga akan bermuara pada peningkatan kinerja keuangan

perusahaan.

Penelitian yang berkaitan dengan modal intelektual seperti

yang dilakukan oleh oleh Firer dan Williams (2003) dan Syed

Najibullah (2005) menguji hubungan antara modal intelektual

(VAIC) dan tiga komponennya yaitu capital employee efficiency

(VACA), human capital efficiency (VAHU) dan structural capital

efficiency (SCVA) dengan kinerja keuangan yang diukur dengan

return on equity, productivity dan market valuation (Firer dan

Williams, 2003) sedangkan Return on Equity (ROE), Return on

Asset (ROA), Growth in Revenue (GR) dan Employee Productivity

(EP) digunakan oleh Najibullah (2005). Hasil penelitian Firer dan

Williams (2003) menunjukkan bahwa variabel structural capital

efficiency (SCVA) mempunyai pengaruh signifikan terhadap

32

profitabilitas. Sedangkan hasil penelitian Najibullah (2005)

menunjukkan bahwa hanya VACA yang mempunyai pengaruh

signifikan terhadap kinerja keuangan.

Penelitian terdahulu yang dilakukan Gan dan Saleh (2008)

menunjukkan Value Added Human Capital menjadi faktor penting

dalam meningkatkan kinerja keuangan dari perusahaan. Clarke

et.al (2011) meunjukan bahwa terdapat hubungan secara langsung

antara Intellectual Capital dan kinerja keuangan pada perusahaan

yang listed.

Penelitian yang dilakukan oleh Wang dan Chang (2005)

menemukan bahwa terdapat hubungan antara human capital

dengan kinerja keuangan. Begitupula dengan penelitian yang

dilakukan oleh Andreou (2007), Chen (2004) dan Bontis (1998).

Structural Capital terkadang digunakan secara bergantian

dengan modal organisasi, termasuk pengetahuan yang dimilik oleh

karyawan untuk mencapai kinerja perusahaan yang lebih baik

(Bontis, 1998; Martinez-Torres, 2006; Youndt et al., 2004).

Penelitian yang dilakukan Hsu dan Fang (2010)

menunjukan bahwa intellectual capital menjadi faktor penting

untuk keuntungan jangka panjang dan kinerja perusahaan yang

mengindikasikan kompetensinya pada aset tak berwujud

dibandingkan dengan aset berwujud.

Suhendah (2012) melakukan penelitian dengan

menggunakan sampel perusahaan yang terdaftar di bursa efek

33

Indonesia priode 2005 – 2007. Hasil menunjukkan bahwa

intellectual capital yang diukur dengan menggunakan metode

VAIC berpengaruh terhadap kinerja keuangan tetapi tidak

berpengaruh terhadap nilai pasar.

Berdasarkan pada penelitian-penelitian terdahulu dan

diperkuat dengan teori yang ada, maka diajukan hipotesis

penelitian sebagai berkut:

H1: VACA berpengaruh terhadap kinerja keuangan

perusahaan (ROA).

H2: VAHU berpengaruh terhadap kinerja keuangan

perusahaan (ROA).

H3: SCVA berpengaruh terhadap kinerja keuangan

perusahaan (ROA).

H4: Intellectual Capital berpengaruh terhadap kinerja

keuangan perusahaan (ROA).

2.4.2 Pengaruh Modal Intelektual terhadap Pertumbuhan

Perusahaan

Pertumbuhan perusahaan merupakan kemampuan

perusahaan dalam meningkatkan size (Kallapur dan Trombley,

2001) dalam (Solikhah, 2010). Resourced based theory

menjelaskan bahwa kontinuitas dan pertumbuhan perusahaan

ditentukan oleh pengelolaan dan pemanfaatan asset-aset strategis

yang penting. Aset-aset strategis tersebut termasuk aset berwujud

maupun asset tak berwujud. Modal intelektual menjadi salah satu

34

penggerak dalam pertumbuhan suatu perusahaan. World Bank

(Anon, 1998) mengidefinisikan pentingnya kemampuan

Intellectual dan pengetahuan sebagai penggerak dalam

pertumbuhan perekonomian nasional.

Selanjutnya menurut pandangan resource-based theory,

keberhasilan pertumbuhan dan keberlangsungan perusahaan akan

bergantung pada pengembangan sumber daya baru sama seperti

mengeksploitasi sumber daya yang lama. Dengan demikian,

pemanfaatan sumber daya intelektual secara efektif dan efisien

akan mendorong kemampuan pengembangan bagi perusahaan.

Ulum (2008), Diez et al. (2010), dan Solikhah (2010) telah

membuktikan bahwa IC mempunyai pengaruh yang positif

terhadap pertumbuhan perusahaan.

Penelitian terdahulu yang dilakukan oleh Hassanzadeh,

Lalepour, et al (2012) menunjukkan hasil bahwa hanya structural

capital (SCVA) yang berpengaruh terhadap pertumbuhan

perusahaan. Sedangkan penelitian yag dilakukan oleh Marfuah dan

Ulfah (2014) menunjukkan hasil bahwa VACA dan VAHU

merupakan komponen intellectual capital yang berpengaruh positif

terhadap pertumbuhan perusahaan.

Hasil penelitian Maditinos (2011) dan Wahdikorin (2010)

menunjukkan hasil bahwa intellectual capital tidak berpengaruh

signifikan atau hanya berpengaruh parsial pada pertumbuha

perusahaan. Dengan adanya research gap yang terjadi pada

35

penelitian - penelitian terdahulu, diperlukan penelitian lebih lanjut

untuk meneliti hubungan antara intellectual capital dengan


Atas dasar penelitian terdahulu dan teori yang ada, maka

hipotesis kedua adalah:

H5: VACA berpengaruh terhadap pertumbuhan

perusahaan (AG).

H6: VAHU berpengaruh terhadap pertumbuhan

perusahaan (AG).

H7: SCVA berpengaruh terhadap pertumbuhan

perusahaan (AG).

H8: Intellectual Capital berpengaruh terhadap

pertumbuhan perusahaan (AG).

36

BAB III

METODE PENELITIAN

3.1 Ruang Lingkup Penelitian

Populasi penelitian ini adalah perusahaan manufaktur yang terdaftar di

Bursa Efek Indonesia. Dimana perusahaan tersebut melaporkan laporan keuangan

tahunannya kepada BEI selama 3 tahun berturut-turut dari tahun 2011-2013. Jenis

penelitian ini adalah penelitian kausalitas, yaitu penelitian yang bertujuan untuk

mengetahui hubungan serta pengaruh antara dua variabel atau lebih. Penelitian ini

akan membuktikan apakah variabel terkait terdapat hubungan kausalitas pada

Pengaruh Intellectual Capital Terhadap Kinerja Keuangan dan Pertumbuhan

Perusahaan pada Perusahaan Manufaktur yang Tercatat di Bursa Efek Indonesia.

3.2 Metode Penentuan Sampel

Populasi pada penelitian ini berupa perusahaan manufaktur yang terdaftar

di BEI berjumlah 128 perusahaan. Dimana pada proses seleksi pengambilan

sampel tersisa 57 perusahaan dimana 14 perusahaan lainnya merupakan

perusahaan manufaktur yang terdaftar di BEI setelah tahun 2011, sedangkan 57

perusahaan lainnya mengalami kerugian dalam periode yang telah ditetukan

dalam penelitian ini yaitu tahun 2011 - 2013 sehingga hal tersebut tidak

memenuhi syarat dalam penelitian ini.

Sampel merupakan bagian dari populasi yang digunakan sebagai objek

penelitian. Sampel yang digunakan dalam penelitian ini adalah sampel dengan

menggunakan metode purposive sampling yaitu metode pengambilan sampel yang

37

sesuai dengan tujuan penelitian dimana dalam penelitian ini menggunakan sampel

berupa laporan keuangan perusahaan manufaktur. Pengambilan sampel dalam

penelitian ini berdasarkan kriteria sebagai berikut:

a. Perusahaan manufaktur yang akan dianalisis terdaftar dalam Bursa Efek

Indonesia (BEI).

b. Perusahaan manufaktur go public yang terdaftar di BEI sebelum tahun

2011.

c. Perusahaan tidak menderita kerugian selama periode 2011 – 2013.

3.3 Jenis dan Sumber Data

3.3.1 Jenis Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder

yang berupa laporan keuangan publikasi yang diterbitkan oleh perusahaan

selama tiga tahun berturut-turut dari periode tahun 2011-1013.

3.3.2 Sumber Data

Sumber data penelitian yang diperoleh peneliti secara tidak langsung

melalui media perantara (diperoleh dan dicatat oleh pihak lain). Sedangkan

sumber data yang digunakan dalam penelitian ini diperoleh situs resmi BEI

(www.idx.co.id), serta jurnal-jurnal yang berkaitan dengan penelitian ini.

3.4 Operasional Variabel Penelitian

3.4.1 Variabel Independen

Variabel independen dalam penelitian ini adalah modal intelektual yang

diukur berdasarkan value added yang diciptakan oleh physical capital

(VACA), human capital (VAHU), dan structural capital (SCVA). Kombinasi

http://www.idx.co.id/

38

dari VACA, VAHU, SCVA tersebut merupakan VAIC™ yang

dikembangkan oleh Pulic (1998; 1999; 2000) dalam Ulum (2008).

3.4.2 Variabel Dependen

Variabel dependen pertama dalam penelitian ini adalah financial

performance (PERF). Dalam kinerja keuangan akan digunakan return on

asset (ROA). ROA merupakan salah satu rasio yang digunakan untuk

mengukur tingkat profitabilitas suatu perusahaan. Rasio ini digunakan untuk

mengukur seberapa besar laba bersih yang dapat diperoleh dari seluruh aktiva

yang dimiliki perusahaan (Dendawijaya, 2009).

Variabel dependen kedua adalah Variabel pertumbuhan perusahaan

diproxykan dengan pertumbuhan aktiva (AG). Dimana pertumbuhan aktiva

(AG) menunjukkan kenaikan aktiva dari tahun ke tahun.

Tabel 3.1

Operasional Variabel

Variabel Proksi Skala

Intellectual

Capital (X)

1. VAIC = VACA+ VAHU + SCVA

a. VACA = VA/CE

b. VAHU = VA/HC

c. SCVA = (VA-HC)/VA

Rasio

Kinerja

Keuangan (Y1)

ROA = Laba Bersih/Total Aset Rasio

Pertumbuhan

Perusahaan (Y2)

AG= Total Aset Tahun t / Total aset Tahun t-1 Rasio

39

3.5 Metode Analisis Data

Metode analisis yang digunakan dalam penelitian ini adalah analisis

regresi berganda. (Ghozali, 2013). Analisis regresi berganda digunakan untuk

menguji pengaruh antara dua variabel atau lebih dan metode ini mensyaratkan

untuk melakukan uji asumsi klasik terlebih dahulu agar mendapatkan hasil

yang terbaik.

3.5.1 Statistik Deskriptif

Statistik deskriptif memberikan gambaran atau deskripsi suatu data

yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum,

minimum (Ghozali, 2013). Dalam statistik deskriptif disajikan ukuran –

ukuran numerik yang sangat penting bagi data sampel. Pengujian statistic

deskriptif ini menggunakan software Statistical Package for Social Sciene

(SPSS) versi 21.

3.5.2 Pengujian Asumsi Klasik

Metode pengujian untuk penelitian ini menggunakan metode regresi

linear berganda untuk mengetahui pengaruh variabel-variabel yang terkait

dalam penelitian (Kirana, 2011). Uji penyimpangan asumsi klasik menurut

Ghozali (2013) terdiri dari uji multikoliniearitas, uji autokorelasi, uji

heterokedastisitas dan uji normalitas. Uji autokorelasi tidak digunakan jika

data yang digunakan hanya satu periode saja (cross section).

40

3.5.2.1 Uji Normalitas

Uji normalitas bertujuan untuk mengukur apakah di dalam model

regresi variabel independen dan variabel dependen keduanya mempunyai

distribusi normal atau mendekati normal. Model regresi yang baik adalah

memiliki distribusi normal atau mendekati normal. Dalam penelitian ini,

uji normalitas menggunakan normal probability plot (P-P Plot). Suatu

variabel dikatakan normal jika gambar distribusi dengan titik-titik data

yang menyebar di sekitar garis diagonal, dan penyebaran titik-titik data

searah mengikuti diagonal (Ghozali, 2013).

Dalam penelitian ini untuk menguji normalitas akan menggunakan

uji kolmogorof-smirnof. Data dapat dikatakan berdistribusi normal apabila

nilai probabilitasnya lebih dari α = 5% (Ghozali, 2013).

3.5.2.2 Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah model

regresi ditemukan adanya korelasi antar variabel bebas atau independen

(Ghozali, 2013). Model regresi yang baik seharusnya tidak terjadi

korelasi antar variabel independen (Ghozali, 2013). Ada tidaknya

multikolinieritas dalam model regresi dapat dilihat dari variance inflation

factor (VIF). Multikolinearitas dapat dilihat dengan menganalisis nilai

VIF (Variance Inflation Factor). Suatu model regresi menunjukkan

adanya multikolinearitas jika:

41

1. Nilai nilai koefisien korelasi antar masing-masing variabel

independent kurang dari 0,09 maka model dapat dinyatakan

bebas dari asumsi klasik multikolinieritas.

2. Nilai Variance Inflation Factor (VIF) tidak lebih dari 10 dan

nilai Tolerance tidak kurang dari 0,1, maka model dapat

dikatakan bebas dari multikolinearitas.

3.5.2.3 Uji Heteroskedastisitas

Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam

model regresi terjadi ketidaknyamanan varians dari residual pengamatan

satu ke pengamatan yang lain. Jika residual dari satu pengamatan ke

pengamatan lain tetap, maka hal seperti itu disebut sebagai

homokedastisitas dan dan jika berbeda disebut heteroskedastisitas atau

tidak terjadi heteroskedastisitas. Model regresi yang baik adalah yang

homokedastisitas (Ghozali, 2013).

Salah satu cara untuk mengetahui ada tidaknya

heteroskedastisitas dalam suatu model regresi linier berganda adalah

dengan melihat grafik scatterplot atau nilai prediksi variabel terikat yaitu

ZPRED dengan residual error yaitu SRESID. Jika tidak ada pola tertentu

dan tidak menyebar diatas dan dibawah angka 0 (nol) pada sumbu Y,

maka tidak terjadi heteroskedastisitas. Dasar keputusan yang diambil

adalah sebgai berikut:

42

1. Jika Pola tertentu seperti titik-titik yang ada membentuk suatu pola

yang teratur (bergelombang, melebar, kemudian menyempit) maka

telah terjadi heteroskedostisias.

2. Jika tidak ada yang jelas serta titik-titik menyebar diatas dan dibawah

angka 0 (nol) pada sumbu Y maka tidak terjadi heteroskedastisitas

(Ghozali, 2013)

Analisis dengan menggunakan grafik plots memiliki kelemahan

yang cukup signifikan karena jumlah pengamatan mempengaruhi

hasil ploting. Semakin sedikit jumlah pengamatan semakin sulit

menginterpretasikan hasil grafik plot. Oleh sebab itu diperlukan uji

statistik yang lebih dapat menjamin keakuratan hasil (Ghazali, 2013).

Salah satu uji statistik yang dapat digunakan untuk mendeteksi

ada tidaknya heteroskedostisias yaitu uji glejser, dimana uji glejser

ini mengusulkan untuk meregres nila absolut residual terhadap

variabel independen (Gujarati, 2003) dengan persamaan regresi :

|Ut| = α + βXt + vt

Jika variabel independen signifikan secara statistik

mempengaruhi variabel dependen, maka ada indikasi terjadi

heteroskedostisias. Apabila probabilitas signifikansi tingkat

kepercayaan sebesar 5%, maka dapat disimpulkan tidak terjadi

heteroskedostisias.

3.5.2.4 Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam model regresi

linear ada korelasi antara kesalahan pengganggu pada periode t dengan

43

kesalahan pengganggu pada periode t-1 (sebelumnya), jika terjadi

korelasi dinamakan ada problem autokorelasi (Ghozali, 2013). Menurut

Ghozali (2006) untuk mendeteksi gejala autokorelasi dapat menggunakan

uji Durbin-Watson (D-W). Pengambilan keputusan ada tidaknya

autokorelasi dapat dilihat dari ketentuan berikut:

Tabel 3.2

Pengambilan Keputusan Ada Tidaknya Autokorelasi

Hipotesis Nol Keputusan Jika

Tidak ada autokorelasi positif Tolak 0 < d < dL

Tidak ada autokorelasi positif No decision dL ≤ d ≤ dU

Tidak ada korelasi negatif Tolak 4 – dL < d < 4

Tidak ada korelasi negatif No decision 4 – dU ≤ d ≤ 4 – dL

Tidak ada autokorelasi, positif

atau negatif

Tidak ditolak

dU < d < 4 – dU

3.4.3 Uji Hipotesis

3.5.3.1 Uji Analisis Regresi Berganda

Analisis regresi dilakukan untuk menguji seberapa besar hubungan

antara variabel independen dengan variabel dependen serta untuk

mengetahui arah hubungan tersebut (Ghozali, 2013). Hasil pengujian

tersebut akan memberikan hasil dari penolakan atau penerimaan dari

hipotesis penelitian. Uji analisis regresi berganda dirumuskan sebagai

berikut:

1. Y1 = a + b1VACA + b2VAHU + b3SCVA +

44

2. Y2 = a + b1VACA + b2VAHU + b3SCVA +

Keterangan:

Y1 : Variabel Kinerja Keuangan (ROA)

Y2 : Variabel Pertumbuhan perusahaan (AG)

b : Koefisien regresi b

a : Koefisien regresi

: Error

3.5.3.2 Uji Statistik t (t-test)

Menurut Ghozali (2013), uji statistik t pada dasarnya

menunjukkan seberapa jauh pengaruh satu variabel independen secara

parsial atau individual dalam menerangkan variabel dependen. Pengujian

dilakukan dengan menggunakan significance level 0,05 ( α =5%).

Ketentuan penolakan atau penerimaan hipotesis adalah sebagai berikut:

1. Jika nilai signifikansi t > 0,05 maka Ho diterima dan menolak

H1 (koefisien regresi tidak signifikan). Ini berarti bahwa

secara parsial atau individual variabel independen tersebut

tidak mempunyai pengaruh yang signifikan terhadap variabel

dependen.

2. Jika nilai signifikansi t ≤ 0,05 maka Ho ditolak dan

menerima H1 (koefisien regresi signifikan). Ini berarti bahwa

secara parsial atau individual variabel independen tersebut

mempunyai pengaruh yang signifikan terhadap variabel

dependen.

45

3.5.3.4 Uji Statistik F (F-test)

Uji statistik F pada dasarnya menunjukkan apakah semua variabel

independen yang dimaksud dalam model penelitian secara simultan atau

bersama-sama merupakan penjelas yang signifikan terhadap variabel

dependen. Pengujian dilakukan dengan menggunakan significance level

0,05 (α=5%). Nilai signifikansi yang kurang dari 0,05 menunjukkan

bahwa variabel dependen dapat dijelaskan oleh variabel-variabel

independennya. Ketentuan penolakan dan penerimaan hipotesis adalah

sebagai berikut:

1. Jika nilai signifikansi F > 0,05 atau Fhitung< Ftabel maka Ho

diterima dan menolak H1 (koefisien regresi tidak signifikan). Ini

berarti bahwa secara bersama-sama keempat variabel independen

tidak mempunyai pengaruh yang signifikan terhadap variabel

dependen.

2. Jika nilai signifikansi t ≤0,05 atau Fhitung> Ftabel maka Ho

ditolak dan menerima H1 (koefisien regresi signifikan). Ini berarti

bahwa secara bersama-sama keempat variabel independen tidak

mempunyai pengaruh yang signifikan terhadap variabel dependen

(Ghzali, 2013).

46

BAB IV

HASIL DAN PEMBAHASAN

4.2 Gambaran Umum Objek Penelitian

4.2.1 Deskripsi Objek Penelitian

Populasi dalam penelitian ini adalah perusahaan

manufaktur yang terdaftar di Bursa Efek Indonesia atau merupakan

perusahaan yang telah go public. Sampel perusahaan yang berhasil

diperoleh dan memenuhi kriteria adalah sebanyak 57 perusahaan,

dimana pernelitian dilakukan selama 3 tahun yaitu mulai tahun

2011 sampai dengan tahun 2013, sehingga terkumpul data

sebanyak 171. Data penelitian ini diperoleh dari laporan keuangan

perusahaan yang terdapat di situs resmi Indonesia Stock Exchange

yaitu www.idx.co.id. Fokus penelitian ini adalah untuk mengetahui

pengaruh intellectual capital yang dihitung dengan menggunakan

model Pulic dimana intellectual capital yang di wakili oleh VAIC

(Value Added Intellectual Coefficient), yang terbentuk oleh VACA

(Value Added Capital Employed), VAHU (value Added Human

Capital), SCVA (Structural Capital Value Added) terhadap kinerja

keuangan perusahaan yang diwakili oleh ROA (Return On Assets)

dan pertumbuhan perusahaan yang diwakili oleh AG (Assets

Growth).


47

Proses seleksi sampel berdasarkan kriteria yang telah

ditetapkan akan ditampilakan dalam tabel dibawah ini:

Tabel 4.1

Proses seleksi sampel berdasarkan kriteria

No. Kriteria Jumlah

1. Perusahaan manufaktur yang tercatat di BEI

sampai dengan tahun 2013

128

2. Perusahaan yang listing diatas tahun 2011 (14)

3. Perusahaan yang mengalami kerugian selama

periode 2011 – 2013 (57)

4. Jumlah Perusahaan yang memenuhi krieria

penelitian 57

Jumlah sampel data selama tiga tahun penelitian 171

Sumber : data sekunder yang diolah

4.2 Deskripsi Sampel Penelitian

Sampel yang digunakan dalam penelitian ini dipilih dengan

menggunakan puposive sampling, sehingga sampel dalam penelitian ini

merupakan perusahaan manufaktur yang memiliki kriteria yang sesuai

dengan tujuan penelitian. Sampel terpilih merupakan perusahaan yang

menyajikan data yang dibutuhkan dalam penelitian ini seperti laporan

keuangan perusahaan dan ringkasan kinerja perusahaan.

4.3 Hasil Uji Analisis Data

Hipotesis dalam penelitian ini diuji dengan menggunakan model

regresi berganda (multiple regression). Tujuannya adalah untuk

memperoleh gambaran yang menyeluruh mengenai pengaruh intellectual

capital, dalam penelitian ini menggunakan model dari Pulic yaitu VAIC

(Value Added Intellectual Coefficient) yang mewakili intellectual capital,

yang dibentuk dari VACA (Value Added Capital Employed), VAHU

(value Added Human Capital), SCVA (Structural Capital Value Added)

terhadap kinerja keuangan dan pertumbuhan perusahaan.

48

4.3.1 Hasil Uji Statistik Deskriptif

Uji statistik deskriptif digunakan untuk memberikan gambaran

atau deskripsi suatu data. Berdasarkan hasil uji statistik yang diperoleh

dari 57 perusahaan yang dijadikan sampel selama tiga tahun, sehingga

diperoleh data sebanyak 171 data yang memenuhi kriteria untuk

penelitian ini.

Tabel 4.2 Menunjukkan hasil dari statstik deskriptif penelitian

masing-masing variabel. Dari hasil uji statistik deskriptif terhadap

VACA (Value Added Capital Employed) diperoleh nilai minimum

sebesar 0,17, nilai maksimum sebesar 1,28, dengan rata-rata (mean)

sebesar 0,5320 dan memperoleh nilai standar deviasi sebesar 0,15133.

Hasil terhadap VAHU (Value Added Human Capital) menunjukan nilai

minimum sebesar 1,24, nilai maksimum sebesar 5,94, dengan rata-rata

sebesar 2,4900 dan memperoleh nilai standar deviasi sebesar 0,89799.

Hasil uji statistik deskriptif terhadap SCVA (Structure Capital Value

Tabel 4.2

Hasil Uji Statistik Deskriptif

Descriptive Statistics

N Minimum Maximum Mean Std.

Deviation

VACA 171 .17 1.28 .5320 .15133

VAHU 171 1.24 5.94 2.4900 .89799

SCVA 171 .00 .94 .4577 .21169

LNROA 171 -6.12 .02 -2.6782 1.02085

LNAG 171 -3.22 3.24 .5375 1.01480

Valid N

(listwise)

171

49

Added) menunjukkan nilai minimum sebesar 0,00, nilai maksimum

sebesar 0.94 dengan nilai rata-rata (mean) sebesar 0,4577 dan

memperoleh nilai standar deviasi sebesar 0,21169. Hasil uji statistik

deskriptif variabel ROA menunjukan nilai minimum sebesar -6.12, nilai

maksimum sebesar 0,02, dengan nilai rata-rata (mean) -2,6782 dan

memperoleh nilai standar deviasi sebesar 1,02085. Hasil uji statistik

terhadap AG menunjukan nilai minimum sebesar -3,22, dengan nilai

maksimum sebesar 3,24 dengan nilai rata-rata (mean) sebesar 0,5375

dan memperoleh nilai standar deviasi sebesar 1,01480.

Variabel VACA, VAHU, SCVA memiliki nilai rata-rata lebih

besar daripada nilai standar deviasi. Hal ini menunjukan bahwa kualitas

data dari variabel tersebut baik. Hal ini dikarenakan standar deviasi

mengidentifikasikan bahwa standar eror dari variabel tersebut kecil.

(Ghozali, 2013)

4.3.2 Hasil Uji Asumsi Klasik

Dalam pengujian regresi berganda menggunakan beberapa uji

asumsi klasik yang harus dipenuhi, meliputi: uji normalitas, uji

mutikolinerietas, uji autokorelasi dan uji heterokedastisitas yang

secara rinci akan dijelaskan sebagai berikut:

4.3.2.1 Uji Normalitas

Berikut ini akan disajikan hasil dari uji normalitas, dalam

penelitian ini peneliti melakukan uji normalitas terhadap dua model

regresi, hal ini dikarenakan terdapat dua variabel dependen dalam

penelitian ini. Hasil uji normalitas dapat dilihat pada gambar 4.1

52

Tabel 4.3

Hasil Uji Kolmogorov-Smirnov

Model 1 Model 2

N 171 171

Normal Parametersa,b

Mean .0000000 .0000000

Std. Deviation .87601313 .93399767

Most Extreme Differences

Absolute .102 .040

Positive .088 .031

Negative -.102 -.040

Kolmogorov-Smirnov Z 1.328 .524

Asymp. Sig. (2-tailed) .059 .946

a. Test distribution is Normal.

b. Calculated from data.

Sumber : Hasil Outpun SPSS

Berdasarkan hasil dari uji kolmogorov-smirnov, semua

variabel memiliki nilai signifikan diatas 0,05 artinya nilai residual

terdistribusi secara normal dam memenuhi uji asumsi klasik.

4.3.2.2 Hasil Uji Multikolonieritas

Uji Multikolonieritas dapat dibuktikan dengan nilai

tolerance dan VIF dari masing-masing variabel independen yang

dihasilkan dari perhitungan menggunakan SPSS. Hasil uji

Multikolonieritas terhadap ROA dapat dilihat pada tabel 4.4.

Tabel 4.4

Hasil Uji Multikolonieritas ROA

Coefficientsa

Model Collinearity Statistics

Tolerance VIF

(Constant)

VACA

VAHU

SCVA

.774

.677

.815

1.292

1.477

1.227

a. Dependent Variabel: LNROA

Sumber: Hasil Output SPSS

53

Tabel 4.5

Hasil Uji Multikolonieritas AG

Coefficientsa

Model Collinearity Statistics

Tolerance VIF

(Constant)

VACA

VAHU

SCVA

.774

.677

.815

1.292

1.477

1.227

a. Dependent Variabel: LNAG


Berdasarkan hasil output SPSS yang ditampilkan pada tabel

4.4 dan 4.5 menunjukkan bahwa tidak ada variabel independen

yang memiliki nilai tolerance kurang dari 0,10 yang berarti tidak

ada korelasi antara variabel independen. Hasil perhitungan nilai

VIF juga menunjukan bahwa tidak ada variabel independen yang

memiliki nilai VIF lebih dari 10. Sehingga dapat disimpulkan

bahwa tidak ada multikolonieritas antar variabel independen dalam

model regresi.

4.3.2.3 Hasil Uji Autokorelasi

Berdasarkan tabel Durbin-Watson dengan 3 variabel

independen dan sampel sebanyak 171, maka batas bawah (dl) =

1,7143 dan batas atas (du) = 1,7856. Untuk memenuhi kriteria

tidak ada autokorelasi baik positif maupun negatif maka harus

memenuhi syarat du < d < 4 - du (Ghozali, 2013). Untuk

mendeteksi ada atau tidaknya korelasi, peneliti menggunakan uji

Durbin-Watson yang dapat dilihat pada tabel 4.6.

54

Tabel 4.6

Hasil Uji Autokorelasi ROA

Model Summaryb

Model R R Square Adjusted R

Square

Std. Error of

the Estimate

Durbin-

Watson

1 .513a .264 .250 .88385 1.908

a. Predictors: (Constant), SCVA, VACA, VAHU

b. Dependent Variable: LNROA


Berdasarkan hasil uji Durbin-Watson yang ditampilkan

dalam tabel diatas dimana ROA sebagai variabel dependen, maka

diperoleh nilai DW sebesar 1,908. Berdasarkan hasil tersebut, nilai

DW (d) dengan variabel dependen ROA tidak ada autokorelasi

baik positif maupun negatif karena nilai DW sebesar 1,908 lebih

besar dari nilai du sebesar 1,7856 dan lebih kecil dari 4 – 1,7856.

Tabel 4.7

Hasil Uji Autokorelasi AG

Model Summaryb

Mode

l

R R Square Adjusted R

Square

Std. Error of

the Estimate

Durbin-

Watson

1 .391a .153 .138 .94235 1.849


b. Dependent Variable: LNAG


Berdasarkan hasil uji Durbin-Watson yang ditampilkan

dalam tabel diatas dimana AG sebagai variabel dependen, maka

diperoleh nilai DW sebesar 1,849. Berdasarkan hasil tersebut, nilai

DW (d) dengan variabel dependen ROA tidak ada autokorelasi

positif maupun negatif karena nilai DW sebesar 1,849 lebih besar

dari nilai du 1,7856 dan lebih kecil dari 4 – 1,7856.

55

4.3.2.4 Uji heterokedastisitas

Pengujian heterokedastisitas dalam penelitian ini

menggunakan uji glejser berdasarkan output SPSS. Berikut ini

disajikan hasil uji untuk heterokedastisitas yang dapat dilihar pada

tabel 4.8:

Tabel 4.8

Hasil Uji Heterokedastisitas ROA

Coefficientsa

Model Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

B Std. Error Beta

1

(Constant) .810 .250 3.243 .001

VACA -.272 .323 -.074 -.844 .400

VAHU -.041 .058 -.066 -.704 .482

SCVA .132 .301 .037 .438 .662

a. Dependent Variable: ABSROA


Hasil uji heterokedastisitas menggunakan uji glejser dengan

cara meregresikan nilai absolut residual terhadap variabel

independen. (Gujarati, 2003 dalam Gozali, 2013) Hasil dari

probabilitas Sig. setiap variabel independen diatas tingkat

kepercayaan 5% sehingga dapat disimpulakan bahwa tidak

mengandung heterokedastisitas, model regresi layak dipakai untuk

memprediksi pengaruh masing-masing variabel dependen (VACA,

VAHU, SCVA) terhadap kinerja keuangan perusahaan (ROA).

57

Hasil Uji Heterokedastisitas AG

4.3.3 Hasil Uji Hipotesis Penelitian

4.3.3.1 Uji Hipotesis Intellectual Capital Terhadap Kinerja

Keuangan Perusahaan

4.3.3.1.1 Hasil Uji Koefisien Determinasi (R2)

Pada model regresi berganda penggunaan

adjusted R2

(Adj R2), atau koefisien determinasi yang

telah disesuaikan, lebih baik dalam melihat seberapa

jauh kemampuan model dalam menerangkan variasi

variabel dependen bila dibandingkan dengan R2.

Berikut

ini disajikan hasil uji Adj R2

pada tabel 4.10 :

58

Tabel 4.10

Hasil Uji Adj R2

Model Summaryb


Square

Std. Error of the

Estimate

1 .513a .264 .250 .88385

a. Predictors: (Constant), VACA, VAHU, SCVA


Tabel diatas menunjukan bahwa angka koefisien

korelasi menunjukan nilai sebesar 0,513 yang

menandakan hubungan antara variabel dependen adalah

cukup kuat, karena memiliki nilai R > 0,5. Sedangkan

Adj. R2

menunjukan nilai sebesar 25% yang berarti

komponen intellectual VACA, VAHU dan SCVA

menjelaskan 25% pengaruh terhadap variabel dependen

kinerja keuangan perusahaan. Sementara sisanya sebesar

75% dipengaruhi oleh faktor lain diluar intellectual

capital seperti Capital Adequacy Ratio (CAR), Net

Interest Margin (NIM), dan Loan to Deposit Ratio (LDR)

yang mempengaruhi tingkat ROA (Mahardian, 2008;

Mubarok, 2010)

4.3.3.1.2 Uji T

Uji statistik t pada dasarnya menunjukan seberapa

jauh pengaruh satu variabel independen (VACA, VAHU,

dan SCVA) secara individual atau partial dalam

menerangkan variasi variabel dependen (ROA).

59

Signifikansi model regresi pada penelitian ini diuji

dengan melihat nilai sig. yang ada pada tabel berikut ini

Tabel 4.11

Hasil Uji t

(variabel Dependen ROA)

Coefficientsa


Coefficients

Standardized

Coefficients

T Sig.

B Std. Error Beta

(Constant) -4.566 .395

VACA 2.422 .509 .359 4.755 .000

VAHU .275 .092 .242 3.001 .003

SCVA -.104 .475 -.016 -.218 .827

Dari ketiga variabel independen yang dimasukkan

dalam model tersebut, memiliki signifikansi 5% yang

berarti dapat disimpulkan bahwa variabel VACA dan

VAHU berpengaruh signifikan terhadap ROA dengan

nilai sig. Dibawah 0,05 yaitu sebesar 0,000 dan sebesar

0,003. Sedangkan variabel SCVA tidak berpengaruh

signifikan terhadap ROA, karena nilai sig. yang diperoleh

lebih dari 0,05 yaitu sebesar 0,827.

Berdasarkan pada hasil analisis data diatas, maka

diperoleh persamaan model regresi sebagai berikut:

ROA : -4,566 + 2,422VACA + 0,275VAHU -

0,104SCVA + 0,395

a. Dependent Variable: LNAG


60

Dari persamaan regresi tersebut, dapat

diinterpretasikan sebagai berikut:

a. Nilai konstanta sebesar -4,566, menunjukkan bahwa

jika VACA, VAHU, dan SCVA adalah bersifat

konstan atau bernilai 0 (nol), maka nilai kinerja

keuangan perusahaan (ROA) akan menurun sebesar

4,566%.

b. Nilai koefisien VACA sebesar 2.422 menyatakan

bahwa setiap kenaikan VACA sebesar 1, maka akan

meningkatkan Return On Asset (ROA) sebesar 2,422.

Koefisien bernilai positif yang berarti terjadi

pengaruh positif antara variabel VACA dengan ROA.

Dimana semakin meningkat nilai VACA maka

meningkat pulai nilai ROA, begitu pula sebaliknya.

c. Nilai koefisien VAHU sebesar 0,275 menyatakan

bahwa setiap kenaikan VAHU sebesar 1, maka ROA

juga akan meningkat sebesar 0,275.

d. Nilai koefisien SCVA sebesar 0,104 menyatakan

bahwa setiap kenaikan SCVA sebesar 1, maka ROA

juga akan menurun sebesar 0,0104.

4.3.3.1.3 Uji Signifikan Simultan F

Uji F bertujuan untuk mengetahui apakah

seluruh variabel independen secara bersama-sama

(simultan) memiliki pengaruh yang signifikan

61

terhadap variabel dependen. Dalam penelitian ini,

variabel independen secara simultan adalah

intellectual capital, karena intellectual capital dalam

penelitian ini terdiri dari komponen-komponen

(VACA, VAHU, SCVA) yang dikategorikan sebagai

variabel independen dalam model regresi ini. Hasil

uji F dapat dilihat pada tabel berikut :

Tabel 4.12

Hasil Uji F

Pada Tabel diatas ditunjukkan bahwa nilai F

hitung sebesar 19,929 dengan nilai sig. sebesar

0,000. Hal ini menandakan bahwa model regresi

dapat digunakan untuk memprediksi kinerja

keuangan perusahaan dengan tingkat signifikansi 5%

yang ditunjukkan pada tabel statistik yang artinya

terdapat pengaruh yang signifikan antara variabel

VACA, VAHU dan SCVA secara bersama-sama

(simultan) terhadap kinerja keuangan perusahaan

ANOVAa

Model Sum of

Squares

df Mean

Square

F Sig.

1

Regression 46.705 3 15.568 19.929 .000b

Residual 130.458. 167 .781

Total 177.163 170

a. Dependent Variable: LNROA

b. Predictors: (Constant), SCVA, VACA, VAHU

Sumber : Hasil Output SPSS

62

(ROA). Dengan demikian maka dapan dikatakan

bahwa intellectual capital berpengaruh signifikan

terhadap kinerja keuangan.

4.3.3.2 Uji Hipotesis Intellectual Capital Terhadap Pertumbuhan

Perusahaan

4.3.3.2.1 Hasil Uji Koefisien Determinasi (R2)

Hasil uji koefisiean determinasi (R2) yang

disajikan hasil output SPSS dengan variabel dependen

pertumbuhan perusahaan yang diukur dengan

pertumbuhan aset (AG) disajikan dalam tabel 4.14

berikut ini.

Tabel diatas menunjukan nilai Adj. R2 sebesar 0,137.

Nilai 13,7% menjelaskan pengaruh yang diberikan oleh

komponen intellectual capital, VACA, VAHU dan

SCVA terhadap pertumbuhan perusahaan. Sedangkan

sisanya sebesar 84,7% menjelaskan pengaruh dari luar

penelitian ini, seperti ukuran perusahaan, umur

Tabel 4.13

Hasil Uji Adj R2

(Variabel Dependen AG)

Model Summaryb

Model R R

Square

Adjusted R

Square

Std. Error of the

Estimate

1 .391a .153 .137 .94235




63

perusahaan, assets turnover, Leverage dan current

liquidity (Gill dan Mathur, 2011).

4.3.3.2.2 Hasil Uji Statistik t

Uji statistik t pada dasarnya menunjukan seberapa

jauh pengaruh satu variabel independen (VACA, VAHU,

dan SCVA) secara individual atau partial dalam

menerangkan variasi variabel dependen (AG).

Signifikansi model regresi pada penelitian ini diuji

dengan melihat nilai sig. Yang ada pada tabel dibawah ini

:


Berdasarkan signifikansi pada tabel diatas dapat

dilihat bahwa variabel VACA berpengaruh signifikan

terhadap ROA dengan nilai sig. dibawah 0,05 yaitu

sebesar 0,000. Sedangkan variabel VAHU dan SCVA

tidak berpengaruh signifikan terhadap ROA, karena nilai

Tabel 4.14

Hasil Uji t (Variabel Dependen AG)

Coefficientsa


Coefficients

Standardized

Coefficients

T Sig.

B Std. Error Beta

1

(Constant) -.967 .421 -2.297 .035

VACA 2.501 .543 .314 4.606 .000

VAHU .028 .098 .025 .286 .775

SCVA .125 .506 .019 .246 .806


64

sig. yang diperoleh lebih dari 0,05 yaitu sebesar 0,553

dan 0,948.

Berdasarkan pada hasil analisis data diperoleh

persamaan model regresi sebagai berikut:

ROA : -0,967 + 2,501VACA + 0,28VAHU + 0,125SCVA

+ 0,421

Dari persamaan diatas dapat diinterpretasikan

sebagai berikut:

a. Nilai konstanta sebesar -0,967, menunjukan bahwa

jika VACA, VAHU dan SCVA bersifat konstan atau

bernilai 0, maka nilai perusahaan akan mengalami

penurunan sebesar 0,967%.

b. Nilai koefisien regresi VACA adalah sebesar 2,501

yang menunjukan bahwa setiap kenaikan VACA

sebesar 1, maka akan meningkatka pertumbuhan

perusahan sebesar 1. Semakin meningkat nilai VACA

maka akan meningkat pula pertumbuhan perusahaan,

begitu juga sebaliknya.

c. Nilai koefisien VAHU sebesar 0,28 menyatakan

bahwa setiap kenaikan VAHU sebesar 1, maka AG

juga akan meningkat sebesar 0,28.

d. Pada tabel diatas menunjukan nilai koefisien SCVA

sebesar 0,125 menyatakan bahwa setiap kenaikan

65

SCVA sebesar 1, maka pertumbuhan perusahaan

(AG) juga akan meningkat sebesar 0,125.

4.3.3.2.3 Hasil Uji Statistik F

Uji F bertujuan untuk mengetahui apakah seluruh

variabel independen secara bersama-sama (simultan)

memilii pengaruh yang signifikan terhadap variabel

dependen. Dalam penelitian ini, variabel independen

secara simultan adalah intellectual capital, karena

intellectual capital dalam penelitian ini terdiri dari

komponen-komponen (VACA, VAHU, SCVA) yang

dikategorikan sebagai variabel independen dalam model

regresi ini. Hasil iji F dapat dilihat pada tabel berikut :

P

a

Pada Tabel diatas ditunjukkan bahwa nilai F hitung sebesar

10,048 dan nilai sig. sebesar 0,000. Nilai sig. pada tabel

menunjukkan angka yang lebih kecil dari tingkat signifikansi

5% yang artinya terdapat pengaruh yang signifikan antara

Tabel 4.15

Hasil Uji F (Variabel Dependen AG)

ANOVAa

Model Sum of

Squares

df Mean

Square

F Sig.

Regression 26.770 3 8.923 10.048 .000b

Residual

Total

148.300 167 .888

175.069 170


b. Predictors: (Constant), SCVA, VACA, VAHU


66

variabel VACA, VAHU dan SCVA secara simultan terhadap

pertmbuhan perusahaan (AG).

4.3.4 Pembahasan Hasil Uji Hipotesis

4.3.4.1 VACA Berpengaruh Terhadap Kinerja Keuangan

Perusahaan (ROA)

Berdasarkan tabel 4.11, dengan tingkat signifikan 5%

dapat disimpulkan bahwa variabel VACA berpengaruh

signifikan terhadap variabel ROA yang ditunjukan dengan nilai

sig. sebesar 0,000. Dari hasil yang diperoleh diatas dapat

disimpulkan bahwa hipotesis (H1) diterima berarti variabel

VACA berpengaruh terhadap kinerja keuangan perusahaan

(ROA).

Hasil penelitian ini mendukung hasil penelitian

sebelumnya yang dilakukan oleh Thaib (2013), Suhendah

(2012), Ahangar (2011), Endang (2009), Ulum (2008) Shiu

(2006) dimana hasil tersebut membuktikan bahwa VACA

berpengaruh secara signifikan terhadap kinerja keuangan

perusahaan. VACA merupakan faktor utama yang

mempengaruhi kinerja keuangan perusahaan. Hal ini juga

mendukung pernyataan Pulic (1998) ketika memperkenalkan

metode VAIC™ yang menyatakan bahwa intellectual ability

suatu perusahaan dibangun oleh physical capital (VACA).

Dengan demikian, perusahaan manufaktur dalam penelitian ini

memanfaatkan seluruh aset fisik yang tersedia untuk

67

mendukung produktivitas perusahaan sehingga menunjang

tingkat kinerja keuangan perusahaan (Thaib, 2013; Salem dan

Sulaiman, 2014).

4.3.4.2 VAHU Berpengaruh Terhadap Kinerja Keuangan

Perusahaan (ROA)

Berdasarkan tabel 4.11, dengan signifikan 5% dapat

disimpulkan bahwa variabel HCE yang dihitung dengan

menggunakan VAHU berpengaruh signifikan terhadap variabel

ROA dengan nilai sig. sebesar 0,003. Dengan demikian dapat

disimpulkan bahwa hipotesis (H2) diterima dimana variabel

VAHU berpengaruh terhadap kinerja keuangan perusahaan

(ROA).

Hasil uji Hipotesis H2 menunjukan bahwa efek dari

human capital seperti pengalaman kerja, keahlian profesional,

ide kreatif, dan pengetahuan karyawan akan meningkatkan

produktifitas dan kinerja keuangan perusahaan (Zhining,

Nianxin dan Huigang, 2014).

Human capital memberikan ide baru bagi perusahaan,

dengan mengadopsi dan mengaplikasikannya pada unit bisnis

atau perusahaan (Akkoc, Caliscan et, al, 2011). Manajemen

perusahaan dapat memberikan otonomi dan kebebasan kepada

karyawan sementara waktu dalam menyelesaikan pekerjaan

mereka, memberikan kesempatan untuk mengembangkan

kemampuan, dan mempercepat kemampuan dalam

68

memecahkan masalah, dengan meningkatnya efisiensi

karyawan menggambarkan pula meningkatnya kinerja

perusahaan (De Jong dan Kemp, 2003; Ramamoorthy, 2005

dalam Ali dan Siyret 2015).

Berdasarkan hasil penelitian yang dilakukan oleh Latif

dan Malik,et.al (2012), perusahaan bergantung pada sumber

daya manusia (karyawan) dalam menghasilkan keuntugan

(profit). Hal ini yang membuat human capital menjadi faktor

yang sangat penting dalam meningkatkan kinerja keuangan

perusahaan.

Hasil penelitian ini didukung hasil penelitian sebelumnya

yang dilakukan oleh Ulum (2008), Latif, Malik, et.al, (2012),

Faizal (2013) dimana dalam penelitiannya menyatakan bahwa

VAHU merupakan variabel yang signifikan dalam membentuk

konstruk intellectual capital dan pengaruhnya terhadap kinerja

keuangan.

Sedangkan hasil berlawanan terdapat pada penelitian

yang dilakukan oleh Suhendah (2012) yang membuktikan

VAHU tidak berpengaruh signifikan terhadap kinerja keuangan

perusahaan.

4.3.3.3 SCVA Berpengaruh Terhadap Kinerja Keuangan

Perusahaan (ROA)

Berdasarkan tabel 4.11, variabel SCVA tidak

berpengaruh signifikan terhadap variabel ROA dengan nilai

69

sig. sebesar 0,827. Hal ini menunjukan bahwa probabilitas

signifikansinya lebih besar dari tingkat signifikansi sebesar 5%.

Hal tersebut menandakan bahwa hipotesis ketiga (H3) dalam

penelitian ini ditolak.

Infrastruktur perusahaan seperti prosedur operasi,

kecepatan respon, sistem informasi dan budaya perusahaan

tidak memberikan pengaruh terhadap kinerja keuangan

perusahaan (Zhining, Nianxin dan Huigang, 2014).

Tidak berpengaruhnya SCVA terhadap ROA

menunjukkan perusahaan belum mampu dalam memenuhi

proses rutinitas perusahaan dan strukturnya yang mendukung

usaha karyawan untuk menghasilkan kinerja intelektual yang

optimal serta kinerja bisnis secara keseluruhan. Belum

mampunya perusahaan mentranformasi pengetahuan atau

intellectual karyawannya kedalam struktur pendukung kinerja

karyawan berarti perusahaan belum dapat mengembangkan

struktur capital untuk menghasilkan keunggulan bersaing yang

secara relatif dapat meningkatkan kinerja keuangan perusahaan

(Artinah, 2011 dalam Marfuah dan Ulfa, 2014).

Hasil ini mendukung hasil penelitian oleh Ulum (2008),

Endang (2009), Marfuah dan Ulfa (2014) yang menyatakan

bahwa SCE tidak signifikan terhadap Return On Asset atau

ROA.

70

Sedangkan hasil berlawanan terdapat pada penelitian

Daud dan Yusoff (2011), dimana structural capital secara

parsial berpengaruh terhadap kinerja keuangan perusahaan

(ROA).

4.3.4.4 Intellectual Capital Berpengaruh Terhadap Kinerja

Keuangan Perusahaan (ROA)

Berdasarkan hasil uji F pada tabel 4.12 yang

berisikan data signifikansi suatu model persamaan regresi

dengan kinerja keuangan perusahaan sebagai variabel

dependennya memiliki nilai sig. sebesar 0,000. Dari hasil

perhitunggan model regresi pada variabel VACA, VAHU

dan SCVA secara bersama (simultan) menghasilkan F

hitung > F tabel sehingga dapat di simpulkan bahwa

intellectual capital berpengaruh terhadap kinerja keuangan

perusahaan atau dengan kata lain hipotesis keempat (H4)

dalam penelitian ini diterima. Berdasarkan hasil tersebut

terbukti bahwa perusahaan mampu menciptakan suatu nilai

tambah atas intellectual capital dengan baik maka dapat

meningkatkan kinerja perusahaan tersebut.

Hasil tersebut sesuai dengan penelitian yang

dilakukan oleh Ulum (2008), Suhendah (2012) dan

beberapa peneiti lainnya yang menunjukkan bahwa

intellectual capital (VACA, VAHU dan SCVA) memiliki

pengaruh signifikan terhadap kinera keuangan (ROA).

71

Intellectual capital merupakan penggerak

sebenarnya untuk kinerja perusahaan. Kehadiran

intellectual capital secara signifikan berperan sebagai

perantara dalam meningkatkan kinerja keuangan

perusahaan (Nkundabanyanga, Ntayi, et.al, 2012).

Intellectual capital memberikan kontribusi terhadap

kinerja keuangan, karena intellectual capital merupakan

sumberdaya yang dapat diukur untuk meningkatkan

keunggulan bersaing suatu perusahaan (Kartikasari dan

Hadiprajitno, 2014). Manajemen intellectual capital yang

baik menjadi peran utama dalam memastikan keunggulan

kompetitif, dengan demikian akan mempengaruhi kinerja

keuangan perusahaan (Sahin dan Ayas, 2015).

Membangun intellectual capital dianjurkan pada

seluruh organisasi dan perusahaan untuk menciptakan

sebuah unit terpisah dalam perusahaan melalui manajemen

sumber daya. Intellectual capital sebagai sumber daya

kunci dalam menciptakan keunggulan bersaing yang

dijalankan dengan berbasis pada pengetahuan dimana hal

ini membantu meningkatkan nilai dan memperbaiki kinerja

perusahaan secara menyeluruh (Ali dan Siyret 2015).

Namun hasil tersebut tidak didukung oleh penelitian

sebelumnya yang dilakukan oleh Rulfah dan Abrar (2008)

72

dan Kuryanto dan Syafruddin (2008) yang menyatakan

bahwa intellectual capital berpengaruh negatif terhadap

kinerja perusahaan.

4.3.4.5 VACA Berpengaruh Terhadap Pertumbuhan

Perusahaan (AG).

Berdasarkan hasil yang ditampilkan pada tabel 4.14

dengan tingkat signifikan 5% diperoleh variabel VACA

berpengaruh secara signifikan terhadap pertumbuhan

perusahaan dengan nilai sig. sebesar 0,000 atau dengan kata

lain hipotesis kelima (H5) diterima.

VACA menggambarkan berapa banyak nilai tambah

perusahaan yang dihasilkan dari modal yang digunakan.

Dimana VACA merupakan kalkulasi dari kemampuan

mengelola modal perusahaan (Wahdikorin, 2010).

Pengukuran tingkat pertumbuhan perusahaan yang

dilakukan dalam penelitian ini menggunakan indikator

tingkat pertumbuhan aset dari tahun ketahun. Seperti yang

dikatakan oleh Pulic (1998) ketika kali pertama

memperkenalkan metode VAIC™ yang menyatakan bahwa

intellectual ability suatu perusahaan dibangun oleh physical

capital (VACA).

Hal ini mengindiksikan bahwa semakin besar

capital employed maka semakin besar investasi modal

perusahaan dalam menciptakan nilai, sehingga perusahaan

73

akan lebih mudah dalam meningkatkan jumlah aset yang

dimiliki (Marfuah dan Ulfa, 2014).

Namun hasil tersebut tidak didukung oleh penelitian

sebelumnya yang dilakukan oleh Hassanzadeh, lalepor,

et.al, (2012) dimana VACA tidak berpengaruh terhadap


4.3.4.6 VAHU Berpengaruh Terhadap Pertumbuhan

Perusahaan (AG).

Hasil yang ditampilkan pada tabel 4.14 dengan

tingkat signifikan 5% maka diperoleh variabel VAHU tidak

berpengaruh secara signifikan terhadap pertumbuhan

perusahaan dengan nilai sig. sebesar 0,775. Dengan hasil

ini maka dapat disimpulkan bahwa hipotesis keenam (H6)

ditolak.

VAHU merupakan nilai tambah yang diperoleh dari

kemampuan human capital atau karyawan dalam

menjalankan perusahaan dengan menggunakan kemampuan

yang dimiliki seperti ilmu pengetahuan, inovasi serta

strategi perusahaan guna meningkatkan pertumbuhan

perusahaan (Wahdikorin, 2010).

Keahlian Sumber daya manusia yang ada pada

perusahaan manufaktur cenderung sama dengan perusahaan

manufaktur lainnya, sehingga hal ini memberikan nilai

tambah yang relatif kecil bagi perusahaan manufaktur

74

sehingga VAHU tidak berpengaruh terhadap pertumbuhan

perusahaan (Marfuah dan Ulfa, 2014).

Hasil penelitian ini berlawanan dengan hasil

penelitian sebelumnya Karanja (2013), Hassanzadeh dan

Lalepour, et.al (2012) yang menyatakan VAHU

berpengaruh terhadap pertumbuhan perusahaan.

4.3.4.7 SCVA Berpengaruh Terhadap Pertumbuhan

Perusahaan (AG).

Tabel 4.14 menunjukkan bahwa SCVA menunjukan

nilai sig. sebesar 0,806 dimana nilai tersebut lebih besar

dari tingkat signifikan sebesar 5% atau 0,05. Dengan

demikian variabel SCE tidak berpengaruh terhadap

pertumbuhan perusahaan. Hal ini menunjukkan bahwa

hipotesis ketujuh (H7) ditolak.

Structural capital merupakan komponen intellectual

capital yang paling rumit, karena hal ini berdasarkan pada

kombinasi dari pengetahuan dan pengalaman dari berbagai

kelompok untuk menciptakan pengetahuan mengenai

perusahaan (Nahapiet and Ghoshal, 1998).

Structural capital yang dimiliki perusahaan seperti

sistem informasi, peraturan, norma budaya organisasi

membantu membangun perusahaan. Hal ini mendukung

modal lain yang tidak dapat di diungkap (Edvinsson dan

Malone, 2007).

75

Nilai sig. yang lebih besar dari 0,05 menandakan

bahwa structural capital belum menjadi faktor yang

mendukung pertumbuhan perusahaan manufaktur di

indonesia.

Dalam hal ini structural capital pada perusahaan

yang berupa hardware, software, database dan budaya

organisasi hanya memberikan sedikit nilai value added

dalam meningkatkan pertumbuhan perusahaan. Hal ini

dapat dikarenakan infrastruktur yang digunakan tidak

berbeda jauh dengan perusahaan manufaktur lainnya.

Sehingga hal ini menyebabkan SCVA dalam penelitian ini

tidak berpengaruh terhadap pertumbuhan perusahaan

(Marfuah dan Ulfa, 2014).

4.3.4.8 Intellectual Capital Berpengaruh Terhadap

Pertumbuhan Perusahaan (AG).

Hasil perhitungan yang ditunjukkan tabel 4.15

diperoleh nilai sig. sebesar 0,000 yang berati intellectual

capital (VACA, VAHU dan SCVA) secara bersama-sama

(simultan) berpengaruh terhadap pertumbuhan perusahaan

(AG). Dari hasil perhitunggan model regresi pada variabel

VACA, VAHU dan SCVA secara bersama menghasilkan F

hitung > F tabel sehingga di simpulkan bahwa intellectual

capital berpengaruh signifikan terhadap pertumbuhan

76

perusahaan atau dengan kata lain hipotesis kedelapan (H8)

dalam penelitian ini diterima.

Komponen intellectual capital yaitu human capital,

structural capital dan relation capital dalam hasil

penelitian ini menunjukan pengaruh dari ketiganya terhadap


Komponen intellectual capital, yaitu human capital,

structural capital dan relation (social) capital secara umum

disetujui bahwa sumber daya tersebut memberikan dampak

terhadap pertumbuhan perusahaan (Karanja, 2013).

Relation capital membantu pertumbuhan

perusahaan dengan memanfaatkan sumber daya pada

linkungan eksternal dengan baik. Hubungan dengan pihak

lain menjadi penting, karena informasi yang dibutuhkan

untuk memulai dan menumbuhkan perusahaan berasal dari

hubungan sosial (Karanja, 2013).

Dilihat dari konteks teori stakeholder, intellectual

capital telah terbukti untuk membantu manajemen

perusahaan untuk meningkatkan pertumbuhan perusahaan

sehingga seluruh stakeholder dapat menikmati keuntungan

yang semakin bertambah pula. Selanjutnya menurut

pandangan resource based theory, terbukti bahwa

intellectual capital adalah sebuah sumber daya baru yang

dapat dieksploitasi demi keberhasilan pertumbuhan dan

77

keberlangsungan perusahaan. Dengan demikian,

pemanfaatan sumber daya intelektual secara efektif dan

efisien akan mendorong kemampuan pengembangan bagi

perusahaan (Aditya, 2011).

Hasil ini mendukung hasil penelitian sebelunya

yang dilakukan oleh Ulum (2008), Solikhah (2010) dan

Aditya (2011) dimana intellectual capital berpengaruh

secara signifikan terhadap pertumbuhan perusahaan.

78

BAB V

PENUTUP

5.1 Kesimpulan

Penelitian ini dilakukan untuk menguji dan menganalisis pegaruh

intellectual capital perusahaan dengan kinerjanya serta intellectual capital

dengan tingkat pertumbuhan perusahaan. Berdasarkan hasil pengujian dan

pembahasan pada bab sebelumnya dapat ditarik kesimpulan sebagai

berikut:

1. komponen intellectual capital VACA (Value Added Capital

Employed) berpengaruh terhadap kinerja keuangan perusahaan ( ROA)

secara parsial. Dengan demikian Hipotesis pertama (H1) diterima.

Hasil ini mendukung hasil penelitian sebelumnya yag dilakukan oeh

Ulum (2008), Najibullah (2005).

2. komponen intellectual capital VAHU (Value Added Human Capital)

berpengaruh terhadap kinerja keuangan perusahaan (ROA) dengan

demikian maka hipotesis H2 diterima. Hasil ini sejalan dengan hasil

penelitian yang dilakukan oleh Andreou (2007), Chen (2004) dan

Bontis (1998).

3. Sedangkan salah satu komponen intellectual capital yaitu SCVA tidak

berpengaruh signifikan terhadap kinerja keuangan yang berarti

hipotesis H3 ditolak. Penelitian ini mendukung penelitian sebelumnya

yang dilakukan oleh Ulum (2008).

4. Hasil penelitian menunjukkan bahwa VACA, VAHU, dan SCVA

secara simultan berpengaruh signifikan terhadap kinerja keuangan

79

perusahaan dengan demikian H4 diterima. Hasil ini mendukung

penelitian sebelumnya yang dilakukan Ulum (2008), Solikhah (2010)

dan Suhendah (2012)

5. VACA berpengaruh terhadap pertumbuhan perusahaan secara parsial,

dengan demikian mka hipotesis kelima (H5) diterima. Hasil ini

mendukung hasil penelitian sebelumnya yang dilakukan oleh Marfuah

dan Ulfah (2014).

6. Sedangkan komponen intellectual capital lainnya yaitu VAHU tidak

berpengaruh terhadap pertumbuhan perusahaan. Hasil dari menjadikan

hipotesis keenam (H6) ditolak. Hasil ini sejalan dengan hasil penelitian

yang dilakukan oleh Marfuah dan Ulfah (2014) dan Hassanzadeh dan

Lalepour, et. al (2012).

7. Variabel SCVA tidak berpengaruh terhadap pertumbuhan perusahaan

ssecara parsial sehingga membuat hipotesis ketujuh (H7) ditolak,

dimana hasil penelitian ini sejalan dengan penelitian sebelumnya yang

dilakukan Marfuah dan Ulfa (2014).

8. Hasil penelitian menunjukkan bahwa variabel VACA, VAHU, SCVA

secara bersama-sama (simultan) berpengaruh signifikan terhadap

pertumbuhan perusahaan. Dengan demikian hipotesis kedelaan (H8)

diterima. Hasil ini sesuai dengan penelitian sebelumnya yang

dilakukan oleh Ulum (2008), Solikhah (2010) dan Aditya (2011).

5.2 Kontribusi

Mengingat peran strategisnya, maka setiap perusahaan dituntut

secara terus-menerus mengembangkan intellectual capital yang ada dalam

80

perusahaan. Perusahaan harus dapat mengelola intellectual capital yang

ada dikarenakan dalam penelitian ini menunjukan bahwa intellectual

capital dapat mempengaruhi kinerja keuangan dan tingkat pertumbuhan

perusahaan. Dengan strategi yang tepat, aset yang dimiliki, tenaga kerja

yang berkualitas maka sebuah perusahaan akan dapat memberikan nilai

tambah bagi perusahaannya dan keunggulan kompetitif sehingga

perusahaan dapat terus berkembang.

Selanjutnya diperlukan pula pelatihan tenaga kerja (human capital)

dimana hal tersebut menjadi sebuah investasi bagi perusahaan agar dapat

meningkatkan produktivitas. Tenaga kerja yang berpengetahuan menjadi

unsur potensial dalam meningkatkan profitabilitas bagi perusahaan.

(Olivia dan Saare, 2015)

Pemanfaat structural capital yang efektif dan efisien seperti

penggunaan sistem informasi dan software juga akan memberikan nilai

tambah yang dapat meningkatkan kinerja perusahaan juga keunggulan

kompetitif sehingga perusahaan dapat memaksimalkan kepentingan

stakeholder.

5.3 Saran untuk Penelitian Selanjutnya

Berdasarkan evaluasi atas hasil penelitian pada 57 perusahaan

bidang manufaktur yang menjadi objek penelitian pada tahun 2011 – 2013

dalam penelitian ini. Berikutnya yang menjadi catatan adalah berdasarkan

uji R2, konstruk VACA, VAHU dan SCVA terhadap variabel dependen

kinerja keuangan dan pertumbuhan perusahaan dalam penelitian ini hanya

81

menjelaskan sebesar 25% dan 15,3%. Sementara sisanya yaitu 75%, dan

84,7% adalah pengaruh dari luar penelitian ini.

Beberapa saran yang diharapkan dapat menjadi bahan

pertimbangan untuk penelitian selanjutnya, antara lain :

1. Menambahkan jumlah sampel atau periode yang lebih panjang,

sehingga penelitian yang akan datang dapat memberikan hasil yang

lebih menggambarkan keadaan sebenarnya.

2. Menambah sektor industri atau menggunakan sektor industri yang

lebih bervariasi lagi sebagai obyek penelitian untuk melihat apakah

variasi beberapa industri dapat berperan dalam menguji pengaruh

intellectual capital terhadap kinerja keuangan dan pertumbuhan

perusahaan.

3. Menggunakan ukuran kinerja keuangan lainnya, antara lain yang

berbasis pada market value. Proksi market to book Value ratio

(MB), market capitalization, ataupun earning per share (EPS).

82

DAFTAR PUSTAKA

Astuti, Dwi P. dan Arifin S. “Hubungan Intellectual Capital dan Business

Performance”. Simposium Nasional Akuntansi VII. Solo. pp. 694-707,

2005.

Bani, M., Homa M., Maliheh K. and Mahboubeh R. “Study Of The Effect Of

Intellectual Capital Components And Firm Size”, Kuwait Chapter of

Arabian Journal of Business and Management Review Vol. 3, No.11, July.

2014

Belkaoui, Ahmad Riahi. ”Teori Akuntansi”, Jakarta, Salemba Empat, 2006

Blocher, J. Edward, Kung Chen, Thomas Lin. “Manajemen Biaya”, Salemba

Empat, Jakarta, 2011

Bontis, Nick. “Assessing Knowledge Assets: A Review of the Models Used to

Measure Intellectual Capital”, International Journal of Management

Reviews. Vol. 3. Issue 1, hlm 41-60, 2001.

Daud, Rulfah dan Abrar A. “Pengaruh Intellectual Capital dan Corporate Social

Responsibility Terhadap Kinerja Perusahaan (Studi Empiris Pada

Perusahaan Manufaktur di Bursa Efek Indonesia)”, Jurnal Telaah &

Riset Akuntansi, Vol. 1, No. 2, Hal.213-231, 2008.

Diez, J. Maria, Magda L. Ochoa, Begona P. dan Alicia S. “Intellectual Capital and

Value Creation in Spanish Firms”, Journal of Intellectual Capital. Vol.11,

No.3, pp. 348-367, 2010.

Ghozali, Imam. “Aplikasi Analisis Multivariate dengan Program SPSS”, Edisi 7,

Badan Penerbit Universitas Diponegoro,Semarang, 2009.

Gill, Amarijit dan Neil Mathur. “Factors that Effect Potential Growth of Canadian

Firms”, Journal of Applied Finance and Banking, Vol. 1, No. 4, Pp. 107 –

123, 2011.

Ikatan Akuntan Indonesia. “Pernyataan Standar Akuntansi Keuangan”, Salemba

Empat, Jakarta, 2009

Indonesia Stock Exchange. “Ringkasan Kinerja Perusahaan Tercatat”,dibuat

pada tahun 2011, diakses dari http://www.idx.co.id pada tanggal 10 Juni

2015



2015



2015




83

Indriantoro, Nur dan Bambang S. “Metodologi Penelitian Bisnis Untuk Akuntansi

& Manajemen Edisi Pertama”, BPFE, Yogyakarta, 2002.

Joshi, Mahesh, Daryll dan Jasvinder S. “Intellectual Capital and Financial

performance: an evaluation of the Australian financial sector”, Journal of

Intellectual Capital, Vol. 14 Iss 2 pp. 264 – 285, 2013.

Kartikasari, Yossita dan Basuki H. “Pengaruh Modal Intelektual Terhadap Kinerja

Perusahaan (Studi pada Perbankan yang Terdaftar di BEI Tahun 2009 –

2011”, Diponegoro Journal of Accounting Vol. 3 No. 1, hal. 1-15, 2014.

Keown, Arthur. “Manajemen Keuangan: Prinsip dan Penerapan”, Jilid 2, Edisi

10, Indeks, Jakarta, 2010.

Kor, Yasemin, dan Joseph M. “Edith Penrose’s (1959) Contributions to the

Resource-based View of Strategic Management”, Journal of Management

Studies, Vol. 41, pp. 184-191, 2004.

Marfuah dan M. Ulfa. “Pengaruh Intellectual Capital Terhadap Profitabilitas,

Produktivitas dan Pertumbuhan Perusahaan Perbankan”, Jurnal Ekonomi

dan Bisnis Islam, Vol. IX, No. 1, hal. 1 – 14, 2014.

Musibah A. Salem dan Wan Sulaiman. “The Mediating Effect of Financial

Performance on the Relationship between Shariah Supervisory Board

Effectiveness, Intellectual Capital and Corporate Social Responsibility, of

Islamic Banks in Gulf Cooperation Council Countries”, Asian Social

Science Journal, Vol. 10, No. 17, pp. 139 – 164, 2014

Ngugi, J. Karanja. “Influence of Intellectual Capital on the Growth of Small and

Medium Enterprises in Kenya”, International Journal of Arts and

Entrepreneurship, Special Issue, 2013.

Örnek, A. Sahin dan Ayas S. “The Relationship Between Intellectual Capital,

Innovative Work Behavior and Business Performance Reflection”,

Procedia - Social and Behavioral Sciences 195, pp.1387 – 1395, 2015.

Phusavat, Kongkiti, Narongsak C., Agnieszka Sitko‐Lutek and Keng‐Boon O.

"Interrelationships between intellectual capital and performance: Empirical

examination", Industrial Management & Data Systems, Vol. 111 Iss 6,

pp.810 – 829, 2011.

Sawarjuwono, Tjiptohadi dan Agustine Prihatin K. “Intellectual Capital:

Perlakuan, Pengukuran dan Pelaporan”, Jurnal Akuntansi & Keuangan

Vol. 5, No. 1, hal. 35 – 57, 2003.

Sekaran, Uma. “Metode Penelitian untuk Bisnis”. Jakarta: Salemba Empat, 2006

Sirapanji, Olivia. “Pengaruh Value Added Intellectual Capital Terhadap Kinerja

Keuangan dan Nilai Pasar Perusahaan Khususnya di Industri Perdagangan

Jasa yang Terdaftar di Bursa Efek Indonesia Tahun 2008 – 2013”,

Business Accounting Review Vol. 3, No. 1, Hal. 45 – 54, 2015.

http://www.emeraldinsight.com/action/doSearch?ContribStored=Phusavat%2C+K

http://www.emeraldinsight.com/action/doSearch?ContribStored=Comepa%2C+N

http://www.emeraldinsight.com/action/doSearch?ContribStored=Sitko-Lutek%2C+A

http://www.emeraldinsight.com/action/doSearch?ContribStored=Ooi%2C+K

84

Solikhah, Bandingatus. “Implikasi Intellectual Capital Terhadap Financial

Performance, Growth, dan Market Value: studi empiris dengan pendekatan

simplistic specification”, Simposium Nasional Akuntansi XIII,

Purwokerto, 2010.

Suhendah dan Rousilita “Pengaruh Intellectual Capital Terhadap Profitabilitas dan

Penilaian Pasar Perusahaan yang Go Publik di Indonesia pada Tahun 2005

– 2007”, Simposium Nasional Akuntansi XV, Banjrmasin, 2012.

Tan, H. P., Plowman, D., dan Hancock, P. “Intellectual Capital and Financial

returns of Companies“ dalam Journal of Intellectual Capital. Vol. 8, No.

1. hlm. 76-95, 2007.

Thaib, Faezal. “Value Added Intellectual Capital (Vahu, Vaca, Stva) Pengaruhnya

Terhadap Kinerja Keuangan Bank Pemerintah Periode 2007 – 2011”,

Jurnal EMBA Vol.1 No.3, Hal. 151-159, 2013.

Tsai, Jia-Hua dan Jean Yu. “Intellectual Capital, Corporate Governance and Firm

Performance”, Information Management and Business Review Vol. 5, No.

10, pp. 482-491, 2013.

Rahardjo, B. “Laporan Keuangan Perusahaan : Memahami dan Menganalisis”,

Gajah Mada University press, 2003.

Sangkala, “Intellectual Capital Management Strategi Baru Membangun Daya

Saing Perusahaan”, Yapensi, Jakarta, 2006.

Suharso, P. “Metode Penelitian Kuantitatif untuk Bisnis”, Malta Pritindo,

Jakarta, 2009.

Ulum, Ihyamul, “Intellectual Capital: Konsep dan Kajian Empiris”, Graha Ilmu,

Yogyakarta, 2009

Ulum, Ihyamul, “Intellectual capitaldan kinerja keuangan: suatu analisis dengan

pendekatan partial least squares,” Simposium Nasional Akuntansi XI,

Pontianak, 2008.

Wang, Wei-Kang, Wen, “The relationship between bank performance and

intellectual capital in East Asia”, Quality & Quantity, Vol. 47, Issue 2, pp

1041-1062, 2011.

Wang, Zhining, Nianxin W. and Huigang L. "Knowledge sharing, intellectual

capital and firm performance", Management Decision, Vol. 52 Iss 2 pp.

230 – 258, 2014.

Weston, J. Fred. “Manajemen Keuangan”, Jilid 1, Edisi 9, Binarupa Aksara,

Jakarta, 1995.

Wibowo, E. dan Arifin S. “Analisis Value Added Sebagai Indikator Intellectual

Capital dan Konsekuensi Terhadap Kinerja Perbankan”, Diponegoro

Journal of Accounting Vol. 2, No. 1, 2013.

85

Wibowo. “Manajemen Kinerja”, cetakan ke 3, Raja Grafindo, Jakarta, 2009.

Widyaningrum, A. “Modal Intelektual”, Jurnal Akuntansi dan Keuangan

Indonesia, Departemen Akuntansi FEUI Vol. 1 pp. 16 – 25.

Yang, Chien-Chang, dan Carol Yeh-Yun L. “Does Intellectual Capital Mediate

the Relationship between HRM and Organizational Performance?

Perspective of a Healthcare Industry in Taiwan”, The International

Journal of Human Resource Management, Vol. 20, No. 5, hlm 1965-1984,

2009.

Yoyo, Purnomo. “Ketertarikan Kinerja Keuangan dengan Harga Saham”,

Usahawan, No. 12, hlm. 33 – 38, 2007.

Yunita, Noevelina. “Pengaruh Modal Intelektual Terhadap Kinerja Keuangan dan

Nilai Pasar”, Accounting Analysis Journal, 2010.

86

LAMPIRAN 1

Tabel Daftar perusahaan objek penelitian

No. Nama Perusahaan Kode

1 Akasha Wira International Tbk. ADES

2 Tiga Pilar Sejahtera Food Tbk. AISA

3 Argha Karya Prima Industri Tbk. AKPI

4 Alkindo Naratama Tbk. ALDO

5 Alumunium Light Metal Industry Tbk. ALMI

6 Tri Banyan Tirta Tbk. ALTO

7 Asahimas Flat Glass Tbk. AMFG

8 Arwana Citramulia Tbk. ARNA

9 Astra International Tbk. ASII

10 Sepatu Bata Tbk. BATA

11 Indo Kordsa Tbk. BRAM

12 Betonjaya Manunggal Tbk. BTON

13 Budi Starch & Sweetener Tbk. BUDI

14 Wilmar Cahaya Indonesia Tbk. CEKA

15 Charoen Pokphand Indonesia Tbk. CPIN

16 Delta Djakarta Tbk. DLTA

17 Darya-Varia Laboratoria Tbk. DVLA

18 Ekadharma International Tbk. EKAD

19 Eterindo Wahanatama Tbk. ETWA

20 Gunawan Dianjaya Steel Tbk. GDST

21 Gudang Garam Tbk. GGRM

87

22 Indofood CBP Sukses Makmur Tbk. ICBP

23 Champion Pacific Indonesia Tbk. IGAR

24 Indomobil Sukses International Tbk. IMAS

25 Indofoof Sukses Makmur Tbk. INDF

26 Indospring Tbk. INDS

27 Indocement Tunggal Prakasa Tbk. INTP

28 Indopoly Swakarsa Industry Tbk. IPOL

29 Jembo Cable Company Tbk. JECC

30 Japfa Comfeed Indonesia Tbk. JPFA

31 Kabelindo Murni Tbk. KBLM

32 Kedawung Setia Industrial Tbk. KDSI

33 Kedaung Indah Can Tbk. KICI

34 Kalbe Farma Tbk. KLBF

35 Lion Metal Works Tbk. LION

36 Lionmesh Prima Tbk. LMSH

37 Multi Prima Sejahtera Tbk. LPIN

38 Malindo Feedmill Tbk. MAIN

39 Multistrada Arah Sarana Tbk. MASA

40 Martina Berto Tbk. MBTO

41 Merck Tbk. MERK

42 Multi Bintang Indoensia Tbk. MLBI

43 Mayora Indah Tbk. MYOR

44 Nipress Tbk. NIPS

45 Pan Brothers Tbk. PBRX

46 Pelangi Indah Canindo Tbk. PICO

88

47 Pyridam Farma Tbk. PYFA

48 Nippon Indosari Corpindo tbk. ROTI

49 Supreme Cable Manufacturing & Commerse

Tbk. SCCO

50 Sierad Produce Tbk. SIPD

51 Sekar Laut Tbk. SKLT

52 Siantar Top Tbk. STTP

53 Mandom Indonesia Tbk. TCID

54 Surya Toto Idonesia Tbk. TOTO

55 Tempo Scan Pacific Tbk. TSPC

56 Unggul Indah Cahaya Tbk. UNIC

57 Voksel Electric VOKS

Sumber : Indonesia Stock Exchange

89

LAMPIRAN 2

Rincian data perusahaan 2011 – 2013

Data perolehan Value Added tahun 2011

no Kode Output Input Value Added

1 ADES 299,409,000 258,162,000 41,247,000

2 AISA 1,752,802,000 1,426,959,000 325,843,000

3 AKPI 1,505,559,487 1,362,645,997 142,913,490

4 ALDO 244,802,861 210,595,863 34,206,998

5 ALMI 3,609,867,387 3,454,279,647 155,587,740

6 AMFG 2,596,271,000 2,152,285,000 443,986,000

7 ARNA 922,684,829 758,479,950 164,204,879

8 ASII 162,564,000,000 135,634,000,000 26,930,000,000

9 AUTO 7,363,659,000 6,598,089,000 765,570,000

10 BATA 678,591,535 581,054,964 97,536,571

11 BRAM 1,900,212,056 1,677,029,610 223,182,446

12 BTON 153,646,138,180 130,760,875,559 22,885,262,621

13 BUDI 2,503,984,000 2,284,787,000 219,197,000

14 CEKA 1,238,169,022 1,084,944,164 153,224,858

15 CPIN 17,957,972,000 14,637,506,000 3,320,466,000

16 DLTA 564,051,178 337,009,268 227,041,910

17 DVLA 972,297,437 799,306,622 172,990,815

18 EKAD 328,459,768 274,846,297 53,613,471

19 ETWA 904,236,103 828,693,955 75,542,148

20 GDST 2,093,544,754 1,951,096,570 142,448,184

90

21 GGRM 41,884,352,000 34,446,340,000 7,438,012,000

22 ICBP 19,367,155,000 16,570,376,000 2,796,779,000

23 IGAR 512,774,178 436,770,757 76,003,421

24 IMAS 15,776,580,286 14,955,260,173 821,320,113

25 INDF 45,332,256,000 37,309,557,000 8,022,699,000

26 INDS 1,234,986,291 1,019,636,059 215,350,232

27 INTP 13,887,892,000 9,259,453,000 4,628,439,000

28 IPOL 1,818,287,000 1,581,667,000 236,620,000

29 JECC 1,267,418,214 1,194,318,346 73,099,868

30 JPFA 15,633,068,000 13,967,664,000 1,665,404,000

31 KBLM 864,752,600 811,366,587 53,386,013

32 KDSI 1,180,506,128 1,106,103,976 74,402,152

33 KICI 87,517,382 81,962,865 5,554,517

34 KLBF 10,911,860,141 8,563,928,671 2,347,931,470

35 LION 268,414,285 185,899,885 82,514,400

36 LMSH 207,522,581 187,013,927 20,508,654

37 LPIN 62,958,088 50,375,551 12,582,537

38 MAIN 2,634,460,563 2,273,671,983 360,788,580

39 MASA 2,861,930,000 2,513,738,000 348,192,000

40 MBTO 648,375,230 567,288,655 81,086,575

41 MERK 918,532,462 696,189,316 222,343,146

42 MLBI 1,858,750,000 1,142,321,000 716,429,000

43 MYOR 9,453,865,992 8,605,971,511 847,894,481

44 NIPS 579,224,436 533,704,623 45,519,813

45 PBRX 2,170,706,640 2,014,370,757 156,335,883

91

46 PICO 621,233,560 563,117,130 58,116,430

47 PYFA 151,094,461 131,217,500 19,876,961

48 ROTI 813,342,078 641,441,862 171,900,216

49 SCCO 3,363,728,158 3,168,219,856 195,508,302

50 SIPD 4,029,131,023 3,807,575,113 221,555,910

51 SKLT 344,435,729 321,899,966 22,535,763

52 STTP 1,027,683,999 938,032,110 89,651,889

53 TCID 1,654,671,098 1,353,094,858 301,576,240

54 TOTO 1,341,926,755 1,008,156,318 333,770,437

55 TSPC 5,780,664,117 4,873,724,411 906,939,706

56 UNIC 461,602,658 437,033,385 24,569,273

57 VOKS 2,014,608,187 1,822,626,349 191,981,838

92


no Kode Output Input Value Added

1 ADES 476,638,000 361,675,000 114,963,000

2 AISA 2,747,623,000 2,293,668,000 453,955,000

3 AKPI 1,590,185,293 1,387,808,594 202,376,699

4 ALDO 318,332,488 283,312,824 35,019,664

5 ALMI 3,221,635,031 3,158,845,510 62,789,521

6 AMFG 2,857,310,000 2,390,990,000 466,320,000

7 ARNA 1,113,663,603 865,104,859 248,558,744

8 ASII 188,053,000,000 157,354,000,000 30,699,000,000

9 AUTO 8,277,485,000 7,538,042,000 739,443,000

10 BATA 751,449,338 635,171,519 116,277,819

11 BRAM 174,136,178 166,455,004 7,681,174

12 BTON 155,005,683 126,017,157 28,988,526

13 BUDI 2,295,369,000 2,162,472,000 132,897,000

14 CEKA 1,123,519,657 1,015,088,398 108,431,259

15 CPIN 21,310,925,000 17,544,315,000 3,766,610,000

16 DLTA 719,951,793 412,588,174 307,363,619

17 DVLA 1,087,379,869 863,051,235 224,328,634

18 EKAD 385,037,050 319,755,179 65,281,871

19 ETWA 601,771,845 544,753,411 57,018,434

20 GDST 1,647,928,004 1,577,751,051 70,176,953

21 GGRM 49,028,696,000 42,342,530,000 6,686,166,000

22 ICBP 21,716,913,000 18,414,858,000 3,302,055,000

93

23 IGAR 556,445,856 489,647,173 66,798,683

24 IMAS 19,780,838,058 18,900,299,068 880,538,990

25 INDF 50,201,548,000 41,882,875,000 8,318,673,000

26 INDS 1,476,987,701 1,237,347,925 239,639,776

27 INTP 17,290,337,000 11,193,197,000 6,097,140,000

28 IPOL 227,273,096 203,404,018 23,869,078

29 JECC 1,234,827,852 1,145,185,785 89,642,067

30 JPFA 17,832,702,000 15,522,219,000 2,310,483,000

31 KBLM 1,020,197,078 944,277,557 75,919,521

32 KDSI 1,301,332,627 1,201,787,080 99,545,547

33 KICI 94,787,254 85,907,953 8,879,301

34 KLBF 13,636,405,178 11,011,006,188 2,625,398,990

35 LION 333,921,950 235,512,462 98,409,488

36 LMSH 223,079,062 204,165,607 18,913,455

37 LPIN 68,736,656 54,654,495 14,082,161

38 MAIN 3,349,566,738 2,826,000,832 523,565,906

39 MASA 320,881,449 299,490,479 21,390,970

40 MBTO 717,788,399 627,027,044 90,761,355

41 MERK 929,876,824 761,159,179 168,717,645

42 MLBI 1,566,984,000 935,230,000 631,754,000

43 MYOR 10,510,625,669 9,247,027,168 1,263,598,501

44 NISP 702,719,255 640,744,457 61,974,798

45 PBRX 286,613,923 265,524,916 21,089,007

46 PICO 593,266,859 537,348,217 55,918,642

47 PYFA 176,730,979 158,430,085 18,300,894

94

48 ROTI 1,190,825,893 968,354,615 222,471,278

49 SCC0 3,542,885,004 3,298,457,961 244,427,043

50 SIPD 4,354,469,720 4,092,521,365 261,948,355

51 SKLT 401,724,215 372,885,077 28,839,138

52 STTP 1,283,736,251 1,134,713,604 149,022,647

53 TCID 1,851,152,825 1,513,805,613 337,347,212

54 TOTO 1,576,763,006 1,161,127,902 415,635,104

55 TSPC 6,630,809,553 5,713,927,903 916,881,650

56 UNIC 460,239,017 434,929,507 25,309,510

57 VOKS 2,484,172,510 2,236,532,754 247,639,756

95


No Kode Output Input Value Added

1 ADES 502,524,000 408,832,000 93,692,000

2 AISA 4,056,735,000 3,393,848,000 662,887,000

3 AKPI 1,663,385,190 1,530,036,439 133,348,751

4 ALDO 399,345,658 341,654,003 57,691,655

5 ALMI 2,871,313,447 2,749,366,248 121,947,199

6 ALTO 10,701,988,000 9,682,212,000 1,019,776,000

7 AMFG 3,216,480,000 2,800,633,000 415,847,000

8 ARNA 1,417,640,229 1,054,244,471 363,395,758

9 ASII 193,880,000,000 162,526,000,000 31,354,000,000

10 BATA 902,459,209 820,632,262 81,826,947

11 BRAM 200,167,829 184,955,008 15,212,821

12 BTON 113,547,870 100,448,713 13,099,157

13 BUDI 2,568,954,000 2,360,264,000 208,690,000

14 CEKA 2,531,881,182 2,372,907,022 158,974,160

15 CPIN 25,662,992,000 21,359,045,000 4,303,947,000

16 DLTA 867,066,542 498,189,807 368,876,735

17 DVLA 1,101,684,170 918,306,500 183,377,670

18 EKAD 418,668,758 342,953,169 75,715,589

19 ETWA 1,206,066,005 1,071,177,374 134,888,631

20 GDST 1,410,117,393 1,247,864,657 162,252,736

21 GGRM 55,436,954,000 48,020,079,000 7,416,875,000

22 ICBP 25,094,681,000 4,987,832,000 20,106,849,000

96

23 IGAR 643,403,327 573,212,072 70,191,255

24 IMAS 20,094,736,395 19,268,422,350 826,314,045

25 INDF 57,731,998,000 49,818,126,000 7,913,872,000

26 INDS 1,702,447,098 1,466,883,958 235,563,140

27 INTP 18,691,286,000 12,435,022,000 6,256,264,000

28 IPOL 233,483,218 208,919,333 24,563,885

29 JECC 1,490,073,098 1,337,293,941 152,779,157

30 JPFA 21,412,085,000 18,866,101,000 2,545,984,000

31 KBLM 1,032,787,438 959,007,324 73,780,114

32 KDSI 1,386,314,584 1,289,146,550 97,168,034

33 KICI 99,029,696 80,800,550 18,229,146

34 KLBH 16,002,131,057 12,949,993,925 3,052,137,132

35 LION 333,674,349 239,341,409 94,332,940

36 LMSH 256,210,760 232,616,539 23,594,221

37 LPIN 77,231,127 61,032,939 16,198,188

38 MAIN 4,193,082,465 3,618,046,027 575,036,438

39 MASA 323,891,487 306,287,052 17,604,435

40 MBTO 641,284,586 576,096,226 65,188,360

41 MERK 1,193,952,302 930,015,818 263,936,484

42 MLBI 3,561,989,000 1,951,843,000 1,610,146,000

43 MYOR 12,017,837,133 10,589,256,413 1,428,580,720

44 NIPS 911,064,069 817,374,791 93,689,278

45 PBRX 339,723,836 313,122,534 26,601,302

46 PICO 684,448,835 619,508,040 64,940,795

47 PYFA 192,555,731 171,273,211 21,282,520

97

48 ROTI 1,505,519,937 1,223,932,156 281,587,781

49 SCCO 3,751,042,310 3,552,160,068 198,882,242

50 SIPD 3,854,271,748 3,590,480,591 263,791,157

51 SKLT 567,048,547 525,649,504 41,399,043

52 STTP 1,694,935,468 1,484,022,063 210,913,405

53 TCID 2,027,899,402 1,643,307,069 384,592,333

54 TOTO 1,711,306,783 1,303,371,250 407,935,533

55 TSPC 6,854,889,233 5,950,828,352 904,060,881

56 UNIC 438,997,361 406,908,491 32,088,870

57 VOKS 2,510,817,836 2,356,341,554 154,476,282

98

Data Perolehan Value Added Capital Coefficient (VACA) Tahun 2011

No Kode Value Added Capital

Employe VACA

1 ADES 41,247,000 125,746,000 0.3280

2 AISA 325,843,000 1,832,817,000 0.1778

3 AKPI 142,913,490 740,164,566 0.1931

4 ALDO 34,206,998 81,783,031 0.4183

5 ALMI 155,587,740 516,616,106 0.3012

6 AMFG 443,986,000 2,145,200,000 0.2070

7 ARNA 164,204,879 483,173,285 0.3398

8 ASII 26,930,000,000 75,838,000,000 0.3551

9 AUTO 765,570,000 4,722,894,000 0.1621

10 BATA 97,536,571 354,480,088 0.2752

11 BRAM 223,182,446 1,201,725,440 0.1857

12 BTON 22,885,262,621 92,124,943,258 0.2484

13 BUDI 219,197,000 811,031,000 0.2703

14 CEKA 153,224,858 405,058,749 0.3783

15 CPIN 3,320,466,000 6,189,470,000 0.5365

16 DLTA 227,041,910 572,935,427 0.3963

17 DVLA 172,990,815 727,917,390 0.2377

18 EKAD 53,613,471 147,645,528 0.3631

19 ETWA 75,542,148 375,955,481 0.2009

20 GDST 142,448,184 745,367,483 0.1911

21 GGRM 7,438,012,000 24,550,928,000 0.3030

22 ICBP 2,796,779,000 10,709,773,000 0.2611

99

23 IGAR 76,003,421 290,586,357 0.2616

24 IMAS 821,320,113 5,084,181,476 0.1615

25 INDF 8,022,699,000 31,610,225,000 0.2538

26 INDS 215,350,232 632,249,053 0.3406

27 INTP 4,628,439,000 15,733,951,000 0.2942

28 IPOL 236,620,000 1,148,918,000 0.2060

29 JECC 73,099,868 127,497,023 0.5733

30 JPFA 1,665,404,000 3,785,347,000 0.4400

31 KBLM 53,386,013 244,364,131 0.2185

32 KDSI 74,402,152 279,169,054 0.2665

33 KICI 5,554,517 64,297,602 0.0864

34 KLBF 2,347,931,470 6,515,935,058 0.3603

35 LION 82,514,400 302,060,465 0.2732

36 LMSH 20,508,654 57,202,680 0.3585

37 LPIN 12,582,537 118,225,764 0.1064

38 MAIN 360,788,580 421,824,514 0.8553

39 MASA 348,192,000 1,767,027,000 0.1970

40 MBTO 81,086,575 400,542,318 0.2024

41 MERK 222,343,146 494,181,710 0.4499

42 MLBI 716,429,000 530,268,000 1.3511

43 MYOR 847,894,481 2,424,669,292 0.3497

44 NIPS 45,519,813 165,997,722 0.2742

45 PBRX 156,335,883 684,336,439 0.2284

46 PICO 58,116,430 187,914,292 0.3093

47 PYFA 19,876,961 82,397,251 0.2412

100

48 ROTI 171,900,216 546,441,182 0.3146

49 SCCO 195,508,302 519,252,194 0.3765

50 SIPD 221,555,910 1,271,072,402 0.1743

51 SKLT 22,535,763 122,900,348 0.1834

52 STTP 89,651,889 490,065,156 0.1829

53 TCID 301,576,240 1,020,412,800 0.2955

54 TOTO 333,770,437 760,541,257 0.4389

55 TSPC 906,939,706 3,045,935,747 0.2978

56 UNIC 24,569,273 142,936,936 0.1719

57 VOKS 191,981,838 496,645,502 0.3866

101


No Kode VA CE VACA

1 ADES 114,963,000 209,122,000 0.5497

2 AISA 453,955,000 2,033,453,000 0.2232

3 AKPI 202,376,699 843,266,716 0.2400

4 ALDO 35,019,664 107,536,357 0.3257

5 ALMI 62,789,521 587,883,021 0.1068

6 AMFG 466,320,000 2,457,089,000 0.1898

7 ARNA 248,558,744 604,808,180 0.4110

8 ASII 30,699,000,000 89,814,000,000 0.3418

9 AUTO 739,443,000 5,485,099,000 0.1348

10 BATA 116,277,819 387,497,486 0.3001

11 BRAM 7,681,174 169,623,187 0.0453

12 BTON 28,988,526 113,178,957 0.2561

13 BUDI 132,897,000 854,135,000 0.1556

14 CEKA 108,431,259 463,402,987 0.2340

15 CPIN 3,766,610,000 8,176,464,000 0.4607

16 DLTA 307,363,619 598,211,513 0.5138

17 DVLA 224,328,634 841,546,479 0.2666

18 EKAD 65,281,871 191,977,807 0.3400

19 ETWA 57,018,434 437,749,234 0.1303

20 GDST 70,176,953 792,924,462 0.0885

21 GGRM 6,686,166,000 26,605,713,000 0.2513

22 ICBP 3,302,055,000 11,984,361,000 0.2755

23 IGAR 66,798,683 242,028,852 0.2760

102

24 IMAS 880,538,990 5,688,445,073 0.1548

25 INDF 8,318,673,000 34,140,237,000 0.2437

26 INDS 239,639,776 1,136,572,861 0.2108

27 INTP 6,097,140,000 19,418,738,000 0.3140

28 IPOL 23,869,078 141,020,626 0.1693

29 JECC 89,642,067 142,875,793 0.6274

30 JPFA 2,310,483,000 4,763,327,000 0.4851

31 KBLM 75,919,521 264,746,064 0.2868

32 KDSI 99,545,547 316,006,115 0.3150

33 KICI 8,879,301 66,557,077 0.1334

34 KLBF 2,625,398,990 7,371,643,614 0.3561

35 LION 98,409,488 371,829,387 0.2647

36 LMSH 18,913,455 97,525,195 0.1939

37 LPIN 14,082,161 134,855,613 0.1044

38 MAIN 523,565,906 1,799,881,575 0.2909

39 MASA 21,390,970 371,982,982 0.0575

40 MBTO 90,761,355 434,562,913 0.2089

41 MERK 168,717,645 416,741,865 0.4048

42 MLBI 631,754,000 329,853,000 1.9153

43 MYOR 1,263,598,501 3,067,850,327 0.4119

44 NISP 61,974,798 202,073,660 0.3067

45 PBRX 21,089,007 87,770,927 0.2403

46 PICO 55,918,642 199,113,004 0.2808

47 PYFA 18,300,894 87,705,472 0.2087

48 ROTI 222,471,278 666,607,597 0.3337

103

49 SCC0 244,427,043 654,044,644 0.3737

50 SIPD 261,948,355 1,276,742,767 0.2052

51 SKLT 28,839,138 129,482,560 0.2227

52 STTP 149,022,647 579,691,340 0.2571

53 TCID 337,347,212 1,096,821,575 0.3076

54 TOTO 415,635,104 898,164,900 0.4628

55 TSPC 916,881,650 3,353,156,079 0.2734

56 UNIC 25,309,510 139,735,145 0.1811

57 VOKS 247,639,756 603,066,052 0.4106

104


No Kode VA CE VACA

1 ADES 93,692,000 264,778,000 0.3539

2 AISA 662,887,000 2,356,773,000 0.2813

3 AKPI 133,348,751 1,028,605,380 0.1296

4 ALDO 57,691,655 139,883,299 0.4124

5 ALMI 121,947,199 657,341,556 0.1855

6 ALTO 1,019,776,000 9,558,754,000 0.1067

7 AMFG 415,847,000 2,760,727,000 0.1506

8 ARNA 363,395,758 768,489,884 0.4729

9 ASII 31,354,000,000 106,188,000,000 0.2953

10 BATA 81,826,947 396,853,165 0.2062

11 BRAM 15,212,821 162,861,249 0.0934

12 BTON 13,099,157 138,817,414 0.0944

13 BUDI 208,690,000 885,121,000 0.2358

14 CEKA 158,974,160 528,274,934 0.3009

15 CPIN 4,303,947,000 9,950,900,000 0.4325

16 DLTA 368,876,735 676,557,993 0.5452

17 DVLA 183,377,670 914,702,952 0.2005

18 EKAD 75,715,589 237,707,562 0.3185

19 ETWA 134,888,631 445,660,434 0.3027

20 GDST 162,252,736 884,412,519 0.1835

21 GGRM 7,416,875,000 29,416,271,000 0.2521

22 ICBP 20,106,849,000 13,265,731,000 1.5157

23 IGAR 70,191,255 225,742,775 0.3109

105

24 IMAS 826,314,045 6,659,870,110 0.1241

25 INDF 7,913,872,000 38,373,129,000 0.2062

26 INDS 235,563,140 1,752,865,614 0.1344

27 INTP 6,256,264,000 22,607,241,000 0.2767

28 IPOL 24,563,885 151,337,714 0.1623

29 JECC 152,779,157 1,239,821,716 0.1232

30 JPFA 2,545,984,000 5,245,222,000 0.4854

31 KBLM 73,780,114 269,664,159 0.2736

32 KDSI 97,168,034 352,008,887 0.2760

33 KICI 18,229,146 73,976,578 0.2464

34 KLBH 3,052,137,132 8,499,957,965 0.3591

35 LION 94,332,940 415,784,337 0.2269

36 LMSH 23,594,221 110,468,094 0.2136

37 LPIN 16,198,188 143,410,609 0.1129

38 MAIN 575,036,438 2,214,398,692 0.2597

39 MASA 17,604,435 629,065,832 0.0280

40 MBTO 65,188,360 451,318,464 0.1444

41 MERK 263,936,484 512,218,622 0.5153

42 MLBI 1,610,146,000 987,533,000 1.6305

43 MYOR 1,428,580,720 3,938,760,819 0.3627

44 NIPS 93,689,278 235,945,772 0.3971

45 PBRX 26,601,302 99,057,308 0.2685

46 PICO 64,940,795 215,034,932 0.3020

47 PYFA 21,282,520 93,901,273 0.2266

48 ROTI 281,587,781 787,337,649 0.3576

106

49 SCCO 198,882,242 707,611,129 0.2811

50 SIPD 263,791,157 1,285,120,275 0.2053

51 SKLT 41,399,043 139,650,353 0.2964

52 STTP 210,913,405 694,128,409 0.3039

53 TCID 384,592,333 1,182,990,689 0.3251

54 TOTO 407,935,533 1,035,650,413 0.3939

55 TSPC 904,060,881 3,862,951,854 0.2340

56 UNIC 32,088,870 145,430,832 0.2206

57 VOKS 154,476,282 601,249,018 0.2569

107

Data Perolehan Value Added Human Capital (VAHU) Tahun 2011

No Kode VA HC VAHU

1 ADES 41,247,000 14,928,000 2.7631

2 AISA 325,843,000 17,991,000 18.1114

3 AKPI 142,913,490 42,621,901 3.3531

4 ALDO 34,206,998 9,787,862 3.4948

5 ALMI 155,587,740 28,555,934 5.4485

6 AMFG 443,986,000 28,217,000 15.7347

7 ARNA 164,204,879 15,232,997 10.7796

8 ASII 26,930,000,000 9,098,000,000 2.9600

9 AUTO 765,570,000 246,022,000 3.1118

10 BATA 97,536,571 16,408,854 5.9441

11 BRAM 223,182,446 33,322,462 6.6977

12 BTON 22,885,262,621 3,076,971,669 7.4376

13 BUDI 219,197,000 39,708,000 5.5202

14 CEKA 153,224,858 7,698,394 19.9035

15 CPIN 3,320,466,000 336,002,000 9.8823

16 DLTA 227,041,910 25,634,472 8.8569

17 DVLA 172,990,815 29,961,568 5.7738

18 EKAD 53,613,471 12,295,125 4.3605

19 ETWA 75,542,148 6,406,571 11.7914

20 GDST 142,448,184 8,952,684 15.9112

21 GGRM 7,438,012,000 599,370,000 12.4097

22 ICBP 2,796,779,000 156,168,000 17.9088

108

23 IGAR 76,003,421 8,838,395 8.5992

24 IMAS 821,320,113 216,106,823 3.8005

25 INDF 8,022,699,000 1,303,983,000 6.1525

26 INDS 215,350,232 34,502,383 6.2416

27 INTP 4,628,439,000 201,446,000 22.9761

28 IPOL 236,620,000 67,184,000 3.5220

29 JECC 73,099,868 13,477,953 5.4237

30 JPFA 1,665,404,000 558,399,000 2.9825

31 KBLM 53,386,013 8,683,922 6.1477

32 KDSI 74,402,152 35,323,109 2.1063

33 KICI 5,554,517 5,516,024 1.0070

34 KLBF 2,347,931,470 288,748,650 8.1314

35 LION 82,514,400 23,596,283 3.4969

36 LMSH 20,508,654 4,733,805 4.3324

37 LPIN 12,582,537 6,255,917 2.0113

38 MAIN 360,788,580 50,258,771 7.1786

39 MASA 348,192,000 50,907,000 6.8398

40 MBTO 81,086,575 34,168,071 2.3732

41 MERK 222,343,146 23,761,171 9.3574

42 MLBI 716,429,000 35,578,000 20.1369

43 MYOR 847,894,481 90,017,504 9.4192

44 NIPS 45,519,813 3,437,936 13.2404

45 PBRX 156,335,883 57,962,969 2.6972

46 PICO 58,116,430 6,014,152 9.6633

47 PYFA 19,876,961 12,872,358 1.5442

109

48 ROTI 171,900,216 25,414,023 6.7640

49 SCCO 195,508,302 26,780,143 7.3005

50 SIPD 221,555,910 92,132,948 2.4047

51 SKLT 22,535,763 13,472,156 1.6728

52 STTP 89,651,889 19,205,041 4.6681

53 TCID 301,576,240 108,511,205 2.7792

54 TOTO 333,770,437 33,972,077 9.8248

55 TSPC 906,939,706 249,151,333 3.6401

56 UNIC 24,569,273 11,292,300 2.1758

57 VOKS 191,981,838 16,672,529 11.5149

110


No Kode VA HC VAHU

1 ADES 114,963,000 28,555,000 4.0260

2 AISA 453,955,000 27,990,000 16.2185

3 AKPI 202,376,699 39,931,551 5.0681

4 ALDO 35,019,664 11,684,230 2.9972

5 ALMI 62,789,521 30,667,570 2.0474

6 AMFG 466,320,000 30,606,000 15.2362

7 ARNA 248,558,744 19,653,895 12.6468

8 ASII 30,699,000,000 10,829,000,000 2.8349

9 AUTO 739,443,000 263,909,000 2.8019

10 BATA 116,277,819 16,592,671 7.0078

11 BRAM 7,681,174 4,024,572 1.9086

12 BTON 28,988,526 3,583,033 8.0905

13 BUDI 132,897,000 45,587,000 2.9152

14 CEKA 108,431,259 9,713,088 11.1634

15 CPIN 3,766,610,000 365,820,000 10.2963

16 DLTA 307,363,619 25,276,611 12.1600

17 DVLA 224,328,634 33,021,089 6.7935

18 EKAD 65,281,871 13,268,035 4.9202

19 ETWA 57,018,434 11,764,369 4.8467

20 GDST 70,176,953 9,725,698 7.2156

21 GGRM 6,686,166,000 678,960,000 9.8477

22 ICBP 3,302,055,000 456,880,000 7.2274

111

23 IGAR 66,798,683 10,216,062 6.5386

24 IMAS 880,538,990 218,763,019 4.0251

25 INDF 8,318,673,000 1,565,404,000 5.3141

26 INDS 239,639,776 39,502,762 6.0664

27 INTP 6,097,140,000 251,918,000 24.2029

28 IPOL 23,869,078 7,517,790 3.1750

29 JECC 89,642,067 14,913,530 6.0108

30 JPFA 2,310,483,000 642,229,000 3.5976

31 KBLM 75,919,521 9,112,203 8.3316

32 KDSI 99,545,547 4,234,829 23.5064

33 KICI 8,879,301 5,758,989 1.5418

34 KLBF 2,625,398,990 316,884,122 8.2850

35 LION 98,409,488 29,799,436 3.3024

36 LMSH 18,913,455 5,066,124 3.7333

37 LPIN 14,082,161 7,739,214 1.8196

38 MAIN 523,565,906 68,026,148 7.6965

39 MASA 21,390,970 6,890,550 3.1044

40 MBTO 90,761,355 35,737,460 2.5397

41 MERK 168,717,645 26,877,596 6.2773

42 MLBI 631,754,000 29,868,000 21.1515

43 MYOR 1,263,598,501 107,038,685 11.8051

44 NIPS 61,974,798 7,008,281 8.8431

45 PBRX 21,089,007 7,125,893 2.9595

46 PICO 55,918,642 6,057,858 9.2308

47 PYFA 18,300,894 9,402,825 1.9463

112

48 ROTI 222,471,278 36,316,497 6.1259

49 SCCO 244,427,043 28,214,985 8.6630

50 SIPD 261,948,355 116,072,849 2.2568

51 SKLT 28,839,138 15,887,739 1.8152

52 STTP 149,022,647 23,581,289 6.3195

53 TCID 337,347,212 127,261,039 2.6508

54 TOTO 415,635,104 41,769,435 9.9507

55 TSPC 916,881,650 215,075,286 4.2631

56 UNIC 25,309,510 11,978,874 2.1128

57 VOKS 247,639,756 30,400,899 8.1458

113


No Kode VA HC VAHU

1 ADES 93,692,000 39,215,000 2.3892

2 AISA 662,887,000 47,335,000 14.0042

3 AKPI 133,348,751 29,169,958 4.5714

4 ALDO 57,691,655 13,733,037 4.2009

5 ALMI 121,947,199 31,410,448 3.8824

6 AMFG 1,019,776,000 347,977,000 2.9306

7 ARNA 415,847,000 31,193,000 13.3314

8 ASII 363,395,758 19,033,829 19.0921

9 AUTO 31,354,000,000 12,751,000,000 2.4589

10 BATA 81,826,947 15,754,699 5.1938

11 BRAM 15,212,821 4,071,142 3.7367

12 BTON 13,099,157 3,727,338 3.5143

13 BUDI 208,690,000 52,576,000 3.9693

14 CEKA 158,974,160 13,841,382 11.4854

15 CPIN 4,303,947,000 400,014,000 10.7595

16 DLTA 368,876,735 32,471,856 11.3599

17 DVLA 183,377,670 35,942,025 5.1020

18 EKAD 75,715,589 15,453,299 4.8996

19 ETWA 134,888,631 22,671,213 5.9498

20 GDST 162,252,736 10,123,635 16.0271

21 GGRM 7,416,875,000 767,069,000 9.6691

22 ICBP 20,106,849,000 570,386,000 35.2513

114

23 IGAR 70,191,255 9,368,447 7.4923

24 IMAS 826,314,045 347,977,000 2.3746

25 INDF 7,913,872,000 1,824,734,000 4.3370

26 INDS 235,563,140 45,736,070 5.1505

27 INTP 6,256,264,000 281,307,000 22.2400

28 IPOL 24,563,885 7,598,535 3.2327

29 JECC 152,779,157 18,668,071 8.1840

30 JPFA 2,545,984,000 743,348,000 3.4250

31 KBLM 73,780,114 10,242,249 7.2035

32 KDSI 97,168,034 45,365,548 2.1419

33 KICI 18,229,146 6,838,243 2.6658

34 KLBF 3,052,137,132 367,829,843 8.2977

35 LION 94,332,940 35,195,955 2.6802

36 LMSH 23,594,221 5,679,009 4.1546

37 LPIN 16,198,188 9,466,592 1.7111

38 MAIN 575,036,438 92,136,679 6.2411

39 MASA 17,604,435 6,243,133 2.8198

40 MBTO 65,188,360 37,505,290 1.7381

41 MERK 263,936,484 35,714,021 7.3903

42 MLBI 1,610,146,000 57,040,000 28.2284

43 MYOR 1,428,580,720 123,771,422 11.5421

44 NIPS 93,689,278 8,101,591 11.5643

45 PBRX 26,601,302 7,824,509 3.3997

46 PICO 64,940,795 6,186,314 10.4975

47 PYFA 21,282,520 11,555,697 1.8417

115

48 ROTI 281,587,781 71,660,980 3.9294

49 SCCO 198,882,242 38,818,726 5.1234

50 SIPD 263,791,157 121,755,951 2.1666

51 SKLT 41,399,043 21,707,862 1.9071

52 STTP 210,913,405 27,358,179 7.7093

53 TCID 384,592,333 158,703,349 2.4233

54 TOTO 407,935,533 60,527,627 6.7397

55 TSPC 904,060,881 256,076,322 3.5304

56 UNIC 32,088,870 11,204,938 2.8638

57 VOKS 154,476,282 31,726,956 4.8689

116

Data perolehan Structural Capital Value Added (SCVA) Tahun 2011

No Kode VA SC SCVA

1 ADES 41,247,000 26,319,000 0.6381

2 AISA 325,843,000 307,852,000 0.9448

3 AKPI 142,913,490 100,291,589 0.7018

4 ALDO 34,206,998 24,419,136 0.7139

5 ALMI 155,587,740 127,031,806 0.8165

6 AMFG 443,986,000 415,769,000 0.9364

7 ARNA 164,204,879 148,971,882 0.9072

8 ASII 26,930,000,000 17,832,000,000 0.6622

9 AUTO 765,570,000 519,548,000 0.6786

10 BATA 97,536,571 81,127,717 0.8318

11 BRAM 223,182,446 189,859,984 0.8507

12 BTON 22,885,262,621 19,808,290,952 0.8655

13 BUDI 219,197,000 179,489,000 0.8188

14 CEKA 153,224,858 145,526,464 0.9498

15 CPIN 3,320,466,000 2,984,464,000 0.8988

16 DLTA 227,041,910 201,407,438 0.8871

17 DVLA 172,990,815 143,029,247 0.8268

18 EKAD 53,613,471 41,318,346 0.7707

19 ETWA 75,542,148 69,135,577 0.9152

20 GDST 142,448,184 133,495,500 0.9372

21 GGRM 7,438,012,000 6,838,642,000 0.9194

22 ICBP 2,796,779,000 2,640,611,000 0.9442

23 IGAR 76,003,421 67,165,026 0.8837

117

24 IMAS 821,320,113 605,213,290 0.7369

25 INDF 8,022,699,000 6,718,716,000 0.8375

26 INDS 215,350,232 180,847,849 0.8398

27 INTP 4,628,439,000 4,426,993,000 0.9565

28 IPOL 236,620,000 169,436,000 0.7161

29 JECC 73,099,868 59,621,915 0.8156

30 JPFA 1,665,404,000 1,107,005,000 0.6647

31 KBLM 53,386,013 44,702,091 0.8373

32 KDSI 74,402,152 39,079,043 0.5252

33 KICI 5,554,517 38,493 0.0069

34 KLBF 2,347,931,470 2,059,182,820 0.8770

35 LION 82,514,400 58,918,117 0.7140

36 LMSH 20,508,654 15,774,849 0.7692

37 LPIN 12,582,537 6,326,620 0.5028

38 MAIN 360,788,580 310,529,809 0.8607

39 MASA 348,192,000 297,285,000 0.8538

40 MBTO 81,086,575 46,918,504 0.5786

41 MERK 222,343,146 198,581,975 0.8931

42 MLBI 716,429,000 680,851,000 0.9503

43 MYOR 847,894,481 757,876,977 0.8938

44 NIPS 45,519,813 42,081,877 0.9245

45 PBRX 156,335,883 98,372,914 0.6292

46 PICO 58,116,430 52,102,278 0.8965

47 PYFA 19,876,961 7,004,603 0.3524

48 ROTI 171,900,216 146,486,193 0.8522

118

49 SCCO 195,508,302 168,728,159 0.8630

50 SIPD 221,555,910 129,422,962 0.5842

51 SKLT 22,535,763 9,063,607 0.4022

52 STTP 89,651,889 70,446,848 0.7858

53 TCID 301,576,240 193,065,035 0.6402

54 TOTO 333,770,437 299,798,360 0.8982

55 TSPC 906,939,706 657,788,373 0.7253

56 UNIC 24,569,273 13,276,973 0.5404

57 VOKS 191,981,838 175,309,309 0.9132

119


No Kode VA SC SCVA

1 ADES 114,963,000 86,408,000 0.2484

2 AISA 453,955,000 425,965,000 0.9383

3 AKPI 202,376,699 162,445,148 0.8027

4 ALDO 35,019,664 23,335,434 0.3336

5 ALMI 62,789,521 32,121,951 0.5116

6 AMFG 466,320,000 435,714,000 0.9344

7 ARNA 248,558,744 228,904,849 0.9209

8 ASII 30,699,000,000 19,870,000,000 0.6473

9 AUTO 739,443,000 475,534,000 0.6431

10 BATA 116,277,819 99,685,148 0.8573

11 BRAM 7,681,174 3,656,602 0.4760

12 BTON 28,988,526 25,405,493 0.1236

13 BUDI 132,897,000 87,310,000 0.6570

14 CEKA 108,431,259 98,718,171 0.9104

15 CPIN 3,766,610,000 3,400,790,000 0.9029

16 DLTA 307,363,619 282,087,008 0.0822

17 DVLA 224,328,634 191,307,545 0.8528

18 EKAD 65,281,871 52,013,836 0.7968

19 ETWA 57,018,434 532,989,042 0.2063

20 GDST 70,176,953 60,451,255 0.1386

21 GGRM 6,686,166,000 6,007,206,000 0.8985

22 ICBP 3,302,055,000 2,845,175,000 0.1384

23 IGAR 66,798,683 56,582,621 0.8471

120

24 IMAS 880,538,990 661,775,971 0.2484

25 INDF 8,318,673,000 6,753,269,000 0.8118

26 INDS 239,639,776 200,137,014 0.1648

27 INTP 6,097,140,000 5,845,222,000 0.9587

28 IPOL 23,869,078 16,351,288 0.6850

29 JECC 89,642,067 74,728,537 0.8336

30 JPFA 2,310,483,000 1,668,254,000 0.7220

31 KBLM 75,919,521 66,807,318 0.1200

32 KDSI 99,545,547 95,310,718 0.9575

33 KICI 8,879,301 3,120,312 0.3514

34 KLBF 2,625,398,990 2,308,514,868 0.1207

35 LION 98,409,488 68,610,052 0.6972

36 LMSH 18,913,455 13,847,331 0.7321

37 LPIN 14,082,161 6,342,947 0.4504

38 MAIN 523,565,906 455,539,758 0.1299

39 MASA 21,390,970 14,500,420 0.3221

40 MBTO 90,761,355 55,023,895 0.6062

41 MERK 168,717,645 141,840,049 0.8407

42 MLBI 631,754,000 601,886,000 0.0473

43 MYOR 1,263,598,501 1,156,559,816 0.9153

44 NIPS 61,974,798 54,966,517 0.1131

45 PBRX 21,089,007 13,963,114 0.6621

46 PICO 55,918,642 49,860,784 0.8917

47 PYFA 18,300,894 8,898,069 0.5138

48 ROTI 222,471,278 186,154,781 0.8368

121

49 SCCO 244,427,043 216,212,058 0.8846

50 SIPD 261,948,355 145,875,506 0.4431

51 SKLT 28,839,138 12,951,399 0.4491

52 STTP 149,022,647 125,441,358 0.8418

53 TCID 337,347,212 210,086,173 0.3772

54 TOTO 415,635,104 373,865,669 0.8995

55 TSPC 916,881,650 701,806,364 0.7654

56 UNIC 25,309,510 13,330,636 0.4733

57 VOKS 247,639,756 217,238,857 0.8772

122


No Kode VA SC SCVA

1 ADES 93,692,000 54,477,000 0.5814

2 AISA 662,887,000 615,552,000 0.9286

3 AKPI 133,348,751 29,169,958 0.2187

4 ALDO 57,691,655 43,958,618 0.7620

5 ALMI 121,947,199 90,536,751 0.7424

6 AMFG 1,019,776,000 671,799,000 0.6588

7 ARNA 415,847,000 384,654,000 0.9250

8 ASII 363,395,758 344,361,929 0.9476

9 AUTO 31,354,000 18,603,000 0.5933

10 BATA 81,826,947 66,072,248 0.8075

11 BRAM 15,212,821 11,141,679 0.7324

12 BTON 13,099,157 9,371,819 0.7155

13 BUDI 208,690,000 156,114,000 0.7481

14 CEKA 158,974,160 145,132,778 0.9129

15 CPIN 4,303,947,000 3,903,933,000 0.9071

16 DLTA 368,876,735 336,404,879 0.9120

17 DVLA 183,377,670 147,435,645 0.8040

18 EKAD 75,715,589 60,262,290 0.7959

19 ETWA 134,888,631 112,217,418 0.8319

20 GDST 162,252,736 152,129,101 0.9376

21 GGRM 7,416,875,000 6,649,806,000 0.8966

22 ICBP 20,106,849,000 19,536,463,000 0.9716

23 IGAR 70,191,255 60,822,808 0.8665

123

24 IMAS 826,314,045 478,337,045 0.5789

25 INDF 7,913,872,000 6,089,138,000 0.7694

26 INDS 235,563,140 189,827,070 0.8058

27 INTP 6,256,264,000 5,974,957,000 0.9550

28 IPOL 24,563,885 16,965,350 0.6907

29 JECC 152,779,157 134,111,086 0.8778

30 JPFA 2,545,984,000 1,802,636,000 0.7080

31 KBLM 73,780,114 63,537,865 0.8612

32 KDSI 97,168,034 51,802,486 0.5331

33 KICI 18,229,146 11,390,903 0.6249

34 KLBF 3,052,137,132 2,684,307,289 0.8795

35 LION 94,332,940 59,136,985 0.6269

36 LMSH 23,594,221 17,915,212 0.7593

37 LPIN 16,198,188 6,731,596 0.4156

38 MAIN 575,036,438 482,899,759 0.8398

39 MASA 17,604,435 11,361,302 0.6454

40 MBTO 65,188,360 27,683,070 0.4247

41 MERK 263,936,484 228,222,463 0.8647

42 MLBI 1,610,146,000 1,553,106,000 0.9646

43 MYOR 1,428,580,720 1,304,809,298 0.9134

44 NIPS 93,689,278 85,587,687 0.9135

45 PBRX 26,601,302 18,776,793 0.7059

46 PICO 64,940,795 58,754,481 0.9047

47 PYFA 21,282,520 9,726,823 0.4570

48 ROTI 281,587,781 209,926,801 0.7455

124

49 SCCO 198,882,242 160,063,516 0.8048

50 SIPD 263,791,157 142,035,206 0.5384

51 SKLT 41,399,043 19,691,181 0.4756

52 STTP 210,913,405 183,555,226 0.8703

53 TCID 384,592,333 225,888,984 0.5873

54 TOTO 407,935,533 347,407,906 0.8516

55 TSPC 904,060,881 647,984,559 0.7167

56 UNIC 32,088,870 20,883,932 0.6508

57 VOKS 154,476,282 122,749,326 0.7946

125

Data Perolehan Return On Assets (ROA) Tahun 2011

No Kode Laba Bersih Total Aset 2011 ROA

1 ADES 2,568,000 316,048,000 0.0081

2 AISA 149,951,000 3,590,309,000 0.0418

3 AKPI 52,852,629 1,523,749,531 0.0347

4 ALDO 9,242,599 164,522,710 0.0562

5 ALMI 32,374,760 1,791,523,164 0.0181

6 AMFG 336,995,000 2,690,595,000 0.1252

7 ARNA 95,949,405 831,507,593 0.1154

8 ASII 21,077,000,000 153,521,000,000 0.1373

9 AUTO 1,101,583,000 6,964,227,000 0.1582

10 BATA 56,615,123 516,649,305 0.1096

11 BRAM 71,039,628 1,660,119,065 0.0428

12 BTON 19,146,696,476 118,715,558,433 0.1613

13 BUDI 62,965,000 2,123,285,000 0.0297

14 CEKA 96,305,943 823,360,918 0.1170

15 CPIN 2,362,497,000 8,848,204,000 0.2670

16 DLTA 151,715,042 696,166,676 0.2179

17 DVLA 120,915,340 928,290,993 0.1303

18 EKAD 26,148,879 237,592,308 0.1101

19 ETWA 72,961,045 620,709,452 0.1175

20 GDST 99,674,949 97,757,487 1.0196

21 GGRM 4,958,102,000 39,088,705,000 0.1268

22 ICBP 2,066,365,000 15,222,857,000 0.1357

23 IGAR 55,322,166 355,579,996 0.1556

126

24 IMAS 970,891,331 12,913,941,646 0.0752

25 INDF 5,017,425,000 53,585,933,000 0.0936

26 INDS 120,415,120 1,139,715,256 0.1057

27 INTP 3,601,516 18,151,331,000 0.0002

28 IPOL 52,766,000 2,619,736,000 0.0201

29 JECC 29,698,306 627,037,935 0.0474

30 JPFA 671,474,000 8,266,417,000 0.0812

31 KBLM 19,002,962 642,954,768 0.0296

32 KDSI 23,628,732 587,566,985 0.0402

33 KICI 356,739 87,419,114 0.0041

34 KLBF 1,522,956,820 8,274,554,112 0.1841

35 LION 52,535,147 365,815,749 0.1436

36 LMSH 10,897,341 98,019,132 0.1112

37 LPIN 11,319,403 157,371,466 0.0719

38 MAIN 204,966,319 1,327,801,184 0.1544

39 MASA 142,739,000 4,736,349,000 0.0301

40 MBTO 42,659,406 541,673,841 0.0788

41 MERK 231,158,647 584,388,578 0.3956

42 MLBI 507,382,000 1,220,813,000 0.4156

43 MYOR 483,486,152 6,599,845,533 0.0733

44 NIPS 17,831,046 446,688,457 0.0399

45 PBRX 72,120,509 1,515,038,439 0.0476

46 PICO 12,630,196 561,840,337 0.0225

47 PYFA 5,172,045 118,033,602 0.0438

48 ROTI 115,932,533 759,136,918 0.1527

127

49 SCCO 109,826,481 263,313,437 0.4171

50 SIPD 23,452,266 2,641,602,932 0.0089

51 SKLT 5,976,790 214,237,879 0.0279

52 STTP 42,675,154 934,765,927 0.0457

53 TCID 140,038,819 1,130,865,062 0.1238

54 TOTO 218,124,016 1,339,570,029 0.1628

55 TSPC 586,362,346 4,250,374,395 0.1380

56 UNIC 5,863,852 280,646,814 0.0209

57 VOKS 110,621,028 1,573,039,162 0.0703

128



1 ADES 83,376,000 389,094,000 0.2143

2 AISA 253,664,000 3,867,576,000 0.0656

3 AKPI 31,115,755 1,714,834,430 0.0181

4 ALDO 13,327,139 216,293,168 0.0616

5 ALMI 13,949,141 1,881,568,513 0.0074

6 AMFG 346,609,000 3,115,421,000 0.1113

7 ARNA 158,684,349 937,359,770 0.1693

8 ASII 22,742,000,000 182,274,000,000 0.1248

9 AUTO 1,135,914,000 8,881,642,000 0.1279

10 BATA 69,343,398 574,107,994 0.1208

11 BRAM 22,546,316 230,270,367 0.0979

12 BTON 24,761,627 145,100,528 0.1707

13 BUDI 5,084,000 2,299,672,000 0.0022

14 CEKA 58,344,237 1,027,692,718 0.0568

15 CPIN 2,680,872,000 12,348,627,000 0.2171

16 DLTA 213,421,077 745,306,835 0.2864

17 DVLA 148,909,089 1,074,691,476 0.1386

18 EKAD 36,197,747 273,893,467 0.1322

19 ETWA 29,663,381 960,956,808 0.0309

20 GDST 46,591,042 1,163,971,056 0.0400

21 GGRM 4,068,711,000 41,509,325,000 0.0980

22 ICBP 2,282,371,000 17,819,884,000 0.1281

23 IGAR 44,507,701 312,342,760 0.1425

129

24 IMAS 889,090,885 17,557,664,024 0.0506

25 INDF 4,779,446,000 59,389,405,000 0.0805

26 INDS 134,068,283 1,664,779,358 0.0805

27 INTP 4,763,388,000 22,755,160,000 0.2093

28 IPOL 7,489,641 282,827,869 0.0265

29 JECC 31,770,770 708,955,186 0.0448

30 JPFA 1,074,577,000 10,961,464,000 0.0980

31 KBLM 23,833,078 722,941,339 0.0330

32 KDSI 36,837,060 570,564,051 0.0646

33 KICI 3,079,969 94,955,970 0.0324

34 KLBF 1,775,098,847 9,417,957,180 0.1885

35 LION 85,373,721 433,497,042 0.1969

36 LMSH 41,282,515 128,547,715 0.3211

37 LPIN 16,599,848 172,268,827 0.0964

38 MAIN 302,421,030 1,799,881,575 0.1680

39 MASA 319,747 624,485,895 0.0005

40 MBTO 45,523,078 609,494,013 0.0747

41 MERK 107,808,155 569,430,951 0.1893

42 MLBI 453,405,000 1,152,048,000 0.3936

43 MYOR 744,428,404 8,302,506,241 0.0897

44 NIPS 21,610,141 524,693,874 0.0412

45 PBRX 6,932,820 208,301,474 0.0333

46 PICO 11,137,571 594,616,098 0.0187

47 PYFA 5,308,221 135,849,510 0.0391

48 ROTI 149,149,548 1,204,944,681 0.1238

130

49 SCCO 169,741,648 1,486,921,371 0.1142

50 SIPD 15,061,473 3,298,123,574 0.0046

51 SKLT 7,962,693 249,746,467 0.0319

52 STTP 74,626,183 1,249,840,835 0.0597

53 TCID 150,373,851 1,261,572,952 0.1192

54 TOTO 235,945,643 1,522,663,914 0.1550

55 TSPC 635,176,093 4,632,984,970 0.1371

56 UNIC 1,638,636 248,270,710 0.0066

57 VOKS 147,020,574 1,698,078,355 0.0866

131



1 ADES 55,656,000 441,064,000 0.1262

2 AISA 346,728,000 5,020,824,000 0.0691

3 AKPI 34,620,336 2,084,567,189 0.0166

4 ALDO 22,589,101 301,479,232 0.0749

5 ALMI 26,118,732 2,752,078,229 0.0095

6 AMFG 1,058,015,000 12,617,678,000 0.0839

7 ARNA 338,358,000 3,539,393,000 0.0956

8 ASII 237,697,913 1,135,244,802 0.2094

9 AUTO 22,297,000,000 213,994,000,000 0.1042

10 BATA 44,373,679 680,685,060 0.0652

11 BRAM 5,542,270 239,028,396 0.0232

12 BTON 25,882,922 176,136,296 0.1469

13 BUDI 42,886 2,382,875 0.0180

14 CEKA 65,068,958 1,069,627,299 0.0608

15 CPIN 2,528,690,000 15,722,197,000 0.1608

16 DLTA 270,498,062 867,040,802 0.3120

17 DVLA 125,796,473 1,190,054,288 0.1057

18 EKAD 39,450,652 343,601,504 0.1148

19 ETWA 7,911,201 1,291,711,270 0.0061

20 GDST 91,885,687 1,191,496,619 0.0771

21 GGRM 4,383,932,000 50,770,251,000 0.0863

22 ICBP 2,235,040,000 21,267,470,000 0.1051

132

23 IGAR 35,030,416 314,746,644 0.1113

24 IMAS 621,139,761 22,315,022,507 0.0278

25 INDF 3,416,635,000 78,092,789,000 0.0438

26 INDS 47,608,449 2,196,518,364 0.0217

27 INTP 5,012,294,000 26,607,241,000 0.1884

28 IPOL 9,503,444 277,508,446 0.0342

29 JECC 22,553,551 1,239,821,716 0.0182

30 JPFA 640,637,000 14,917,590,000 0.0429

31 KBLM 7,678,095 654,296,256 0.0117

32 KDSI 36,002,772 850,233,842 0.0423

33 KICI 7,419,500 98,295,722 0.0755

34 KLBF 1,970,452,449 11,315,061,275 0.1741

35 LION 64,761,350 498,567,897 0.1299

36 LMSH 14,382,899 141,697,598 0.1015

37 LPIN 8,554,996 196,390,816 0.0436

38 MAIN 241,632,645 2,214,398,692 0.1091

39 MASA 3,601,565 629,065,832 0.0057

40 MBTO 16,162,858 611,769,745 0.0264

41 MERK 175,444,757 696,946,318 0.2517

42 MLBI 1,171,229,000 1,782,148,000 0.6572

43 MYOR 1,058,418,939 9,709,838,250 0.1090

44 NIPS 33,872,112 798,407,625 0.0424

45 PBRX 10,449,408 233,842,506 0.0447

46 PICO 15,439,372 621,400,236 0.0248

47 PYFA 6,195,800 175,118,921 0.0354

133

48 ROTI 158,015,270 1,822,689,047 0.0867

49 SCCO 104,962,314 1,762,032,300 0.0596

50 SIPD 8,377,508 3,155,680,394 0.0027

51 SKLT 11,440,014 301,989,488 0.0379

52 STTP 114,437,068 1,470,059,394 0.0778

53 TCID 160,148,465 1,465,952,460 0.1092

54 TOTO 236,557,513 1,746,177,682 0.1355

55 TSPC 638,535,108 5,407,957,915 0.1181

56 UNIC 10,308,014 269,269,882 0.0383

57 VOKS 39,092,753 1,955,830,321 0.0200

134

Data Perolehan Assets Growth (AG)

No Kode AG 2011 AG 2012 AG 2013

1 ADES 1.02672 5.4160 4.4558

2 AISA 0.53949 1.5540 1.7754

3 AKPI 0.85178 0.6451 0.5355

4 ALDO 0.81812 2.4038 2.5950

5 ALMI 0.83960 0.3405 0.2811

6 AMFG 0.88146 1.4660 0.1303

7 ARNA 1.05009 4.9768 1.1004

8 ASII 0.73512 3.4257 7.8335

9 AUTO 0.80208 2.6009 2.5925

10 BATA 0.93729 2.0129 3.4723

11 BRAM 0.89917 7.9588 6.2169

12 BTON 0.75627 1.1133 0.7132

13 BUDI 0.92669 0.5471 0.5048

14 CEKA 1.03292 0.8346 0.6533

15 CPIN 0.73668 7.3201 5.5616

16 DLTA 1.01784 6.7294 8.9941

17 DVLA 0.92009 2.2492 2.6938

18 EKAD 0.86059 1.2740 1.1465

19 ETWA 0.85931 0.6857 0.7930

20 GDST 10.99220 1.1169 0.7974

21 GGRM 0.78646 4.0715 2.7472

22 ICBP 0.87771 3.7951 4.4834

23 IGAR 0.97710 1.6269 1.2705

135

24 IMAS 0.61833 2.5764 2.0346

25 INDF 0.88225 1.5046 1.5102

26 INDS 0.67545 1.1640 0.8012

27 INTP 0.84546 4.2559 3.2567

28 IPOL 0.84719 4.8411 4.5556

29 JECC 0.89628 2.0107 0.3476

30 JPFA 0.84451 2.7528 2.4796

31 KBLM 0.62710 0.5711 0.0666

32 KDSI 0.94921 0.6344 0.3969

33 KICI 0.98311 0.4847 0.5037

34 KLBF 0.84989 7.3019 0.6894

35 LION 0.83075 1.4524 1.5012

36 LMSH 0.79780 1.0336 0.6952

37 LPIN 0.95911 1.2055 0.7409

38 MAIN 0.72776 2.2366 2.4303

39 MASA 0.64151 11.1089 5.6931

40 MBTO 0.61500 0.9357 0.7231

41 MERK 0.74397 8.1700 8.2652

42 MLBI 0.93141 46.4803 25.6032

43 MYOR 0.66656 4.9975 5.9036

44 NIPS 0.75580 0.4058 0.9918

45 PBRX 0.58565 12.9952 13.0799

46 PICO 1.01516 0.7422 0.4097

47 PYFA 0.85219 1.0799 0.8377

48 ROTI 0.74857 10.4789 6.5576

136

49 SCCO 0.94128 1.2730 1.2783

50 SIPD 0.77130 0.3678 0.3654

51 SKLT 0.93063 0.9602 0.8903

52 STTP 0.69458 2.3728 2.9253

53 TCID 0.92605 2.0165 2.0226

54 TOTO 0.81488 3.6676 3.6817

55 TSPC 0.84454 4.9990 3.7860

56 UNIC 0.90367 5.4865 5.0344

57 VOKS 0.71612 1.4195 1.0229

139

Hasil Uji Multikolonieritas

Model 2 (Y = AG)

Coefficientsa


Coefficients

Standardize

d

Coefficients

t Sig. Collinearity Statistics

B Std. Error Beta Tolerance VIF

1

(Constant) -.967 .421 -2.297 .023

VACA 2.501 .543 .373 4.606 .000 .774 1.292

VAHU .028 .098 .025 .286 .775 .677 1.477

SCVA .125 .506 .019 .246 .806 .815 1.227


Hasil Uji Multikolonieritas

Model 1 (Y = ROA)

Coefficientsa


Coefficients

Standardize

d

Coefficients

t Sig. Collinearity

Statistics

B Std.

Error

Beta Tolerance VIF

1

(Constant) -4.566 .395 -11.570 .000

VACA 2.422 .509 .359 4.755 .000 .774 1.292

VAHU .275 .092 .242 3.001 .003 .677 1.477

SCVA -.104 .475 -.016 -.218 .827 .815 1.227


141

Hasil Uji Heterokedastisitas

Model 2 (Y = AG)

Hasil Uji Heteroskedastisitas Menggunakan Uji Glejser

Model 1 (Y = ROA)

Coefficientsa


Coefficients

Standardiz

ed

Coefficients

t Sig. Collinearity

Statistics

B Std.

Error

Beta Tolerance VIF

1

(Constant) .810 .250 3.243 .001

VACA -.272 .323 -.074 -.844 .400 .774 1.292

VAHU -.041 .058 -.066 -.704 .482 .677 1.477

SCVA .132 .301 .037 .438 .662 .815 1.227

a. Dependent Variable: ABSROA

142

Hasil Uji Heteroskedastisitas Menggunakan Uji Glejser

Model 2 (Y = AG)

Coefficientsa

Model Unstandardized Coefficients

Standardized Coefficients


B Std. Error

Beta Tolerance VIF

(Constant) .928 .255 3.642 .000

VACA -.155 .329 -.041 -.472 .638 .774 1.292

VAHU -.043 .059 -.068 -.729 .467 .677 1.477

SCVA .001 .306 .000 .003 .998 .815 1.227

a. Dependent Variable: ABSAG

Hasil Uji Adj. R2

Model 1 (Y = ROA)

Model Summaryb

Model R R Square Adjusted R Square

Std. Error of the Estimate

Durbin-Watson

1 .513a .264 .250 .88385 1.908



143

Hasil Uji Adj. R2

Model 2 (Y = AG)

Model Summaryb


Square

Std. Error of the

Estimate

Durbin-

Watson

1 .391a .153 .138 .94235 1.849



Hasil Uji t

Model 1 (Y = ROA)

Coefficientsa


Standardized Coefficients


B Std. Error

Beta Tolerance

VIF

1

(Constant) -4.566 .395 -11.570 .000

VACA 2.422 .509 .359 4.755 .000 .774 1.292

VAHU .275 .092 .242 3.001 .003 .677 1.477

SCVA -.104 .475 -.016 -.218 .827 .815 1.227


144

Hasil Uji t

Model 2 (Y = AG)

Coefficientsa

Hasil Uji F

Model 1 (Y = ROA)

ANOVAa

Model Sum of

Squares

df Mean

Square

F Sig.

1

Regression 46.705 3 15.568 19.929 .000b

Residual 130.458 167 .781

Total 177.163 170


c. Predictors: (Constant), VACA, VAHU, SCVA


Standardized

Coefficients


B Std. Error Beta Tolerance

VIF

1

(Constant) -.967 .421 -2.297 .023

VACA 2.501 .543 .373 4.606 .000 .774 1.292

VAHU .028 .098 .025 .286 .775 .677 1.477

SCVA .125 .506 .019 .246 .806 .815 1.227


145

Hasil Uji F AG

Model 2 (Y = AG)

ANOVAa

Model Sum of

Squares

df Mean

Square

F Sig.

1

Regression 26.770 3 8.923 10.048 .000b

Residual 148.300 167 .888

Total 175.069 170


b. Predictors: (Constant), VACA, VAHU, SCVA

PENGARUH INTELLECTUAL CAPITAL TERHADAP KINERJA...

Documents

Transcript of PENGARUH INTELLECTUAL CAPITAL TERHADAP KINERJA...