Pengaruh Intellectual Capital Terhadap Kinerja Keuangan Perusahaan Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2012-2015

LAMPIRAN 1

DATA INTELLECTUAL CAPITAL TAHUN 2012

No. PERUSAHAAN HCE (X1)

SCE (X2)

CEE (X3)

ROA (Y)

1 AGRO 2,2325 0,5521 3,2410 1,63

2 BABP 1,4306 0,3010 0,4279 0,09

3 BACA 6,7522 0,8519 0,6407 0,01

4 BBCA 3,3161 0,6984 0,4856 3,6

5 BBKP 2,7012 0,6298 0,4449 1,83

6 BBNI 3,0018 0,6669 0,4424 2,9

7 BBTN 6,6043 0,8486 1,3413 1,94

8 BDMN 2,1974 0,5449 0,4413 2,7

9 BJBR 2,4672 0,5947 0,4440 2,46

10 BMRI 3,8187 0,7381 0,4904 3,55

11 BNBA 1,9557 0,4887 0,3020 2,47

12 BNGA 3,2098 0,6885 0,5035 3,18

13 BNII 1,7430 0,4263 0,4918 1,62

14 BNLI 1,9032 0,4746 0,4040 1,7

15 BSIM 2,2573 0,5570 0,3958 1,74

16 BTPN 2,3418 0,5730 0,7728 4,7

17 BVIC 3,0994 0,6774 0,2874 2,17

18 INPC 1,4998 0,3332 0,3645 0,66

19 MAYA 2,6623 0,6244 0,4156 2,41

20 MCOR 1,8909 0,4712 0,3628 2,04

21 MEGA 2,3216 0,5693 0,5542 2,74

22 NISP 2,2452 0,5546 0,3995 1,79

23 PNBN 4,4623 0,7759 0,3087 1,96

24 PNBS 3,7196 0,7312 0,1629 3,48

25 SDRA 2,2077 0,5470 0,6098 2,78

LAMPIRAN 2

DATA INTELLECTUAL CAPITAL TAHUN 2013

No. PERUSAHAAN HCE (X1)

SCE (X2)

CEE (X3)

ROA (Y)

1 AGRO 2,1228 0,5289 0,4868 1,66

2 BABP 1,1288 0,1141 0,2611 -0,93

3 BACA 6,8737 0,8545 0,7641 0,99

4 BBCA 3,4945 0,7138 0,4610 3,8

5 BBKP 2,2250 0,5506 0,3889 1,75

6 BBNI 3,2891 0,6960 0,4597 3,4

7 BBTN 4,4349 0,7745 0,6960 1,79

8 BDMN 1,9811 0,4952 0,3939 2,5

9 BJBR 2,3839 0,5805 0,5022 2,61

10 BMRI 4,0312 0,7519 0,4968 3,66

11 BNBA 1,7474 0,4277 0,2928 2,05

12 BNGA 2,9342 0,6592 0,0480 2,76

13 BNII 1,9723 0,4930 0,4806 1,71

14 BNLI 1,9551 0,4885 0,3275 1,55

15 BSIM 2,0147 0,5037 0,3112 1,71

16 BTPN 2,3203 0,5690 0,6539 4,5

17 BVIC 3,0325 0,6702 0,3190 1,99

18 INPC 1,9663 0,4914 0,3229 1,39

19 MAYA 2,8095 0,6441 0,4610 2,53

20 MCOR 1,9024 0,4743 0,2914 1,74

21 MEGA 1,5417 0,3514 0,2762 1,14

22 NISP 2,3278 0,5704 0,3531 1,81

23 PNBN 3,7189 0,7311 0,2901 1,85

24 PNBS 2,5352 0,6056 0,1824 1,03

25 SDRA 1,9713 0,4927 0,6029 2,23

LAMPIRAN 3

DATA INTELLECTUAL CAPITAL TAHUN 2014

No. PERUSAHAAN HCE (X1)

SCE (X2)

CEE (X3)

ROA (Y)

1 AGRO 2,0770 0,5185 0,2705 1,47

2 BABP 0,8166 -0,2246 0,0002 -0,82

3 BACA 2,1188 0,5280 0,2092 0,81

4 BBCA 3,6503 0,7261 0,4948 3,9

5 BBKP 2,1028 0,5244 0,3221 1,23

6 BBNI 3,8099 0,7375 0,4724 3,5

7 BBTN 2,5018 0,6003 0,3386 1,14

8 BDMN 1,6993 0,4115 0,3129 1,4

9 BJBR 2,0869 0,5208 0,4148 1,92

10 BMRI 3,8693 0,7416 0,4727 3,57

11 BNBA 1,7395 0,4251 0,2950 1,52

12 BNGA 2,8252 0,6460 0,0424 1,44

13 BNII 1,4563 0,3133 0,2515 0,68

14 BNLI 2,4215 0,5870 0,3889 1,2

15 BSIM 1,5964 0,3736 0,1952 1,02

16 BTPN 2,0253 0,5062 0,5097 3,6

17 BVIC 1,5683 0,3624 0,1736 0,8

18 INPC 1,5322 0,3473 0,2142 0,79

19 MAYA 2,4874 0,5980 0,3942 1,95

20 MCOR 1,5200 0,3421 0,1929 0,79

21 MEGA 1,5333 0,3478 0,2849 1,16

22 NISP 2,3604 0,5763 0,2569 1,79

23 PNBN 3,5020 0,7144 0,2802 2,23

24 PNBS 3,4870 0,7132 0,3629 1,99

25 SDRA 7,9719 0,8746 0,3800 2,81

LAMPIRAN 4

DATA INTELLECTUAL CAPITAL TAHUN 2015

No. PERUSAHAAN HCE (X1)

SCE (X2)

CEE (X3)

ROA (Y)

1 AGRO 2,6323 0,6201 0,3600 1,55

2 BABP 1,5019 0,3342 0,2017 0,1

3 BACA 1,9936 0,4984 0,2458 0,75

4 BBCA 3,3289 0,6996 0,4277 3,8

5 BBKP 2,4840 0,5974 0,3771 1,39

6 BBNI 4,3416 0,7697 0,0592 2,6

7 BBTN 2,7765 0,6398 0,4372 1,61

8 BDMN 1,8158 0,4493 0,2689 1,2

9 BJBR 2,0233 0,5058 0,5057 2,04

10 BMRI 4,0803 0,7549 0,4817 3,15

11 BNBA 1,9141 0,4776 0,3407 1,33

12 BNGA 2,2968 0,5646 0,0409 0,24

13 BNII 1,6255 0,3848 0,2613 1,01

14 BNLI 2,7862 0,6411 0,3626 0,2

15 BSIM 1,5626 0,3601 0,2097 0,95

16 BTPN 1,8627 0,4632 0,4453 3,1

17 BVIC 1,5591 0,3586 0,1471 0,65

18 INPC 1,2337 0,1894 0,1823 0,33

19 MAYA 2,8439 0,6484 0,4868 2,1

20 MCOR 1,7060 0,4138 0,2297 1,03

21 MEGA 2,0626 0,5152 0,3283 1,97

22 NISP 2,4393 0,5901 0,2784 1,68

23 PNBN 3,1817 0,6857 0,2396 1,31

24 PNBS 2,5565 0,6088 0,1821 1,14

25 SDRA 2,5128 0,6020 0,1555 1,94

LAMPIRAN 5

HASIL ANALISIS DATA (SPSS 20)

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

HCE 100 ,82 7,97 2,6064 1,20593

SCE 100 -,22 ,87 ,5534 ,16697

CEE 100 ,00 3,24 ,3964 ,33856

ROA 100 -,93 4,70 1,8642 1,08017

Valid N (listwise) 100

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 100

Normal Parametersa,b Mean 0E-7

Std. Deviation ,83234336

Most Extreme Differences

Absolute ,097

Positive ,097

Negative -,065

Kolmogorov-Smirnov Z ,973

Asymp. Sig. (2-tailed) ,300

a. Test distribution is Normal. b. Calculated from data.

LAMPIRAN 5

Model Summaryb

Model R R Square Adjusted R

Square

Std. Error of the Estimate

1 ,637a ,406 ,388 ,84525

a. Predictors: (Constant), CEE, HCE, SCE b. Dependent Variable: ROA

LAMPIRAN 5

ANOVAa

Model Sum of Squares Df Mean Square F Sig.

1

Regression 46,923 3 15,641 21,893 ,000b

Residual 68,587 96 ,714

Total 115,510 99

a. Dependent Variable: ROA

b. Predictors: (Constant), CEE, HCE, SCE

Coefficientsa

Model Unstandardized

Coefficients

Standardized Coefficients

T Sig.

B Std. Error Beta

1

(Constant) -,528 ,309 -1,710 ,090

HCE -,396 ,124 -,442 -3,186 ,002

SCE 5,973 ,900 ,923 6,636 ,000

CEE ,302 ,258 ,095 1,169 ,245

LAMPIRAN 6

TABEL DISTRIBUSI F (SIMULTAN) PROBABILITAS 5%; df1 ≤ 5; df2 ≤ 100

(df1= k – 1; df2 = n – k)

df1 1 2 3 4 5

df2

1 161,45 199,50 215,71 224,58 230,16 2 18,51 19,00 19,16 19,25 19,30

3 10,13 9,55 9,28 9,12 9,01

4 7,71 6,94 6,59 6,39 6,26

5 6,61 5,79 5,41 5,19 5,05

6 5,99 5,14 4,76 4,53 4,39

7 5,59 4,74 4,35 4,12 3,97

8 5,32 4,46 4,07 3,84 3,69

9 5,12 4,26 3,86 3,63 3,48

10 4,96 4,10 3,71 3,48 3,33

11 4,84 3,98 3,59 3,36 3,20

12 4,75 3,89 3,49 3,26 3,11

13 4,67 3,81 3,41 3,18 3,03

14 4,60 3,74 3,34 3,11 2,96

15 4,54 3,68 3,29 3,06 2,90

16 4,49 3,63 3,24 3,01 2,85

17 4,45 3,59 3,20 2,96 2,81

18 4,41 3,55 3,16 2,93 2,77

19 4,38 3,52 3,13 2,90 2,74

20 4,35 3,49 3,10 2,87 2,71

21 4,32 3,47 3,07 2,84 2,68

22 4,30 3,44 3,05 2,82 2,66

23 4,28 3,42 3,03 2,80 2,64

24 4,26 3,40 3,01 2,78 2,62

LAMPIRAN 6

TABEL DISTRIBUSI F (SIMULTAN) PROBABILITAS 5%; df1 ≤ 5; df2 ≤ 100

(df1= k – 1; df2 = n – k)

df1 1 2 3 4 5

df2

26 4,23 3,37 2,98 2,74 2,59

27 4,21 3,35 2,96 2,73 2,57

28 4,20 3,34 2,95 2,71 2,56

29 4,18 3,33 2,93 2,70 2,55

30 4,17 3,32 2,92 2,69 2,53

31 4,16 3,30 2,91 2,68 2,52

32 4,15 3,29 2,90 2,67 2,51

33 4,14 3,28 2,89 2,66 2,50

34 4,13 3,28 2,88 2,65 2,49

35 4,12 3,27 2,87 2,64 2,49

36 4,11 3,26 2,87 2,63 2,48

37 4,11 3,25 2,86 2,63 2,47

38 4,10 3,24 2,85 2,62 2,46

39 4,09 3,24 2,85 2,61 2,46

40 4,08 3,23 2,84 2,61 2,45

41 4,08 3,23 2,83 2,60 2,44

42 4,07 3,22 2,83 2,59 2,44

43 4,07 3,21 2,82 2,59 2,43

44 4,06 3,21 2,82 2,58 2,43

45 4,06 3,20 2,81 2,58 2,42

46 4,05 3,20 2,81 2,57 2,42

47 4,05 3,20 2,80 2,57 2,41

48 4,04 3,19 2,80 2,57 2,41

49 4,04 3,19 2,79 2,56 2,40

LAMPIRAN 6

TABEL DISTRIBUSI F (SIMULTAN) PROBABILITAS 5%; df1 ≤ 5; df2 ≤ 100

(df1= k – 1; df2 = n – k)

df1 1 2 3 4 5

df2

51 4,03 3,18 2,79 2,55 2,40

52 4,03 3,18 2,78 2,55 2,39

53 4,02 3,17 2,78 2,55 2,39

54 4,02 3,17 2,78 2,54 2,39

55 4,02 3,16 2,77 2,54 2,38

56 4,01 3,16 2,77 2,54 2,38

57 4,01 3,16 2,77 2,53 2,38

58 4,01 3,16 2,76 2,53 2,37

59 4,00 3,15 2,76 2,53 2,37

60 4,00 3,15 2,76 2,53 2,37

61 4,00 3,15 2,76 2,52 2,37

62 4,00 3,15 2,75 2,52 2,36

63 3,99 3,14 2,75 2,52 2,36

64 3,99 3,14 2,75 2,52 2,36

65 3,99 3,14 2,75 2,51 2,36

66 3,99 3,14 2,74 2,51 2,35

67 3,98 3,13 2,74 2,51 2,35

68 3,98 3,13 2,74 2,51 2,35

69 3,98 3,13 2,74 2,50 2,35

70 3,98 3,13 2,74 2,50 2,35

71 3,98 3,13 2,73 2,50 2,34

72 3,97 3,12 2,73 2,50 2,34

73 3,97 3,12 2,73 2,50 2,34

74 3,97 3,12 2,73 2,50 2,34

LAMPIRAN 6

TABEL DISTRIBUSI F (SIMULTAN) PROBABILITAS 5%; df1 ≤ 5; df2 ≤ 100

(df1= k – 1; df2 = n – k)

df1 1 2 3 4 5

df2

76 3,97 3,12 2,72 2,49 2,33

77 3,97 3,12 2,72 2,49 2,33

78 3,96 3,11 2,72 2,49 2,33

79 3,96 3,11 2,72 2,49 2,33

80 3,96 3,11 2,72 2,49 2,33

81 3,96 3,11 2,72 2,48 2,33

82 3,96 3,11 2,72 2,48 2,33

83 3,96 3,11 2,71 2,48 2,32

84 3,95 3,11 2,71 2,48 2,32

85 3,95 3,10 2,71 2,48 2,32

86 3,95 3,10 2,71 2,48 2,32

87 3,95 3,10 2,71 2,48 2,32

88 3,95 3,10 2,71 2,48 2,32

89 3,95 3,10 2,71 2,47 2,32

90 3,95 3,10 2,71 2,47 2,32

91 3,95 3,10 2,70 2,47 2,31

92 3,94 3,10 2,70 2,47 2,31

93 3,94 3,09 2,70 2,47 2,31

94 3,94 3,09 2,70 2,47 2,31

95 3,94 3,09 2,70 2,47 2,31

96 3,94 3,09 2,70 2,47 2,31

97 3,94 3,09 2,70 2,47 2,31

98 3,94 3,09 2,70 2,46 2,31

99 3,94 3,09 2,70 2,46 2,31

LAMPIRAN 7

TABEL DISTRIBUSI t (PARSIAL) df ≤ 100 (df = n – k)

df P = 0,5 P = 0,2 P = 0,1 P = 0,05 P = 0,02

1 1,0000 3,0777 6,3138 12,7062 31,8205

2 0,8165 1,8856 2,9200 4,3027 6,9646

3 0,7649 1,6377 2,3534 3,1824 4,5407

4 0,7407 1,5332 2,1318 2,7764 3,7469

5 0,7267 1,4759 2,0150 2,5706 3,3649

6 0,7176 1,4398 1,9432 2,4469 3,1427

7 0,7111 1,4149 1,8946 2,3646 2,9980

8 0,7064 1,3968 1,8595 2,3060 2,8965

9 0,7027 1,3830 1,8331 2,2622 2,8214

10 0,6998 1,3722 1,8125 2,2281 2,7638

11 0,6974 1,3634 1,7959 2,2010 2,7181

12 0,6955 1,3562 1,7823 2,1788 2,6810

13 0,6938 1,3502 1,7709 2,1604 2,6503

14 0,6924 1,3450 1,7613 2,1448 2,6245

15 0,6912 1,3406 1,7531 2,1314 2,6025

16 0,6901 1,3368 1,7459 2,1199 2,5835

17 0,6892 1,3334 1,7396 2,1098 2,5669

18 0,6884 1,3304 1,7341 2,1009 2,5524

19 0,6876 1,3277 1,7291 2,0930 2,5395

20 0,6870 1,3253 1,7247 2,0860 2,5280

21 0,6864 1,3232 1,7207 2,0796 2,5176

22 0,6858 1,3212 1,7171 2,0739 2,5083

23 0,6853 1,3195 1,7139 2,0687 2,4999

24 0,6848 1,3178 1,7109 2,0639 2,4922

LAMPIRAN 7

TABEL DISTRIBUSI t (PARSIAL) df ≤ 100 (df = n – k)

df P = 0,5 P = 0,2 P = 0,1 P = 0,05 P = 0,02

26 0,6840 1,3150 1,7056 2,0555 2,4786

27 0,6837 1,3137 1,7033 2,0518 2,4727

28 0,6834 1,3125 1,7011 2,0484 2,4671

29 0,6830 1,3114 1,6991 2,0452 2,4620

30 0,6828 1,3104 1,6973 2,0423 2,4573

31 0,6825 1,3095 1,6955 2,0395 2,4528

32 0,6822 1,3086 1,6939 2,0369 2,4487

33 0,6820 1,3077 1,6924 2,0345 2,4448

34 0,6818 1,3070 1,6909 2,0322 2,4411

35 0,6816 1,3062 1,6896 2,0301 2,4377

36 0,6814 1,3055 1,6883 2,0281 2,4345

37 0,6812 1,3049 1,6871 2,0262 2,4314

38 0,6810 1,3042 1,6860 2,0244 2,4286

39 0,6808 1,3036 1,6849 2,0227 2,4258

40 0,6807 1,3031 1,6839 2,0211 2,4233

41 0,6805 1,3025 1,6829 2,0195 2,4208

42 0,6804 1,3020 1,6820 2,0181 2,4185

43 0,6802 1,3016 1,6811 2,0167 2,4163

44 0,6801 1,3011 1,6802 2,0154 2,4141

45 0,6800 1,3006 1,6794 2,0141 2,4121

46 0,6799 1,3002 1,6787 2,0129 2,4102

47 0,6797 1,2998 1,6779 2,0117 2,4083

48 0,6796 1,2994 1,6772 2,0106 2,4066

49 0,6795 1,2991 1,6766 2,0096 2,4049

LAMPIRAN 7

TABEL DISTRIBUSI t (PARSIAL) df ≤ 100 (df = n – k)

df P = 0,5 P = 0,2 P = 0,1 P = 0,05 P = 0,02

51 0,6793 1,2984 1,6753 2,0076 2,4017

52 0,6792 1,2980 1,6747 2,0066 2,4002

53 0,6791 1,2977 1,6741 2,0057 2,3988

54 0,6791 1,2974 1,6736 2,0049 2,3974

55 0,6790 1,2971 1,6730 2,0040 2,3961

56 0,6789 1,2969 1,6725 2,0032 2,3948

57 0,6788 1,2966 1,6720 2,0025 2,3936

58 0,6787 1,2963 1,6716 2,0017 2,3924

59 0,6787 1,2961 1,6711 2,0010 2,3912

60 0,6786 1,2958 1,6706 2,0003 2,3901

61 0,6785 1,2956 1,6702 1,9996 2,3890

62 0,6785 1,2954 1,6698 1,9990 2,3880

63 0,6784 1,2951 1,6694 1,9983 2,3870

64 0,6783 1,2949 1,6690 1,9977 2,3860

65 0,6783 1,2947 1,6686 1,9971 2,3851

66 0,6782 1,2945 1,6683 1,9966 2,3842

67 0,6782 1,2943 1,6679 1,9960 2,3833

68 0,6781 1,2941 1,6676 1,9955 2,3824

69 0,6781 1,2939 1,6672 1,9949 2,3816

70 0,6780 1,2938 1,6669 1,9944 2,3808

71 0,6780 1,2936 1,6666 1,9939 2,3800

72 0,6779 1,2934 1,6663 1,9935 2,3793

73 0,6779 1,2933 1,6660 1,9930 2,3785

74 0,6778 1,2931 1,6657 1,9925 2,3778

LAMPIRAN 7

TABEL DISTRIBUSI t (PARSIAL) df ≤ 100 (df = n – k)

df P = 0,5 P = 0,2 P = 0,1 P = 0,05 P = 0,02

76 0,6777 1,2928 1,6652 1,9917 2,3764

77 0,6777 1,2926 1,6649 1,9913 2,3758

78 0,6776 1,2925 1,6646 1,9908 2,3751

79 0,6776 1,2924 1,6644 1,9905 2,3745

80 0,6776 1,2922 1,6641 1,9901 2,3739

81 0,6775 1,2921 1,6639 1,9897 2,3733

82 0,6775 1,2920 1,6636 1,9893 2,3727

83 0,6775 1,2918 1,6634 1,9890 2,3721

84 0,6774 1,2917 1,6632 1,9886 2,3716

85 0,6774 1,2916 1,6630 1,9883 2,3710

86 0,6774 1,2915 1,6628 1,9879 2,3705

87 0,6773 1,2914 1,6626 1,9876 2,3700

88 0,6773 1,2912 1,6624 1,9873 2,3695

89 0,6773 1,2911 1,6622 1,9870 2,3690

90 0,6772 1,2910 1,6620 1,9867 2,3685

91 0,6772 1,2909 1,6618 1,9864 2,3680

92 0,6772 1,2908 1,6616 1,9861 2,3676

93 0,6771 1,2907 1,6614 1,9858 2,3671

94 0,6771 1,2906 1,6612 1,9855 2,3667

95 0,6771 1,2905 1,6611 1,9853 2,3662

96 0,6771 1,2904 1,6609 1,9850 2,3658

97 0,6770 1,2903 1,6607 1,9847 2,3654

98 0,6770 1,2902 1,6606 1,9845 2,3650

99 0,6770 1,2902 1,6604 1,9842 2,3646

DAFTAR PUSTAKA

Barney, J. B. 1991. “Firm resources and sustained competitive advantage”, dalam Journal of Management. Vol.17, No.1, hlm. 99-121.

Baroroh, Niswah, 2013. “Analisis Pengaruh Modal Intelektual terhadap Kinerja Keuangan Perusahaan Manufaktur di Indonesia”. Jurnal Dinamika Akuntansi, Volume 5, Nomor 2, September 2013, Hal 172-182.

Belkaoui, Ahmed Riahi. 2003. Intellectual Capital and Firm Performance of US Multinational Firms: A Study if the Resource-Based and Stakeholder Views. Journal of Intellectual Capital, Vol 4, 215-226.

Bontis, N., W.C.C. Keow., S. Richardson. 2000. Intellectual capital and business performance in Malaysian industries. Journal of intellectual Capital. Bukh, P. N. 2003. Commentary: The Relevance of Intellectual capital Disclosure:

A Paradox?. Accounting, Auditing & Accountability Journal.

Butsainati, Nila. 2106. Pengaruh Intellectual Capital terhadap Kinerja Keuangan pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia tahun 2012-2014. FEB Universitas Dian Nuswantoro.

Chen, M.C., Cheng, S.J. and Hwang, Y.C. (2005), “An Empriccal Investigation of The Relationship Between Intellectual Capital and Firms’ Market Value and Financial Performance”. Journal of Intellectual Capital. Vol. 6 No. 2, pp. 159-76.

Farih, Rofi. 2010. “Pengaruh Intellectual Capital (IC) terhadap Kinerja Keuangan Perusahaan Perbankan (Studi pada Perusahaan Perbankan yang Masuk dalam Daftar BEI”. Fakultas Ekonomi Universitas Sebelas Maret, Surakarta.

Fatima, Hasna. 2012. “Analisis Pengaruh Modal Intelektual terhadap Kinerja Perusahaan di Indonesia”. Fakultas Ekonomi Universitas Indonesia, Depok.

Firrer, S. dan William S. M. 2003. “Intellectual Capital and Traditional Measures of Corporate Performance”. Journal of Intellectual Capital. Vol. 4, No. 3: 348-360.

Ghozali, Imam, 2009. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang : Badan Penerbit UNDIP.

Harahap, Sofyan Sayfri. 2013. Analisis Kritis atas Laporan Keuangan. Jakarta: Rajawali Pers.

Harrison, S., and Sullivan, P.H. 2000. “Profitting Form Intellectual Capital; Learning from Leading Companies”. Journal of Intellectual Capital Vol. 1 No. 1, pp 33-46.

Imaningati. 2007. “Pengaruh Intellectual Capital terhadap Kinerja Peruhsahaan Real Estate & Properti yang Terdaftar di BEI Tahun 2002-2006”. Universitas Dipenogoro, Semarang.

Lonnqvist, A and Mettanen, P. 2002. “Criteria of Sound Intellectual Capital Measures”. Finland: Institute of Industrial Management, Tampere University of Technology.

Madhani, P.M. 2009. “Sales Employees Compensation: An Optimal Balance between Fixed and Vatiable Pay”. Compensation and Benefits Review. 41(4), 44-51.

Munawir, S., 1999, Analisis Laporan Keuangan, Edisi Keempat, Yogyakarta: Liberty.

Penrose, E.T. 1959. The Theory of the Growth of the Firm, Oxford: Basil Blackwell.

Petty, P. and Guthrie, J. 2000. “Intellectual Capital Literature Review: Measurement, Reporting and Management”. Journal of Intellectual Capital Vol 1 No. 2, pp 155-75.

Pratama, Tirta. 2011. “Studi Pengaruh Intellectual Capital Terhadap Return on Asset dari Badan Usaha Manufaktur yang Go Public di Bursa Efek Indonesia Periode 2007-2009”. Fakultas Bisnis dan Ekonomi Universitas Surabaya, Surabaya.

Pulic, Ante. 1998. Measuring the Performance of Intellectual Potential in Knowledge Economy. Presented in 1998 at the 2nd McMaster World Congress on Measuring and Managing Intellectual Capital by the Austrian Team for Intellectual Capital.

. 2008. The Principle of Intellectual Capital Efficiency – A Brief Description. The Economist. Economist Intellegence Unit. www.vaic-on.net/download/Casestudies/principles_2008.pdf.

Ruky, Ahmad. 2002. Sistem Manajemen Kinerja. Jakarta: Gramedia Pustaka Utama.

Saleh, N., M. Rahman, R. A. Mara, dan M. S. Hasan . 2008. “Ownership Structure and Intellectual Capital Performance in Malaysia Companies Listed in MESDAQ”. www.ssrn.com

Sanusi, Anwar. 2013. Metodologi Penelitian Bisnis. Jakarta: Salemba Empat. Sari, Nurul Iman. 2016. Pengaruh Human Capital Efficiency (HCE), Structural

Efficiency (SCE), dan Capital Employed Efficiency (CEE) terhadap Kinerja Perusahaan Perbankan yang Terdaftar di Bursa Efek Indonesia Tahun 2012-2014. Fakultas Ekonomi Universitas Sumatera Utara, Medan. Simanjuntak, Payaman J. 2005. Manajemen dan Evaluasi Kerja. Lembaga

Penerbit FEUI, Jakarta.

Siregar, Syofian. 2013. Metode Penelitian Kuantitatif: Dilengkapi Perbandingan Perhitungan Manual & SPSS. Jakarta: Kencana Prenada Media Group. Stewart, T.A. 1997. Intellectual Capital: The Wealth of New Organitation.

Nicholas Brealey Publishing London.

Sullivan, Jr., P.H., and Sullivan Sr., P.H. 2000. “Valuing Intangible Companies, an Intellectual Capital Approach”. Journal of Intellectual Capital Vol 1 No. 4, pp 328-340.

Tan, H. P., Plowman, D., dan Hancock, P. 2007. Intellectual Capital and Financial Returns on Companies. Journal of Intellectual Capital, 8 (1), 76-95.

Ulum, Imam, dan Anis 2008. Intellectual capital dan kinerja keuangan perusahaan; suatu analisis dengan pendekatan partial least squares. Simposium Nasional Akuntansi XI. 23-24 Juli 2008, Pontianak.

BAB III

METODE PENELITIAN

3.1 Jenis Penelitian

Jenis penelitian yang digunakan adalah penelitian asosiatif. Penelitian asosiatif adalah penelitian yang bertujuan untuk mengetahui hubungan antara dua variabel atau lebih. Dengan penelitian ini maka akan dibangun suatu teori yang dapat berfungsi untuk menjelaskan, meramalkan dan mengontrol suatu gejala (Siregar, 2013).

3.2 Tempat dan Waktu Penelitian

Penelitian ini dilakukan pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia dan waktu penelitian ini dilakukan mulai dari bulan Agustus 2016.

3.3 Jenis Data

Data yang digunakan dalam penelitian ini adalah data sekunder dengan mengambil data website Bursa Efek Indonesia yaitu www.idx.co.id yang berupa laporan keuangan perusahaan yang akan diteliti. Penelitian mengambil data Perusahaan Perbankan yang terdaftar di BEI pada tahun 2012-2015.

3.4 Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah studi dokumentasi. Metode ini dilakukan dengan mengumpulkan, mencatat dan menghitung data-data yang berhubungan dengan penelitian.

3.5 Variabel Penelitian dan Definisi Operasional 3.5.1 Variabel Dependen/Variabel Terikat

Variabel dependen pada penelitian ini adalah kinerja keuangan perusahaan. Ada beberapa pengukuran kinerja keuangan pada perusahaan perbankan salah satunya melalui pendekatan profitabilitas atau rentabilitas. Pada penelitian ini digunakan salah satu rasio dari pendekatan tersebut yaitu return on assets (ROA).

Return on assets (ROA) mengukur efektivitas perusahaan dalam menghasilkan keuntungan dengan memanfaatkan aset yang dimilikinya. ROA merefleksikan keuntungan bisnis dan efisiensi perusahaan dalam pemanfaatan total aset (Chen et al., 2005). Rumus untuk menghitung ROA yaitu:

Total pendapatan termasuk pendapatan bunga bersih dan non pendapatan bunga.

3.5.2 Variabel Independen/Variabel Bebas

Variabel independen penelitian ini adalah komponen intellectual capital (IC) dengan menggunakan model pengukuran yg diusulkan oleh Pulic (1998) yaitu Koefisien Nilai Tambah Intelektual (Value Added Intellectual Coefficent/VAICTM) yang terdiri dari Human Capital Efficiency (HCE), Structural Capital Efficiency (SCE), dan Capital Employed Efficiency (CEE).

ROA =

���������������

Model ini dimulai dengan kemampuan perusahaan untuk menciptakan value added (VA).

Nilai tambah atau Value Added (VA) adalah perbedaan antara OUT dan IN. Rumus untuk menghitung VA yaitu:

VA = OUT – IN

OUT = Total pendapatan

IN = Beban dan Biaya-biaya selain beban karyawan

Model VAICTM menggunakan mengukur efisiensi tiga jenis input perusahaan, yaitu:

1. Modal Manusia

Modal manusia (Human Capital/HC) mengacu pada nilai kolektif dari modal intelektual perusahaan yaitu kompetensi, pengetahuan, dan keterampilan (Pulic, 1998; Firer dan Williams, 2003), diukur dengan Human Capital Efisiensi (HCE) yang merupakan indikator efisiensi nilai tambah (Value Added/VA) modal manusia. Rumus untuk menghitung HCE yaitu:

VA = Nilai Tambah (Value Added) HC = Gaji dan tunjangan karyawan 2. Modal Struktural

Modal struktural (Structural Capital/SC) dapat didefinisikan sebagai competitive intelligence, formula, sistem informasi, hak paten, kebijakan,

HCE =

VA HC

proses, dan sebagainya, hasil dari produk atau sistem perusahaan yang telah diciptakan dari waktu ke waktu (Pulic, 1998; Firer dan Williams, 2003), diukur dengan Structural Capital Efficiency (SCE) yang merupakan indikator efisiensi nilai tambah (Value Added/VA) modal struktural. Rumus untuk menghitung SCE yaitu:

SC = VA – HC 3. Modal yang Digunakan

Modal yang digunakan (Capital Employed/CE) didefinisikan sebagai total modal yang dimanfaatkan dalam aset tetap dan lancar suatu perusahaan (Pulic, 1998; Firer dan Williams, 2003), diukur dengan Capital Employed Efficiency (CEE) yang merupakan indikator efisiensi nilai tambah (Value Added/VA) modal yang digunakan. Rumus untuk menghitung CEE yaitu:

CE = dana yang tersedia

SCE =

SC VA

CEE =

VA CE

Tabel 3.1 Definisi Operasional Jenis

Variabel

Variabel

Penelitian Definisi Pengukuran Skala

Dependen

Kinerja Keuangan Perusahaan / Return on Assets

(ROA) Mengukur efektivitas perusahaan dalam menghasilkan keuntungan dengan memanfaatkan aset yang dimilikinya

ROA = Total Pendapatan / Total Aset Rasio I N D E P E N D E N Human Capital Efficiency (HCE) Indikator penggunaan modal manusia untuk menciptakan nilai tambah perusahaan

HCE = VA /

HC Rasio

Structural Capital Efficiency (SCE) Indikator penggunaan modal struktural untuk menciptakan nilai tambah perusahaan

SCE = SC /

VA Rasio

Capital Employed Efficiency (CEE) Indikator penggunaan modal yang tersedia untuk menciptakan nilai tambah perusahaan

CEE = VA /

CE Rasio

Keterangan:

VA = OUT – IN

OUT = Total Pendapatan

IN = Total Beban dll. selain Beban Gaji

HC = Beban Gaji Karyawan

SC = VA – SC

3.6 Populasi dan Sampel Penelitian

Populasi dalam penelitian ini adalah semua perusahaan perbankan yang terdaftar pada Bursa Efek Indonesia di tahun 2012-2015 yang berjumlah 42 perusahaan.

Pengambilan sampel pada penelitian ini dilakukan dengan metode purposive sampling yaitu metode penetapan sampel berdasarkan kriteria-kriteria tertentu. Kriteria yang digunakan sebagai berikut:

1. Perusahaan perbankan yang berturut-turut terdaftar di BEI pada tahun 2012-2015 tanpa delisting (keluar).

2. Perusahaan yang tersedia laporan keuangannya di

periode tahun 2012-2015

3. Perusahaan yang laporan keuangannya tersaji data yang diperlukan untuk menghitung variabel penelitian ini antara lain: Human Capital Efficiency (HCE), Structural Capital Efficiency (SCE), Capital Em ployed Efficiency (CEE), dan Return on Asset (ROA).

Tabel 3.2

Daftar Populasi dan Sampel Perusahaan Perbankan

No NAMA BANK KODE

Kriteria

Sampel 1 2 3

1 Bank Agroniaga Tbk AGRO √ √ √ Sampel 1

2 Bank Agris Tbk AGRS - - √

3 Bank Artos Indonesia Tbk ARTO - - √

4 Bank MNC Internasional Tbk BABP √ √ √ Sampel 2

6 Bank Central Asia Tbk BBCA √ √ √ Sampel 4

7 Bank Harda Internasional Tbk BBHI - - √

8 Bank Bukopin Tbk BBKP √ √ √ Sampel 5

9 Bank Mestika Dharma Tbk BBMD - - √

10 Bank Negara Indonesia Tbk BBNI √ √ √ Sampel 6

11 Bank Nusantara Parahyangan Tbk

BBNP

√ - √

12 Bank Rakyat Indonesia (Persero) Tbk

BBRI

√ - √

13 Bank Tabungan Negara (Persero) Tbk

BBTN

√ √ √ Sampel 7

14 Bank Yudha Bhakti Tbk BBYB - - √

15 Bank J Trust Indonesia Tbk BCIC √ - √

16 Bank Danamon Indonesia Tbk BDMN √ √ √ Sampel 8

17 Bank Pundi Indonesia Tbk BEKS √ - √

18 Bank Ina Perdana Tbk BINA - - √

19 Bank Jabar Banten Tbk BJBR √ √ √ Sampel 9

20 Bank Pembangunan Daerah Jawa Timur (Tbk)

BJTM

- - √

21 Bank QNB Indonesia Tbk BKSW √ - √

22 Bank Maspion Indonesia Tbk BMAS - - √

23 Bank Mandiri (Persero) Tbk BMRI √ √ √ Sampel 10

24 Bank Bumi Arta Tbk BNBA √ √ √ Sampel 11

25 Bank CIMB Niaga Tbk BNGA √ √ √ Sampel 12

26 Bank International Indonesia Tbk

BNII

√ √ √ Sampel 13

27 Bank Permata Tbk BNLI √ √ √ Sampel 14

28 Bank Sinar Mas Tbk BSIM √ √ √ Sampel 15

29 Bank of India Indonesia Tbk BSWD √ - √

30 Bank Tabungan Pensiunan Nasional Tbk

BTPN

31 Bank Victoria Indonesia Tbk BVIC √ √ √ Sampel 17

32 Bank Dinar Indonesia Tbk DNAR - - √

33 Bank Artha Graha International Tbk

INPC

√ √ √ Sampel 18

34 Bank Mayapada International Tbk

MAYA

√ √ √ Sampel 19

35 Bank Windu Kentjana International Tbk

MCOR

√ √ √ Sampel 20

36 Bank Mega Tbk MEGA √ √ √ Sampel 21

37 Bank Mitraniaga Tbk NAGA - - √

38 Bank OCBC NISP Tbk NISP √ √ √ Sampel 22

39 Bank Nationalnobu Tbk NOBU - - √

40 Bank Pan Indonesia Tbk PNBN √ √ √ Sampel 23

41 Bank Panin Syariah Tbk PNBS √ √ √ Sampel 24

42 Bank Woori Saudara Indonesia 1906 Tbk

SDRA

√ √ √ Sampel 25

Sumber : Data Sekunder yang Diolah (2016)

Berdasarkan pertimbangan tersebut, maka sampel dalam penelitian ini berjumlah 25 perusahaan.

3.7 Teknik Analisis

3.7.1 Statistik Deskriptif

Sanusi (2013) menyatakan bahwa statistik deskriptif adalah statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang terkumpul sebagaimana adanya tanpa bermaksud untuk membuat kesimpulan yang berlaku umum atau generalisasi. Yang termasuk dalam statistik deskriptif adalah penyajian data dengan table, grafik, diagram lingkaran, poligram, perhitungan modus, median, mean,

persentase, dan standar deviasi. Ukuran deskriptif yang sering digunakan untuk mendeskripsikan data penelitian adalah frekuensi dan rata-rata.

3.7.2 Uji Asumsi Klasik

Untuk mengetahui apakah model regresi benar-benar menunjukkan hubungan yang signifikan dan mewakili (representatif), maka model tersebut harus memenuhi uji asumsi klasik regresi, yang meliputi :

3.7.2.1Uji Normalitas

Uji Normalitas digunakan untuk menguji apakah dalam model regresi kedua variabel yang ada yaitu variabel bebas dan terikat mempunyai distribusi data yang normal atau tidak (Ghozali, 2009). Model regresi yang baik memiliki distribusi data normal atau mendekati normal. Untuk menguji normalitas pada penelitian ini alat analisis yang digunakan adalah normal probabitility plot dan uji Komolgorov-Smirmov.

Normal probability plot membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual adalah normal, maka garis yang menggambarkan data seseungguhnya akan mengikuti garis diagonalnya (Ghozali, 2009).

Alat analisis lain yang digunakan adalah uji Kolmogrov- Smirnov. Alat uji ini digunakan untuk memberikan angka-angka yang

lebih detail untuk menguatkan apakah terjadi normalitas atau tidak dari data-data yang digunakan. Normalitas terjadi apabila hasil dari uji Kolmogrov-Smirnov lebih dari 0,05 (Ghozali, 2009).

3.7.2.2Uji Multikolinieritas

Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas. Cara untuk mengetahui apakah terjadi multikolonieritas atau tidak yaitu dengan melihat nilai Tolerance dan Variance Inflation Factor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen (terikat) dan diregresi terhadap variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai Tolerance yang rendah sama dengan nilai VIF tinggi (karena VIF = 1/Tolerance). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance < 0,10 atau sama dengan nilai VIF > 10 (Ghozali, 2009).

3.7.2.3Uji Auto Korelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau periode

sebelumnya. Cara untuk mengetahui apakah terjadi autokorelasi atau tidak yaitu dengan menggunakan uji Durbin – Watson (DW test). DW test digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensyaratkan adanya intercept (konstanta) dalam model regresi dan tidak ada variabel lag diantara variabel independen. Pengambilan keputusan ada tidaknya autokorelasi yaitu jika du < d < 4 – du. (Ghozali, 2009).

3.7.2.4Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Cara untuk mengetahui apakah terjadi heteroskedastisitas atau tidak yaitu dengan melihat Grafik Plot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Tidak terjadi heteroskedastisitas yaitu apabila tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y (Ghozali, 2009).

3.7.3 Analisis Regresi Linear Berganda

Analisis regresi ganda digunakan karena dalam penelitian terdapat banyak variabel bebas. Pada tahap ini dijelaskan hubungan antara variabel dependen dan independen dengan metode regresi linear berganda.

Variabel independen yang digunakan terdiri dari Human Capital Efficiency (HCE), Structural Capital Efficiency (SCE), dan Capital

Employed Efficiency (CEE). Variabel dependen yang digunakan yaitu kinerja keuangan perusahaan yang diproksikan dengan Return on Assets (ROA).

Untuk mengetahui apakah ada pengaruh yang signifikan dari variabel independen terhadap variabel dependen maka digunakan model regresi linier berganda (multiple linier regression method), yang dirumuskan sebagai berikut:

Y = �0 + �1 HCE + �2 SEE + �3 CEE + ℇ Dalam hal ini :

Y = kinerja keuangan perusahaan (ROA) �0 = konstanta

�1 – �3 = koefisien regresi, merupakan besarnya perubahan variable terikat akibat perubahan tiap – tiap unit variable bebas HCE = Human Capital Efficiency

SCE = Structural Capital Efficiency CEE = Capital Employed Efficiency ℇ = kesalahan residual (error) 3.7.4 Uji Hipotesis

3.7.4.1Koefisien Determinasi

Koefisien determinasi (R2) menjelaskan proporsi variasi dalam variabel terikat (Y) yang dijelaskan oleh variabel bebas (lebih dari satu variabel: Xi; i = 1, 2, 3, 4 …, k) secara bersama-sama. R adalah koefisien korelasi majemuk yang mengukur tingkat hubungan antara

variabel terikat (Y) dengan semua variabel bebas yang menjelaskan secara bersama-sama dan nilainya selalu positif (Sanusi, 2013).

Persamaan regresi linear berganda semakin baik apa bila nilai koefisien determinasi (R2) semakin besar (antara 0 dan 1) dan cenderung meningkat nilainya sejalan dengan peningkatan jumlah variabel bebas. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel-variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.

3.7.4.2Uji Signifikansi Simultan (Uji Statistik F)

Uji Statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen (Ghozali, 2009). Cara untuk mengetahuinya yaitu dengan membandingkan nilai F hitung dengan nilai F tabel. Apabila nilai F hitung lebih besar daripada nilai F tabel, maka hipotesis alternatif diterima artinya semua variabel independen secara bersama-sama dan signifikan mempengaruhi variabel dependen. Selain itu juga dapat dilihat berdasarkan probabilitas. Jika probabilitas (signifikansi) lebih

kecil dari 0,05 (α) maka variabel independen secara bersama-sama (simultan) berpengaruh terhadap variabel dependen.

3.7.4.3Uji Signifikansi Parameter Individual (Uji Statistik t)

Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Cara untuk mengetahuinya yaitu dengan membandingkan nilai t hitung dengan nilai t tabel. Apabila nilai t hitung lebih besar dibandingkan dengan nilai t tabel maka berarti t hitung tersebut signifikan artinya hipotesis alternatif diterima yaitu variabel independen secara individual mempengaruhi variabel dependen. Selain itu, bisa juga dilakukan dengan melihat p-value dari masing-masing variabel. Hipotesis diterima apabila p-p-value < 5 % (Ghozali, 2009).

BAB IV

HASIL DAN PEMBAHASAN

4.1 Statistik Deskriptif

Sanusi (2013) menyatakan bahwa statistik deskriptif adalah statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang terkumpul sebagaimana adanya tanpa bermaksud untuk membuat kesimpulan yang berlaku umum atau generalisasi. Statistik deskriptif menjelaskan nilai maksimum, nilai minimum, nilai rata-rata (mean), dan nilai standar deviasi dari variabel penelitian.

Tabel 4.1 Statistik Deskriptif

N Minimum Maximum Mean Std. Deviation

HCE 100 ,82 7,97 2,6064 1,20593

SCE 100 -,22 ,87 ,5534 ,16697

CEE 100 ,00 3,24 ,3964 ,33856

ROA 100 -,93 4,70 1,8642 1,08017

Valid N (listwise) 100

Sumber: Data Sekunder yang Diolah

Nilai minimum merupakan nilai terendah dari suatu distribusi data. Pengukuran rata-rata (mean) merupakan cara yang paling umum digunakan untuk mengukur nilai interval dari suatu distribusi data, rata-rata hitung (mean) dari sekelompok atau serangkaian data adalah jumlah dari seluruh nilai data dibagi dengan banyak data. Standar deviasi merupakan perbedaan nilai data yang diteliti dengan rata-rata hitung sekelompok data tersebut.

Variabel independen terdiri dari Human Capital Efficiency (HCE), Structural Capital Efficiency (SCE), dan Capital Employed Efficiency (CEE). Berdasarkan tabel 4.1 dapat dilihat bahwa secara rata-rata (mean) variabel Human Capital Efficiency (HCE) memiliki rata-rata sebesar 2,6064 yang menunjukkan rata-rata besar efisiensi dari penggunaan modal manusia yang ada di perusahaan perbankan yang menjadi sampel. Nilai minimum dari HCE yaitu sebesar 0,82, nilai maksimum yaitu sebesar 7,97, dan standar deviasi sebesar 1,2059.

Variabel Structural Capital Efficiency (SCE) menunjukkan seberapa besar modal struktural digunakan perusahaan untuk menciptakan kekayaan. Rata-rata nilai SCE dari seluruh sampel sebesar 0,5534, nilai minimum yaitu sebesar -0,22 nilai maksimum yaitu sebesar 0,87 dan standar deviasi sebesar 0,16697.

Variabel Capital Employed Efficiency (CEE) menunjukkan seberapa besar efisiensi dari penggunaan modal oleh perusahaan. Rata-rata dari nilai CEE sebesar 0,3964. Nilai minimum yaitu sebesar 0,00 dan nilai maksimum yaitu sebesar 3,24, dan standar deviasi sebesar 0,33856.

Untuk variabel dependen yaitu Return on Assets (ROA) menunjukkan kinerja perusahaan berdasarkan kemampuan perusahaan menghasilkan laba dengan menggunakan asetnya. Nilai rata-rata dari ROA yaitu sebesar 1,8642. Nilai minimum yaitu sebesar -0,93, nilai maksimum yaitu sebesar 4,70, dan standar deviasi sebesar 1,08017.

4.2 Uji Asumsi Klasik 4.2.1 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas mempunyai distribusi normal atau tidak. Uji normalitas dapat dilihat melalui normal probability plot (P-P Plots). Data normal jika titik-titik menyebar mengikuti garis diagonal.

Gambar 4.1 Normal P-P Plot

Pada gambar 4.1 dapat disimpulkan data untuk penelitian terdistribusi normal. Hal tersebut karena titik-titik pada P-P Plot menyebar mengikuti garis diagonalnya. Uji normalitas juga dapat dilakukan menggunakan uji Kolmogrov Smirnov. Uji ini mengidentifikasi data normal jika nilai signifikan > 0,05. Berdasarkan tabel 4.2 dapat dilihat bahwa data dalam penelitian terdistribusi secara normal.

Tabel 4.2 Uji Normalitas

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 100

Normal Parametersa,b Mean 0E-7

Std. Deviation ,83234336

Most Extreme Differences

Absolute ,097

Positive ,097

Negative -,065

Kolmogorov-Smirnov Z ,973

Asymp. Sig. (2-tailed) ,300

Sumber: Data Sekunder yang Diolah

Hasil pengujian tersebut menunjukkan nilai signifikan Kolmogrov Smirnov sebesar 0,973 dengan p-value 0,300. Karena p-value > 0,05 berarti data terdistribusi normal.

4.2.2 Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk mengetahui hubungan yang bermakna (korelasi) antara setiap variabel bebas dalam suatu model regresi. Model regresi yang baik adalah tidak terjadi multikolonieritas dapat dilihat dari nilai tolerance/variance inflation factor (VIF). Jika nilai tolerance lebih besar dari 0,10/VIF kurang dari 10, maka dapat dikatakan model telah bebas dari masalah multikolinieritas.

Tabel 4.3 Uji Multikolinieritas

Variabel Collinearity Statistics Tolerance VIF

HCE 0,321 3,116

SCE 0,320 3,129

CEE 0,944 1,060

Berdasarkan tabel 4.3 diketahui bahwa nilai Tolerance variabel independen > 0.10 yaitu sebesar 0.321, 0.320, dan 0.944 dengan nilai VIF variabel independen 10 < yaitu sebesar 3.116, 3.129, dan 1.060 sehingga dapat disimpulkan HCE, SCE, dan CEE tidak terjadi multikolinieritas.

4.2.3 Uji Autokorelasi

Uji autokorelasi bertujuan untuk melihat apakah terdapat kesalahan pengganggu dari periode t dengan periode sebelumnya pada model regresi. Model regresi yang baik jika tidak terjadi autokorelasi. Hal ini dapat diidentifikasi dengan uji Durbin-Watson (DW-test). Syarat uji ini adalah nilai DW terletak diantara du dengan 4 – du (du > DW > 4 – du).

Tabel 4.4 Uji Autokorelasi

R R Square Adjusted R Square

Std. Error of the Estimate

Durbin-Watson

,637a ,406 ,388 ,84517 2,190

Berdasarkan tabel 4.4 dapat dilihat nilai DW sebesar 2,190. Nilai du dapat dilihat dari tabel Durbin-Watson. Untuk N = 100 dan k = 3 maka nilai

du sebesar 1.7364 (4 – du = 2.2636), maka DW terletak diantara du dengan 4 – du artinya tidak terjadi autokorelasi.

4.2.4 Uji Heteroskedastisitas

Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain.

Gambar 4.2 Grafik Scatterplot

Dari grafik Scatterplot dapat dilihat bahwa titik-titik menyebar dan tidak membentuk pola tertentu dan titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka heteroskedastisitas tidak terjadi.

4.3Uji Hipotesis

Pengujian hipotesis dalam penelitian ini menggunakan analisis regresi linear berganda dengan bantuan program SPSS 20. Analisis linear berganda dilakukan untuk mencari pengaruh dua variabel bebas atau lebih terhadap variabel terikat. Besarnya pengaruh tersebut dapat dilihat dari tabel 4.5 di bawah ini.

Tabel 4.5

Analisis Regresi Berganda

Coefficientsa

Model Unstandardized

Coefficients

Standardized Coefficients

T Sig.

B Std. Error Beta

1

(Constant) -,528 ,309 -1,710 ,090

HCE -,396 ,124 -,442 -3,186 ,002

SCE 5,973 ,900 ,923 6,636 ,000

CEE ,302 ,258 ,095 1,169 ,245

a. Dependent Variable: ROA

Dengan demikian hasil perhitungan tabel 4.5 (coefficient) diperoleh nilai persamaan regresi linier berganda sebagai berikut:

Y = – 0.528 – 0.396 X1 + 5.972 X2 + 0.302 X3

4.3.1 Koefisien Determinasi

Koefisien determinasi (R2) menunjukkan seberapa besar variabel dependen dapat dijelaskan oleh variabel independen. Nilai koefisien determinasi (R2) dapat dilihat pada tabel 4.6 yaitu sebesar 0,406.

Tabel 4.6

Koefisien Determinasi (R2)

Model Summaryb

Model R R Square Adjusted R

Square

Std. Error of the Estimate

1 ,637a ,406 ,388 ,84525

a. Predictors: (Constant), CEE, HCE, SCE b. Dependent Variable: ROA

Hal ini menunjukkan bahwa dalam penelitian ini variabel depeden yang dapat dijelaskan oleh variabel independen sebesar 40,6%, sedangkan sisanya yaitu sebesar 59,4% dijelaskan oleh variabel lain yang tidak termasuk dalam penelitian ini.

4.3.2 Uji Signifikansi Simultan (Uji Statistik F)

Uji statistik F menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara simultan terhadap variabel dependen. Apabila nilai signifikansi < 0.05 berarti bahwa variabel independen secara bersamaan memiliki pengaruh terhadap variabel dependen.

Tabel 4.7

Uji Statistik F (Simultan)

ANOVAa

Model Sum of Squares Df Mean Square F Sig.

1

Regression 46,923 3 15,641 21,893 ,000b

Residual 68,587 96 ,714

Total 115,510 99

a. Dependent Variable: ROA

Berdasarkan tabel 4.7 terlihat nilai signifikan sebesar 0,00. Hal ini berarti variabel independen berpengaruh secara simultan terhadap variabel dependen karena nilai signifikansi 0,00 < 0,05. Dengan demikian hipotesis 4 diterima.

Uji statistik F juga dapat dilakukan dengan membandingkan nilai Fhitung dengan Ftabel. Jika nilai Fhitung lebih besar Ftabel dari maka hipotesis diterima artinya semua variabel independen bersama-sama dan signifikan mempengaruhi variabel dependen. Berdasarkan tabel 4.8 dapat dilihat nilai

Fhitung sebesar 21,893. Untuk mengetahui nilai Ftabel yaitu dengan melihat

tabel distribusi F nilai probabilitas sebesar 0,05 (lihat lampiran 6) atau dengan mengetikkan rumus =finv(0,05;df1;df2) di aplikasi Microsoft Excel. Untuk melihat tabel distribusi F langkah pertama yang dilakukan yaitu dengan menghitung df1 = k – 1 dimana k adalah jumlah variabel independen. Pada penelitian ini k = 3 sehingga nilai df1 = 2. Langkah kedua yaitu menghitung df2 = n – k dimana nilai n adalah jumlah data sampel yang digunakan. Pada penelitian ini n = 100 sehingga nilai df2 = 97. Kemudian dapat dilihat pada tabel distribusi F pada kolom df1 = 2 dan baris df2 = 97 nilai dari Ftabel sebesar 3,09. Maka nilai Fhitung = 21,893 > Ftabel = 3,09 yang artinya variabel independen mempengaruhi variabel dependen secara simultan.

4.3.3 Uji Signifikansi Parameter Individual (Uji Statistik t)

Uji t digunakan untuk mengetahui pengaruh masing-masing variabel independen terhadap variabel dependen. Hipotesis diterima jika nilai

signifikansinya lebih kecil dari 0,05 dan hipotesis ditolak jika nilai signifikansinya lebih besar dan 0,05.

Tabel 4.8 Uji t (Parsial)

Coefficientsa

Model Unstandardized

Coefficients

Standardized Coefficients

T Sig.

B Std. Error Beta

1

(Constant) -,528 ,309 -1,710 ,090

HCE -,396 ,124 -,442 -3,186 ,002

SCE 5,973 ,900 ,923 6,636 ,000

CEE ,302 ,258 ,095 1,169 ,245

a. Dependent Variable: ROA

Uji t juga dapat dilakukan dengan membandingkan nilai thitung dengan ttabel. Apabila nilai thitung lebih besar dari ttabel maka hipotesis diterima. Artinya variabel independen berpengaruh terhadap kinerja keuangan perusahaan secara parsial. Untuk mengetahui nilai ttabel yaitu dengan melihat tabel distribusi t (lihat lampiran 7) atau dengan mengetikkan rumus =tinv(0,05;df) pada aplikasi Microsoft Excel. Langkah awalnya dengan menentukan nilai df = n – k dimana n = 100 dan k = 3 sehingga nilai df = 97. Kemudian melihat kolom siginifikansi 0,05 dan baris df = 97 sehingga dapat ditentukan nilai

ttabel sebesar 1,9847. Dengan demikian berdasarkan tabel 4.8 maka hasil uji t

adalah sebagai berikut:

a. Pengujian Hipotesis Pengaruh Human Capital Efficiency (HCE) terhadap Kinerja Keuangan Perusahaan

Nilai signifikansi variabel Human Capital Efficiency (HCE) sebesar 0,002. Hal ini menunjukkan bahwa nilai signifikansi variabel ini lebih kecil dari 0,05. Seperti yang telah dijelaskan sebelumnya, hipotesis akan diterima jika nilai signifikansi kurang dari 0,05. Nilai thitung = -3,186 dan nilai ttabel = 1,98472. Dapat dilihat nilai thitung adalah negatif, hal ini berarti untuk mengetahui apakah variabel independen berpengaruh terhadap kinerja keuangan perusahaan secara parsial maka -thitung < -ttabel. Dapat dilihat thitung = -3,186 < ttabel = -1,9847 sehingga dapat disimpulkan bahwa hipotesis 1 diterima yang berarti Human Capital Efficiency (HCE) berpengaruh signifikan terhadap kinerja keuangan perusahaan.

b. Pengujian Hipotesis Pengaruh Structual Capital Efficiency (SCE) terhadap Kinerja Keuangan Perusahaan

Nilai signifikansi variabel Structural Capital Efficiency (SCE) sebesar 0,00. Hal ini berarti bahwa nilai signifikansi variabel ini lebih kecil dari 0,05. Nilai thitung = 6,636 > ttabel = 1,9847. Maka dapat disimpulkan bahwa hipotesis 2 diterima yang berarti Structural Capital Efficiency (SCE) berpengaruh signifikan terhadap kinerja keuangan perusahaan.

c. Pengujian Hipotesis Pengaruh Capital Employed Efficiency (CEE) terhadap Kinerja Keuangan Perusahaan

Nilai signifikansi variabel Capital Employed Efficiency (CEE) sebesar 0,245. Hal ini menunjukkan nilai signifikansi variabel ini lebih besar dari 0,05. Dapat dilihat juga nilai thitung = 1,169 < ttabel = 1,9847. Maka dapat disimpulkan bahwa hipotesis 3 ditolak yang berarti Capital Employed

Efficiency (CEE) tidak berpengaruh terhadap kinerja keuangan perusahaan.

4.4Pembahasan dan Hasil Penelitian

Berdasarkan hasil penelitian yang ditetapkan lewat berbagai pengujian tersebut di atas, dapat diinterpretasikan bahwa pengaruh variabel independen dan dependen adalah sebagai berikut:

Hasil dari hipotesis pertama yang diuji dengan uji statistik t bahwa variabel Human Capital Efficiency (HCE) berpengaruh signifikan terhadap kinerja keuangan yang diproksikan dengan Return on Assets (ROA) pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia periode 2012-2015. Hal ini berbeda dengan hasil penelitian dari Tirta Pratama (2011), Nila Butsainati (2016), dan Nurul Iman Sari (2016) yang hasil penelitiannya menunjukkan bahwa Human Capital Efficiency (HCE) tidak berpengaruh secara signifikan terhadap kinerja keuangan. Hal ini terjadi karena modal manusia merupakan modal utama yang digunakan dalam kegiatan usaha perusahaan perbankan sehingga dapat dipastikan adanya pengaruh terhadap kinerja keuangan perusahaan.

Hasil dari hipotesis kedua yang diuji dengan uji statistik t bahwa variabel Structural Capital Efficiency (SCE) berpengaruh signifikan terhadap kinerja keuangan yang diproksikan dengan Return on Assets (ROA) pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia periode 2012-2015. Hasil penelitian ini sejalan dengan hasil penelitian yang telah dilakukan oleh Tirta Pratama (2011) dimana Structural Capital Efficiency (SCE) berpengaruh signifikan terhadap kinerja keuangan. Modal struktural digunakan untuk

membantu modal manusia dalam menciptakan nilai tambah perusahaan. Sesuai dengan model yang diperkenalkan oleh Pulic (1998) dimana nilai SC (modal struktural) didapat dari selisih nilai VA (Value Added) dengan HC (modal manusia). Hal ini menunjukkan untuk menciptakan nilai tambah maka dibutuhkan gabungan dari modal manusia dan modal struktural. Pada penelitian ini terlihat bahwa modal struktural juga berperan penting untuk menciptakan nilai tambah disamping modal manusia sebagai modal utama dalam kegiatan usaha, sehingga dapat mempengaruhi kinerja keuangan.

Hasil dari hipotesis ketiga yang diuji dengan uji statistik t bahwa variabel Capital Employed Efficiency (CEE) tidak berpengaruh signifikan terhadap kinerja keuangan yang diproksikan dengan Return on Assets (ROA) pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia periode 2012-2015. Hasil penelitian ini sejalan dengan hasil penelitian yang telah dilakukan oleh Tirta Pratama (2011) dimana Capital Employed Efficiency (CEE) tidak berpengaruh signifikan terhadap kinerja keuangan. Modal yang digunakan merupakan modal yang tersedia untuk membantu kegiatan usaha yang dijalankan modal manusia dan modal struktural. Tidak adanya pengaruh dari variabel ini mungkin disebabkan karena modal manusia dan modal struktural yang lebih berperan dominan dalam menciptakan nilai tambah.

Hasil dari hipotesis keempat yang diuji dengan uji statistik F bahwa Human Capital Efficiency (HCE), Structural Capital Efficiency (SCE), dan Capital Employed Efficiency (CEE) berpengaruh signifikan secara simultan terhadap kinerja keuangan yang diproksikan dengan Return on Assets (ROA) pada

perusahaan perbankan yang terdaftar di Bursa Efek Indonesia tahun 2012-2015. Hasil penelitian ini sejalan dengan penelitian terdahulu yang semuanya menunjukkan pengaruh signifikan dari intellectual capital terhadap kinerja keuangan. Saat ini belum banyak perusahaan yang memperhatikan pengelolaan intellectual capital. Dengan demikian hasil penelitian ini menunjukkan bahwa intellectual capital termasuk aset yang penting untuk dikelola dengan baik sehingga dapat meningkatkan kinerja perusahaan.

BAB V

KESIMPULAN DAN SARAN

5.1Kesimpulan

Dari hasil analisa dan pembahasan mengenai pengaruh intellectual capital terhadap kinerja keuangan perusahaan perbankan yang terdaftar di Bursa Efek Indonesia periode 2012-2015 dapat disimpulkan sebagai berikut:

1. Human Capital Efficiency (HCE) berpengaruh signifikan terhadap kinerja keuangan perusahaan perbankan yang terdaftar di Bursa Efek Indonesia periode 2012-2015

2. Structural Capital Efficiency (SCE) berpengaruh signifikan terhadap kinerja keuangan perusahaan perbankan yang terdaftar di Bursa Efek Indonesia periode 2012-2015.

3. Capital Employed Efficiency (CEE) tidak berpengaruh signifikan terhadap kinerja keuangan perusahan perbankan yang terdaftar di Bursa Efek Indonesia periode 2012-2015.

4. Pengaruh Human Capital Efficiency (HCE), Structural Capital Efficiency (SCE), dan Capital Employed Efficiency (CEE) berpengaruh secara simultan terhadap kinerja keuangan perusahaan perbankan yang terdaftar di Bursa Efek Indonesia periode 2012-2015.

5.2Saran

Peneliti menyadari bahwa penelitian ini masih jauh dari sempurna, untuk itu berikut adalah beberapa saran bagi peneliti selanjutnya yang dapat menjadi

bahan pertimbangan untuk melakukan penelitian dengan topik penelitian yang sama:

1. Penelitian selanjutnya diharapkan menambahkan variabel independen lain yang dapat menjelaskan variabel dependen, sehingga nilai koefisien determinasi (R2) menjadi lebih besar.

2. Pemilihan populasi dan sampel dalam menentukan jenis industri perusahaan yang digunakan bagi peneliti selanjutnya diharapkan tidak hanya pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.

3. Peneliti selanjutnya diharapkan dapat menambah periode tahun pengamatan yang lebih panjang, karena periode pengamatan dalam penelitian ini terbatas, hanya mencakup periode 2012-2015.

BAB II

TINJAUAN PUSTAKA

2.1 Landasan Teori

2.1.1 Kinerja Keuangan Perusahaan

Bernardin dan Russel (dalam Ruky, 2002) memberikan pengertian atau kinerja sebagai berikut: “performance is defineid as the record of outcomes produced on a specified job function or activity during time period”. Prestasi atau kinerja adalah catatan tentang hasil-hasil yang diperoleh dari fungsi-fungsi pekerjaan tertentu atau kegiatan selama kurun waktu tertentu.

Pengertian lain dari kinerja yaitu tingkat pencapaian hasil atas pelaksanaan tugas tertentu. Kinerja perusahaan adalah tingkat pencapaian hasil dalam rangka mewujudkan tujuan perusahaan. Manajemen kinerja adalah keseluruhan kegiatan yang dilakukan untuk meningkatkan kinerja perusahaan atau organisasi, termasuk kinerja masing-masing individu dan kelompok kerja di perusahaan tersebut (Simanjuntak, 2005).

Untuk mengetahui kinerja yang dicapai maka dilakukan pengukuran kinerja. Ukuran kinerja yang umum digunakan yaitu ukuran kinerja keuangan. Kinerja keuangan perusahaan ditunjukkan oleh laporan keuangannya. Tujuan dari pengukuran kinerja keuangan perusahaan adalah untuk mengetahui tingkat likuiditas, solvabilitas, rentabilitas, dan tingkat stabilitas suatu perusahaan (Munawir, 1999).

Di dalam industri perbankan, ada pengukuran kinerja khusus yang digunakan oleh banyak negara untuk mengukur kinerja keuangan dan

mengevaluasinya dengan menganalisis aspek Permodalan (Capital), Kualitas Aktiva Produktif (Asset), Manajemen (Management), Rentabilitas (Earning), dan Likuiditas (liquidity), yang biasa disingkat dengan CAMEL. CAMEL adalah lima faktor keuangan yang digunakan oleh Bank Indonesia untuk menilai tingkat kesehatan bank di Indonesia (SK Bank Indonesia No. 30/12/KEP/DIR, 30 April 1997, dalam Farih, 2010), yaitu faktor modal (capital), faktor kualitas aktiva produktif (asset quality), faktor manajemen (management), faktor rentabilitas (earning ability), dan faktor likuiditas (liquidity).

Penelitian ini menggunakan pendekatan faktor rentabilitas atau profitabilitas yang diukur dengan return on asset (ROA). Tidak ada alasan khusus peneliti memilih pendekatan ini karena belum ada bukti empiris yang membuktikan keunggulan satu pendekatan dengan yang lainnya. Namun ROA adalah pendekatan pengukuran yang umum digunakan dan sering digunakan dalam penelitian hubungan intellectual capital terhadap kinerja perusahaan seperti yang telah dilakukan peneliti terdahulu. Selain itu, ROA juga dianggap lebih tepat karena memanfaatkan aset untuk menilai kemampuan perusahaan menciptakan profit. Berbeda dengan pendekatan faktor profitabilitas lainnya seperti ROE yang lebih berfokus pada investor.

Adapun pengertian return on assets (ROA) dapat didefinisikan sebagai berikut:

Return on Assets (ROA) mengacu pada total pendapatan, termasuk pendapatan bunga bersih dan non pendapatan bunga, dibagi dengan total aset. Indikator ROA yang dipilih sebagai proxy untuk pengukuran profitabilitas. ROA merefleksikan keuntungan bisnis dan efisiensi

perusahaan dalam pemanfaatan total aset (Chen et al., 2005).

Pengelolaan aset yang baik dapat meningkatkan laba atas sejumlah aset yang dimiliki perusahaan yang dapat diukur dengan Return on Asset (ROA). Modal intelektual diakui sebagai aset perusahaan karena mampu menghasilkan keunggulan kompetitif dan kinerja keuangan yang superior (Barney, 1991).

2.1.2 Resources Based Theory/Resources Based View (RBV)

Resources-based view memandang bahwa sumber daya perusahaan sebagai drive utama di balik daya saing dan kinerja perusahaan. Sumber daya ini mencakup aset berwujud serta aset tidak berwujud yang digunakan secara efektif dan efisien untuk menerapkan strategi kompetitif dan keuntungan tertentu. Sementara peran aset berwujud sudah terbentuk dengan baik dalam literatur dan dalam praktek, maka peran aset tidak berwujud sebagai sumber daya strategis yang perlu dan layak diteliti (Belkaoui, 2003).

Resources-based view yang dipelopori oleh Penrose (1959) ini juga mengemukakan bahwa perusahaan sebagai kumpulan sumber daya heterogen yang dapat menciptakan keunggulan bersaing. Sumber daya itu sendiri harus memenuhi kriteria VRIN agar dapat memberikan keunggulan kompetitif dan kinerja yang berkelanjutan (Madhani, 2009). Kriteria VRIN tersebut adalah 1. Berharga (Valuable)

Sumber daya berharga jika memberikan nilai strategis bagi perusahaan. Sumber daya memberikan nilai jika membantu perusahaan dalam memanfaatkan peluang pasar atau membantu dalam mengurangi ancaman

pasar. Tidak ada keuntungan dari memiliki sumber daya jika tidak menambah atau meningkatkan nilai perusahaan;

2. Langka (Rareness)

Sumber daya yang sulit untuk ditemukan di antara pesaing dan menjadi potensi perusahaan. Oleh karena itu sumber daya harus langka atau unik untuk menawarkan keunggulan kompetitif. Sumber daya yang dimiliki oleh beberapa perusahaan di pasar tidak dapat memberikan keunggulan kompetitif, karena mereka tidak dapat merancang dan melaksanakan strategi bisnis yang unik dibandingkan dengan kompetitor lain;

3. Tidak dapat ditiru (Inimitability)

Sumber daya dapat menjadi dasar keunggulan kompetitif yang berkelanjutan hanya jika perusahaan yang tidak memegang sumber daya ini tidak bisa mendapatkan mereka atau tidak dapat meniru sumber daya tersebut; 4. Tidak dapat diganti (Non-substitutability).

Non-substitusi sumber daya menunjukkan bahwa sumber daya tidak dapat diganti dengan alternatif sumber daya lain. Di sini, pesaing tidak dapat mencapai kinerja yang sama dengan mengganti sumber daya dengan sumber daya alternatif lainnya.

Melalui penjelasan tersebut menurut resources-based view, modal intelektual memenuhi kriteria-kriteria sebagai sumber daya unik yang mampu menciptakan keunggulan kompetitif perusahaan sehingga dapat menciptakan value added bagi perusahaan.

capital yang dimiliki. Apabila kinerja modal intelektual tersebut dapat dimanfaatkan secara maksimal, maka perusahaan akan memiliki suatu value added yang dapat memberikan suatu karakteristik tersendiri. Sehingga dengan adanya karakteristik tersendiri yang dimiliki, perusahaan mampu berdaya saing terhadap para kompetitornya karena mempunyai suatu keunggulan kompetitif yang hanya dimiliki oleh perusahaan itu sendiri.

2.1.3 Intellectual Capital (IC)

Intellectual Capital (IC) merujuk pada modal-modal non fisik atau yang tidak berwujud (intangible assets) atau tidak kasat mata (invisible). Intellectual Capital (IC) terkait dengan pengetahuan dan pengalaman manusia serta teknologi yang digunakan. Intellectual Capital (IC) memiliki potensi memajukan organisasi dan masyarakat (Lonnqvist dan Mettanen, 2002). Petty and Guthrie (2000) menyatakan bahwa Komponen Intellectual Capital (IC) adalah employee competence, internal structure, dan external structure, dengan pengertian :

1. Human capital, terdiri atas seluruh kemampuan, ketrampilan, dan pengalaman manusia pelaksana.

2. Structural capital berisikan infrastruktur pendukung manusia seperti database dan paten.

3. Customer capital berisikan seluruh potensi terkait hubungan/relasi perusahaan dengan konsumen.

Selaras dengan pernyataan diatas Bontis et al. (2000) dalam Ulum et al. (2008) menyatakan bahwa secara umum, para peneliti mengidentifikasi tiga

konstruk utama dari IC, yaitu: human capital (HC), structural capital (SC), dan customer capital (CC). Selanjutnya Bontis et al., (2000) menjelaskan pengertian komponen Intellectual Capital (IC) sebagai berikut :

4. HC merepresentasikan individual knowledge stock suatu organisasi yang direpresentasikan oleh karyawannya. HC merupakan kombinasi dari genetic inheritance; education; experience, and attitude tentang kehidupan dan bisnis.

5. SC meliputi seluruh non-human storehouses of knowledge dalam organisasi. Termasuk dalam hal ini adalah database, organizational charts, process manuals, strategies, routines dan segala hal yang membuat nilai perusahaan lebih besar daripada nilai materialnya.

6. CC adalah pengetahuan yang melekat dalam marketing channels dan customer relationship dimana suatu organisasi mengembangkannya melalui jalannya bisnis (Bontis et al., 2000 dalam Ulum et al., 2008).

Saleh et al., (2008) menyebutkan bahwa IC telah menjadi sumber yang penting bagi perusahaan untuk mencapai kesuksesan ekonominya. Selain itu, peran IC dalam penciptaan nilai perusahaan menjadi penting karena IC juga merupakan salah satu pembentuk keunggulan kompetitif dalam pasarnya dan menunjukkan kinerja keuangan yang lebih baik. IC yang dimaksud dalam hal ini terdiri dari human capital, capital stucture (internal structure), dan relational capital (external structure). Human capital merupakan pengetahuan yang dimiliki oleh karyawan yang berupa inovasi, fleksibilitas, toleransi, motivasi, kepuasan, kapasitas belajar, loyalitas, pelatihan dan pendidikan

formal (CIMA, 2000 dalam Farih, 2010). Internal Structure merupakan pengetahuan keorganisasian dengan orang-orang yang independen atau dapat pula didefinisikan sebagai pengetahuan keorganisasian, seperti intellectual properties, kontrak, database, informasi-informasi, sistem, budaya, prosedur-prosedur, manual, sistem administratif dan rutinitas, praktik-pratik terbaik (CIMA, 2000 dalam Farih, 2010). Intellectual capital (IC) ini juga yang menjadi salah satu pertimbangan investor dalam menginvestasikan modalnya dengan menilai kinerja perusahaan melalui pengungkapan intellectual capital (IC). Variasi bentuk dalam pengungkapan intellectual capital (IC) merupakan informasi yang bernilai bagi investor, yang dapat membantu mereka mengurangi ketidakpastian mengenai prospek ke depan dan memfasilitasi ketepatan penilaian terhadap perusahaan (Bukh, 2003). Nilai perusahaan berhubungan erat dengan human capital dan structural capital yang merupakan bagian dari intellectual capital (IC).

Pada penelitian ini intellectual capital (IC) diukur dengan metode VAIC™ yang dikembangkan oleh Pulic (1998). Metode ini didesain untuk menyajikan informasi tentang value creation efficiency dari aset berwujud (tangible asset) dan aset tidak berwujud (intangible assets) yang dimiliki perusahaan. Model ini dimulai dengan kemampuan perusahaan untuk menciptakan value added (VA). VA adalah indikator paling objektif untuk menilai keberhasilan bisnis dan menunjukkan kemampuan perusahaan dalam penciptaan nilai (value creation). VA dihitung sebagai selisih antara output dan input (Ulum et al., 2008). Metode VAIC™ ini mengukur intellectual

capital (IC) dengan cara menghitung value added yang dihasilkan dari tiga kombinasi rasio yang menjadi variabel independen dari penelitian ini yaitu Human Capital Efficiency (HCE), Structural Capital Efficiency (SCE), dan Capital Employed Efficiency (CEE).

Metode VAICTM mengukur efisiensi tiga jenis input perusahaan yaitu modal manusia, modal struktural, serta modal fisik dan finansial yang terdiri dari:

1. Human Capital Efficiency (HCE) adalah indikator efisiensi nilai tambah modal manusia. HCE merupakan rasio dari Value Added (VA) terhadap Human Capital (HC). Hubungan ini mengindikasikan kemampuan modal manusia membuat nilai pada sebuah perusahaan. HCE dapat diartikan juga sebagai kemampuan perusahaan menghasilkan nilai tambah setiap rupiah yang dikeluarkan pada modal manusia. HCE menunjukkan berapa banyak Value Added (VA) dapat dihasilkan dengan dana yang dikeluarkan untuk tenaga kerja (Ulum, 2008).

2. Structural Capital Efficiency (SCE) adalah indikator efisiensi nilai tambah modal struktural. SCE merupakan rasio dari SC (structural capital) terhadap VA (value added). Rasio ini mengukur jumlah SC yang dibutuhkan untuk menghasilkan 1 rupiah dari VA dan merupakan indikasi bagaimana keberhasilan SC dalam penciptaan nilai (Tan et al., 2007). 3. Capital Employed Efficiency (CEE) adalah indikator efisiensi nilai tambah

modal yang digunakan. CEE merupakan rasio dari VA (value added) terhadap CE (capital employed). CEE menggambarkan berapa banyak

nilai tambah perusahaan yang dihasilkan dari modal yang digunakan. CEE yaitu kalkulasi dari kemampuan mengelola modal perusahaan (Imaningati, 2007).

2.2 Penelitian Terdahulu

Tabel 2.1

Tinjauan Penelitian Terdahulu No. Nama Peneliti Judul Penelitian Variabel

Penelitian

Hasil Penelitian 1. Tirta Pratama

(2011)

Studi Pengaruh

Intellectual Capital

Terhadap Return on

Asset dari Badan

Usaha Manufaktur yang Go Public di Bursa Efek Indonesia Periode 2007-2009 Variabel independen: Human Capital Efficiency (HCE), Structural Capital Efficiency (SCE), dan Capital Employed Efficiency (CEE) Variabel dependen: Return

on Asset (ROA)

• Human Capital Efficiency (HCE) tidak berpengaruh signifikan (parsial) • Structural Capital Efficiency (SCE) berpengaruh signifikan (parsial) • Capital Employed Efficiency (CEE) tidak berpengaruh signifikan (parsial) • Human Capital

Efficiency (HCE), Structural Capital Efficiency (SCE), Capital Employed Efficiency (CEE) berpengaruh signifikan (simultan) 2. Hasna Fatima

(2012) Analisis Pengaruh Modal Intelektual terhadap Kinerja Perusahaan di Indonesia Periode Variabel independen: Value Added Intellectual Coefficient

(VAICTM) Variabel dependen:

• Intelectual Capital (VAICTM)

berpengaruh positif terhadap

Return on Assets

(ROA), • Intelectual

Return on Assets

(ROA), Market to

Book Value (MB)

berpengaruh positif terhadap

Market to Book Value (MB).

3. Niswah Baroroh (2013) Analisis Pengaruh Modal Intelektual terhadap Kinerja Keuangan Perusahaan Manufaktur di Indonesia Variabel independen: Intelectual Capital (VAICTM)

dan Rate of

Growth of Intelectual Capital (ROGIC)

Variabel dependen:

Return on Assets

(ROA)

• Intelectual Capital (VAICTM)

berpengaruh positif terhadap

Return on Assets

(ROA)

• Rate of Growth of Intelectual Capital (ROGIC)

berpengaruh positif terhadap

Return on Assets

(ROA) 4. Nila Butsainati

(2016) Pengaruh Intellectual Capital terhadap Kinerja Keuangan pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia tahun 2012-2014 Variabel independen: Human Capital Efficiency (HCE), Structural Capital Efficiency (SCE), dan Capital Employed Efficiency (CEE) Variabel dependen:

Return on Equity

(ROE)

• Human Capital Efficiency (HCE) tidak berpengaruh signifikan (parsial) • Structural Capital Efficiency (SCE) tidak berpengaruh signifikan (parsial) • Capital Employed Efficiency (CEE) berpengaruh signifikan (parsial) • Human Capital

Efficiency (HCE), Structural Capital Efficiency (SCE), Capital Employed Efficiency (CEE) berpengaruh signifikan (simultan) 5. Nurul Iman Sari

(2016)

Pengaruh Human

Capital Efficiency

(HCE), Structural

Capital Efficiency

(SCE), dan Capital

Employed Efficiency (CEE) terhadap Kinerja Perusahaan Variabel independen: Human Capital Efficiency (HCE), Structural Capital Efficiency (SCE), dan Capital Employed

• Human Capital Efficiency (HCE) tidak berpengaruh signifikan (parsial) • Structural Capital

Perbankan yang Terdaftar di Bursa Efek Indonesia Tahun 2012-2014

Efficiency (CEE)

Variabel dependen:

Return on Assets

(ROA)

Efficiency (SCE)

tidak berpengaruh signifikan (parsial) • Capital

Employed Efficiency (CEE)

berpengaruh signifikan (parsial) • Human Capital

Efficiency (HCE), Structural Capital

Efficiency (SCE), Capital

Employed Efficiency (CEE)

berpengaruh signifikan (simultan)

Modal Intelektual

2.3 Kerangka Konseptual

Gambar 2.1 Kerangka Konseptual

Sesuai dengan tinjauan pustaka yang telah dikemukakan di atas dan dengan melihat hasil-hasil penelitian yang berkaitan dengan pengaruh intellectual capital (IC) terhadap kinerja perusahaan seperti yang dilakukan peneliti terdahulu, keseluruhan penelitian tersebut menghasilkan kesimpulan yang sama terdapat pengaruh intellectual capital (IC) terhadap kinerja keuangan perusahaan. Sehingga kita dapat menyimpulkan bahwa secara umum memang telah terdapat bukti empiris yang membuktikan bahwa terdapat pengaruh intellectual capital (IC) terhadap kinerja perusahaan. Oleh karena itu maka dapat dikembangkan suatu kerangka teoritis sebagai dasar penentuan hipotesis (Gambar 2.1)

Maka gambaran dari kerangka konseptual untuk merumuskan hipotesis adalah sebagai berikut:

Kinerja Keuangan Perusahaan (ROA)

(Y) Human Capital

Efficiency (HCE) (X1)

H1

Structural Capital Efficiency (SCE)

(X2)

H2

H3 Capital Employed

Efficiency (CEE) (X3)

1. Hubungan Human Capital Efficiency (HCE) dengan Kinerja Keuangan Perusahaan

Komponen utama dari perusahaan perbankan yaitu human capital atau modal manusia. Hampir seluruh kegiatan usaha di perusahaan perbankan dilakukan oleh manusia. Berbeda dengan perusahaan manufaktur yang menggunakan mesin dalam kegiatan usahanya.

Human Capital Efficiency (HCE) merupakan indikator efisiensi nilai tambah modal manusia. HCE merupakan rasio dari value added (VA) terhadap human capital (HC). Hubungan ini mengindikasikan kemampuan modal manusia membuat nilai pada perusahaan. HCE menunjukkan berapa banyak value added (VA) dapat dihasilkan dengan dana yang dikeluarkan untuk tenaga kerja (Ulum, 2008). Sehingga hasil yang diharapkan HCE akan mepengaruhi kinerja perusahaan. Berdasarkan penelitian terdahulu belum ada yang menunjukkan modal manusia mempengaruhi kinerja keuangan secara signifikan. Maka pada penelitian kali ini peneliti berharap modal manusia dapat menunjukkan pengaruh yang signifikan. Dengan demikian dapat dikembangkan hipotesis sebagai berikut:

H1 : Terdapat pengaruh yang signifikan dalam Human Capital

Effficiency (HCE) terhadap kinerja keuangan perusahaan perbankan di Indonesia secara parsial.

2. Hubungan Structural Capital Efficiency (SCE) dengan Kinerja Keuangan Perusahaan

knowledge dalam organisasi. Termasuk dalam hal ini adalah database, sistem, strategi dan segala hal yang membantu human capital dalam menciptakan nilai tambah perusahaan.

Structural Capital Efficiency (SCE) merupakan indikator efisiensi nilai tambah modal struktural. SCE merupakan rasio dari structural capital (SC) terhadap value added (VA). Rasio ini mengukur jumlah SC yang dibutuhkan untuk menghasilkan VA dan merupakan indikasi bagaimana keberhasilan SC dalam penciptaan nilai (Tan et al., 2007). Sehingga hasil yang diharapkan SCE akan mempengaruhi kinerja perusahaan, seperti pada penelitian Pratama (2011) yang hasil penelitiannya menunjukkan modal struktural mempengaruhi ROA secara signifikan. Maka dapat dikembangkan hipotesis sebagai berikut:

H2 : Terdapat pengaruh yang signifikan dalam Structural Capital

Efficiency (SCE) terhadap kinerja keuangan perusahaan perbankan di Indonesia secara parsial.

3. Hubungan Capital Employed Efficiency (CEE) dengan Kinerja Keuangan Perusahaan

Modal yang tersedia di perusahaan akan digunakan untuk kegiatan usaha yang dilakukan oleh human capital dengan dibantu structural capital untuk menciptakan kekayaan.

Capital Employed Efficiency (CEE) merupakan indikator efisiensi nilai tambah terhadap modal yang digunakan. CEE merupakan rasio dari value added (VA) terhadap capital employed (CE). CEE menggambarkan

berapa banyak nilai tambah perusahaan yang dihasilkan dari modal yang digunakan. CEE merupakan kalkulasi dari kemampuan mengelola modal yang digunakan (Imaningati, 2007). Sehingga hasil yang diharapkan CEE akan mepengaruhi kinerja perusahaan, seperti penelitian yang dilakukan Butsainati (2016) dan Sari (2016) dimana modal yang digunakan mempengaruhi kinerja keuangan secara signifikan. Maka dapat dikembangkan hipotesis sebagai berikut:

H3 : Terdapat pengaruh yang signifikan dalam Capital Employed

Efficiency (CEE) terhadap kinerja keuangan perusahaan perbankan di Indonesia secara parsial.

4. Hubungan Human Capital Effficiency (HCE), Structural Capital Efficiency (SCE), dan Capital Employed Efficiency (CEE) dengan Kinerja Keuangan Perusahaan

Intellectual capital mencakup ilmu pengetahuan, kompetensi, sistem, dan segala hal lain yang digunakan untuk menciptakan kekayaan perusahaan selain aset berwujud. Semakin baik pengelolaan dari seluruh komponen intellectual capital maka diharapkan semakin bagus kinerja perusahaan dalam menciptakan keunggulan kompetitifnya. Hal ini sesuai dengan semua penelitian terdahulu yang hasilnya adalah intellectual capital mempengaruhi kinerja perusahaan secara signifkan. Maka dapat dikembangkan hipotesis sebagai berikut:

H4 : Terdapat pengaruh yang signifikan dalam Human Capital

Effficiency (HCE), Structural Capital Efficiency (SCE), dan Capital Employed Efficiency (CEE) terhadap kinerja keuangan perusahaan perbankan di Indonesia secara simultan.

2.4 Hipotesis

Berdasarkan kerangka teoritis yang dibuat, maka penelitian ini dapat dirumuskan hipotesis alternatif untuk menguji pengaruh intellectual capital terhadap kinerja keuangan sebagai berikut:

H1 : Terdapat pengaruh yang signifikan dalam Human Capital Effficiency (HCE) terhadap kinerja keuangan perusahaan perbankan di Indonesia secara parsial.

H2 : Terdapat pengaruh yang signifikan dalam Structural Capital Efficiency (SCE) terhadap kinerja keuangan perusahaan perbankan di Indonesia secara parsial.

H3 : Terdapat pengaruh yang signifikan dalam Capital Employed Efficiency (CEE) terhadap kinerja keuangan perusahaan perbankan di Indonesia secara parsial.

H4 : Terdapat pengaruh yang signifikan dalam Human Capital Effficiency (HCE), Structural Capital Efficiency (SCE), dan Capital Employed Efficiency (CEE) terhadap kinerja keuangan perusahaan perbankan di Indonesia secara simultan.

Sekretaris Departemen Akuntansi Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara.

3. Bapak Drs. Firman Syarif, M.Si., Ak selaku Ketua Program Studi S-1 Akuntansi dan Ibu Dra. Mutia Ismail, MM., Ak selaku Sekretaris Program Studi S-1 Akuntansi Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara.

4. Ibu Dra. Nurzaimah, MM, Ak selaku Dosen Pembimbing, Bapak Drs. Rustam, M.Si, Ak selaku Dosen Penguji, dan Ibu Dra. Mutia Ismail, MM, Ak selaku Dosen Pembanding yang banyak membantu penulis dalam memberikan bimbingan, pengarahan, bantuan, saran dan kritik serta mendukung penulis demi kesempurnaan skripsi ini.

5. Anggie Maulida Lubis dan juga sahabat-sahabat penulis yaitu Dina, Arif, Satya, Isyraqi, Raichan, Maryadi, Hadi, Rozi, Anca, Aidil, Anggi, Gita dan Fadli, dan teman-teman lainnya yang selalu membantu, memotivasi dan ada disaat senang maupun sulit.

Penulis menyadari bahwa skripsi ini masih jauh dari sempurna. Oleh karena itu, penulis mengharapkan kritikan dan saran yang membangun demi kesempurnaan skripsi ini.

Medan, Desember 2015 Penulis,

NIM : 150522050

vi DAFTAR ISI

Halaman

PERNYATAAN ... i

ABSTRAK ... ii

ABSTRACT ... iii

KATA PENGANTAR ... iv

DAFTAR ISI ... vi

DAFTAR TABEL ... viii

DAFTAR GAMBAR ... ix

DAFTAR LAMPIRAN ... x

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 5

1.3 Tujuan Penelitian ... 5

1.4 Manfaat Penelitian ... 6

BAB II TINJAUAN PUSTAKA ... 7

2.1 Landasan Teori ... 7

2.1.1 Kinerja Keuangan Perusahaan ... 7

2.1.2 Resources Based Theory/Resources Based View (RBV) 9 2.1.3 Intellectual Capital (IC) ... 11

2.2 Penelitian Terdahulu ... 15

2.3 Kerangka Konseptual ... 18

2.4 Hipotesis ... 22

BAB III METODE PENELITIAN ... 23

3.1 Jenis Penelitian ... 23

3.2 Tempat dan Waktu Penelitian ... 23

3.3 Jenis Data ... 23

3.4 Metode Pengumpulan Data ... 23

3.5 Variabel Penelitian dan Definisi Operasional ... 24

3.5.1 Variabel Dependen/Variabel Terikat ... 24

3.5.2 Variabel Independen/Variabel Bebas ... 24

3.6 Populasi dan Sampel Penelitian ... 28

3.7 Teknik Analisis ... 30

3.7.1 Statistik Deskriptif ... 30

3.7.2 Uji Asumsi Klasik ... 31

3.7.2.1 Uji Normalitas ... 31

3.7.2.2 Uji Multikolonieritas ... 32

3.7.2.3 Uji Autokorelasi ... 32

Halaman

3.7.3 Analisis Regresi Linear Berganda ... 33

3.7.4 Uji Hipotesis... 34

3.7.4.1 Koefisien Determinasi ... 34

3.7.4.2 Uji Signifikansi Simultan (Uji Statistik F) ... 35

3.7.4.3 Uji Signifikansi Parameter Individual (Uji Statistik t) ... 36

BAB IV HASIL DAN PEMBAHASAN ... 37

4.1 Statistik Deskriptif ... 37

4.2 Uji Asumsi Klasik ... 38

4.2.1 Uji Normalitas ... 38

4.4.2 Uji Multikolinieritas ... 40

4.4.3 Uji Autokorelasi ... 41

4.4.4 Uji Heteroskedastisitas ... 42

4.3 Uji Hipotesis ... 43

4.3.1 Koefisien Determinasi ... 43

4.3.2 Uji Signifikansi Simultan (Uji F) ... 44

4.3.3 Uji Signifikansi Parameter Individual (Uji Statistik t) 45 4.4 Pembahasan dan Hasil Penelitian ... 48

BAB V KESIMPULAN DAN SARAN ... 51

5.1 Kesimpulan ... 51

5.2 Saran ... 51

viii DAFTAR TABEL

No. Judul Halaman

2.1 Tinjauan Penelitian Terdahulu ... 15

3.1 Definisi Operasional ... 27

3.2 Daftar Populasi dan Sampel Perusahaan Perbankan ... 28

4.1 Statistik Deskriptif ... 37

4.2 Uji Normalitas ... 40

4.3 Uji Multikolinieritas ... 41

4.4 Uji Autokorelasi ... 41

4.5 Analisis Regresi Berganda ... 43

4.6 Koeisien Determinasi (R2) ... 44

4.7 Uji Statistik F (Simultan) ... 44

DAFTAR GAMBAR

No. Judul Halaman 2.1 Kerangka Konseptual ... 18 4.1 Normal P-P Plot ... 39 4.2 Grafik Scatterplot ... 42

x DAFTAR LAMPIRAN

No. Judul Halaman

1 Data Intellectual Capital Tahun 2012 ... 56

2 Data Intellectual Capital Tahun 2013 ... 57

3 Data Intellectual Capital Tahun 2014 ... 58

4 Data Intellectual Capital Tahun 2015 ... 59

5 Hasil Analisis Data (SPSS 20) ... 60

6 Tabel Data Distribusi F (Simultan) ... 65