telah dipublikasikan kepada masyarakat pengguna data Kuncoro, 200:127. Data sekunder dalam penelitian ini adalah laporan tahunan yang berasal dari hasil
publikasi Bank Indonesia dari tahun 2008 sampai dengan 2012, website Bank Asing, buku-buku refrensi, internet, jurnal dan literatur ilmiah lainnya yang
berkaitan dengan topik pembahasan penelitian.
3.7 Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah studi dokumentasi. Studi dokumentasi dilakukan dengan cara mengumpulkan data
dari berbagai literatur, jurnal, buku-buku refrensi untuk mendapatkan gambaran masalah yang diteliti serta mengumpulkan data sekunder yang relevan dari
laporan tahunan yang dipublikasikan oleh Bank Indonesia dan website masing- masing Bank Asing.
3.8 Teknik Analisis Data
Teknik analisis data yang digunakan pada penelitian ini adalah teknik analisis deskriptif dan teknik analisis statistik. Berikut langkah yang dilakukan
dalam analisis tersebut masing-masing akan dijelaskan di bawah ini.
3.8.1 Analisis Deskriptif
Analisis deskriptif adalah suatu metode analisis yang dilakukan dengan cara menentukan data, mengumpulkan data, dan menginterpretasikan data
sehingga dapat memberikan gambaran masalah yang dihadapi. Dalam penelitian ini, dengan melihat gambaran dari data-data yang ada, maka akan diperoleh
Universitas Sumatera Utara
informasi yang jelas mengenai pengaruh intellectual capital terhadap pertumbuhan organisasi perbankan asing di Indonesia.
3.8.2 Analisis Regresi Linear Berganda
Untuk mengetahui hubungan antara VACA, VAHU dan STVA terhadap pertumbuhan laba EG maka penelitian ini juga menggunakan analisis linier
berganda. Analisis linier berganda untuk memperoleh gambaran yang menyeluruh mengenai hubungan antara variabel satu dengan variabel lain. Dalam analisis
regresi linear berganda, pengujian asumsi klasik perlu dilakukan untuk memastikan apakah model regresi linier berganda yang digunakan tidak terdapat
masalah normalitas, multikolonieritas, heteroskedastisitas dan autokorelasi. Jika semua itu terpenuhi berarti bahwa model analisis telah layak digunakan.
Persamaan regresi linier berganda yang digunakan adalah sebagai berikut:
Y
1
= α + β
1
VACA +
β
2
VAHU +
β
3
STVA + e
Keterangan: Y
1
= Pertumbuhan laba EG α
= Konstanta b
1,
b
2,
b
3
= Koefisien regresi untuk masing-masing variabel VACA
= Value added capital employed VAHU
= Value added human capital STVA
= Structural capital value added e
= Standart error
3.8.3 Pengujian Asumsi Klasik
Adapun syarat asumsi klasik yang harus dipenuhi model regresi berganda sebelum data tersebut dianalisis adalah sebagai berikut:
Universitas Sumatera Utara
3.8.3.1 Uji Normalitas
Uji normalitas dilakukan untuk menguji apakah dalam sebuah model regresi, variabel independen dan variabel dependen atau keduanya mempunyai
distribusi normal atau tidak. Dengan kata lain, uji normalitas dilakukan untuk mengetahui sifat distribusi data penelitian yang berfungsi untuk mengetahui
apakah sampel yang diambil normal atau tidak dengan menguji sebaran data yang dianalisis.
Model yang paling baik adalah distribusi data normal atau mendekati normal. Normalitas data dapat dideteksi dengan melihat bentuk kurva histogram
dengan kemiringan seimbang ke kiri dan ke kanan dan berbentuk seperti lonceng atau dengan melihat titik-titik data yang menyebar disekitar garis diagonal dan
searah mengikuti garis diagonal dari gambar kurva Normal Probability Plot Situmorang et al., 2008:56. Uji ini juga dilakukan melalui analisis One sample
Kolmogrov-Smirnov. Hipotesisnya sebagai berikut:
H = data residual berdistribusi normal
H
a
= data rasidual tidak berdistribusi normal Dengan menggunak
an tingkat signifikan α 5. Jika nilai Asymp.Sig 2 tailed taraf nyata α, maka H
diterima artinya data residual berdistribusi normal. Sebaliknya jika nilai Asymp.Sig 2 tailed
taraf nyata α, maka H diterima artinya data residual tidak berdistribusi normal.
Universitas Sumatera Utara
3.8.3.2 Uji Heteroskedastisitas
Asumsi Heterokedastisitas adalah asumsi dalam regresi dimana varians dari residual tidak sama untuk satu pengamatan ke pengamatan lain. Jika varians
dari residual dari suatu pengamatan ke pengamatan lain tetap, maka disebut homokesdastisitas Salah satu uji untuk mengetahui heterokedastisitas ini adalah
dengan melihat penyebaran dari varians residual pada diagram pencar scatter plot Situmorang et al., 2008:68. Dasar analisis untuk pengambial keputusan
adalah : 1. Jika terlihat titik-titik membentuk sebuah pola tertentu yang teratur
bergelombang, melebar kemudian menyempit maka mengindikasikan telah terjadi heteroskedasitas.
2. Jika terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka 0 pada
sumbu Y maka tidak terjadi heteroskedastisitas. Uji ini juga dapat dilakukan melalui uji Glejser, yaitu dengan meregresi
nilai absolut residual terhadap variabel independen. Apabila signifikansi dari taraf nyata 5, maka dianggap tidak terjadi masalah heterokedastisitas, dan begitu
sebaliknya.
3.8.3.3 Uji Autokorelasi
Uji ini digunakan untuk menguji apakah dalam sebuah model regresi linear berganda ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pada periode t-1 periode sebelumnya. Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Model regresi yang baik
Universitas Sumatera Utara
adalah regresi yang bebas dari autokorelasi. Gejala autokorelasi dideteksi dengan menggunakan Durbin-Watson test Situmorang et al., 2008:78.
Kriteria pengambilan keputusan uji autokorelasi ditunjukkan pada Tabel 3.3 sebagai berikut:
Tabel 3.3 Kriteria Pengambilan Keputusan Uji Autokorelasi
Hipotesis Nol Jika
Keputusan Tidak ada autokorelasi positif
0DWd
L
Ditolak Tidak ada autokorelasi positif
D
L
DW d
U
No decision Tidak ada autokorelasi negatif
4-d
L
DW 4 Ditolak
Tidak ada autokorelasi negatif 4-d
U
DW 4-d
L
No decision Tidak ada autokorelasi positif atau negatif
d
U
DW 4-d
U
Tidak ditolak
Sumber: Situmorang et al., 2008 Keterangan:
d
L
= Batas bawah d
U
= Batas Atas
3.8.3.4 Uji Multikolinearitas
Uji ini digunakan untuk menguji apakah dalam sebuah model regresi ditemukan adanya korelasi antara veriabel independen. Jika terjadi korelasi, maka
dikatakan terdapat masalah multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen. Pengujian terhadap ada tidaknya
multikolinearitas dilakukan dengan menggunakan metode VIF Variance Inflation Factor dengan ketentuan yaitu:
1. Jika tolerance value 0.1 atau VIF 5, maka terjadi multikolinearitas. 2. Jika tolerance value 0.1 atau VIF 5, maka tidak terjadi multikolinearitas.
Universitas Sumatera Utara
3.8.4 Pengujian Hipotesis 3.8.4.1 Uji Signifikan Simultan Uji-F
