30
4.1 Pembahasan Perbandingan Pengungkapan Komponen Intellectual Capital Dalam
Laporan Tahunan High-Tech Industries Lebih Banyak Dibandingkan
Tradisional Industries Pengujian Data
Langkah pertama yang akan dilakukan dalam pengujian data yaitu dengan melakukan uji normalitas menggunakan uji Kolmogorov Smirnov, untuk
melihat apakah data dalam penelitian ini berdistribusi normal atau tidak. Uji normalitas dilakukan terhadap dua kategori sampel yaitu perusahaan-perusahaan yang
termasuk dalam “High-tech industries” dan perusahaan-perusahaan yang termasuk dalam kelompok “Traditional Industries”. Pada kategori High-tech Industries
diperoleh nilai signifikansi Kolmogorov-Smirnov 0,988 0,05 dapat dilihat pada lampiran 1. Nilai signifikansi tersebut lebih besar dari 0,05, hal ini membuktikan
bahwa data tersebut terdistribusi normal. Begitu juga dengan data perusahaan pada kategori Traditional Industries diperoleh nilai signifikansi kolmogorov-Smirnov
0,497 0,05. Nilai tersebut lebih besar dari 0,05 yang membuktikan bahwa data terdistribusi normal, maka alat analisis yang digunakan adalah uji beda rata-rata
untuk dua populasi independen dengan metode parametrik.
31
Tabel 4.3 Hasil Uji Beda Rata-Rata Pengungkapan
Komponen Intellectual Capital
Variabel Mean
Levene’s Test t-test
IC High-tech 16,79
F Sig
t Sig 2-tailed
IC Traditional 14,17
11,234 ,001
-2,112 ,005
Sumber : Lampiran 1 Terlihat dari tabel 4.3
bahwa F hitung levene test sebesar 11,234 dengan probabilitas 0,001, karena probabilitas lebih kecil 0,05 maka dapat disimpulkan bahwa H
atau memiliki variance berbeda. Dengan demikian analisis uji beda rata-rata harus
menggunakan equal variance not assumed. Dari output SPSS terlihat bahwa nilai t pada equal variance not assumed adalah -2, 112 dengan probabilitas 0,005 two tail,
namun dalam penelitian ini, menggunakan uji satu sisi one tail sehingga nilai probabilitasnya adalah 0,0025. Dengan demikian hipotesis yang menyatakan item
pengungkapan komponen IC high lebih besar dibandingkan dengan item komponen pengungkapan IC traditional industries adalah diterima.
Perusahaan yang termasuk dalam kelompok high-tech industries selain pengungkapan terhadap aset fisik dan financial, juga terbukti lebih banyak
mengungkapkan asset tidak berwujud dalam hal ini Intellectual Capital dalam
32 laporan tahunan. Berdasarkan hasil pengujian, diperoleh nilai rata-rata item
pengungkapan komponen IC high tech industries sebesar 16,79 yang berarti lebih besar dibandingkan dengan item komponen pengungkapan IC traditional industries
yang memiliki nilai rata-rata sebesar 14,17. Pengungkapan 27 item Intellectual Capital yang dikelompokkan ke dalam 3 kategori umum yaitu internal capital,
eksternal capital, dan employee competence oleh perusahaan high-tech industries memiliki rata-rata pengungkapan item Intellectual Capital lebih banyak daripada
perusahaan traditional industries pada setiap pengelompokkan kategori di atas. Pada kategori internal capital, Management philosophy, Corporate Culture, Management
Process, Corporate Know-how merupakan item-item yang selalu diungkapkan oleh perusahaan high-tech industries maupun Traditional Industry. Sedangkan
information system, networking system, RnD activities merupakan item Intellectual Capital yang dominan lebih banyak diungkapkan oleh perusahaan-perusahaan yang
termasuk dalam kategori high-tech industries. Hal tersebut karena perusahaan yang masuk kategori kelompok ini merupakan perusahaan yang bergerak dalam bidang
teknologi, sehingga perusahaan lebih memfokuskan pada pengembangan teknologi tinggi terhadap sistem jaringan dan informasi serta kegiatan riset dan pengembangan.
Sedangkan pada kategori eksternal capital item Company Name merupakan item Intellectual Capital yang lebih banyak diungkapkan oleh perusahaan yg masuk
kategori high-tech industries selain itu customer, financial contract juga diungkapkan oleh seluruh perusahaan kategori high-tech industries. Sedangkan distribution chanel
diungkapkan oleh 10 perusahaan, dan pada Kategori employee competence item
33 know-how dan work-related knowledge merupakan item yang diungkapkan oleh
seluruh perusahaan sampel high-tech industries. Perusahaan high-tech industries memerlukan karyawan yang memiliki pengetahuan dan keahlian tentang teknologi,
dan hal tersebut perlu diungkapkan untuk menambah keyakinan investor bahwa kegiatam operasional perusahaan dilakukan oleh orang-orang yang berkompeten
dibidangnya. Sehingga kegiatan operasional perusahaan dapat berjalan secara
maksimal. Pengaruh Jumlah Komponen Pengungkapan
Intellectual Capital Dalam Laporan Keuangan Tahunan Terhadap Kinerja Pasar Perusahaan
Model Persamaan Regresi Sederhana
Sebelum melakukan analisis regresi, terlebih dahulu dilakukan pengujian asumsi klasik. Model regresi yang baik adalah model yang dapat memenuhi asumsi
klasik yang disyaratkan. Adapun pengujian terhadap asumsi klasik dengan program SPSS yang dilakukan pada penelitian ini meliputi uji normalitas dan uji
heterokedastisitas. Hasil pengujian dengan menggunakan Kolmogorov Smirnov untuk menguji
normalitas residual adalah sebagai berikut :
34
Tabel 4.4 Hasil Uji Normalitas Residual
One-Sample Kolmogorov-Smirnov Test
80 ,0000000
7,36630181 ,321
,321 -,302
2,868 ,000
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Sumber : data sekunder yang diolah, 2012
Berdasarkan hasil nilai signifikasi Kolmogorov Smirnov sebesar 0,000 0,05, nilai tersebut lebih kecil dari 0,05 sehingga bisa diasumsikan data tidak normal.
Data yang tidak normal dapat dinormalkan dengan menghilangkan data outlier atau data yang ekstrim.Dalam penelitian ini terdapat 17 perusahaan yang memilki data
ekstrim. Oleh karena itu, 17 data perusahaan ini dihilangkan. Hasil pengujian normalitas setelah menghilangkan outlier adalah sebagai berikut :
35
Tabel 4.5 Hasil Uji Nomalitas
Setelah Menghilangkan Data Ekstrim
One-Sample Kolmogorov-Smirnov Test
63 ,0000000
1,06960757 ,146
,146 -,111
1,162 ,134
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Sumber : data sekunder yang diolah, 2011
Berdasarkan hasil nilai signifikasi Kolmogorov Smirnov sebesar 0,134 0,05, hasil tersebut lebih kecil dari 0,05, maka residual dari model regresi yang baru
sudah berdistribusi normal. Langkah selanjutnya setelah dilakukan uji normalitas adalah melakukan uji heterokedastisitas. Hasil pengujian heterokedastisitasadalah
sebagai berikut :
36
Gambar 4.1
Grafik Hasil Uji Heterokedastisitas
3 2
1 -1
-2
Regression Studentized Residual
3 2
1 -1
-2
Re gres
sio n S
tan dard
iz ed
Pre dic
ted
Va lue
Dependent Variable: TobinQ Scatterplot
Sumber : Data sekunder yang diolah, 2012
Dari grafik scatterplot, terlihat titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Dari pengamatan
pada grafik di atas maka disimpulkan bahwa dalam model regresi ini tidak terjadi heteroskedastisitas.
Setelah dilakukan pengujian asumsi klasik yang terdiri dari uji normalitas dan uji heterokedastisitas , dapat disimpulkan bahwa data penelitian telah memenuhi
asumsi tersebut. Langkah selanjutnya adalah dilakukannya pengujian model regresi. Berikut adalah model regresi yang dihasilkan :
37
Tabel 4.6 Hasil Regresi
Coefficients
a
-,286 ,646
-,442 ,660
,123 ,043
,343 2,854
,006 Constant
IC Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: TobinQ a.
Sumber : Data sekunder yang diolah, 2011
Dari Tabel 4.6 hasil pengolahan data dengan bantuan program SPSS 13, maka didapatkan model persamaan regresi akhir sebagai berikut :
Tobins’Q = -0,286 + 0,123 IC + e
Konstanta sebesar -0,286 menyatakan bahwa jika pengungkapan komponen intellectual capital sama dengan nol atau tidak ada pengungkapan, maka kinerja pasar
perusahaan adalah sebesar -0,286. Sedangkan nilai koefisien regresi 0,123,
menyatakan setiap peningkatan sebesar 1 item pengungkapan komponen intellectual capital, maka akan meningkatkan variabel kinerja pasar perusahaan sebesar 0,123.
Hasil pengujian Intellectual Capital Disclosure terhadap kinerja pasar diperoleh nilai koefisien 0,123 dengan nilai uji t hitung sebesar 2,854 dan nilai
tingkat signifikansi sebesar 0,006. Nilai tingkat signifikansi tersebut lebih kecil dari α
= 0,05, hal ini dapat disimpulkan bahwa H ditolak H
a
diterima. Jadi dapat
38 disimpulkan bahwa Intellectual Capital Disclosure berpengaruh positif dan signifikan
terhadap kinerja pasar perusahaan.
Tabel 4.7 Koefisien Determinasi
Model Summary
b
,343
a
,118 ,103
1,078339 2,133
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, IC a.
Dependent Variable: TobinQ b.
Nilai koefisien determinasi ditunjukkan dengan nilai R square sebesar 0,118, dapat diartikan bahwa variabel independen intellectual capital dapat menjelaskan
variabel dependen kinerja pasar perusahaan sebesar 11,80 sedangkan sisanya diterangkan oleh faktor lain yang tidak diamati dalam penelitian ini seperti ROA,
Book Value, dan DER. Pengujian hipotesis kedua dalam model regresi ini dapat membuktikan secara
statistik bahwa terdapat pengaruh positif jumlah komponen pengungkapan Intellectual Capital dalam laporan keuangan tahunan terhadap kinerja pasar
perusahaan. Terdapat 3 kategori Intellectual Capital yaitu internal capital, eksternal capital dan employee competence. Perusahaan yang memiliki internal capital yang
lengkap menunjukkan bahwa terdapat struktur intern yang baik pada perusahaan tersebut. Keadaan tersebut akan menciptakan iklim kondusif yang dapat
meningkatkan produktivitas perusahaan tersebut. Hal tersebut juga akan berpengaruh
39 terhadap citra serta nama baik perusahaan dimata kompetitor maupun investor.
Perusahaan-perusahaan yang memiliki nama baik tentunya akan menggunakan tenaga yang berkompeten dibidangnya untuk mendukung kegiatan operasional perusahaan.
Jadi dapat disimpulkan bahwa pengungkapan terhadap ketiga kategori Intellectual Capital dapat membantu investor dalam menilai kinerja perusahaan tersebut. Jika IC
dapat memberi gambaran kepada investor mengenai prospek kinerja yang baik di masa yang akan datang, hal tersebut akan meningkatkan permintaan saham
perusahaan sehingga harga saham dan kinerja pasar juga akan ikut meningkat. Intellectual Capital Disclosure berpengaruh positif terhadap kinerja
perusahaan pasar perusahaan. Hal ini mengindikasikan bahwa Intellectual Capital lebih luas dari sekedar sumber daya manusia, dan bukan pada hanya property
intelektual, bukan pula sekedar aktiva tidak berwujud, tidak hanya terjadi di dalam perusahaan, tetapi merupakan sinergi dari unsure manusia sebagai pengelola
perusahaan dengan segala atribut yang melekat padanya seperti pengetahuan, keterampilan, pengalaman, teknologi berwujud maupun tidak dengan segala
kecanggihannya untuk memudahkan pengelolaan informasi dan terciptanya inovasi, serta interaksinya dengan pihak-pihak di dalam maupun dengan pelanggan yang ada
di luar perusahaan sehingga memberikan nilai lebih bagi perusahaan. Intellectual Capital Disclosure tidak hanya berguna pada pada saat sekarang akan tetapi juga
bisa digunakan untuk jangka panjang.
40
5. KESIMPULAN