dinilai kontribusi IC terhadap kinerjanya karena semakin banyak yang mendistribusikan dananya pada aset keuangan.
3.3. Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini adalah data sekunder. Data diperoleh dari laporan keuangan perusahaan terdaftar di BEI yang dimulai dari
tahun 2006 sampai tahun 2008 pada semua perusahaan yang terdaftar di BEI serta Indonesia Capital Market Directory.
3.4. Metode Pengumpulan Data
Dalam penelitian ini data sekunder dikumpulkan dengan cara melakukan metode dokumentasi. Data diperoleh dari Pojok Bursa Efek Indonesia Fakultas
Ekonomi Universitas Diponegoro atau internet www.idx.go.id
dan situs perusahaan. Dari sumber tersebut diperoleh data kuantitatif berupa data laporan
keuangan yang telah diterbitkan oleh perusahaan-perusahaan yang telah go public dan listed di Bursa Efek Indonesia serta Indonesia Capital Market Directory.
3.5. Metode Analisis
Hipotesis pertama H
1
digunakan untuk mengetahui pengaruh IC dengan data kinerja perusahaan tahun yang sama. Pengujian IC digunakan untuk
memperoleh abnormal return, salah satunya harus menggunakan uji prediktif multi periode Tan et al., 2007. Hipotesis kedua H
2
dibentuk untuk menguji kapabilitas prediktif IC. Jika IC merupakan kendali utama nilai perusahaan, maka
secara logis tingkat pertumbuhan IC seharusnya juga berpengaruh dengan peningkatan dalam kinerja perusahaan. Hipotesis ketiga H
3
digunakan untuk mengetahui pengaruh tingkat pertumbuhan intellectual capital terhadap kinerja
perusahaan. Hipotesis ini akan diuji untuk memvaliditas prediksi dalam hipotesis kedua. Hipotesis keempat H
4
diformulasikan untuk menguji apakah kontribusi IC berbeda untuk perusahaan dari industri yang berbeda.
Hasil penelitian Tan et al. 2007 dengan menggunakan regresi berganda tidak meyakinkan. Dari 21 uji regresi berganda yang dilakukan, hanya 9 yang
memberikan hasil yang signifikan. Hasil itu signifikan secara statistik untuk beberapa tahun tetapi tidak untuk tahun yang lain. Jadi regresi berganda dianggap
tidak memadai untuk penelitian ini dan lebih lanjut analisis akan menggunakan Partial Least Square PLS. Dalam hal ini, kinerja perusahaan diperlakukan
sebagai sebuah variabel laten dengan ROE, EPS, dan ASR sebagai indikator. Model itu memperlakukan IC dan kinerja perusahaaan sebagai variabel laten
dengan tiga indikator tiap variabelnya karena regresi berganda tidak dapat menyediakan alat uji untuk tipe analisis ini
PLS merupakan sebuah metode untuk melaksanakan Structural Equation Modelling SEM, untuk tujuan saat ini dianggap lebih baik daripada teknik SEM
software AMOS, LISREL yang lain. Model ini dikembangkan sebagai alternatif untuk situasi dimana dasar teori pada perancangan model lemah dan atau
indikator yang tersedia tidak memenuhi model pengukuran reflektif. PLS merupakan metode analisis yang sangat baik karena dapat diterapkan pada semua
skala data, tidak membutuhkan banyak asumsi dan ukuran sampel tidak harus besar Ghozali, 2006.
PLS selain dapat digunakan sebagai konfirmasi teori juga dapat digunakan untuk membangun hubungan yang belum ada landasan teorinya atau untuk
pengujian proposisi, PLS juga merupakan pendekatan yang lebih tepat untuk tujuan prediksi, hal ini terutama pada kondisi dimana indikator bersifat formatif,
atau ketika penelitian ini masih tidak pasti karena variabel seharusnya termasuk pada sebuah model atau berhubungan diantara variabel dengan model miss-
specified akan menghasilkan perkiraan inferior varians sesuai yang dijelaskan PLS. Missing variables dan miss-specification lain hanya memiliki sedikit efek
estimasi yang dibuat oleh PLS Tan et al., 2007; Ghozali, 2006. Selanjutnya model pengujian hipotesis dengan PLS, akan ditunjukkan oleh gambar berikut:
Gambar 3.1 Model Konseptual dengan PLS
Sesuai dengan metode analisis dan model konseptual diatas, maka dapat dibuat model analisis jalur semua variabel laten dalam PLS. Model analisis jalur
semua variabel laten dalam PLS terdiri dari Ghozali, 2006: 1. Inner model, yang menspesifikasi hubungan antar variabel laten structural
model. Model persamaannya dapat ditulis sebagai berikut: =
+ +
+
VACA
STVA
Intellectual Capital
VAIC
TM
Company’s Performance
PERF EPS
VAHU ASR
ROE
2. Outer model, yang menspesifikasi hubungan antara variabel laten dengan indikator manifestnya measurement model. Model persamaannya dapat
ditulis sebagai berikut: - Untuk variabel laten eksogen: =
x1
X
1
+
x2
X
2
+
x3
X
3
+ - Untuk variabel laten endogen: =
y1
Y
1
+
y2
Y
2
+
y3
Y
3
+
Keterangan: - X
1
= VACA - X
2
= VAHU - X
3
= STVA - Y
1
= ROE - Y
2
= EPS - Y
3
= ASR -
= ksi VAIC
TM
variabel laten eksogen - = eta
Company’s Performancevariabel laten endogen -
x = lambda kecil, loading faktor variabel laten eksogen -
y = lambda kecil, loading faktor variabel laten endogen -
= beta koefisien pengaruh variabel endogen terhadap endogen -
= gamma koefisien pengaruh variabel eksogen terhadap endogen -
= zeta vektor varibel residual -
= residual dari regresi pada variabel laten eksogen -
= residual dari regresi pada variabel laten endogen
BAB IV HASIL DAN ANALISIS
4.1.Deskripsi Objek Penelitian
Sebagaimana yang telah diuraikan pada bab sebelumnya, bahwa penelitian ini melibatkan beberapa variabel dependen yaitu Value Added Capital Employed
VACA, Value Added Human Capital VAHU, dan Structural Capital Value Added STVA, serta beberapa variabel independen yaitu Return on Equity
ROE, Earning per Share EPS, dan Annual Stock Return ASR.
Tabel 4.1 Penentuan Sampel
Keterangan Jumlah
Populasi 346
Populasi yang tidak memenuhi kriteria: 1. Penghasilan perusahaan dari pasar lokal.
2. Perusahaan tidak dimiliki pihak asing. 3. Perusahaan tidak melakukan merger atau diakuisisi.
4. Perusahaan tidak menderita rugi besar, neracanya tidak menunjukkan kekayaan negatif.
5. Perusahaan tidak disuspen dari perdagangan. 6. Perusahaan harus tercatat perdagangan sahamnya.
141 18
126 1
47 Jumlah populasi yang tidak memenuhi kriteria secara keseluruhan
271
Sampel yang dapat dianalisis
75
Sumber: BEI 2010
Populasi dalam penelitian ini adalah perusahaan yang telah go-public dan listed di Bursa Efek Indonesia BEI pada tahun 2006 sampai tahun 2008.