Tabel 4.4 Kategori Kinerja IC VAIC Industri Perbankan
Kategori Skor IC VAIC
Top performers 5.00
Good performers 4.00 - 5.00
Common performers 2.5 - 4.00
Bad performers 2.5
Sumber : Kamath 2007 dalam Ulum, 2009:92 Tabel 4.5 di bawah ini menunjukkan analisis statistik deskriptif atas
variabel dependen VAIC
TM
untuk periode 2008 - 2012.
Tabel 4.5 Hasil Perhitungan
VAIC
TM
periode 2008-2012
No Nama Bank
2008 2009
2010 2011
2012 Rata-rata Kategori
1 America
6.00 6.14
-1.19 11.51
0.16 4.52
Good 2
China 7.80
12.75 97.82
15.66 6.35
28.08
Good 3
Citibank 8.10
7.64 3.73
2.12 6.28
5.57 Good
4 Bank
8.56 8.48
5.24 8.17
5.75 7.24
Good 5
Morgan 11.21
15.86 -5.82
9.20 14.98
9.09 Good
6 Std. Cartered
7.91 9.87
17.80 -2.32
5.08 7.67
Good 7
Bangkok 15.84
34.21 12.30
10.99 13.10
17.29 Good
8 Tokyo
5.74 7.12
5.12 5.01
6.86
5.97
Good 9
Hongk Shang 8.91
6.42 5.75
5.59 4.92
6.32
Good 10
Royal 3.30
2.77 3.03
2.39 1.30
2.56 Common
Rata-rata 8.34
11.13 14.38
6.83 6.48
Kategori Good
Good Good
Good Good
Sumber : Hasil Penelitian. 2013 data diolah. Tabel 4.5 menggambarkan bahwa kinerja intellectual capital IC yang
dimiliki perbankan asing di Indonesia periode 2008 sampai dengan 2012 berbeda- beda. VAIC
TM
Bank Of China selama 3 tiga tahun yaitu berturut-turut 2009, 2010 dan 2011 masing-masing dengan nilai 12.75; 97.82; dan 15.66. Hal ini
menunjukkan bahwa Bank Of China termasuk dalam kategori “Good performers” dengan nilai VAIC
TM
diatas 5.00, sedangkan Kinerja VAIC
TM
yang paling baik pada tahun 2010 dengan nilai rata-rata 14.38 dengan kategori “Good performers”.
Universitas Sumatera Utara
4.2.1.5 Pertumbuhan laba Equity Growth EG
Equity Growth EG merupakan variabel dependen yang digunakan untuk mengukur seberapa besar perubahan pendapatan laba perusahaan. Apabila terjadi
peningkatan laba perusahaan periode tahun ini dari periode sebelumnya, hal ini menunjukkan bahwa perusahaan dapat tumbuh dan berkembang baik. Data hasil
perhitungan EG dapat dilihat pada tabel berikut:
Tabel 4.6 Hasil Perhitungan
Equity Growth EG periode 2008-2012
No Nama Bank
EG Rata-rata
2008 2009
2010 2011
2012 1
Bank of America 0.02
0.25 -1.46 -0.81 2.56
0.11 2
Bank of China 0.27 -0.16
0.50 1.91
0.28 0.56
3 Citibank
0.15 0.10
0.05 -0.19 0.05
0.03 4
Deutshe Bank 0.82 -0.25 -0.34
1.11 -0.28 0.21
5 Morgan Bank
0.55 0.26 -1.11 -1.70 -1.01
-0.60 6
Standard Cartered Bank 0.10
0.10 0.87
0.66 -0.52 0.24
7 Bangkok Bank
1.42 0.89
0.55 -0.05 -0.11 0.54
8 Bank of Tokyo
0.05 0.07 -0.31
1.84 -0.16 0.30
9 Hongk Shang Bank
0.26 -0.20 0.46
0.63 0.06
0.24 10
Royal Bank 0.10 -2.13 -0.38 -1.21
0.67 -0.59
Rata-rata 0.37 -0.11 -0.12
0.22 0.15
Sumber : Hasil Penelitian, 2013 data diolah Tabel 4.6 menggambarkan besarnya persentase perubahan pertumbuhan
laba EG masing-masing perbankan asing periode 2008 sampai dengan 2012. Nilai rata-rata EG yang paling tinggi dimiliki oleh Bank Of China
sebesar 0.56 dan yang paling rendah pertumbuhannya dimiliki oleh Royal Bank yaitu sebesar -
0.59. Pada tahun 2008 nilai rata-rata EG sebesar 0.37, sedangkan pada tahun 2009 hingga 2010 mengalami penurunan menjadi -0.12, kemudian meningkat
kembali pada tahun 2011 yaitu menjadi 0.22, namun pada tahun 2012 kembali mengalami penurunan menjadi 0.15. Hal ini menunjukkan bahwa pada tahun
Universitas Sumatera Utara
2009 dan 2010 masa-masa sulit bagi perbankan asing, karena menunjukkan rata- rata pertumbuhannya sangat kecil.
4.2.2 Pengujian Asumsi Klasik
4.2.2.1 Uji Normalitas
Uji normalitas dilakukan untuk menguji apakah dalam sebuah model regresi, variabel independen dan variabel dependen atau keduanya mempunyai
distribusi normal atau tidak. Model yang paling baik adalah distribusi data normal atau mendekati normal. Metode yang dapat digunakan untuk normalitas yaitu
analisis grafik dan analisis statistik.
Sumber: Hasil Penelitian, 2013 data diolah
Gambar 4.1 Histogram Dependent Variabel EG
Universitas Sumatera Utara
Gambar 4.1 menunjukkan bahwa data terdistribusi secara normal karena bentuk kurva memiliki kemiringan yang cenderung imbang dan kurva berbentuk
menyerupai lonceng. Dapat disimpulkan bahwa variabel pengganggu atau residual memiliki pola mendekati distribusi normal.
Metode lain untuk mengetahui normalitas adalah dengan menggunakan metode analisis grafik baik dengan melihat dari grafik histogram ataupun dengan
melihat gambar kurva Normal Probability Plot. Namun, untuk lebih untuk mendapatkan tingkat uji normalitas yang lebih signifikan, penelitian ini
menggunakan Uji Statistik non-parametrik One sample Kolmogrov-Smirnov.
Sumber: Hasil Penelitian, 2013 data diolah
Gambar 4.3 Normal P-Plot EG
Gambar 4.3 ini merupakan kurva Normal Probability Plot yang menunjukkan penyebaran titik-titik data di sekitar garis diagonal dan mengikuti arah garis
Universitas Sumatera Utara
diagonal, maka dapat disimpulkan bahwa model regresi memenuhi asumsi
normalitas.
Penelitian ini juga menggunakan Uji Statistik non-parametrik One sample Kolmogrov-Smirnov untuk mendapatkan tingkat uji normalitas yang lebih
signifikan.
Tabel 4.7 One-Sample Kolmogorov-Smirnov Test
Sebelum Transformasi
No Variabel
Asymp. Sig. 2-tailed 1
VACA 0.000
2 VAHU
0.001 3
STVA 0.045
4 EG
0.001 Sumber: Hasil Penelitian, 2013 data diolah
Dari Table 4.7 diperoleh nilai Asymp. Sig 2-tailed variabel VACA taraf nyata α, yaitu 0.000 0.05, variabel VAHU taraf nyata α, yaitu 0.001
0.05, variabel STVA taraf nyata α, yaitu 0.045 0.05, variabel EG taraf nyata α, yaitu 0.001 0.05, artinya data variabel VAHU, VACA, STVA dan
EG belum terdistribusi secara normal. Data yang belum terdistribusi normal dapat ditransformasikan agar
menjadi normal. Salah satunya dengan mengubah data menjadi bentuk natural Ln. Setelah di tranformasi maka diuji kembali dengan menggunakan uji K-S.
Berikut ini adalah hasil K-S setelah ditranformasikan.
Universitas Sumatera Utara
Tabel 4.8 One-Sample Kolmogorov-Smirnov Test
Sesudah Transformasi
No Variabel
Asymp. Sig. 2-tailed 1
LnVACA 0.918
2 LnVAHU
0.781 3
LnSTVA 0.117
4 LnEG
0.764 Sumber: Hasil Penelitian, 2013 data diolah
Dari Table 4.8 diperoleh nilai Asymp. Sig 2-tailed variabel LnVACA taraf nyata α, yaitu 0.981 0.05, variabel LnVAHU taraf nyata α, yaitu
0.781 0.05, variabel LnSTVA taraf nyata α, yaitu 0.764 0.05, variabel
Ln EG taraf nyata α, yaitu 0.469 0.05, artinya data variabel VAHU, VACA,
STVA dan EG sudah terdistribusi secara normal.
4.2.2.2 Uji Heteroskedostisitas
Asumsi Heteroskedastisitas 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, dan jika berbeda disebut heterokedastisitas. Salah satu uji
untuk mengetahui heterokedastisitas ini adalah dengan melihat penyebaran dari varians residual pada diagram pencar scatterplot.
Universitas Sumatera Utara
Sumber: Hasil Penelitian, 2013 data diolah
Gambar 4.5 Regression Standardized Predicted Value EG
Pada Gambar 4.5 terlihat titik-titik menyebar secara acak serta tersebar diatas maupun di bawah angka 0 pada sumbu Y. Sehingga dapat disimpulkan
tidak terdapat gejala heterokedastisitas pada model regresi dalam penelitian ini. Selain dari diagram pencar scatter plot, uji heteroskedastisitas juga dapat
di uji dengan uji glejser.
Tabel 4.9 Hasil Analisis Uji Glejser
Model Absut LnEG
T Sig.
LnVACA -0.420
0.678 LnVAHU
0.163 0.872
LnSTVA -1.010
0.323 Sumber: Hasil Penelitian, 2013 data diolah
Universitas Sumatera Utara
Pada Tabel 4.9 menunjukan bahwa jelas tidak satupun variabel bebas yang signifikan secara statistik mempengaruhi variabel terikat. Hal ini terlihat dari
probabilitas signifikansinya di atas tingkat kepercayaan 5.
4.2.2.3 Uji Autokorelasi
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 sebelumnya. Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Adapun uji yang dapat digunakan untuk mendeteksi
adanya penyimpangan asumsi klasik ini adalah uji Durbin Watson dengan ketentuan sebagai berikut:
1. 0 d dl : tidak ada autokorelasi positif
2. dl ≤ d ≤ du : tidak dapat disimpulkan
3. 4-dl d 4 : tidak ada korelasi negatif
4. 4-du ≤ d ≤ 4-dl : tidak dapat disimpulkan
5. du d 4- du : tidak terjadi autokorelasi positif atau negatif
Tabel 4.10 Hasil Analisis Uji Autokorelasi
No Variabel
Durbin-Watson 1
LnEG 1.202
Sumber: Hasil Penelitian, 2013 data diolah Pada Tabel 4.10 dapat dilihat nilai Durbin Watson DW untuk EG sebesar
1.202. Pada n = 50 , k =3 maka nilai dl = 1.4206. Hal ini sesuai dengan ketentuan pertama yaitu 0 1.202 1.4206. Begitu juga dengan nilai Durbin Watson DW
untuk AG sebesar 1.131. Hal ini juga sesuai dengan ketentuan pertama yaitu 0
Universitas Sumatera Utara
1.361 1.4206 yang artinya tidak ada autokorelasi positif pada model regresi dalam penelitian ini.
4.2.2.4 Uji Multikolineritas
Uji ini digunakan untuk menguji apakah dalam sebuah model regresi ditemukan adanya korelasi antara variabel independen. Jika terjadi korelasi, maka
dikatakan terdapat masalah multikolinearitas. Tabel 4.11 berikut menunjukkan tidak ada masalah multikolinearitas, dimana hasil uji Variance Inflation Factor
VIF menunjukkan nilai kurang dari 5 VIF 5 dan nilai tolerance 0,1.
Tabel. 4.11 Hasil Analisis Uji Multikolineritas
Model LnEG
Tolerance VIF
LnVACA 0.867
1.153 LnVAHU
0.281 3.563
LnSTVA 0.261
3.836 Sumber: Hasil Penelitian, 2013 data diolah
Berdasarkan hasil uji multikolinearitas ini dapat disimpulkan bahwa
variable-variabel yang termasuk indikator modal intellektual VACA,VAHU, dan STVA tidak mempengaruhi variabel pertumbuhan laba EG.
4.2.3 Pengujian Hipotesis 4.2.3.1 Analisis Linier Berganda
1. Hasil Pengujian Hipotesis I a. Uji Signifikan Simultan Uji-F
Pengujian ini dilakukan untuk mengetahui apakah semua variabel bebas secara bersama-sama atau serempak mempunyai pengaruh yang signifikan
terhadap variabel terikat.
Universitas Sumatera Utara
Tabel 4.12 Hasil Analisis Uji Signifikan Simultan Uji-F Hipotesis I
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression
8.862 1
8.862 6.943
.014
c
Residual 31.910
25 1.276
Total 40.772
26 a. Predictors: Constant LnVACA, LnVAHU, LnSTVA.
b. Dependent Variable: LnEG Berdasarkan Tabel 4.13 diketahui nilai sig 0.014 0.05 dan nilai F
hitung
F
tabel2,47
= 6.943 3.20 sehingga dapat dinyatakan H
a
diterima H ditolak,
artinya secara bersamaan variabel-variabel bebas yaitu value added capital employed VACA, value added human capital VAHU, structural capital value
added STVA berpengaruh signifikan terhadap pertumbuhan laba EG.
b. Uji Parsial Uji-t
Uji-t ini digunakan untuk mengetahui signifikansi pengaruh masing- masing variabel bebas Value Added Capital Employed VACA, Value Added
Human Capital VAHU, Structural Capital Value Added STVA terhadap variabel terikat yaitu pertumbuhan laba EG secara parsial.
Tabel 4.12 Hasil Analisis Uji Parsial Uji-t Hipotesis I
Model Beta In
t Sig.
Partial Correlation
Collinearity Statistics
Tolerance 1
LnVACA -.033
a
-.179 .860
-.036 .951
LnSTVA .181
a
.539 .595
.109 .286
a. Predictors in the Model: Constant, LnVAHU b. Dependent Variable: LnEG
Sumber : Hasil Penelitian, 2013 data diolah.
Universitas Sumatera Utara
Setelah melakukan pengujian tidak semua variabel bebas mempengaruhi variabel terikat. Oleh karena itu, indikator - indikator yang tidak signifikan akan
dihilangkan. Maka dapat diketahui bahwa hanya variabel VAHU berpengaruh positif dan signifikan terhadap EG. Berikut ini hasil pengujian regresi linear
berganda dengan menggunakan metode stepwise.
Tabel 4.13 Hasil Analisis Uji Parsial Uji-t Hipotesis I
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant -2.779
.566 -4.912
.000 LnVAHU
.731 .277
.466 2.635
.014 a. Dependent Variable: LnEG
Sumber : Hasil Penelitian, 2013 data diolah Variabel VAHU mempunyai arah yang positif dan nilai signifikan 0.05.
Kriteria pengambilan keputusan menggunakan taraf nyata 5 untuk uji dua arah α = 0,05 dengan derajat bebas df = n-k = 50-3 = 47. Nilai t
tabel
dengan taraf nyata α = 0,05 dan df = 47 adalah 1.677.
Pada Tabel 4.14 diketahui nilai sig. = 0.014 0,05 dan T
hitung
T
tabel
= 2.635 1.677, maka Ho ditolak berarti value added human capital VAHU
berpengaruh positif dan signifikan terhadap pertumbuhan laba EG. Artinya, jika ditingkatkan persentase VAHU maka EG berpengaruh signifikan.
c. Regresi Linear Berganda