24
Dimana: VA= OUT – IN
OUT = Total penjualan dan pendapatan lainnya IN = Total beban usaha kecuali gaji dan tunjangan
HC = Beban gaji dan tunjangan karyawan SC = VA- HC
CE = nilai buku aktiva bersih
c. Variabel Intervening
Variabel intervening yang digunakan dalam penelitian ini adalah kinerja keuangan perusahaan yang menggunakan rasio profitabilitas yaitu Return On
Equity ROE. Adapun rumus yang digunakan untuk menghitung ROE adalah sebagai berikut:
………………………………………………3
3.3 Metode Analisis Data
Pengujian yang dilakukan dalam penelitian ini akan menggunakan program e-views 6 dimana dalam penelitian ini terdapat 2 model penelitian, yaitu
1. Model 1
ROE
it
= α0 + α1 VAIC
TM it
+ e
it
Dimana: ROE:
Kinerja perusahaan Return on Equity α0:
Nilai intercept
25
α1: Koefisien modal intelektual
VAIC
TM
: Modal intelektual Value Added Intellectual Capital
e: error
Pengujian model 1 dilakukan untuk mengetahui apakah terdapat pengaruh positif modal intelektual terhadap kinerja perusahaan yang dapat dilihat
dari koesifien α1. Apabila terdapat pengaruh positif modal intelektual
terhadap kinerja perusahaan maka koefisien α1 akan memberikan tanda
positif +.
2. Model 2
AG
it
= β0 + β1 ROE
it
+ e
it
AG: Pertumbuhan perusahaan Asset Growth
β0: Nilai intercept
β1: Koefisien kinerja perusahaan
ROE: Kinerja perusahaan Return on Equity
e: error
Pengujian model 2 merupakan kelanjutan dari pengujian model 1, pada pengujian model 2 digunakan fitted value dari ROE yang dihasilkan dari
pengujian model 1. Pengujian model 2 dilakukan untuk melihat pengaruh positif kinerja perusahaan terhadap pertumbuhan perusahaan, namun
kinerja perusahaan yang digunakan adalah kinerja perusahaan yang telah dipengaruhi oleh modal intelektual atau dapat dikatakan bahwa pengujian
26
ini dilakukan untuk mengetahui apakah modal intelektual berpengaruh positif terhadap pertumbuhan perusahaan melalui kinerja perusahaan.
Hasil pengujian dapat dilihat melalui nilai β1 yang memberikan nilai
positif + apabila hasilnya sesuai dugaan peneliti. Penelitian ini menggunakan model simultan karena menggunakan variabel
intervening, persamaan simultan merupakan himpunan persamaaan dimana variabel terikat dalam satu atau lebih persamaan juga merupakan variabel bebas di
dalam persamaan lainnya. Sebuah variabel memiliki dua peran, yaitu sebagai variabel terikat variabel dependen dan variabel bebas variabel independen.
Dalam penelitian ini, variabel kinerja perusahaan ROE
it
memiliki dua peran, dalam model 1 ROE
it
berperan sebagai variabel dependen dan pada model 2 berperan sebagai variabel independen. Penyebutan variabel independen dan
dependen tidak tepat lagi jika digunakan pada model persamaan simultan, karena variabel dependen bisa juga menjadi variabel independen. Menurut Gujarati
2012, dalam konteks model persamaan simultan, terdapat 2 jenis variabel yaitu: • Varibel Endogen
Variabel-variabel yang nilainya telah ditentukan dalam model, karena nilai-nilai ini diperoleh dengan memasukan nilai variabel lain dalam
model sebagai akibat adanya hubungan antarvariabel. Serta variabel endogen dianggap sebagai stokastik. Jumlah variabel endogen sama
dengan banyaknya persamaan dalam model.
27
• Varibel Predetermine Variabel-variabel yang nilainya telah ditentukan diluar model. Variabel
predetermine dianggap sebagai nonstokastik. Dalam variabel predetermine ada dua jenis kategori yaitu variabel eksogen baik eksogen sekarang
maupun waktu lampau lagged exogeneous, dan variabel endogen waktu lampau lagged endogeneous.
Dalam model persamaan simultan, identifikasi dilakukan pada awal sebelum melakukan penaksiran untuk menentukan apakah suatu model
persamaan simultan dapat dilakukan estimasi atau tidak, dan mengetahui metode teknik estimasi apa yang sebaiknya digunakan pada persamaan simultan.
Terdapat 2 teknik estimasi yang dapat digunakan untuk model simultan yaitu Indirect Least Square ILS dan Two Stage Least Square TSLS.
Menurut Koutsoyiannis 1977, identifikasi pada dasarnya menentukan pilihan metode apa yang digunakan secara tepat dari model yang akan ditaksir
dan ada dua situasi yang mungkin dari pengidentifikasian, yaitu: • Persamaan Underidentified
Disebut persamaan underidentified kurang teridentifikasi, jika bentuk statistiknya tidak unik atau kurang. Jika persamaan underidentified, maka
seluruh parameter tidak dapat diestimasi dengan teknik ekonometrika manapun, atau dengan kata lain koefisien persamaan struktural tidak
diperoleh. • Persamaan Identitified
28
Disebut persamaan Identified dapat teridentifikasi, jika bentuk statistiknya unik tunggal. Jika persamaan identified, maka koefisien
dalam persamaan simultan secara umum dapat diestimasi, atau dengan kata lain koefisien persamaan struktural memiliki solusi yang unik.
Persamaan Identified dapat menjadi persamaan exactly identified tepat teridentifikasi dan persamaan overidentified terlalu teridentifikasi.
- Persamaan exactly identified adalah jika diperoleh suatu nilai koefisien yang unik dari parameter strukturalnya dan metode yang
sesuai adalah Indirect Least Square ILS. - Persamaan overidentified adalah jika diperoleh lebih dari satu nilai
koefisien untuk parameter-parameter strukturalnya dan metode yang sesuai adalah Two Stage Least Square 2SLS, Three Stage
Least Square 3SLS, Limited Informatuon Maximum Likelihood LIML, dan Full Informatuon Maximum Likelihood FIML.
Menurut Koutsoyiannis 1977, terdapat dua aturan formal yang digunakan untuk menentukan identifikasi yaitu kondisi orde dan kondisi rank.
Namun, dalam penelitian ini akan digunakan kondisi orde, Koutsoyiannis 1977 menyatakan bahwa kondisi orde merupakan suatu kondisi yang diperlukan namun
belum menjadi kondisi cukup untuk identifikasi. Untuk mengidentifikasi digunakan kriteria berikut Gujarati, 2012:
- Jika K-k m-1, maka persamaan tersebut terlalu teridentifikasi
overidentified.
29
- Jika K-k = m-1, maka persamaan tersebut tepat teridentifikasi
exactly identified.
- Jika K-k ≥ m-1, maka persamaan tersebut kurang teridentifikasi
underidentified.
- Jika K-k m-1, maka persamaan tersebut tidak teridentifikasi.
Dimana: M = Jumlah variabel endogen dalam model persamaan simultan
m = Jumlah variabel endogen dalam suatu persamaan tertentu K = Jumlah variabel predetermine dalam model persamaan simultan
k = Jumlah variabel predetermine dalam suatu persamaan tertentu.
Setelah melakukan identifikasi terhadap model simultan, maka langkah selanjutnya adalah pemilihan model karena data yang digunakan dalam penelitian
ini adalah data panel:
• Uji Hausman
Hausman telah mengembangkan suatu uji untuk memilih apakah metode Fixed Effect dan metode Random Effect lebih baik dari metode Common
Effect. Secara sederhana hipotesis pengujian hausman adalah sebagai berikut :
H0 : random effect H1 : fixed effect
30
• Uji Chow-test pool effect vs fixed effect
Untuk mengetahui model mana yang lebih baik dalam pengujian data panel, bisa dilakukan dengan penambahan variabel dummy sehingga dapat
diketahui bahwa intersepnya berbeda dapat diuji dengan uji Statistik F. Uji ini digunakan untuk mengetahui apakah teknik regresi data panel dengan
metode Fixed Effect lebih baik dari regresi model data panel tanpa variabel dummy atau metode Common Effect.
Secara sederhana hipotesis pengujian Chow adalah sebagai berikut : H0 : pool effect
H1 : fixed effect • Uji Lagrange Multiplier
Menurut Widarjono 2007: 260, untuk mengetahui apakah model Random Effect lebih baik dari model Common Effect digunakan Lagrange
Multiplier LM. Uji Signifikansi Random Effect ini dikembangkan oleh Breusch-Pagan. Pengujian didasarkan pada nilai residual dari metode
Common Effect.
Secara sederhana hipotesis pengujian LM adalah sebagai berikut : H0 : pool effect
H1 : random effect
31
BAB IV ANALISIS DATA DAN PEMBAHASAN
4.1 Analisis Identifikasi Model Simultan